OFDM图像传输系统matlab仿真

直接来拆解OFDM图像传输的核心流程。先想象一个场景：把一张图片拆成电磁波发射出去，接收端要能完整还原。这里的关键是把二进制像素数据塞进OFDM符号，再通过仿真信道看会不会翻车。

先整点硬核的——上代码加载图像：

img = imread('lena.jpg'); 
gray_img = rgb2gray(img);  % 转灰度图省事
bin_data = reshape(de2bi(gray_img(:),8,'left-msb'),[],1); % 像素转二进制流

这段直接把图片转成比特流，注意这里用de2bi做十进制转二进制时，'left-msb'参数确保高位在前。别小看这个细节，曾经有人在调制解调时因为bit顺序颠倒导致图片鬼畜，debug到怀疑人生。

接下来是OFDM调制重头戏：

% 参数设置
Nfft = 64;          % FFT点数
cp_len = 16;        % 循环前缀长度
qam_order = 16;     % 调制阶数

% 数据分段
symbols_per_frame = floor(length(bin_data)/(log2(qam_order)*Nfft));
qam_input = reshape(bin_data(1:symbols_per_frame*log2(qam_order)*Nfft),...
    log2(qam_order),[])';  % 重要！保证子载波数据对齐

% QAM调制
qam_symbols = qammod(bi2de(qam_input,'left-msb'), qam_order, 'UnitAveragePower',true);

% 映射到子载波
ofdm_symbols = zeros(Nfft, symbols_per_frame);
ofdm_symbols(2:Nfft/2,:) = reshape(qam_symbols,Nfft/2-1,[]); % 跳过直流载波
ofdm_symbols(Nfft/2+2:end,:) = conj(flipud(ofdm_symbols(2:Nfft/2,:))); % Hermitian对称

% IFFT变换
time_signal = ifft(ofdm_symbols)*sqrt(Nfft); % 功率归一化

这里有几个魔鬼细节：QAM调制必须开UnitAveragePower选项，否则发射功率会炸。子载波映射时跳过了直流分量，避免硬件实现时的直流偏移问题。Hermitian对称处理是为了让时域信号变成实数——这是仿真经常忽略但实际系统必做的操作！

加循环前缀像给数据穿防弹衣：

cp = time_signal(end-cp_len+1:end,:); 
tx_signal = [cp; time_signal];  % 每个OFDM符号前加CP
tx = tx_signal(:);  % 串行化

循环前缀长度至少要大于信道时延扩展，这里设16是典型值。曾经有人把CP设得太短，多径环境下直接符号间干扰到妈都不认识。

OFDM图像传输系统matlab仿真

过个AWGN信道试试水：

snr_db = 30;  % 信噪比
rx = awgn(tx, snr_db, 'measured');  % 按发射功率加噪

这里'snr_db'参数控制噪声强度。实测当SNR低于15dB时，重建图片开始出现马赛克；到10dB以下基本就是抽象派艺术了。

解调是调制的逆过程：

% 去掉循环前缀
rx_parallel = reshape(rx, Nfft+cp_len, []);
rx_symbols = rx_parallel(cp_len+1:end,:); 

% FFT变换
freq_signal = fft(rx_symbols)/sqrt(Nfft); 

% 信道均衡（理想情况下）
rx_qam = freq_signal(2:Nfft/2,:);  % 提取有效子载波

% QAM解调
rx_bits = de2bi(qamdemod(rx_qam(:), qam_order, 'UnitAveragePower',true),...
    'left-msb'); 
rx_img = reshape(bi2de(reshape(rx_bits,[],8),'left-msb'), size(gray_img));

注意FFT后要除以sqrt(Nfft)抵消IFFT时的缩放。实际系统这里应该做信道估计与均衡，但仿真为了简单直接跳过了——这就是为什么实验室仿真结果总比现场测试好看的原因。

最后来个灵魂画图：

figure;
subplot(121);imshow(gray_img);title('原图');
subplot(122);imshow(rx_img,[]);title(['SNR=' num2str(snr_db) 'dB']);

当看到接收端完美还原图像时，那种快感就像在嘈杂的派对上突然听见清晰的音乐。不过别高兴太早，试着把多径信道模型加上（比如瑞利衰落），立马教你做人——这时候就得搬出导频插入、MMSE均衡这些高阶玩法了。

完整跑一遍流程会发现，比特误码率（BER）和峰值信噪比（PSNR）这两个指标特别敏感。有个邪门规律：当BER超过1e-4时，人眼就能明显看出图像损伤；PSNR低于25dB时，图片开始出现肉眼可见的噪点。所以做视频传输系统时，这些阈值就是生死线。