1.算法仿真效果
matlab2022a仿真结果如下（完整代码运行后无水印）：
仿真操作步骤可参考程序配套的操作视频。
2.算法涉及理论知识概要
该通信系统主要用于图像传输，适用于对图像质量和传输可靠性要求较高的场景，如无人机图像传输、视频监控、无线电视广播等。
在复杂的电磁环境中，需要保证图像传输的稳定性和清晰度，因此采用了扩频解扩和Turbo 译码等技术来提高系统的抗干扰能力。
发射端：包括图像源、16QAM调制器、扩频器、发射天线等。
接收端：包括接收天线、解扩器、16QAM解调器、Turbo 译码器、图像显示设备等。
2.1 16QAM调制解调
16QAM 是用两路独立的正交 4ASK 信号叠加而成，4ASK 是用多电平信号去键控载波而得到的信号。它是 2ASK 调制的推广，和 2ASK 相比，这种调制的优点在于信息传输速率高。正交幅度调制是利用多进制振幅键控（MASK）和正交载波调制相结合产生的。16 进制的正交振幅调制是一种振幅相位联合键控信号。16QAM 的产生有 2 种方法：
（1）正交调幅法，它是有 2 路正交的四电平振幅键控信号叠加而成；
（2）复合相移法：它是用 2 路独立的四相位移相键控信号叠加而成。
2.2 扩频技术
扩频技术是将信号的带宽扩展到比原始信号带宽宽得多的范围内，从而降低信号的功率谱密度，提高抗干扰能力。
在发射端，将原始信号与一个高速的扩频码进行乘法运算，使信号的带宽被扩展。
在接收端，使用与发射端相同的扩频码进行解扩，将信号恢复到原始带宽。
常用的扩频码有伪随机码（如m 序列、Gold 序列等），具有良好的自相关性和互相关性。
选择合适的扩频码可以提高系统的抗干扰性能和多址能力。
2.3 Turbo 译码
Turbo 码是一种接近香农极限的纠错编码技术，由两个并行的卷积码编码器和一个交织器组成。通过迭代译码的方式，不断更新译码结果，提高译码的准确性。
常用的Turbo 译码算法有最大后验概率（MAP）算法和软输出维特比算法（SOVA）等。这些算法通过计算接收信号的似然比，对发送的信息进行估计和纠错。Turbo 译码具有较高的纠错能力，能够在低信噪比条件下实现可靠的通信。但是，Turbo 译码的计算复杂度较高，需要较大的计算资源和时间。
3.MATLAB核心程序
for i=1:length(SNR)
Rimages = [];
for iii=1:length(datbin)/Iimage_len
[SNR(i),iii,floor(length(datbin)/Iimage_len)]
%产生需要发送的随机数
Trans_data = [datbin(Iimage_len*(iii-1)+1:Iimage_len*iii)];
turbo_code = turbo_encode(Trans_data);
%DSSS
pseudoNumber = round(rand(1,fp)');
[dsss,converted,PN2] = func_dsss(turbo_code,pseudoNumber,fp);
Trans_BPSK = QAM16_modulation(dsss);
%通过高斯信道
Rec_BPSK = awgn(Trans_BPSK,SNR(i),'measured');
ReData = QAM16_demodulation(Rec_BPSK);
%DSSS
dsss2 = func_dsss2(ReData,pseudoNumber,fp);
%turbo译码
x_hat = round(turbo_decode(dsss2));
Rimages = [Rimages,x_hat];
end
Rimages_snr{i} = Rimages;
end
dat = Rimages_snr{1};
len = 3*length(Rbin);
Rbin = dat(1:len/3);
Gbin = dat(1+len/3:2*len/3);
Bbin = dat(1+2*len/3:len);
%二进制转化为十进制
Rdec = func_bin2image([Rbin]);
Gdec = func_bin2image([Gbin]);
Bdec = func_bin2image([Bbin]);
%十进制转化为矩阵
RIimages = [reshape(Rdec,[256,256])]';
GIimages = [reshape(Gdec,[256,256])]';
BIimages = [reshape(Bdec,[256,256])]';
Images_snr_3(:,:,1) = RIimages;
Images_snr_3(:,:,2) = GIimages;
Images_snr_3(:,:,3) = BIimages;
%RGB合并
figure;
imshow(uint8(Images_snr_3));
dat = Rimages_snr{2};
len = 3*length(Rbin);
Rbin = dat(1:len/3);
Gbin = dat(1+len/3:2*len/3);
Bbin = dat(1+2*len/3:len);
%二进制转化为十进制
Rdec = func_bin2image(Rbin);
Gdec = func_bin2image(Gbin);
Bdec = func_bin2image(Bbin);
%十进制转化为矩阵
RIimages = [reshape(Rdec,[256,256])]';
GIimages = [reshape(Gdec,[256,256])]';
BIimages = [reshape(Bdec,[256,256])]';
Images_snr0(:,:,1) = RIimages;
Images_snr0(:,:,2) = GIimages;
Images_snr0(:,:,3) = BIimages;
%RGB合并
figure;
imshow(uint8(Images_snr0));
dat = Rimages_snr{3};
len = 3*length(Rbin);
Rbin = dat(1:len/3);
Gbin = dat(1+len/3:2*len/3);
Bbin = dat(1+2*len/3:len);
%二进制转化为十进制
Rdec = func_bin2image(Rbin);
Gdec = func_bin2image(Gbin);
Bdec = func_bin2image(Bbin);
%十进制转化为矩阵
RIimages = [reshape(Rdec,[256,256])]';
GIimages = [reshape(Gdec,[256,256])]';
BIimages = [reshape(Bdec,[256,256])]';
Images_snr3(:,:,1) = RIimages;
Images_snr3(:,:,2) = GIimages;
Images_snr3(:,:,3) = BIimages;
%RGB合并
figure;
imshow(uint8(Images_snr3));
if fp==1
save R_16qam_1_iamge.mat Images_snr_3 Images_snr0 Images_snr3
end
if fp==4
save R_16qam_4_iamge.mat Images_snr_3 Images_snr0 Images_snr3
end
if fp==8
save R_16qam_8_iamge.mat Images_snr_3 Images_snr0 Images_snr3
end
