m基于matlab的光通信的信道估计，均衡，抑制papr误码率仿真,对比ZF,RLS,MMSE三种算法

目录

1.算法描述

2.仿真效果预览

3.MATLAB核心程序

4.完整MATLAB

1.算法描述

可见光通信的信道估计，均衡，抑制papr。

不考虑光信道，用传统的无线通信的OFDM的信道估计，均衡，抑制papr  信道估计，均衡最好有两个以上的方法比较

%本次仿真载频为2GHz，带宽1MHz，子载波数128个，cp为16
%子载波间隔为7.8125kHz
%一个ofdm符号长度为128us，cp长度为16us
%采用16QAM调制方式
%最大doppler频率为132Hz
%多径信道为5径，功率延迟谱服从负指数分布~exp(-t/trms),trms=(1/4)*cp时长，各径延迟取为delay=[0 2e-6 4e-6 8e-6 12e-6]

Zero forcing, ZF：简单，但放大了噪声，性能最差

Minimum Mean Square Error, MMSE：考虑了噪声因素，性能比ZF好

2.仿真效果预览

matlab2022a仿真如下：

3.MATLAB核心程序

clc;
clear all;
close all;
warning off;
addpath 'func\'
 
 
sel    = 3;
%FFT长度
FFTLen = 64;
%循环前缀长度
CPLen  = 16; 
%QAM
M      = 4; 
%子载波个数
Ns     = 8;  
w      = ones(FFTLen,1); 
SNRdB  = [0:2:26];
 
for ii = 1:length(SNRdB)
    ii
    SNRS = SNRdB(ii);
    NUM  = 0;
    ERR  = 0;
    while ERR <= 2000
          ERR
          NUM          = NUM + 1;
          store_input  = zeros(Ns,FFTLen*M); 
          store_output = zeros(Ns,FFTLen*M);
          store_error  = zeros(Ns,FFTLen);
 
          for sym=1:Ns
              %发送数据
              input              = rand(1,FFTLen*M) > 0.5;
              store_input(sym,:) = input;
              %发送
              [signal_tx,input_symbols] = func_transmitter(input,FFTLen,CPLen,M);
              %通过信道
              signal_rx                 = func_channel(signal_tx,SNRS);
              %估计，均衡，
              if sel == 1
                 [signal_recovered,w,error_sym] = func_receiver_mmse(signal_tx,signal_rx,input_symbols,FFTLen,CPLen,M,w);
              end
              if sel == 2
                 [signal_recovered,w,error_sym] = func_receiver_zf(signal_tx,signal_rx,input_symbols,FFTLen,CPLen,M,w);
              end   
              if sel == 3
                  w = zeros(3,1);
                 [signal_recovered,w,error_sym] = func_receiver_rls(signal_tx, signal_rx, FFTLen, CPLen, M, w, 3);
              end                
              
              store_output(sym,:)            = signal_recovered;
              store_error(sym,:)             = error_sym.';
          end
          errors_ext = abs(store_input - store_output);
          errors     = errors_ext(FFTLen+1:length(errors_ext));
          num_errors = sum(sum(errors));
          ERR        = ERR + num_errors;
    end
    BER(ii) = ERR/NUM/(FFTLen*M*(Ns-1));
end
% figure;
% semilogy(SNRdB,BER,'b-o');
% grid on;
% ylabel('Error');
% xlabel('SNR');
 
if sel == 1
   save rmmse.mat SNRdB BER
end
if sel == 2
   save rzf.mat SNRdB BER
end
if sel == 3
   save rls.mat SNRdB BER
end
 
figure;
load rmmse.mat
semilogy(SNRdB,BER,'b-o');
hold on
load rzf.mat
semilogy(SNRdB,BER,'r-o');
hold on
load rls.mat
semilogy(SNRdB,BER,'k-o');
hold on
legend('MMSE','ZF','RLS');
grid on;
ylabel('Error');
xlabel('SNR');
01_099m

4.完整MATLAB

V