clear
clc
%輸入參數變量的值
p?=?0.1;????%序列{+1-1}中+1出現的概率為p，－1出現的概率為1-p
signal_power?=?1;???%信號功率為1
noise_power?=?0.0;???%噪聲功率為0
noise_power_times?=?50;?%信噪比的次數
test_times?=?100;??%重復實驗的次數
length?=?1000;??%序列的長度
SNR_dB?=?zeros（noise_power_times1）;??%保留每次實驗的SNR
BER_mean_MAP?=?zeros（noise_power_times1）;??%保留每次MAP實驗BER的均值
BER_mean_ML?=?zeros（noise_power_times1）;??%保留每次ML實驗BER的均值
BER_all_MAP?=?zeros（test_times1）;??%保留每次MAP實驗的BER
BER_all_ML?=?zeros（test_times1）;??%保留每次ML實驗的BER
%運算過程
for?i?=?1:?noise_power_times????%信噪比的個數
????noise_power?=?noise_power+i/10;?%噪聲功率N
????noise_mean?=?0;?%高斯白噪聲的均值
????noise_var?=?noise_power*0.5;????%高斯白噪聲的方差????
????for?j?=?1:test_times????%進行重復實驗
????????%信號序列
????????signal?=?randsrc（1length[-1?1;1-p?p]）;???%randsrc（）產生-1和1的貝努利隨機序列，概率均為?0.5
????????%噪聲序列
????????noise?=?normrnd（noise_meannoise_var[1length]）;???%normrnd（）產生N（noise_meannoise_var）的高斯白噪聲
????????%加噪聲的信號序列
????????mixed_signal?=?signal?+?noise;
????????judged_signal_MAP?=?zeros（size（signal））;???%zeros（）初始化序列的值為0，size（）獲得矩陣的行數和列數
????????judged_signal_ML?=?zeros（size（signal））;???%zeros（）初始化序列的值為0，size（）獲得矩陣的行數和列數
????????for?k?=?1:length
????????????%最佳MAP判決的信號序列
????????????i