基于OFDM+64QAM系统的载波同步matlab仿真,输出误码率,星座图,鉴相器,锁相环频率响应以及NCO等

简介: 基于OFDM+64QAM系统的载波同步matlab仿真,输出误码率,星座图,鉴相器,锁相环频率响应以及NCO等

1.算法运行效果图预览
8c8b631bb3555503e1687e5288eb1972_82780907_202310262338250064170671_Expires=1698335305&Signature=%2Ba%2FNh%2Bn9cXDE7W7sNFZZaptIiUk%3D&domain=8.jpeg
c47499865575565b1c4e7bad3d5cc594_82780907_202310262338250141892559_Expires=1698335305&Signature=NCh%2FOA7OCuKzobDiASnjvEO3il0%3D&domain=8.jpeg
993408bc7cb9f9f4f8dd0ff85758e80e_82780907_202310262338250094221536_Expires=1698335305&Signature=cUfu%2BBeTNH0iACnAwitzOl3euIs%3D&domain=8.jpeg

2.算法运行软件版本
MATLAB2022a

3.算法理论概述
正交频分复用(OFDM)是一种在现代通信系统中广泛使用的调制技术,它具有高效的频谱利用和抗多径衰落等特点。64QAM(64-ary Quadrature Amplitude Modulation)是一种调制方式,可以在每个符号中传输更多的位信息。在OFDM系统中,保持载波同步对确保数据传输的可靠性至关重要。

3.1 OFDM原理
OFDM将高速数据流划分为多个较低速的子载波,这些子载波之间互相正交,从而降低了子载波之间的干扰。每个子载波可以独立地调制和解调,提高了抗多径衰落和频率偏移的能力。

acaf3f8c26686c6b2f6849f6ea6285a7_82780907_202310262340240094826623_Expires=1698335424&Signature=X4KjVfM3OLRdWSRsmb8DruNkw1E%3D&domain=8.png

3.2 64QAM调制
64QAM是一种高阶调制方式,每个符号可以传输6个比特(2^6=6426=64种可能的组合)。每个符号的相位和幅度有64种可能的组合,使得64QAM适合传输更多的信息,但也对信号质量要求更高。

ff5336948b33eaed7bce2f9a1f829b5f_82780907_202310262341110360774922_Expires=1698335471&Signature=21t%2F%2BEbyVnfqmnkWi2EKWPegQgs%3D&domain=8.png

3.3 载波同步
在OFDM系统中,准确的载波同步是至关重要的。载波同步包括两个方面:频率同步和相位同步。频率同步旨在校准发送端和接收端的本地振荡器,以消除频率偏移。相位同步则调整接收信号的相位,以最大化解调性能。
bbbfa4c872b706eb937e9f3e7765b6e3_82780907_202310262341460797988049_Expires=1698335506&Signature=bwO%2FXLVmzYDW3kyPUOUkXIsWkfA%3D&domain=8.png

4.部分核心程序
```for ij=1:Nframe
[sj,ij]
%64个符号的训练序列
msg1 = round(63*rand(64,1));
msg2 = repmat(msg1,2,1);
msg2_64QAM = qammod(msg2,Morder);

dataPre       = round(63*rand(36,1));  
dataPre_64QAM = qammod(dataPre,Morder);  
%数据   
signal        = round(63*rand(nsym-2*64-36,1));      
signal_64QAM  = qammod(signal,Morder);

Tx_din        = [dataPre;msg2;signal];
Tx_bin        = de2bi(Tx_din,6,'left-msb');
Tx_bin2       = Tx_bin.';
%发送数据的二进制数
Tx_bin3       = reshape(Tx_bin2,[],1);   

dataTxSig     =[dataPre_64QAM;msg2_64QAM;signal_64QAM];
dataTx        = dataTxSig.*Carrier.';

..............................................................................
%积分滤波器
PLL_Phase_Part(i)= Discriminator(i)C1;
PLL_Freq_Part(i) = Discriminator(i-1)
C2+PLL_Freq_Part(i-1);
Freq_Control(i) = PLL_Phase_Part(i)+PLL_Freq_Part(i);
NCO_Phase(i) = NCO_Phase(i-1)+Freq_Control(i-1);
fre(i) = NCO_Phase(i)/(2pii)*fs;
%平滑处理
if i-len<=99
Discriminator2(i) = mean(Discriminator(len+1:i));
fre2(i) = mean(fre(len+1:i));
else
Discriminator2(i) = mean(Discriminator(i-99:i));
fre2(i) = mean(fre(i-99:i));
end
end

if (sj==12 | sj==15)& ij==1

figure
subplot(2,2,1)
plot(fre2(len+1:nsym));
grid on;
title('锁相环频率响应');

subplot(2,2,2)
plot(NCO_Phase(len+1:nsym));
grid on;
title('NCO输出相位');

subplot(2,2,3)
plot(Discriminator2(len+1:nsym));
title('鉴相器输出');
grid on;

subplot(2,2,4)
plot(dataPhaEst(2000:end),'b*');
title('锁相环之前星座图');
grid on;

figure
plot(Signal_PLL(2000:end),'r.');
title('锁相环之后星座图');
grid on;

end

s_pll=Signal_PLL;
dRx2=qamdemod(s_pll,Morder);
dRx1=reshape(dRx2,[],1);
dRx_bit1=de2bi(dRx1,6,'left-msb');
dRx_bit2=dRx_bit1.';
dRxbit=reshape(dRx_bit2,[],1);

for m=(1200+1):nsym
if dRxbit(m)~=Tx_bin3(m)
err_bit(ij)=err_bit(ij)+1;
end
end
end
sum_bit_err=sum(err_bit);
BER(sj)=sum_bit_err/(Nframe(4nsym-300*4));
end
figure;
semilogy(SNRss,BER,'b-o');
grid on
xlabel('SNR');
ylabel('error');

```

相关文章
|
3天前
|
机器学习/深度学习 算法 Python
基于BP神经网络的金融序列预测matlab仿真
本项目基于BP神经网络实现金融序列预测,使用MATLAB2022A版本进行开发与测试。通过构建多层前馈神经网络模型,利用历史金融数据训练模型,实现对未来金融时间序列如股票价格、汇率等的预测,并展示了预测误差及训练曲线。
|
4天前
|
算法
超市火灾烟雾蔓延及人员疏散的matlab模拟仿真,带GUI界面
本项目基于MATLAB2022A开发,模拟了大型商业建筑中火灾发生后的人员疏散与烟雾扩散情况。算法通过设定引导点指导人员疏散,考虑视野范围、随机运动及多细胞竞争同一格点的情况。人员疏散时,根据是否处于烟雾区调整运动策略和速度,初始疏散采用正态分布启动。烟雾扩散模型基于流体方程,考虑了无风环境下的简化。
|
6天前
|
存储 算法 数据安全/隐私保护
基于方块编码的图像压缩matlab仿真,带GUI界面
本项目展示了基于方块编码的图像压缩算法,包括算法运行效果、软件环境(Matlab 2022a)、核心程序及理论概述。算法通过将图像划分为固定大小的方块并进行量化、编码,实现高效压缩,适用于存储和传输大体积图像数据。
|
6天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。
|
4天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于深度学习网络的宝石类型识别算法matlab仿真
本项目利用GoogLeNet深度学习网络进行宝石类型识别,实验包括收集多类宝石图像数据集并按7:1:2比例划分。使用Matlab2022a实现算法,提供含中文注释的完整代码及操作视频。GoogLeNet通过其独特的Inception模块,结合数据增强、学习率调整和正则化等优化手段,有效提升了宝石识别的准确性和效率。
|
4月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
212 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
4月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
135 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
4月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
96 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
7月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)