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