vivado2018.3工程，设计中采用DDS 和FIR IP核，调制模块和解调模块单独分开在同一个工程，分别做有仿真，附带MATLAB配置FIR滤波器系数截图

简单空间调制，最大似然检测代码，具体实施细节如下： （1）发射天线数：4 （2）接收天线数：4 （3）调制方式：QPSK， （4）空间调制每次发送比特数(Pbit)：Pbit = log2(发射天线数)+log2(调制方式) （5）信道噪声：高斯噪声 （6）信道：复高斯信道 （7）每时隙发送比特数(Nbit)：256 具体细节参考：https://blog.csdn.net/ProgrammersFighting/article/details/116994638

fpga、verilog、quartus ii、2ask、2fsk、2psk的调制解调

本文基于研究了MATLAB设计了一个数字通信系统，该系统研究比较了同一数据在不同信噪比下通过高斯信道时BPSK和QPSK的误码率，以及通过同一个瑞利信道时，不同信噪比下两种调制方式的误码率，同时本文也对BPSK和QPSK作了简要介绍。最后，本文研究了QPSK在高斯信道和瑞利信道下的误码率对比。同时，文章也详细研究了在该情况下的各个指标。本文所有代码均由MATLAB实现。代码如上。

调制采用了滤波法和相移法。 代码中有注释，无子函数，可以直接运行。 压缩包中包含了具体的课设报告，里面有详细的原理说明，运行截图、结果分析等。

本文讨论了在α稳定噪声条件下的调制分类。 我们的目标是在这种情况下将正交频分复用（OFDM）调制类型与单载波线性数字（SCLD）调制区分开。 基于本文提出的有关这些信号在α稳定噪声中的广义循环平稳性的新结果，我们构造了新的调制分类特征，而没有载波频率和接收信号的时序偏移的任何先验信息，并使用支持向量机（SVM）作为分类器，以区分OFDM和SCLD。 仿真结果表明，当混合信噪比（MSNR）达到？1 dB时，该算法的识别精度可以达到95％。

为了解决软件无线电系统中多种调制方式之间切换的问题,提出了一种基于支持向量机的多类数字 调制方式识别算法 .该算法通过提取有效的特征向量以区分不同的调制方式,并基于支持向量机和判决树分 类思想,将特征向量映射到高维空间中加以分类,解决了样本在低维空间中的非线性不可分问题,避免了判 决门限的确定,与传统的神经网络方法相比,具有更好的泛化推广能力 .仿真结果表明,在具有加性带限高斯 噪声的环境下,信噪比大于等于10 dB时,识别正确率大于90%.

在高信噪比处理域构造新的用于调制识别的高阶统计量幅值特征,与传统特征相比保留了更多的分类信息，适合干扰较大多种调制模式并存的环境。基于联合特征向量有效提高了识别性能，用窗口平滑抑制截获信号中的噪声，对识别器输入特征向量样本规范化以提高处理速度。分别基于欧氏距离分类方法和改进算法的神经网络识别器进行仿真实验，证明了采用联合特征向量和优化方法在低信噪比干扰更大的信道条件下能区分更多的调制类型(MASK、MPSK、MFSK、MQAM)，且平均调制识别率提高200%，算法效率也得到明显提高。

基于MATLAB/simulink的通信系统建模与仿真课程设计：AWGN信道下BPSK与QPSK调制比较。设计了一个数字通信系统，该系统研究比较了数据在不同信噪比下通过高斯信道时BPSK和QPSK的误码率，同时本文也对BPSK和QPSK的调制与解调作了简要介绍。同时，文章也详细研究了两种调制方法各个指标性能比较。

基于DDS的数字IQ调制_彭龙