我一眼就看出问题所在了——你的代码完全没有根据不同的SNR（Eb/N0）生成对应的带噪声接收信号，而是直接用固定从Excel读取的接收数据C和发射数据B对比，错误数自然不会随SNR变化，曲线当然是直线啦！

用户当前生成的曲线如下：

具体问题分析 #

• 核心bug：你的循环for ii = 1:length(Eb_N0_dB)里，每次计算错误数都是用固定的B - C找差异，完全没有根据当前SNR调整接收信号。不管Eb/N0怎么变，B和C都是静态的Excel数据，错误数肯定一模一样。
• 额外问题：你定义的N = 10^4和实际读取的B/C维度（130,1）不匹配，会导致BER计算出现偏差。

正确实现逻辑与修改后的代码 #

要得到随SNR变化的瀑布曲线，需要模拟不同SNR下的带噪声接收信号，再和原始发射数据对比统计错误。以下是调整后的完整代码：

clc
clear all
close all

% 读取原始发射数据（假设B是BPSK调制后的符号，转为列向量）
A = 'sample-25-4-18.xlsx';
sheet1 = 1;
Range = 'A1:AN140';
B = xlsread(A, sheet1, Range);
B = B(:); % 确保维度为(130,1)的列向量
N = length(B); % 用实际数据长度替换原有的10^4，避免不匹配

% 设置你需要的SNR范围：1到30dB，步长1
Eb_N0_dB = 1:1:30; 

for ii = 1:length(Eb_N0_dB)
    % 计算当前Eb/N0对应的噪声功率
    Eb_N0 = 10^(Eb_N0_dB(ii)/10);
    signal_power = var(B); % 发射信号功率用方差表示
    noise_power = signal_power / Eb_N0;
    
    % 给发射信号添加高斯白噪声，模拟不同SNR下的接收信号
    received_signal = B + sqrt(noise_power)*randn(size(B));
    
    % BPSK判决逻辑：假设原始信号为±1，大于0判为1，小于0判为-1
    decoded_signal = sign(received_signal);
    decoded_signal(decoded_signal == 0) = 1; % 处理信号刚好为0的特殊情况
    
    % 统计错误数
    nErr(ii) = sum(decoded_signal ~= B);
end

simBer = nErr/N; % 计算仿真BER
theoryBer = 0.5*erfc(sqrt(10.^(Eb_N0_dB/10))); % BPSK理论BER公式

% 绘制曲线
figure
semilogy(Eb_N0_dB, theoryBer, 'b.-', 'LineWidth',1.2);
hold on
semilogy(Eb_N0_dB, simBer, 'r*', 'MarkerSize',8);
axis([min(Eb_N0_dB) max(Eb_N0_dB) 1e-5 1])
grid on
legend('理论BER', '仿真BER');
xlabel('Eb/No (dB)');
ylabel('误码率 (BER)');
title('BPSK调制的误码率曲线');

额外注意事项 #

• 如果你Excel中的C是实际采集的接收数据，那这种模拟SNR的场景不适用。你需要明确：是要模拟不同SNR下的BER，还是要分析实际采集数据的BER（后者需要对应每个SNR的采集数据，而非固定的C）。
• 确保判决逻辑和你的调制方式匹配：如果原始发射数据是0/1比特，需要先转为±1再添加噪声，判决后再转回0/1统计错误。
• 数据量较小时（比如130个符号），仿真BER可能会有较大波动，建议增加数据长度以获得更平滑的曲线。

内容的提问来源于stack exchange，提问作者Roshni191