1. 从零开始BPSK与QPSK到底是什么如果你刚开始接触数字通信看到BPSK、QPSK这些缩写可能会有点懵。别担心我第一次接触时也这样。简单来说它们就像是给数字信息“穿衣服”和“脱衣服”的方法。我们想把电脑里的0和1数字信息通过无线电波或者光纤送出去但原始的0和1信号频率太低没法直接发射。这时候就需要“调制”——把低频的基带信号“搬”到高频的载波上去。BPSK和QPSK就是两种最基础、也最经典的“搬运”方式。BPSK全称二进制相移键控它的想法特别直接用载波相位的两种状态来代表0和1。比如发送比特0时让载波的相位是0度发送比特1时让载波的相位变成180度。这就好比用灯的“亮”和“灭”来传递莫尔斯电码只不过我们操作的是看不见的相位。因为一个符号一次相位变化只携带1个比特的信息所以它非常稳健抗干扰能力强但传输效率相对较低。很多对可靠性要求极高的场景比如深空通信、某些卫星链路的导频信号依然在使用BPSK。QPSK全称四相移键控可以看作是BPSK的“升级版”。它更“贪心”一点想让一个符号携带更多的信息。怎么做到呢它把载波的相位分成四种状态45度、135度、225度和315度。这样每两个比特比如00, 01, 11, 10就可以对应一个特定的相位。这样一来在同样的符号速率下QPSK传输的数据量是BPSK的两倍我们称之为频谱效率翻倍。这就像从单车道变成了双车道在同样宽度的公路上单位时间能通过的车辆更多了。你现在用的Wi-Fi、4G/5G手机信号里都有QPSK或其变种的身影。那么在MATLAB里仿真它们有什么用呢对于学生来说这是理解通信原理从公式到波形最直观的桥梁对于工程师这是在搭建真实硬件系统前验证算法、评估性能、优化参数的必备步骤。通过仿真我们可以清晰地看到一串随机的0和1是如何一步步变成复杂的射频波形又如何在充满噪声的信道里“挣扎求生”最终被还原出来的。整个过程就像在电脑里搭建了一个微型的通信实验室。2. 手把手搭建BPSK仿真链路理论说再多不如动手跑一遍代码来得实在。这一部分我们就来一步步拆解BPSK的MATLAB仿真我会把每个步骤的意图和代码细节都讲清楚。你可以跟着我的代码和说明在自己的MATLAB上复现整个流程。2.1 参数设定与基带信号生成仿真的第一步是设定“游戏规则”。我们需要定义整个系统的基本参数这就像盖房子前先画好图纸。clear; clc; % 清空工作区和命令窗口避免旧数据干扰 % 核心参数设定 Fs 160e6; % 系统采样频率160 MHz决定了仿真的时间精度 Rb 5e6; % 比特率5 Mbps即每秒传输5百万个比特 Ts 1 / Rb; % 符号周期每个比特持续的时间这里是0.2微秒 fc 20e6; % 载波频率20 MHz我们将把信号搬移到的频点 sps Fs / Rb; % 每符号采样数32。即每个比特用32个采样点来表示。 num_bits 1e5; % 仿真的比特数为了得到可靠的误码率统计需要足够多这里我特意把比特数num_bits加大到了10万。在原始示例中只有60个比特这只能用来演示流程但计算误码率时会因为统计不充分而波动很大。10万比特能让我们得到的误码率曲线非常平滑更接近理论值。接下来我们生成要发送的随机“秘密信息”并把它映射成BPSK符号。% 生成随机比特序列 (我们的“信息”) tx_bits randi([0, 1], 1, num_bits); % BPSK调制将比特0映射为1比特1映射为-1 tx_symbols 2 * tx_bits - 1;为什么是1和-1而不是0和1这涉及到后续的调制和解调数学上的便利性。用±1在相乘运算时可以直接体现相位反转乘以-1。你可以用scatterplot(tx_symbols)看看所有的点都落在实轴的1和-1位置上这就是BPSK的星座图——简单的一维两个点。2.2 脉冲整形为什么不能直接发送生成了±1的符号序列后一个新手常有的疑问是能不能直接把这些符号发出去答案是否定的。直接发送会在频谱上产生极高的旁瓣占用非常宽的带宽并且会干扰相邻信道的信号。同时在有限带宽的信道中传输时会产生严重的码间干扰导致接收端根本无法正确判断发送的是1还是-1。因此我们必须进行脉冲整形。这一步的目的是把每个瞬间的符号“拍扁”变成一段平滑的波形限制它的频谱宽度。这个过程主要包含两步上采样和滤波。上采样在我们的设定里符号率是5MHz但采样率是160MHz。sps32意味着每个符号周期内我们需要用32个采样点来描述它。上采样操作就是在每个符号之间插入sps-1个零。upsampled upsample(tx_symbols, sps);这行代码干的就是这个。插入零是为后面的滤波器留出“施展空间”。成型滤波这是关键所在。滤波器对上采样后的信号进行卷积将尖锐的脉冲变成平滑的波形。常用的有三种滤波器我实测下来区别很大矩形滤波器最简单脉冲响应就是个矩形窗。它的频域特性很差主瓣窄但旁瓣衰减慢频谱泄露严重。在仿真中你会发现用它成型后的信号带宽很宽误码性能也最差。除非为了教学演示实际系统基本不用。Sinc滤波器理想的低通滤波器能完美地将信号限制在某一带宽内。但它的脉冲响应是无限长的我们只能截取一段来近似。另一个问题是它的时域响应振荡严重对定时误差非常敏感。根升余弦滤波器这是通信系统中的“明星”滤波器也是我们重点要用的。它是在发送端和接收端各用一个“根升余弦”滤波器整体效果满足奈奎斯特第一准则从而在采样点时刻彻底消除码间干扰。它通过一个叫“滚降因子”的参数alpha(通常在0.2到0.5之间) 来权衡带宽和时域拖尾。alpha越小带宽越窄但时域拖尾越长对定时同步要求越高。% 根升余弦滤波器设计 alpha 0.35; % 滚降因子 span 6; % 滤波器跨度表示滤波器覆盖的符号周期数 rrc_filter rcosdesign(alpha, span, sps, sqrt); % 设计根升余弦滤波器 % 进行脉冲整形 shaped_signal upfirdn(tx_symbols, rrc_filter, sps); % upfirdn函数一次性完成了上采样、滤波和下采样这里不需要下采样操作比先upsample再conv更高效。设计好滤波器后一定要用fvtool(rrc_filter, ‘Analysis’, ‘impulse’)和fvtool(rrc_filter, ‘Analysis’, ‘magnitude’)看看它的时域脉冲响应和频域幅度响应。你会看到一个中间凸起、两边对称衰减的波形以及一个在带宽边界平滑滚降的频谱特性这正是我们想要的。2.3 载波调制与信道模拟基带信号准备好后就要把它“搬”到高频去这个过程就是载波调制。对于BPSK就是直接用基带信号去乘以一个高频的正弦波。% 生成时间向量 t (0:length(shaped_signal)-1) / Fs; % 生成载波信号 carrier cos(2 * pi * fc * t); % 进行调制相乘 modulated_signal shaped_signal .* carrier;你可以画图对比一下shaped_signal和modulated_signal。前者是低频的缓变波形集中在0频率附近后者则变成了以20MHz为中心频率的带通信号波形看起来更加“密集”和高频振荡。信号在空中传输时会不可避免地混入噪声。在仿真中我们用加性高斯白噪声来模拟这种最普遍的信道损伤。MATLAB提供了非常方便的awgn函数。% 设定信噪比 Eb/N0 (dB) EbN0_dB 0:2:10; % 初始化存储误码率的数组 ber_simulated zeros(size(EbN0_dB)); for idx 1:length(EbN0_dB) % 将Eb/N0转换为信道信噪比SNR。注意这里需要换算因为信号经过了上采样和滤波。 SNR_dB EbN0_dB(idx) 10*log10(1/sps); % 换算关系取决于仿真结构 % 更通用的方法是直接计算信号功率然后根据Eb/N0计算需要添加的噪声功率 signal_power mean(abs(modulated_signal).^2); EbN0_linear 10^(EbN0_dB(idx)/10); N0 signal_power / (Rb * EbN0_linear); % 噪声功率谱密度 noise_power N0 * Fs; % 噪声总功率 noise sqrt(noise_power/2) * (randn(size(modulated_signal)) 1j*randn(size(modulated_signal))); % 对于实信号BPSK我们只需要实部噪声 noisy_signal modulated_signal real(noise);这里关于信噪比的换算是个小难点。Eb/N0是每比特能量与噪声功率谱密度之比是通信理论中衡量性能的根本指标。而awgn函数需要的SNR是信号平均功率与噪声平均功率之比。两者之间的换算关系取决于你的仿真模型细节比如是否考虑了滤波器的能量归一化、上采样带来的功率稀释等。我上面给出了一个根据定义直接计算噪声并添加的方法虽然代码多几行但概念更清晰也不容易出错。2.4 解调与误码率计算信号历经“千辛万苦”到达接收端我们要把它变回0和1。这是调制的逆过程。下变频用和发送端同频同相的载波乘以接收信号把高频信号搬回基带。这里假设我们已完美同步载波同步和定时同步是另一个大话题。% 相干解调 local_carrier cos(2 * pi * fc * t); % 理想同步假设 demodulated_signal noisy_signal .* local_carrier;匹配滤波这是解调中的关键一步目的是最大化采样时刻的信噪比。最优的匹配滤波器就是发射成型滤波器的共轭翻转。对于我们的实系数的根升余弦滤波器就是其本身。% 匹配滤波使用与发送端相同的RRC滤波器 mf_output conv(demodulated_signal, rrc_filter, ‘same’);采样与判决在最佳采样点通常是每个符号周期的中间时刻对匹配滤波后的输出进行采样然后根据正负进行判决。% 计算最佳采样点位置考虑滤波器延迟 filter_delay span * sps / 2; % RRC滤波器的群延迟 sample_indices filter_delay 1 : sps : length(mf_output) - filter_delay; sampled_signal mf_output(sample_indices); % 硬判决大于0判为1对应比特0小于0判为-1对应比特1 rx_symbols sign(sampled_signal(1:num_bits)); % 只取前num_bits个判决结果 % 将符号映射回比特 rx_bits (rx_symbols 1) / 2; % 计算误码率 ber_simulated(idx) sum(rx_bits ~ tx_bits) / num_bits; end跑完这个循环我们就得到了在不同信噪比EbN0_dB下的仿真误码率ber_simulated。把它和BPSK的理论误码率公式ber_theoretical 0.5 * erfc(sqrt(10.^(EbN0_dB/10)))画在同一张图上对比你会非常有成就感——当仿真比特数足够多时两条曲线应该基本重合。这验证了我们仿真链路的正确性。3. 进阶探索QPSK仿真与格雷映射掌握了BPSKQPSK就很好理解了。核心区别在于QPSK的符号来自一个“二维”的复数星座图每个符号携带2个比特。3.1 QPSK调制与格雷码妙用QPSK的调制过程我习惯用MATLAB的pskmod函数它非常直观。M 4; % 调制阶数4就是QPSK tx_bits randi([0, 1], 1, 2*num_symbols); % 注意比特数是符号数的两倍 % 将比特流两两分组 reshaped_bits reshape(tx_bits, 2, []).‘; % 将二进制组转换为0-3的整数 data_symbols bi2de(reshaped_bits, ‘left-msb’); % 进行QPSK调制默认就是格雷映射 tx_signal pskmod(data_symbols, M, pi/4, ‘gray’);这里出现了一个关键概念格雷映射。星座图上相邻的两个点所对应的二进制比特组之间如果只有1个比特不同那么即使因为噪声导致判决时误判成了相邻点也只会产生1个比特的错误。这种映射方式能显著降低误比特率。pskmod函数的‘gray’参数就指定了使用格雷编码。你可以试试改成‘bin’自然二进制映射在相同信噪比下误比特率会更高。3.2 复数域处理与误符号率/误比特率QPSK的仿真链路和BPSK非常相似同样是脉冲整形、载波调制、加噪、解调。但有一个重要区别QPSK的基带信号是复数的有同相I路和正交Q路两部分。这意味着我们的载波调制通常采用正交调制的方式。% 生成复载波 t (0:length(baseband_signal)-1) / Fs; carrier_i cos(2 * pi * fc * t); carrier_q -sin(2 * pi * fc * t); % 注意负号构成正交 % 正交调制 modulated_signal real(baseband_signal) .* carrier_i imag(baseband_signal) .* carrier_q;相应地解调时也需要正交解调恢复出I、Q两路信号。在计算误码率时我们要分清误符号率和误比特率。一个符号错了可能对应1个或2个比特错误取决于是否采用格雷映射。对于采用格雷映射的QPSK理论误比特率约等于误符号率的一半。在仿真中我们通常更关心误比特率因为它直接关系到最终的信息错误概率。计算时需要将解调判决得到的符号按照格雷映射规则逆映射回比特流再与发送比特流逐位比较。4. 性能对比与关键参数影响分析当我们把BPSK和QPSK的误码率曲线画在一起时一个有趣的结论出现了在相同Eb/N0的条件下两者的误比特率性能几乎是相同的这是因为QPSK虽然每个符号的能量需要分给两个比特但其符号间的欧氏距离与BPSK在特定条件下是等价的。但是QPSK在相同带宽下实现了两倍的数据速率这就是其频谱效率的优势。然而仿真性能并非总是与理论完美吻合它受到一系列参数设置的深刻影响。这些参数就像调音师的旋钮调不好系统性能就会大打折扣。成型滤波器滚降因子alpha这是我调试时重点关注的一个参数。alpha越小信号的频谱主瓣越窄带宽利用率越高但时域拖尾越长。过长的拖尾会导致码间干扰并且对采样定时误差极其敏感。在仿真中你可以固定信噪比比如EbN08 dB然后改变alpha(例如从0.1到0.5)观察误码率的变化。你会发现存在一个“甜点”通常alpha在0.2到0.35之间能取得较好的综合性能。alpha0就是理想的sinc滤波器但实际无法实现。每符号采样数sps这个参数决定了我们对波形的“描绘”精细度。sps太小比如小于4在脉冲整形后波形会严重失真因为采样点不足以描述平滑的成型波形这会直接引入失真恶化误码率。sps越大波形越精细仿真结果越接近连续时间系统但计算量也越大。我通常建议sps至少设为8一般16或32就能得到非常理想的结果。你可以做一个实验固定其他参数将sps从4逐步增加到32观察误码率曲线的变化它会逐渐收敛。载波频率fc与采样率Fs的关系这里有个坑我踩过。为了保证调制和解调的正确性载波频率fc必须满足带通采样定理。同时为了在仿真中能清晰看到已调信号的频谱fc最好设置为Fs的整数分之一并且远大于信号带宽。如果fc设置得过低比如接近信号带宽那么已调信号的正负频谱成分可能会混叠导致解调失败。一个经验法则是fc至少应该是信号带宽约等于(1alpha)*Rb的3到5倍。接收端采样同步误差在我们之前的仿真中都假设在最佳采样点瞬间进行采样。但现实中接收端的时钟和发送端不可能完全同步总会存在定时误差。我们可以在仿真中引入这个误差来评估系统的鲁棒性。例如在计算采样点位置时故意加入一个小的偏移tau比如0.1个符号周期。% 引入定时误差 timing_offset 0.1; % 符号周期Ts的比例 sample_indices filter_delay 1 timing_offset*sps : sps : length(mf_output) - filter_delay;然后观察在不同定时误差下误码率曲线的恶化程度。你会发现使用矩形或sinc滤波器时系统对定时误差非常敏感而使用根升余弦滤波器且收发端匹配时系统在采样点附近有一个“平台期”对小的定时误差不敏感这就是奈奎斯特准则带来的好处。通过这样系统的参数扫描和对比分析你不仅能复现出教科书上的曲线更能真正理解每个参数背后的物理意义和工程权衡。这比单纯跑通一个仿真程序要有价值得多。最后当你把BPSK和QPSK的完整仿真代码都调试通过并看到仿真结果与理论值完美契合时那种对通信系统豁然开朗的感觉就是学习过程中最大的乐趣。