您现在的位置:首页 >> 机器学习 >> 内容

基于PSO粒子群优化算法的256QAM星座图的最优概率整形matlab仿真,对比PSO优化前后整形星

时间:2025/2/24 1:53:54 点击:

  核心提示:0X_078m,包括程序操作录像...

1.完整项目描述和程序获取

>面包多安全交易平台:https://mbd.pub/o/bread/aJWUmJdr

>如果链接失效,可以直接打开本站店铺搜索相关店铺:

点击店铺

>如果链接失效,程序调试报错或者项目合作可以加微信或者QQ联系。

2.部分仿真图预览


3.算法概述

   256QAM是一种高阶调制方式,星座图中有256个星座点,每个星座点对应 8 比特信息。传统的 256QAM 采用均匀分布。通过改变改变星座图不同位置符号出现的概率,让外圈星座点出现频率降低,有利于减小平均功率,相当于增加了最小欧氏距离,从而有更好的传输性能。这就是我们所说的概率星座整形(PCS)了。

4.部分源码

......................................................................

for i=1:Iter

    i

    for j=1:Npeop

        rng(i+j)

        if func_obj(x1(j,:))<pbest1(j)

           p1(j,:)   = x1(j,:);%变量

           pbest1(j) = func_obj(x1(j,:));

        end

        if pbest1(j)<gbest1

           g1     = p1(j,:);%变量

           gbest1 = pbest1(j);

        end

        

        v1(j,:) = 0.8*v1(j,:)+c1*rand*(p1(j,:)-x1(j,:))+c2*rand*(g1-x1(j,:));

        x1(j,:) = x1(j,:)+v1(j,:); 

         

        for k=1:dims

            if x1(j,k) >= tmps(2,k)

               x1(j,k) = tmps(2,k);

            end

            if x1(j,k) <= tmps(1,k)

               x1(j,k) = tmps(1,k);

            end

        end

 

        for k=1:dims

            if v1(j,k) >= tmps(2,k)/2

               v1(j,k) =  tmps(2,k)/2;

            end

            if v1(j,k) <= tmps(1,k)/2

               v1(j,k) =  tmps(1,k)/2;

            end

        end

 

    end

    gb1(i)=gbest1 

end

figure;

plot(gb1,'-bs',...

    'LineWidth',1,...

    'MarkerSize',6,...

    'MarkerEdgeColor','k',...

    'MarkerFaceColor',[0.9,0.0,0.0]);

 

xlabel('优化迭代次数');

ylabel('适应度值');

VV    = g1;

save PSO_OPT.mat gb1 VV 

0X_078m

---

作者:我爱C编程 来源:我爱C编程
本站最新成功开发工程项目案例
相关文章
相关评论
发表我的评论
  • 大名:
  • 内容:
本类固顶
  • 没有
  • FPGA/MATLAB商业/科研类项目合作(www.store718.com) © 2025 版权所有 All Rights Reserved.
  • Email:1480526168@qq.com 站长QQ: 1480526168