%—-———-——-—- 函数 ML_Estimation --———--——--——clc;clear all;Nt=1； ％仿真次数M=8； ％MPSKNsym=64； ％信源仿真符号数Nss=16; ％上采样点数Es=1; %每符号能量snr=1:30; %仿真信噪比范围rho=10。^(snr/10）； ％实际信噪比大小%sigma=sqrt（1/2)*(10。^(-snr/20)); %噪声根方差No=Es。/rho;rho_ml=zeros（length（snr），Nt)； ％估量信噪比存储器，一列对应一次仿真，一行对应一个 SNR 值for time=1：Nt %仿真循环 Nt 次 d=randint（1，Nsym,［0 M-1］）； %产生 Nsym 个随机数作为信源符号 a_n=exp（j*（2＊pi/M＊d+pi/M）); %构成 MPSK 调制符号 figure(1); plot_astrology(real（a_n)，imag(a_n))； b_k=zeros（1，Nss*Nsym)； n=1：Nss：length（b_k）； b_k（n）=a_n; %b_k=upsample（a_n,Nss）; %上采样，每符号取 Nss 个采样点 ％hrcos=firrcos(256,1，1,16，’sqrt’）； %成型滤波器，采纳 RRC 方式，阶数 127，滚将系数 0。5 %gk=conv(hrcos,hrcos）; hrcos=rcosflt（1,1，16，’sqrt’，0。5,3); sum3=0; for i=1:length(hrcos) sum3=sum3+hrcos（i)^2; end h_k=hrcos/sqrt(sum3); m_k=conv(b_k,h_k）； %序列成型 L=length（m_k）； %成型后的数据总长度 K=Nss*Nsym； ％s1=0; s2=0； for k=1:length(snr） %计算每个信噪比对应的信噪比估量值 ％r_k=m_k+No（k）＊(randn(1，L）+j*randn(1,L）); ％r_k=m_k+nb(k)/sqrt(2）*（randn(1,L）+j＊randn(1,L)); ％r_k=sqrt（Es)＊m_k+sqrt（No(k)）/sqrt（2)＊(randn（1,L）+j*randn（1，L)）； ％往信号中加入高斯白噪声 r_k=awgn（m_k，snr（k)，'measured’）; y_k=conv(r_k，h_k); y_n=y_k（112+1:Nss：（length（y_k)-112)）; figure(2)； plot_astrology(real(y_n），imag（y_n））； s1=0; s2=0; for l=1：K %公式中两个求和因子计算 s1=s1+real(conj(r_k（l）)*m_k（l）); s2=s2+abs（r_k(l）)^2； end rho_ml（k，time）=(Nss^2）＊(s1^2)/(K^2)/（s2/（K-1.5)—（Nss＊(s1^2）/K/（K—1。5）)）； %代入公式计算信噪比估量值 % Pe=[Pe mean（(rho_ml—rho（k）).^2)/(rho（k）.^2)］； endend NMSE=2./rho/Nsym+1/Nss/Nsym; ％克拉美罗界计算 CRB figure（3）； semilogy（snr,NMSE,’-b*’）； hold on,grid on； for i=1:length(snr) sum1=0; for j=1：Nt sum1=sum1+（rho_ml(i,j）-rho(i）).^2; end pe（i)=sum1。/(rho（i)。^2)/Nt/K; ％归一化均方误差 NMSE end semilogy（snr,pe，'—r＊'); grid on；
