在遥感图像的众多分割方法中，高斯混合模型(GMM)是一种常用的图像建模方法。提出了高斯-瑞利混合模型(GRMM)可能更适合对遥感图像建模。介绍了传统高斯混合模型和高斯-瑞利混合模型的区别。比较了这两种混合模型对图像建模的结果，并用数据说明高斯-瑞利混合模型拟合图像的像素分布误差更小。采用最大熵方法确定图像的最佳分类数，采用马尔可夫随机场(MRF)方法及新的势能函数完成图像的分割，采用迭代条件模型(ICM)完成分割过程中的最大后验概率计算问题。在实验中采用了3幅遥感图像，实验过程中比较了各个图像运用高斯混合模型和高斯-瑞利混合模型的分割和拟合结果，分别通过数据和分割结果体现了该分割方法的效果。

QPSK高斯白噪声信道和瑞利信道的误码率以及解调后的星图,MATLAB实现，可供学习和参考使用，也可作为实验报告使用。

高斯瑞利分布下qpsk和QAM的误码率分析，不仅对理论的曲线进行了绘制，而且进行了仿真。16QAM在瑞利衰落信道下的的程序网上比较难找，这份资料详细的分析并得出了最终的曲线图！

QPSK仿真，通过高斯信道，瑞利信道，调制解调，计算误码率，绘制星座图