基于协作mimo系统的RM编译码误码率matlab仿真,对比硬判决译码和软判决译码

1.算法运行效果图预览



2.算法运行软件版本

matlab2022a


3.算法理论概述

       基于协作MIMO系统的RM编译码是无线通信领域中的一项重要技术。在协作MIMO系统中,多个天线协同工作以提供更高的数据传输速率和更好的可靠性。RM(Reed-Muller)码是其中的一种常用编码方案,具有纠错能力强和译码复杂度相对较低的优点。


      Reed-Muller码 (RM码) 可依赖布尔函数(Boolean Functions)进行定义。



      在RM码的译码过程中,通常有两种方法:RM硬判决译码和RM软判决译码。这两种译码方法的主要区别在于它们处理接收信号的方式。


1. RM硬判决译码:


在硬判决译码中,接收到的信号经过解调后,直接进行量化,将连续的信号幅度映射为离散的符号。

随后,这些离散符号被送入RM译码器进行译码操作。

由于在硬判决过程中丢失了部分接收信号的信息,因此硬判决译码的性能通常较软判决译码差一些。

2. RM软判决译码:


与硬判决译码不同,软判决译码在处理接收信号时,保留了更多的信息。

在解调后,接收到的信号不仅包含符号信息,还包含关于信号质量的置信度信息(比如信号的幅度、相位等)。

这些额外的信息被送入RM译码器,可以用于更精确地恢复原始发送的信息。

通常,软判决译码的性能要优于硬判决译码,因为它更充分地利用了接收到的信号信息。

      总结来说,基于协作MIMO系统的RM编译码中,RM硬判决译码和RM软判决译码的主要区别体现在对接收信号的处理方式上。硬判决译码直接量化接收信号为离散符号,而软判决译码则保留更多信号信息,并将其用于译码过程。因此,一般而言,RM软判决译码具有更好的性能,但实现复杂度也可能相对较高。





4.部分核心程序

while(Err <= TL)

        k

        Err

        Num = Num + 1;

        %产生数据

        K             = min(K1,K2);

        Signal0       = round(rand(1,K));

        Signal        =[Signal0,zeros(1,K1-K2)];


        %*****************************************************************

        %RM编码

        Signal_RM_S2D = func_Encode(Signal,V1);

        %调制

        RM_mod_S2D    =modulate(mods,Signal_RM_S2D);

        %过信道

        RM_Noise_S2D  = RM_mod_S2D +sqrt(2*N01)*randn(size(RM_mod_S2D));


        %*****************************************************************

        %中继部分

        RM_demod_S2R  =demodulate(demods,RM_Noise_S2D);

        Bhat_S2R      =func_Decode_ML_hard(RM_demod_S2R,r+1,m,V1,N1,K1,I1);

        %RM编码

        Signal_RM_S2R = func_Encode(Bhat_S2R(1:K),V2);

        %调制

        RM_mod_S2R    =modulate(mods,Signal_RM_S2R);

        %过信道

        RM_Noise_S2R  = RM_mod_S2R +sqrt(2*N03)*randn(size(RM_mod_S2R));


        %*****************************************************************

        %解调

        RM_demod_S2D  =demodulate(demods,[RM_Noise_S2D,RM_Noise_S2R]);

        LEN           =length(RM_demod_S2D);

        %RM译码

        Bhat_S2D1     =func_Decode_ML_hard(RM_demod_S2D(1:LEN/2),r+1,m,V1,N1,K1,I1);

        Bhat_S2D2     =func_Decode_ML_hard(RM_demod_S2D(LEN/2+1:LEN),r,m,V2,N2,K2,I2);

        %计算误码率

        Err           = Err +min([sum(xor(Bhat_S2D1(1:K),Signal0)),sum(xor(Bhat_S2D2(1:K),Signal0))]);

   end

   Errs(k) = Err/Num/length(Signal);

end   


figure

semilogy(SNR,Errs,'b-o');

grid on;

xlabel('SNR');

ylabel('Bit error');


save r0.mat SNR Errs

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 220,295评论 6 512
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,928评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 166,682评论 0 357
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,209评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,237评论 6 397
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,965评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,586评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,487评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,016评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,136评论 3 340
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,271评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,948评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,619评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,139评论 0 23
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,252评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,598评论 3 375
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,267评论 2 358

推荐阅读更多精彩内容