简介一套MATLAB工程代码围绕连续相位调制CPM信号的线性均衡展开通过维特比判决器完成接收端的符号检测与误码率统计面向通信工程、信号处理等方向的学生和算法研究人员可帮助理解CPM收发机结构、线性均衡器原理以及维特比算法在非线性调制判决中的实际应用。资源共29个文件以14个m脚本为核心涵盖CPM调制、相位编码、积分升余弦成形、信道建模、线性均衡、维特比译码与误码率计算等环节另有7个mat数据文件保存均衡器长度为8/16/24时的仿真结果7个asv为MATLAB自动备份版本1张berplot.jpg用于展示性能曲线包体约533KB便于快速下载与运行。目前已有128人浏览学习代码间调用关系清晰从调制端到均衡判决端形成完整仿真链路既适合课程设计或毕业设计参考也能作为进一步研究CPM均衡算法的基线代码。1. CPM调制的线性均衡器为什么维特比判决器比符号判决更值得用很多做CPM连续相位调制接收机的人都有过类似经历调制解调仿真在无信道失真时完美运行一加进多径或带限信道眼图完全散开误码率掉不下去。这时候最直接的方案是加均衡器但CPM信号本身是记忆性调制单纯对符号做判决把相位响应当成噪声的后果就是错误平台高得离谱。这份资源里给出的路线是线性均衡器做信道补偿维特比判决器接在后端用最大似然序列估计的思路把相位记忆解开。它解决的问题是CPM在高ISI场景下的可靠判决适合正在做卫星链路、散射通信或无人机数据链物理层仿真的人。你下载后拿到的不是概念说明而是一整套可跑的MATLAB脚本从调制、成型滤波、信道加噪到均衡和维特比判决全链路齐全。2. 从CPM调制到均衡链路文件结构与核心模块的对应关系拿到压缩包先别急着跑主脚本文件里的命名规律能帮你少走很多弯路。这套代码把功能拆得很细每个.m文件对应调制链路的一个环节理解清楚它们之间的数据流你才能在改参数时不破坏接口。2.1 文件清单里藏着整条收发链路调制、成型、信道、均衡、判决展开解压以后你会看到一大堆名字相近的文件粗看有点乱但按信号流向梳理就很清晰。调制侧有cpm_modulator.m、cpm_phase_encoder.m、h_gen.m成型侧有integral_raisedcosine.m帧处理有frame_data.m、frame_data_mapping.m、frame_data_unmapping.m均衡与判决核心是cpmequ_linear.m和viterbi_decoder.m还有配套的chanenlplot.m、EbNotoSNR.m、EbNotoEsNo.m以及若干.mat数据文件。把这些文件按功能分组可以整理成一张对应表文件功能定位在链路中的位置cpm_modulator.mCPM调制主函数发射端把比特映射为复基带信号cpm_phase_encoder.m相位状态编码调制器内部累加相位状态h_gen.m生成调制指数与关联长度参数调制与解调共用决定网格状态数integral_raisedcosine.m积分升余弦成型滤波调制器输出整形限制带宽chanenlplot.m信道冲激响应绘制与查看信道分析辅助工具cpmequ_linear.m线性均衡器主体接收端抑制码间串扰viterbi_decoder.m维特比判决器均衡器之后做序列估计EbNotoSNR.m / EbNotoEsNo.m信噪比换算仿真参数设置与误码率横轴计算frame_data_mapping.m / unmapping.m比特流与符号映射/解映射发射端映射接收端逆映射这些.mat文件是运行中间结果或最终仿真数据比如cpmequ_linear_8.mat、cpmequ_linear_16.mat、cpmequ_linear_24.mat分别可能是不同均衡抽头数或不同信噪比下的结果modulation_waveform.mat存的是调制波形frame_data_vector.mat是帧向量。运行主脚本前先确认这些.mat文件路径没有错否则会出现“找不到变量”的报错。2.2 CPM相位编码与h_gen调制参数决定均衡难度CPM的基带信号表达式里最关键的是相位累积项它由调制指数h和关联长度L共同决定。h_gen.m这个文件的作用就是生成调制指数可能是固定常数也可能是多指数格式。在单指数CPM中h 0.5是比较常见的取值这时候信号是MSK的特例状态数少维特比判决器的复杂度低h 1/3时频谱更紧凑但相位网格更密均衡器需要补偿的相位变化也更激进。在cpm_phase_encoder.m里相位状态是按时间步进更新的。常见做法是维护一个累积相位变量phase_state每个符号周期按当前信息符号和调制指数步进。代码逻辑大致是% cpm_phase_encoder.m 核心思路示意 function [phase_out] cpm_phase_encoder(symbols, h, L) % symbols: 输入符号序列例如 ±1 % h: 调制指数 % L: 关联长度决定相位脉冲截断长度 n length(symbols); phase 0; phase_out zeros(n, 1); for k 1:n phase phase pi * h * symbols(k); % L 1 时还要考虑过去 L-1 个符号的部分响应贡献 phase_out(k) phase; end end这里phase_out(k)是当前符号的相位参考值但不代表最终发射相位因为积分升余弦成型会让相位脉冲跨越多个符号周期。integral_raisedcosine.m就是用来生成相位脉冲的积分波形它的作用是把离散相位变化平滑成连续轨迹。这直接关系到均衡器面对的输入波形是否满足奈奎斯特条件如果是LREC或LRC脉冲均衡抽头长度通常要增加。从均衡角度看调制指数h越大相位变化越快信号的瞬时带宽越大相同信道下ISI越严重。h偏小则频谱紧凑但相位网格间隔小对维特比度量计算的精度要求更高量化误差可能把分支度量差淹没。所以改h_gen.m的返回值时要同时重跑调制波形和均衡器不要只改一处。2.3 线性均衡器结构cpmequ_linear.m 里的抽头与系数更新cpmequ_linear.m是本资源的均衡主体。线性均衡器的本质是用一个横向滤波器去逼近信道逆滤波器的等效响应。对于CPM这种非线性调制均衡器并不会去估计相位状态而是先把接收波形线性整形尽量把由信道产生的记忆性抵消掉让维特比判决器面对一个接近AWGN信道的残留响应。常见实现是自适应LMS或RLS算法更新抽头系数。我一般会在代码里确认几个关键变量均衡器抽头数num_taps、步长因子mu、训练序列长度。典型结构如下% cpmequ_linear.m 核心均衡循环示意 % received: 接收信号序列经过下变频与匹配滤波后的基带复数 % training_seq: 训练序列已知符号 % mu: 自适应步长 % num_taps: 均衡器抽头数 weights zeros(num_taps, 1); % 初始化抽头 delay floor(num_taps / 2); % 均衡器群延迟补偿 for n 1:length(received) - num_taps 1 % 构造输入向量注意信号倒序保证卷积效果 x received(n num_taps - 1 : -1 : n); y weights. * x; % 均衡器输出 % 期望信号与当前输出对应的训练符号或判决符号 d training_seq(n delay); err d - y; % LMS更新weights weights mu * conj(err) * x weights weights mu * conj(err) * x; end % 均衡后的序列用最终 weights 做滤波这个示意里delay的选取极其重要。线性均衡器是有因果延时的输入向量取n到nnum_taps-1的窗口输出对应的是中心时刻的信号所以期望信号要平移floor(num_taps/2)个符号。很多刚上手的人直接让期望信号和输入向量对齐结果误差信号一直处在瞬态阶段均衡器永远收敛不了。步长mu的选择要看参考信号的功率。如果信号幅度在1左右mu取0.005到0.02比较稳如果信号经过信道衰减到0.1量级这个步长会显得太大出现震荡。稳妥做法是先用接收信号能量做归一化mu 0.01 / (mean(abs(received).^2) 1e-6);这样不同AGC增益下表现一致。cpmequ_linear_8.mat、cpmequ_linear_16.mat、cpmequ_linear_24.mat的差异很可能就是不同抽头数下的均衡结果抽头数8、16、24对应了不同的信道长度假设。抽头太少补偿不干净抽头太多则噪声增强明显。判断方法是看均衡后星座点的聚合度以及误码率曲线是否随抽头数单调改善。3. 维特比判决器实现度量计算与回溯线性均衡器把波形整回来之后剩下的工作交给维特比判决器。CPM本身是有记忆的调制维特比算法的网格状态数和调制关联长度直接相关。这一章我们拆解viterbi_decoder.m的判决逻辑搞清楚它为什么要和均衡器配合以及回溯深度怎么定。3.1 viterbi_decoder.m 的输入输出与状态定义维特比判决器接收的通常是均衡器输出的复基带信号序列每个符号一个采样点或一个符号多个采样点但判决时取一个点。它的输出是估计的发送符号序列和发射端的frame_data_mapping.m做映射之前的原始比特流对应。状态数由CPM的记忆长度决定。对于关联长度L的CPM状态数通常是2^(L-1)二进制符号或M^(L-1)M进制符号这些状态对应过去L-1个符号的相位累积贡献。如果h_gen.m返回的是一个有理数比如hm/p那状态数还要结合相位状态数量。比如h1/2、L1时相位状态有4个0、π/2、π、3π/2加上符号状态就是4个网格状态。在viterbi_decoder.m里最常见的状态表示方式是把相位量化成整数索引% viterbi_decoder.m 状态与度量初始化示意 num_states q * M^(L-1); % q是相位状态数M是符号进制数 path_metric inf(num_states, 1); % 路径度量初始化为无穷大 path_metric(1) 0; % 从零相位状态出发 survivor zeros(num_states, length(received)); % 幸存路径记录注意inf初始化的作用它保证那些不可能到达的状态永远不会被选中。你的调制代码里如果从非零相位开始那初始状态索引也要改否则前几个符号的判决全是错的。3.2 分支度量与均衡后的信号如何对齐分支度量是维特比的核心它衡量的是接收信号与假设信号之间的距离。CPM的假设信号是每个符号对应的理想基带波形但因为均衡器会引入群延迟分支度量的参考时刻必须和均衡输出对齐。这里有个特别容易错的地方均衡器输出序列的相位原点已经变了直接拿原始CPM波形做匹配计算会是乱的。cpmequ_linear.m均衡后的输出其相位轨迹是经过卷积修正的所以维特比判决器内部需要重新给定每个状态下对应的相位脉冲贡献。常见做法是把调制网格预计算成表格然后按每个符号周期内的相位累积值查表生成参考复数点。% 分支度量计算示意每个状态转移对应的理想输出 % ref_signal exp(1j * ideal_phase(state, symbol)) b_m abs(received_sample - ref_signal)^2; % 欧氏距离作为度量 % 然后执行加-比-选 % new_metric metric(state_prev) b_m; % 对每个当前状态从所有可能的前一状态中选最小的 new_metric在实际的viterbi_decoder.m中关键参数是符号周期内的采样点数。如果每个符号只采1个点度量计算最简单如果采多个点需要把多个采样点的距离累加。多数仿真会设成每符号一个采样点但均衡器输出之前可能有匹配滤波和采样器这时候要在均衡循环里明确下采样的相位位置。3.3 回溯深度与输出延迟怎么调参才不翻车维特比判决器不是边接收边输出而是要等路径度量稳定后再回溯。回溯深度一般取状态数的5到10倍。比如状态数16回溯长度取80到160个符号这样能保证幸存路径大概率合流。如果回溯深度太短中间会出现某段路径还没收敛判决结果实际上是局部最优会造成连续突发错误。代码里通常维护一个路径历史矩阵survivor(状态索引, 时刻)不断填入每个状态幸存的前置路径在延迟trace_length个符号后从当前最小编号的路径度量状态开始回溯% 回溯判决示意 [~, best_state] min(path_metric); % 当前最优状态 detected zeros(trace_length, 1); for t trace_length : -1 : 1 detected(t) survivor(best_state, t); % 取出该时刻幸存符号 best_state survivor_prev_state(best_state, t); % 反推前一状态 end % 注意输出序列应滞后 trace_length 个符号拼接时要做延时补偿这里最容易犯的错是回溯输出没有做延迟对齐。均衡器本身有floor(num_taps/2)个符号的群延迟维特比回溯又引入trace_length个符号的延迟和发射端比特流对比误码时必须把参考比特也平移相同数量否则前几十个比特全被判成错误。资源里的frame_data_unmapping.m如果没考虑这个延迟误码率计算就会失真。4. 把模块串起来跑通仿真脚本与参数设置搞清单个模块后下一步是把整个链路跑起来。很多人喜欢直接运行主函数但不知道里面哪些参数对应什么跑出结果也不知道是真是假。这一章我按主脚本的执行顺序带你过一遍同时给出信噪比换算和信道可视化的实际用途。4.1 主脚本 cpmequ_linear.m 的流程拆解主脚本名字和均衡函数重名但通常里面的结构是首先生成随机比特做映射和CPM调制然后过信道再加高斯白噪声之后进均衡器和维特比判决器最后统计误码率。完整的仿真流程大概可以拆成这几段% 主脚本流程示意 % 1. 参数设置 sym_rate 1000; % 符号速率 h 0.5; % 调制指数 L 1; % 关联长度 num_symbols 20000; % 仿真符号数 EbN0_dB 8; % 每比特信噪比 % 2. 产生数据并调制 bits randi([0 1], num_symbols * log2(M), 1); symbols frame_data_mapping(bits, M); % 比特到符号映射 tx_signal cpm_modulator(symbols, h, L); % CPM调制 % 3. 经过信道 channel_ir [1, 0.30.1j, 0.1-0.05j]; % 简单多径冲激响应 rx_signal conv(tx_signal, channel_ir, same) noise; % 4. 线性均衡 eq_signal cpmequ_linear(rx_signal, symbols, num_taps, mu); % 5. 维特比判决 detected viterbi_decoder(eq_signal, h, L, trace_length); % 6. 误码率比较注意延迟补偿 err sum(decoded_bits(1:end-delay) ~ bits(1delay:end));这段只是骨架实际主脚本里还有bandwidth、sps每符号采样数等变量。你拿到手上后第一步不是按默认参数跑而是把sps和num_taps打印出来确认输入给维特比的点数长度和符号数匹配。4.2 信道模型与信道估计chanenlplot.m 到底画了什么chanenlplot.m从文件名看是画信道特征大概率是画出信道冲激响应的幅相特性或者信道的频率响应。实际调试时它很有用先别急着均衡把信道冲激响应画出来看清楚多径延迟是几个符号周期。如果你的channel_ir长度超过3个符号而均衡器抽头只有8个那是一件很玄学的事——抽头覆盖不住信道尾巴均衡后残留干扰照样存在。常见做法是在chanenlplot里做频域观察% chanenlplot.m 功能示意查看信道冲激响应与频响 [H, f] freqz(channel_ir, 1, 1024, sym_rate); subplot(2,1,1); stem(0:length(channel_ir)-1, abs(channel_ir), filled); title(信道冲激响应幅值); subplot(2,1,2); plot(f, 20*log10(abs(H))); title(信道频率响应);这个函数不参与均衡算法但能帮你判断均衡器的设计目标。如果信道在信号带宽内有20dB以上的凹陷线性均衡器的噪声增强会很严重这时候你需要的可能是判决反馈均衡器而不是纯线性结构。资源里的均衡器叫cpmequ_linear所以它定位就是应对中等深度零点遇到深衰落一种常见调参思路是增大抽头数并减小步长但增益有限。4.3 误码率统计 EbNotoSNR.m 与 EbNotoEsNo.m 的换算关系这两个文件直接决定误码率曲线横坐标是否准确。CPM仿真里最容易搞混的就是Eb/N0和Es/N0。对CPM信号的带宽和包含符号能量并不是简单的线性关系尤其是调制指数不同时频谱占有率变化。你需要先在调制器里算出每个符号的能量然后折算到噪声方差。换算公式如下% EbNotoSNR.m 核心换算 % 假设每个符号携带 k 个比特k log2(M) EsN0_dB EbN0_dB 10*log10(k); % Es/N0 Eb/N0 log2(M) % 对于复数基带噪声方差为 No/2 每维度因此 sigma2 10^(-EsN0_dB/10) / 2; noise sqrt(sigma2) * (randn(1,N) 1j*randn(1,N));如果信号幅度不是单位能量需要先对调制波形做归一化。我见过有人把Eb/N0设成10dB结果噪声加得过大误码率全片抬不起来最后发现是波形能量被当成1实际上经过升余弦成型后能量是2。所以EbNotoSNR.m里第一步应该先计算tx_power mean(abs(tx_signal).^2)然后用真实功率去反推噪声方差。EbNotoEsNo.m则是反过来用如果你手头只有Es/N0曲线它可以把横轴转换成Eb/N0方便和理论曲线对比。这两个脚本本身不复杂但它们是仿真可信度的基础。很多初学者的误码率曲线莫名其妙地比理论差好几个dB原因不在均衡器而在噪声功率乘了个错的系数。5. 避坑与常见问题CPM均衡训练与维特比判决的四个坑跑这套代码最容易遇到的问题集中在均衡器是否收敛、维特比回溯是否对齐、以及相位模糊。下面这四条是我多次踩坑后的记录每一条都能让仿真结果从“看起来不错”变成“完全不可信”。5.1 均衡器收敛慢甚至发散归一化因子没算对现象均衡后的星座图始终在旋转漂移误码率曲线在低信噪比下还能看高信噪比下反而变差。原因自适应均衡的步长没有按照接收信号的功率归一化。信号经过信道后幅度变大或变小固定mu会导致超调。尤其信道冲激响应叠加了多径后接收功率可能是发射功率的好几倍步长大时LMS直接发散。解决先计算接收信号平均功率然后令mu 0.005 / (rx_power 1e-10)。在cpmequ_linear.m里给步长加一个下限保护同时用训练序列的前200个符号做强制收敛之后切换为判决引导模式。我一般还会监控权重更新的欧几里得范数如果连续50个符号的更新量超过阈值就判定发散自动降低步长重训。5.2 维特比判决输出延迟导致误码率虚高回溯长度不足现象误码率在低信噪比时约等于随机猜中高信噪比也降不到10^-3以下把接收序列和发射序列直接对比开头一小段全部错。原因维特比回溯是从末尾往前倒推输出的第一个符号对应的是最远历史点而不是发射序列的第一个符号。你的对比逻辑如果从第1个符号开始算那前trace_length个符号全部错位导致统计误码率被拉高。解决在viterbi_decoder.m输出的序列中丢弃前trace_length个符号发射参考序列也丢弃相应数量的符号再比较。同时确认trace_length num_states * 5。如果状态数32回溯长度至少160。另外均衡器还有delay floor(num_taps/2)的实际群延迟建议在链路中用一个公共变量total_delay记录误码比较时统一平移。5.3 相位模糊与翻转CPM的相位连续特性被忽略现象均衡后信号星座整体旋转了某个固定角度维特比判决的符号串在某个时刻突然全部判反之后又恢复正常误码率呈周期性爆发。原因CPM相位连续但线性均衡器可能会收敛到多个等价解。比如h1/2时所有相位加上π的倍数仍然是合法状态。如果训练序列不够长均衡器权重可能收敛到一个旋转后的坐标轴上导致维特比网格参考相位和实际相位不匹配。解决在训练阶段插入已知相位参考符号或者用差分编码来消除相位模糊。更实用的做法是在viterbi_decoder.m里对每个路径做相位旋转修正例如将分支度量的参考信号乘以一个校准复数exp(1j*theta)theta由训练序列估计得到。也可以在均衡器输出后加一个一阶相位跟踪环先消除残余载波偏移和相位偏移再做维特比。资源的主脚本大概率没有这一步所以当你发现均衡效果很好但误码率有底噪时优先检查相位旋转。5.4 帧同步与数据映射错位frame_data_mapping 的顺序问题现象误码率曲线的形状正确但整体平移了几个比特且错误成簇出现簇的长度恰好等于帧长度。原因发射端frame_data_mapping.m把比特流映射成符号时可能按列优先或行优先排列接收端解映射也必须按同样顺序。如果主脚本里使用了reshape而顺序搞反那么维特比虽然判决正确但还原的比特序列和发射端错位。另外训练序列插入位置如果不一致也会导致均衡器用非训练数据去更新权重产生局部误判。解决在仿真开始时把发射比特序列存一份接收端解映射后先做相关运算找到使误码率最低的延迟偏移。常见做法是直接对比时用交叉相关找同步点% 帧同步验证示意 [c, lag] xcorr(decoded_bits, tx_bits, 50); [~, idx] max(abs(c)); offset lag(idx); % 如果 offset 不为0说明映射顺序或延迟补偿有误这类问题不是算法级别的纯粹是数据流管理。建议在frame_data_mapping.m和frame_data_unmapping.m里加断言检查长度和维度与预期一致否则直接报错。别相信“应该是对的”代码跑通不等于数据对齐。6. 进阶把线性均衡器扩展成自适应与多径场景验证如果你已经跑通了默认参数下一步不是调参刷误码率而是把均衡器改造成能应付时变信道的版本并用资源里的.mat文件做离线对比这样能真正看出均衡与维特比配合的边界。6.1 从固定信道到时变信道抽头更新步长的自适应策略固定信道下LMS步长恒定时梯度噪声是稳态误差的唯一来源。但在时变信道里固定小步长会导致跟踪不上信道变化。我习惯用归一化变步长LMS让步长随误差的短期均值变化% 变步长LMS示意 e_power 0.99 * e_power 0.01 * abs(err)^2; mu_adapt mu_max / (1 e_power / mu_ref); weights weights mu_adapt * conj(err) * x;这里e_power是误差短期功率信道突变时误差变大步长自动减小防止冲过头信道平稳时误差小步长变大加快跟踪。这种策略在慢衰落信道里能比固定步长多赚12dB。你还应该定时重置训练序列比如每1000个符号插入一段已知序列重新训练权重避免均衡器状态漂移。6.2 用保存的 .mat 文件做离线验证改动最小化复现压缩包里有很多.mat文件它们是特定参数下的中间结果适合用来做回归测试。你可以写一个简单脚本加载cpmequ_linear_16.mat对比里面保存的均衡输出和重新运行主脚本得到的输出。如果一致说明你的环境配置没问题如果不一致查找是随机种子问题还是代码改动问题。% 离线验证示例 S load(cpmequ_linear_16.mat); % 假设里面有变量 eq_out, rx_in, weights_save 等 % 用保存的权重直接滤波 eq_out_repro filter(weights_save, 1, rx_in); plot(abs([eq_out_repro.; S.eq_out].));这种离线验证的价值在于你可以在不运行整个冗长仿真的情况下快速验证前端改动对后端影响。我每次拿到这类通信仿真资源都会先跑通默认参数然后把所有中间变量存成一个新的.mat后续每次改完代码就对比一次。这样做的好处是当误码率曲线出现异常时你能立刻判断是哪一级出问题调制和信道产出的参考波形是否一致均衡输出是否被改过维特比度量是否还有效。从那以后我每跑一套新链路都强制自己把“延迟对齐、功率归一化、相位校准”三件事写在脚本开头注释里做完一步划掉一步。这套习惯帮我少调了很多玄学参数希望帮到你。本文还有配套的精品资源点击获取