基于RM编译码的协作MIMO系统误码率matlab仿真,对比不同RM编译码参数

1.算法运行效果图预览

2.算法运行软件版本

MATLAB2013b

3.算法理论概述

       基于RM编译码的协作MIMO（多输入多输出）系统是一种利用多个天线和协作传输来提高通信系统性能的技术。

       Reed-Muller(RM)码是一类经典的纠错编码，其编码和译码算法都拥有较低的复杂度，容易通过硬件电路实现。此外，RM码可以通过改变参数形成结构丰富的子类，能够适应不同信道。RM码自上世纪五十年代被Muller和Reed提出至今，已被应用在多种通信系统中，包括深空通信、蜂窝网络等.Reed-Muller(RM)码是一类经典的纠错编码，其编码和译码算法都拥有较低的复杂度，容易通过硬件电路实现。此外，RM码可以通过改变参数形成结构丰富的子类，能够适应不同信道。

       基于RM编译码的协作MIMO系统利用了空间分集和协作传输的思想，通过多个天线和节点之间的协作，提高了信号的可靠性和覆盖范围。具体而言，当一个节点发送信号时，其附近的节点会接收到这个信号，并对其进行解码和转发，以帮助源节点将信号传输到目的节点。这样，通过多个节点的协作，可以有效地提高信号的可靠性和传输效率。

       RM编译码是一种纠错码技术，通过在信号中加入冗余信息，使得接收端能够纠正传输过程中的错误。在协作MIMO系统中，RM编译码可以用于提高协作传输的可靠性，减少误码率。

基于RM编译码的协作MIMO系统的数学模型可以表示为：

y = Hx + n

其中，y表示接收端接收到的信号，H表示信道矩阵，x表示发送端发送的信号，n表示噪声。

       在这个模型中，发送端和接收端都配备了多个天线，形成了一个MIMO系统。通过利用空间分集和协作传输，可以有效地提高信号的可靠性和传输效率。同时，RM编译码的应用可以进一步提高系统的纠错能力。

       基于RM编译码的协作MIMO系统的实现需要考虑多个方面，包括天线设计、信号处理、编译码技术等。下面是一个简单的实现过程：

天线设计：在发送端和接收端设计多个天线，以实现协作传输。

信号处理：对发送的信号进行预处理，例如调制、编码等，以提高信号的抗干扰能力和可靠性。

协作传输：在发送端和接收端之间建立协作传输机制，使得附近的节点能够接收到信号并对其进行解码和转发。

RM编译码：在发送端和接收端应用RM编译码技术，以提高系统的纠错能力和可靠性。

        综上所述，基于RM编译码的协作MIMO系统是一种有效的提高通信系统性能的技术，通过多个天线和节点之间的协作，以及RM编译码的应用，可以实现空间分集、协作传输和纠错能力的提升。

4.部分核心程序

[V1,N1,K1,I1] = func_rm(r+1,m);
%R
[V2,N2,K2,I2] = func_rm(r,m);
for k = 1:length(SNR)
    k
    Err = 0;
    Num = 0;
    Len = 10000;
    TL  = 500;   
    Rt  = K1/N1;%code rate
    N01 = 10^(-SNR(k)/Rt/10);
    Rt  = K2/N1;%code rate
    N02 = 10^(-SNR(k)/Rt/10);
    Rt  = (K1+K2)/(N1+N2);%code rate
    N03 = 10^(-SNR(k)/Rt/10);   
    
    while(Err <= TL)
         k
         Err
         Num = Num + 1;
         %产生数据
         K             = min(K1,K2);
         Signal0       = randint(1,K,M,Len);
         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);
         %过瑞利衰落信道,2条多径
         RM_Noise_S2D0 = RM_mod_S2D + sqrt(2*N01)*randn(size(RM_mod_S2D)); 
         RM_Noise_S2D1 = RM_mod_S2D + sqrt(2*N01)*randn(size(RM_mod_S2D));
         RM_Noise_S2D1 = [zeros(1,3),RM_Noise_S2D1(1:end-3)];
         RM_Noise_S2D2 = RM_mod_S2D + sqrt(2*N01)*randn(size(RM_mod_S2D)); 
         RM_Noise_S2D2 = [zeros(1,3),RM_Noise_S2D2(1:end-3)];
         RM_Noise_S2D  = RM_Noise_S2D0 + 0.2*RM_Noise_S2D1 + 0.1*RM_Noise_S2D2;
         
         
         %*****************************************************************
         %中继部分
         RM_demod_S2R  = demodulate(demods,RM_Noise_S2D);
         Bhat_S2R      = func_Decode(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(RM_demod_S2D(1:LEN/2),r+1,m,V1,N1,K1,I1); 
         Bhat_S2D2     = func_Decode(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');
if m == 4
   save r14.mat SNR Errs
end
if m == 5
   save r15.mat SNR Errs
end
if m == 6
   save r16.mat SNR Errs
end