ML_and_MAP

clear
clc
%输入参数变量的值
p = 0.1;    %序列{+1-1}中+1出现的概率为p，－1出现的概率为1-p
signal_power = 1;   %信号功率为1
noise_power = 0.0;   %噪声功率为0
noise_power_times = 50; %信噪比的次数
test_times = 100;  %重复实验的次数
length = 1000;  %序列的长度
SNR_dB = zeros（noise_power_times1）;  %保留每次实验的SNR
BER_mean_MAP = zeros（noise_power_times1）;  %保留每次MAP实验BER的均值
BER_mean_ML = zeros（noise_power_times1）;  %保留每次ML实验BER的均值
BER_all_MAP = zeros（test_times1）;  %保留每次MAP实验的BER
BER_all_ML = zeros（test_times1）;  %保留每次ML实验的BER
%运算过程
for i = 1: noise_power_times    %信噪比的个数
    noise_power = noise_power+i/10; %噪声功率N
    noise_mean = 0; %高斯白噪声的均值
    noise_var = noise_power*0.5;    %高斯白噪声的方差    
    for j = 1:test_times    %进行重复实验
        %信号序列
        signal = randsrc（1length[-1 1;1-p p]）;   %randsrc（）产生-1和1的贝努利随机序列，概率均为 0.5
        %噪声序列
        noise = normrnd（noise_meannoise_var[1length]）;   %normrnd（）产生N（noise_meannoise_var）的高斯白噪声
        %加噪声的信号序列
        mixed_signal = signal + noise;
        judged_signal_MAP = zeros（size（signal））;   %zeros（）初始化序列的值为0，size（）获得矩阵的行数和列数
        judged_signal_ML = zeros（size（signal））;   %zeros（）初始化序列的值为0，size（）获得矩阵的行数和列数
        for k = 1:length
            %最佳MAP判决的信号序列
            i