简介四进制与十六进制正交幅度调制4QAM、16QAM的调制解调仿真电路面向通信原理课程设计、实验报告和数字调制自学者重点解决调制映射、星座图生成、加噪传输与解调判决的完整建模问题。资源围绕两种调制方式的系统框图、公式说明、各点波形及误码性能展开并给出仿真结果之间的因果分析各节点波形与星座图、误码率曲线对照呈现便于校验实现正确性。压缩包内含16个m文件分别完成调制、解调、AWGN信道、升余弦滤波、误码率统计和波形绘制等功能整体仅11KB结构紧凑文件命名清晰适合逐段阅读和二次修改。目前已有5230人学习下载。通过该资源可快速掌握QAM系统Matlab实现思路理解星座点分布与判决门限对误码率的影响还能直接修改信噪比等参数观察曲线变化是课程设计或自学调制的实用参考。 说实话每次看到“4QAM、16QAM调制解调仿真”这种题目我的第一反应都不是“这有什么难的”而是反问一句你打算把横轴画成SNR还是Eb/N0你星座图上的点归一化了吗这两个问题要是没搞定代码跑出来的曲线多半跟理论值隔着十万八千里。这篇文章就用MATLAB把4QAM、16QAM的调制解调仿真链路完整搭一遍从比特生成到星座图输出、误码率统计把每个环节为什么这么写都讲清楚。内容适合正在做通信原理实验、课设作业或者刚接触QAM仿真、想搞清楚星座图和误码率曲线到底怎么来的人。1. QAM仿真先搞清楚4QAM和16QAM在I/Q平面上到底差在哪1.1 从I/Q坐标理解“星座”是什么QAM的全称是正交幅度调制核心思想很简单把信息同时放到两个正交载波上一个叫I路同相分量一个叫Q路正交分量。已调信号写成公式就是s(t)I(t)cos(2πf_c t)-Q(t)sin(2πf_c t)这里I(t)和Q(t)分别取不同的幅度值一个符号就能携带多个比特。星座图说白了就是把I幅度当横轴、Q幅度当纵轴把所有的合法取值点画在复数平面上。每一个点代表一种符号状态接收端收到信号之后就看这个符号落在哪个点附近从而判回对应的比特组合。我以前给朋友打过一个比方星座图就像靶子上的若干个靶心发送端往其中一个靶心射箭信道里的噪声就是风会把箭吹得偏离靶心接收端看到落点之后去猜你原本瞄准的是哪个靶心。靶心越少、间距越大越不容易猜错靶心越多、排列越密单位时间能传的信息就越多但抗噪声能力也随之下降。QAM的整个权衡过程本质就是在这里面找平衡。1.2 4QAM其实就是QPSK16QAM是它的密度升级版很多初学者第一次看到“4QAM”会有点懵因为通信原理教材里更多讲的是QPSK。实际上4QAM和QPSK是一回事都是把比特两两分组每一组映射到四个星座点之一点的位置一般取(±1, ±1)的四个角。每个符号携带2个比特。16QAM则是把4个比特合成一个符号星座图上有16个点通常按4×4的方阵排列。拿标准的矩形星座来说I路和Q路各取{-3, -1, 1, 3}四个电平值两两组合正好16个点。每个符号携带4个比特比4QAM翻了一倍。麻烦也随之而来在星座图平均功率大致相当的前提下16个点塞进同样大的复数平面范围点与点之间的欧氏距离明显缩小了。以平均功率归一化后的标准星座为例16QAM相邻星座点的距离大约只有4QAM相邻点距离的1/3左右。同样的噪声功率下判决出错的概率自然会升高。这个直觉会贯穿整篇文章16QAM频谱效率高但代价是误码率性能变差。仿真做出来之后你会亲眼看到这条曲线比4QAM的曲线往右偏。2. 主链路搭建从比特流到噪声方差每个环节都不含糊2.1 发射端比特分组、格雷映射和功率归一化写发射端第一件事是生成随机比特序列。我习惯设一个符号块长度比如每次处理1万个符号这样一个循环内计算量适中误码统计也比较好控制。核心代码如下k log2(M); % 每个符号的比特数 bitsPerBlock 1e4; % 每个符号块的数量 dataBits randi([0 1], 1, k*bitsPerBlock); % 比特按 k 个一组分组转成符号索引 symIdx bi2de(reshape(dataBits, k, [])., left-msb);接下来是星座映射。MATLAB里可以直接用qammod生成标准星座点但这里有一个非常容易踩的坑qammod(0:M-1, M)默认输出的星座点平均功率不是1。比如16QAM默认星座点的平均功率是104QAM默认星座点的平均功率是2。如果你不归一化就直接拿它调制、加噪声后面误码率曲线的横轴会整体偏移而且偏移量还随M变化查起来非常头疼。我的做法是先归一化再查表constellation qammod(0:M-1, M, gray); constellation constellation / sqrt(mean(abs(constellation).^2));这样四个角点还是 (±1, ±1) 那种相对位置关系但整体平均功率变成1。后面噪声方差直接用1/EsN0计算物理意义非常清晰不容易出错。那为什么用gray参数格雷编码保证相邻星座点之间只有1个比特不同。信道噪声导致误判时最常发生的就是判到相邻点格雷编码可以把这类错误限制在1个比特之内从而显著降低比特误码率。如果不加这个参数同样信噪比下的BER会难看不少而且理论公式还对不上。2.2 AWGN信道从Eb/N0换算到复噪声功率加噪声是整条链路里最需要想清楚的一步。很多人直接把awgn函数拿过来写awgn(txSym, snr)然后发现曲线位置不对问题就出在“SNR”和“Eb/N0”根本不是同一个量。信道模型采用加性高斯白噪声。接收信号是r(n)s(n)w(n)其中 w(n) 是复高斯随机变量实部和虚部相互独立每一维方差都是 N0/2。这样复噪声的总功率就是 N0。仿真时我们习惯用 Eb/N0 作为横轴因为它是归一化的比特信噪比跟调制阶数脱钩便于对比不同调制方式的性能差异。但星座图上的符号能量是 Es两者关系是Es Eb × log2(M)所以加噪声之前要做一步换算EbN0 10^(EbN0dB/10); EsN0 EbN0 * k; noiseVar 1 / EsN0; % 星座平均功率为1时复噪声总功率 noise sqrt(noiseVar/2) * (randn(size(txSym)) 1j*randn(size(txSym))); rxSym txSym noise;这里的sqrt(noiseVar/2)是因为实部和虚部各占一半功率。很多第一次接触复基带仿真的人会在这里卡壳明明 EsN0 是10倍、20倍的关系为什么噪声还要除以2想清楚复信号功率的定义之后这个困惑自然就解开了。2.3 接收端最小欧氏距离判决等价于最大似然判决解调端最理论化的做法是最大似然判决但在高斯白噪声信道下最大似然判决化简之后就是最小欧氏距离判决。也就是说对每个接收到的符号计算它和所有星座点的欧氏距离距离最小的那个星座点就是最可能的发送符号。dist abs(rxSym. - constellation); [~, estIdx] min(dist, [], 2); estIdx estIdx - 1; % MATLAB索引从1开始需要减1还原符号索引 estBits de2bi(estIdx, k, left-msb).;这段代码里rxSym.是行向量转置成列向量constellation是列向量两者相减会自动扩展成矩阵每一行对应一个接收符号到所有星座点的距离。用矩阵运算代替循环仿真速度会快很多。曾经我见过有人用两层for循环遍历符号和星座点1百万比特要跑好几分钟改成矩阵之后秒级出结果。MATLAB的数组思维在这里体现得十分明显。另外如果题目的要求里写着“仿真电路”有些人习惯到Simulink里去搭模块思路其实完全一样发射端用Random Integer Generator、Rectangular QAM Modulator Baseband信道用AWGN Channel模块接收端用Rectangular QAM Demodulator Baseband星座图直接用Constellation Diagram模块观察。我个人更推荐先用脚本把原理链路跑明白再去Simulink里搭电路图因为脚本里每一个中间变量都能打印出来检查而模块连线出了问题排查起来往往更费劲。3. 星座图观察云团大小、旋转、畸变分别暗示什么3.1 在不同信噪比下对比星座图星座图是判断调制链路是否正常的最直观工具。MATLAB里一句scatterplot(rxSym)就能画出来。建议挑几个有代表性的Eb/N0看0dB、8dB、14dB分别对应很差、中等、很好的信道环境。低信噪比时接收符号围绕真实星座点形成一个一个的大云团云团之间甚至互相粘连肉眼很难区分这团点属于哪个星座点。随着信噪比升高云团明显收缩16个点的轮廓逐渐清晰。我自己跑仿真时的经验是对16QAMEb/N0到10dB以上时星座图基本能看出每个点都聚成独立的小团到了14dB以上云团半径已经很小判决几乎不会出错。为什么云团会缩因为复高斯噪声的标准差是 σ√(N0/2)而EsN0越高N0越小云团在星座图上的散布范围就越小。云团的半径大概在2~3个σ之间你可以从图上目测估计噪声功率反过来验证自己的噪声方差设得对不对。3.2 星座图出现“异常形态”时怎么排查星座图不只用来欣赏它还是定位系统问题的第一手线索。我在调试过程中总结过几种典型异常形态和对应的原因星座点在圆周上旋转、呈环状分布说明接收端存在载波频率偏移。AWGN基带仿真里一般没有这个问题但如果你引入了真实采集信号或多普勒频移就会看到这种形态。星座图整体呈拉伸的椭圆形、不再是正方形典型原因是I/Q两路增益不平衡或者I/Q本振幅度不一致。星座点没有聚成团、而是沿径向发散常见原因是相位噪声偏大也可能跟发射端没有做脉冲成型、接收端没有匹配滤波有关。星座图主体正常但少数点明显落在错误区域多数是突发错误或者前端削波造成的需要回头检查是否有幅度限幅逻辑。看星座图还有个技巧把I路和Q路分别画直方图看分布有几个峰。4QAM的I路直方图应该有两个峰对应-1和116QAM的I路应该有四个峰对应-3、-1、1、3。如果峰的数量不对映射表大概率写错了。4. 误码率曲线蒙特卡洛仿真和理论公式的碰撞4.1 理论误码率边界误码率曲线画出来后最好把理论值叠上去做参照。4QAM即QPSK在AWGN信道下的比特误码率理论公式是BER_4QAM0.5×erfc(√(Eb/N0))16QAM在采用格雷映射、高信噪比条件下的近似公式是BER_16QAM≈(3/8)×erfc(√(0.4Eb/N0))这两个公式在MATLAB里可以直接画EbN0lin 10.^(EbN0dB/10); if M 4 BER_theory 0.5 * erfc(sqrt(EbN0lin)); elseif M 16 BER_theory 3/8 * erfc(sqrt(0.4 * EbN0lin)); end我的建议是别只画自己仿真的曲线理论曲线一定要叠上去。因为理论曲线就是你调试代码的最好参照物。如果仿真曲线和理论曲线的形状对不上或者整体平移了几个dB那八成是归一化、噪声功率或者横轴定义出了问题而不是“系统误差”。4.2 蒙特卡洛仿真样本量怎么控制才合理误码率仿真的本质是蒙特卡洛实验核心就是“扔足够多的比特统计扔错的比例”。这里有个工程经验每个信噪比点至少统计到100个错误比特曲线才比较平滑。信噪比很高时误码率可能低到10⁻⁶甚至更低这时如果还限制总比特数很可能一个错误都统计不到曲线就会出现断崖式下降。我习惯用双重控制条件maxErrs 100; % 每个信噪比点最少统计错误比特数 maxBits 2e6; % 最大仿真比特数防止高信噪比下跑太久 while totalErrs maxErrs totalBits maxBits % 每次生成一个符号块调制、加噪、判决、统计 end这样做的好处是低信噪比时不用白跑太多数据高信噪比时也不会因为样本不足而让曲线尾部乱跳。实际跑下来的规律是Eb/N0从0dB到14dB计算量主要集中在尾部那几个高信噪比点一次完整仿真大概也就几十秒到一两分钟。4.3 两张图的完整绘制逻辑把星座图和误码率曲线放到同一个仿真脚本里的逻辑是很自然的星座图在低、中、高三个信噪比各取一个点误码率曲线在全部信噪比点上跑循环。画误码率曲线时横轴用Eb/N0的dB值纵轴用对数坐标这样一个坐标图里能同时看清10⁻¹和10⁻⁵两个数量级的差异。figure; semilogy(EbN0dB, BER_sim, o-, LineWidth, 1.5); hold on; semilogy(EbN0dB, BER_theory, x--, LineWidth, 1.2); grid on; xlabel(Eb/N0 (dB)); ylabel(BER); legend(仿真值, 理论值, Location, southwest);仿真点和理论曲线贴合得越好说明链路越可靠。16QAM在高信噪比段仿真曲线有时会和近似理论公式有轻微分离这是正常的因为理论公式本身是近似表达式低信噪比段本来就不保证高精度。别一看到0.2dB的差异就以为代码写错了。5. 调试中绕不开的四个细节坑5.1 横轴用Eb/N0还是Es/N0这是误码率曲线最经典的坑。如果你用awgn(txSym, snr, measured)直接加噪声这个snr是符号信噪比不是Eb/N0。直接把横轴标成Eb/N016QAM曲线会相对理论曲线偏移10*log10(k)6dB左右4QAM偏移3dB。顺着这个线索你就能理解为什么网上很多仿真代码曲线位置看起来怪怪的。5.2 星座点功率没归一化前面强调过qammod默认输出的星座点平均功率不是1。在没归一化的情况下噪声方差按1/EsN0算就错了星座图的云团大小也会比预期的膨胀或者收缩。排查方法很直接发射端生成完星座点之后打印mean(abs(constellation).^2)确认它等于1再继续。5.3 误码统计对不齐偶尔会出现BER算出来是0.5这种离谱数值这多半是比特序列没对齐。最常见的原因是reshape的方向写反了。记一下我的习惯比特流用行向量reshape的时候写成reshape(dataBits, k, [])这样得到的是k行、每列一个符号后面de2bi出来的estBits也保持同样的排列方向逐位对比才不会错位。5.4 曲线尾部抖动高信噪比下误码率本身就很小如果每个点只跑几万个比特运气好的时候一个错误都没碰到曲线就会突兀地掉到底端。解决办法就是4.2节说的用最大错误数和最大比特数双重控制。我自己写仿真脚本时还会顺手把每个Eb/N0点实际跑过的比特数也记录下来看到那些末尾剧烈抖动的点先看看是不是统计比特数太少了而不是急着调算法。再分享一个调试顺序上的建议先把星座图在固定几个信噪比下看顺眼再做误码率统计。星座图如果形态都不对误码率曲线十有八九也不对。等链路基础跑通了再去扩展脉冲成型、信道编码、频偏补偿这些模块会顺畅得多。QAM仿真的核心并不在于代码有多花哨而在于每个环节的物理含义都算得清清楚楚这一点想明白了换成64QAM、256QAM也只是改改参数的事。本文还有配套的精品资源点击获取