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

106 阅读3分钟

1.算法运行效果图预览

b45ff036b356df377d27e2b3aae72895_82780907_202401272321060442279488_Expires=1706369466&Signature=INHtoMsr2HiI1sHZNtQAUNGEe4E%3D&domain=8.jpeg  

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。

 

bc0cef15db0162f5d59cf97a9b80b3fc_82780907_202401272321220052221709_Expires=1706369482&Signature=C7R5Tg5VBlm9aIAkwLTvo3T16iE%3D&domain=8.png

 

       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。

  1. 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`