简介：这份 MATLAB 仿真包面向通信工程专业学生、研究人员与工程师，围绕 OFDM 正交频分复用系统的完整链路搭建，帮助读者把多载波调制、循环前缀抗 ISI、频域均衡等抽象概念落到可分析的程序实现中。压缩包共 26 个文件，约 125KB，以 19 个 txt 训练序列与数据记录、4 个 dat 发送/接收数据文件、2 个 m 脚本和 1 个 doc 流程说明为主，便于按发送端、接收端与说明文档分层查阅。目前已有 790 人学习，具备一定参考热度。内容覆盖符号生成、IFFT 复用、循环前缀添加、频率选择性信道模拟、FFT 接收、信道估计与均衡、解调判决及 BER/SER 评估，并保留子载波数量、调制方式、CP 长度和信道参数等可调空间，适合用于课程实验、算法对比与 OFDM 收发链路理解。

1. 从一条平掉的 BER 曲线说起：这份 OFDM 仿真程序能干什么

有位做课设的同学贴过一张图，信噪比从 0 扫到 20dB，误码率曲线走到 10⁻² 附近就不再下降，后来查出来是循环前缀长度比信道最大时延还短，符号间干扰把均衡的结果全部污染了。OFDM 就是这么一种东西：公式看一眼就懂，真正手写一遍链路，同步、导频图样、功率归一化这些细节能卡人半个月。这份 MATLAB 完整仿真程序把发射机、多径信道、接收机、同步与信道估计、误码率统计一次性全部搭好了，基带仿真，不依赖通信工具箱也能改。它适合三类人：通信课设和毕设要做链路级仿真的学生、刚转物理层方向的工程师、以及需要一条干净的 baseline 来做算法对比的人。下面按「链路怎么走 → 参数怎么配 → 关键算法怎么写 → 哪里会翻车 → 怎么改成自己的」，把整个工程拆开。

2. 链路与文件职责：一个 OFDM 符号从比特到基带波形的完整通路

先把整体走一遍，知道每个函数在哪一环，改起来才不会摸黑。这份工程是标准的「一发一收 + 信道」结构，主脚本只做参数装配和循环扫点，所有信号处理都拆成独立函数，发射端和接收端严格对称。好处是你可以单独替换其中一环，比如把 LS 估计换成 MMSE，其他代码一行不动。

2.1 目录结构与各文件职责

工程规模不大，但分工清晰，典型布局如下：

main_ofdm.m是唯一带for snrIdx = 1:length(cfg.SNRdB)的地方，所有可扫的参数都从cfg结构体读，这样你想加一组「不同 CP 长度对比」只要在外面再套一层循环，不必动内部函数。这种「单入口 + 结构体传参」的写法在通信仿真里很常见，比满地散落全局变量好维护得多。

2.2 发射机链路：映射、导频插入与 IFFT

发射端的核心是把一串比特铺到 N 个正交子载波上。下面这段是整条链路的起点，也是后面所有对齐的基准：

function [txWave, txGrid] = ofdm_tx(cfg, bits) % 输入：cfg 参数结构体；bits 一维比特流 % 输出：txWave 串行基带波形；txGrid 频域资源栅格 N = cfg.Nfft; % FFT 点数，常用 64 / 256 / 1024 Ncp = cfg.Ncp; % 循环前缀长度，必须 >= 信道最大时延抽头 M = cfg.M; % 调制阶数：4 / 16 / 64 bps = log2(M); % 每符号比特数 pilotPos = 1:cfg.NpilotStep:N; % 梳状导频，等间隔插入 dataPos = setdiff(1:N, pilotPos); % 剩余位置承载数据 nData = numel(dataPos); % 每符号有效数据子载波数 % 1) 比特 -> 星座索引 -> 复数符号 symIdx = bi2de(reshape(bits, bps, []).', 'left-msb'); dataSym = qammod(symIdx, M, 'UnitAveragePower', true); % 2) 资源映射：先算符号数，再按列填格 nSym = floor(numel(dataSym) / nData); txGrid = zeros(N, nSym); txGrid(pilotPos, :) = repmat(cfg.pilotSym, 1, nSym); txGrid(dataPos, :) = reshape(dataSym(1:nSym*nData), nData, nSym); % 3) IFFT + 加 CP，乘 sqrt(N) 做功率归一化 txTime = ifft(txGrid, N, 1) * sqrt(N); txCP = [txTime(end-Ncp+1:end, :); txTime]; % 4) 并串输出 txWave = txCP(:); end

几个参数值得说清楚。Ncp不是随便填的，它要大于信道最大时延扩展对应的样点数，否则相邻符号会串进来，均衡器再准也救不回来，前面那条平掉的曲线就死在这。cfg.pilotSym通常取全 1 或者一个固定的 QPSK 序列，接收端必须用同一份副本做最小二乘除法。'UnitAveragePower', true这个开关千万别省，默认的qammod输出平均功率不是 1，后面按 SNR 加噪时噪声功率就会算错，理论曲线能差出 3dB 来。ifft后乘sqrt(N)是为了让时域和频域功率一致，MATLAB 的ifft自带 1/N 缩放，不补回来，接收端 FFT 之后幅度会整体偏小。

reshape(dataSym, nData, nSym)这里的顺序很容易搞反。MATLAB 是列优先，reshape按列填，所以第 i 列正好对应第 i 个 OFDM 符号，跟txGrid的列语义一致。如果写成行优先，解调出来的比特顺序全乱，误码率会稳定在 0.5 附近，看起来像「完全没同步」，其实是排列错了。

2.3 接收机链路：去 CP、FFT、估计、均衡

接收端是发射端的逆运算，但由于要处理定时偏移和信道畸变，多了同步和估计两步：

function [bitsOut, eqSym, Hest] = ofdm_rx(cfg, rxWave) N = cfg.Nfft; Ncp = cfg.Ncp; pilotPos = 1:cfg.NpilotStep:N; dataPos = setdiff(1:N, pilotPos); % 1) 定时同步：找出帧起点（CP 自相关或训练序列互相关） startIdx = sync_timing(cfg, rxWave); rxWave = rxWave(startIdx : end); % 2) 串并 + 去 CP + FFT symLen = N + Ncp; nSym = floor(numel(rxWave) / symLen); rxMat = reshape(rxWave(1:nSym*symLen), symLen, nSym); rxMat = rxMat(Ncp+1:end, :); % 丢掉循环前缀 rxGrid = fft(rxMat, N, 1) / sqrt(N); % 与发端 sqrt(N) 抵消 % 3) 导频处做 LS 信道估计，再插值到全部子载波 Hp = rxGrid(pilotPos, :) ./ repmat(cfg.pilotSym, 1, nSym); Hest = interpolate_channel(Hp, pilotPos, N); % 线性/DFT 插值 % 4) 迫零均衡 eqGrid = rxGrid ./ Hest; eqSym = eqGrid(dataPos, :); % 5) 解映射回比特 idx = qamdemod(eqSym(:), cfg.M, 'UnitAveragePower', true); bitsOut = de2bi(idx, log2(cfg.M), 'left-msb').'; bitsOut = bitsOut(:); end

sync_timing返回的startIdx是整帧的样点起点，默认按整帧处理；如果要逐符号同步，把它挪到循环里即可。第 4 步的迫零均衡rxGrid ./ Hest写法最省事，但深衰落子载波上Hest接近 0 时噪声会被放大，实测在频率选择性信道下比 MMSE 差 2～3dB，这就是后面二次开发里最值得换掉的一处。

注意fft(rxMat, N, 1) / sqrt(N)这个除法和发端的乘sqrt(N)是配对的。有人一半抄一半改，只改了发端没改收端，星座图会整体缩小成一个小圈，看着像「信号太弱」，其实是归一化对不上。跑之前先把txGrid和rxGrid（无噪无信道时）逐元素比一下，误差在 1e-12 量级才算链路通。

3. 参数面板与帧结构：决定仿真跑不跑得对的那几个数

链路搭好只是骨架，参数配错一样出不来正确结果。这一章把cfg里真正影响结果的字段拎出来，逐个说明该填什么、为什么。

3.1 核心参数表与取值建议

Ncp和信道的关系是最容易搞混的。假设采样率 20MHz、信道最大时延 1μs，对应 20 个样点，那Ncp至少要 20，工程上会留一倍余量取 32 或 40。填小了，符号间干扰直接吃掉 CP 的保护作用，表现就是高 SNR 下 BER 曲线出现「地板效应」，怎么加功率都压不下去。

nFrame关系到高 SNR 点的统计可信度。误码率到 10⁻⁴ 时，一帧如果只有几千比特，你可能连一个错误都碰不到，画出来的曲线是断的或者跳到 0。稳妥做法是按「至少累计 100 个错误比特」动态停，而不是固定帧数：

errCnt = 0; bitCnt = 0; frameIdx = 0; while errCnt < 100 && frameIdx < cfg.maxFrame frameIdx = frameIdx + 1; bits = randi([0 1], cfg.nBitsPerFrame, 1); % ... 过发端、信道、收端 ... errCnt = errCnt + sum(bitsOut ~= bits(1:numel(bitsOut))); bitCnt = bitCnt + numel(bitsOut); end ber = errCnt / bitCnt;

while的双条件是必要的：errCnt < 100保证统计置信度，frameIdx < maxFrame防止在低 SNR 处死循环——那种情况下错误多到爆，其实几百帧就够，但如果没有上限，某次参数改错导致误码率恒为 0.5，循环会一直跑下去。

3.2 导频图样：梳状、块状与格状的选择

导频怎么摆，直接决定信道估计能做到多准。这份工程默认用梳状（comb）导频，也就是每隔NpilotStep个子载波插一个，优点是每个 OFDM 符号上都有导频，能跟踪时间变化的信道；缺点是频域采样稀疏，遇到深衰落会插值失真。

块状（block）导频是整符号铺满，适合慢衰落，估计精度高但开销大。格状（grid）是两者的折中，在时频二维上打点，适合高速移动场景。改导频图样只需要动pilotPos的定义：

% 梳状：每个符号内等间隔插入 pilotPos = 1:cfg.NpilotStep:N; % 块状：第 1 个符号全导频，其余全数据（需在 txGrid 里按列区分） pilotPos = 1:N; txGrid(:, 2:end) = dataGrid; % 格状：时频二维打点 [tt, ff] = meshgrid(1:cfg.NpilotStepT:nSym, 1:cfg.NpilotStepF:N);

导频间隔的选择有个经验判据：频域间隔要小于相干带宽对应的子载波数，时域间隔要小于相干时间对应的符号数。基站低速场景下相干带宽往往有几十个子载波宽，间隔取 4～8 都够；高速移动时相干时间可能只有几个符号，格状导频的时域间隔就得压到 2 以内。

3.3 信道模型：从 AWGN 到多径瑞利

仿真的说服力全在信道模型上。只跑 AWGN 只能验证链路通不通，要证明算法有效必须上多径。这份工程把两种模型都放在ofdm_channel.m里，通过cfg.chanType切换：

function [rxWave, Htrue] = ofdm_channel(cfg, txWave) switch cfg.chanType case 'awgn' % 纯高斯信道：只有噪声，没有多径 Htrue = ones(cfg.Nfft, 1); rxWave = txWave; case 'multipath' % 多径瑞利：每径独立复高斯，功率按指数衰减 delays = cfg.pathDelay; % 各径时延（样点） gains = (randn(cfg.nPath,1)+1j*randn(cfg.nPath,1))/sqrt(2); gains = gains .* sqrt(cfg.pathPow(:)); % 按功率分配 h = zeros(max(delays)+1, 1); h(delays+1) = gains; % 抽头位置对齐 rxWave = conv(txWave, h, 'same'); % 卷积信道 Htrue = fft(h, cfg.Nfft); % 频域真实响应，用于对比 end % 按 SNR 加噪，注意噪声功率要按信号实际功率缩放 sigPow = mean(abs(rxWave).^2); noiseVar = sigPow / 10^(cfg.SNRdB/10); rxWave = rxWave + sqrt(noiseVar/2)*(randn(size(rxWave))+1j*randn(size(rxWave))); end

conv(..., 'same')这个选项有讲究。用'full'会让输出比输入长，接收端按nSym*symLen切的时候会错位，表现是整帧解出来全是噪声。用'same'保持长度一致，但代价是尾部有截断，所以仿真里通常会在发端多送一个符号做保护，收端丢掉最后一段。Htrue是留给对照用的，把Hest和它画在一张图上，能立刻看出估计器在哪几个子载波上跑偏。

加噪那两行也常见写错的：噪声方差必须按接收信号的实际功率算，而不是按发射功率。如果信道有衰落，接收功率已经变了，还按发端功率算 SNR，实际信噪比比设定值高出一截，画出来的 BER 曲线会莫名其妙比理论值还好，看着像「算法超越理论」，其实是噪声加少了。

4. 关键算法拆解：同步、信道估计与均衡的落地写法

链路能跑通之后，真正决定性能的就是这三个模块。它们也是二次开发时最常被替换的部分，值得逐段看清楚。

4.1 定时同步：用 CP 自相关找帧头

OFDM 有个天然的同步红利：CP 是符号尾部的复制，把信号和它自己延迟 N 个样点做相关，在正确位置会出现一个峰值。这就是最常见的 CP 自相关法：

function startIdx = sync_timing(cfg, rxWave) N = cfg.Nfft; Ncp = cfg.Ncp; L = N + Ncp; % 滑动窗：窗口前半段与后半段（相隔 N 点）做共轭相关 metric = zeros(numel(rxWave)-2*N, 1); for n = 1:numel(metric) seg1 = rxWave(n : n+N-1); % 对应 CP + 数据前段 seg2 = rxWave(n+N : n+2*N-1); % 对应数据后段 metric(n) = abs(sum(seg1 .* conj(seg2))); end % 取最大相关峰，回退一个 CP 长度得到符号起点 [~, peak] = max(metric); startIdx = max(1, peak - Ncp);

metric里存的是相关值的模，取max得到峰值位置。之所以要- Ncp，是因为相关窗的起点其实落在 CP 的开头，而我们要的是去掉 CP 之后的 FFT 窗起点。这一步偏差几个样点问题不大，OFDM 对定时误差有 CP 长度的容限，只要误差落在 CP 内，子载波之间的正交性不受破坏，最多引入一个线性相位旋转，均衡时会被一起吸收掉。

真正的坑在于多径。如果信道有强径，相关峰会出现平台甚至双峰，max可能挑到后一个径上，导致定时偏后。稳妥做法是取「第一个超过峰值 80% 的位置」而不是全局最大值：

thresh = 0.8 * max(metric); startIdx = find(metric > thresh, 1, 'first') - Ncp;

这个改法在多数多径场景下更稳，代价是实现复杂度略高一点。

4.2 频偏估计与补偿：相位旋转的连锁反应

收发晶振不可能完全一致，残余频偏会让星座图逐符号旋转。CP 自相关同样能估频偏——相关值的相位角正比于频偏：

% 在同步确定的位置上重新算一次相关，取相位 seg1 = rxWave(startIdx+Ncp : startIdx+Ncp+N-1); seg2 = rxWave(startIdx+Ncp+N : startIdx+Ncp+2*N-1); angDiff = angle(sum(seg1 .* conj(seg2))); freqOff = angDiff / (2*pi*N); % 归一化频偏（单位：子载波间隔） % 补偿：对时域信号乘反向旋转因子 n = (0:numel(rxWave)-1).'; rxWave = rxWave .* exp(-1j*2*pi*freqOff*n);

freqOff的单位是子载波间隔的倍数，实际工程里会再乘上子载波间隔换成 Hz。这里有个精度上限：CP 自相关只能估到 ±0.5 个子载波间隔的范围，超了就发生相位模糊，估出来是错的。所以真实系统通常分两步，先用 CP 做粗估，再用专门的训练序列做精估。

补偿那行用的是exp(-1j*2*pi*freqOff*n)，符号不能反。反了会让频偏翻倍，星座图转得更快，看起来像「补偿没生效」。验证方法很简单：不加噪声不加信道，只人为注入一个已知频偏，跑完看残余相位是不是接近 0。

4.3 LS 与 MMSE 信道估计：一个除法和一个矩阵

最小二乘（LS）估计就是导频处的接收值除以导频符号，一句话能说完：

function Hest = est_channel(cfg, rxGrid, pilotPos) Hp = rxGrid(pilotPos, :) ./ repmat(cfg.pilotSym, 1, size(rxGrid,2)); % 频域线性插值到全部子载波 Hest = interp1(pilotPos, Hp, 1:cfg.Nfft, 'linear', 'extrap'); end

优点是简单、无偏，缺点是把噪声也一起除了进去。在深衰落子载波上Hp很小，噪声被放大，均衡之后误码集中爆发。MMSE 估计多用一个先验：信道的统计协方差。工程上常用简化版，按子载波做标量维纳滤波：

function Hest = est_channel_mmse(cfg, rxGrid, pilotPos, noiseVar) Hls = rxGrid(pilotPos,:) ./ repmat(cfg.pilotSym, 1, size(rxGrid,2)); % 标量 MMSE：H_mmse = R_hh / (R_hh + sigma2) * H_ls Rh = cfg.chanVar; % 信道先验方差 w = Rh / (Rh + noiseVar); % 收缩因子，0~1 之间 Hp = w * Hls; Hest = interp1(pilotPos, Hp, 1:cfg.Nfft, 'linear', 'extrap'); end

w这个收缩因子是关键：噪声大时它趋近 0，估计结果被压向均值，抑制了噪声放大；噪声小时它趋近 1，退化成 LS。cfg.chanVar要按实际信道功率填，填错会导致过度收缩或收缩不足，效果还不如纯 LS。

对应的均衡器也分两档。迫零（ZF）就是rxGrid ./ Hest，实现一行，但会放大噪声；MMSE 均衡多考虑噪声项：

% MMSE 均衡：H* / (|H|^2 + sigma2) eqGrid = conj(Hest) ./ (abs(Hest).^2 + noiseVar) .* rxGrid;

这里noiseVar用的是每子载波的噪声方差，跟前面加噪时算的一致。如果 SNR 设定变了但这里没跟着更新，MMSE 就退化成一个奇怪的加权，实测可能比 ZF 还差——这也是很多人在自己代码里「MMSE 反而不如 LS」的原因：参数没跟着 SNR 走。

4.4 误码率统计与星座图：让结果可解释

仿真最后要出两张图：BER 曲线和星座图。前者证明性能，后者证明链路健康。BER 曲线要注意两点，一是横轴到底是 Es/N0 还是 Eb/N0，两者差log2(M)倍；二是理论曲线要用对应口徑的公式，否则两条线放一起比毫无意义。

semilogy(cfg.SNRdB, ber_sim, 'o-', cfg.SNRdB, ber_theory, 'k--'); xlabel('E_b/N_0 (dB)'); ylabel('BER'); grid on; legend('仿真', '理论'); % 星座图：均衡后、判决前 scatterplot(eqSym(:)); title('均衡后星座图');

看星座图的诀窍：如果四个簇清晰但整体旋转了一个角度，是残余频偏没补干净；如果簇是云状扩散，是噪声或信道估计误差；如果簇被压扁成椭圆，多半是 IQ 不平衡或者某个子载波上的幅度没归一化。这几种形态对不上号的时候，基本可以确定问题出在链路而不是算法。

5. 避坑与排查：跑不出理论 BER 曲线的五个真实原因

5.1 高 SNR 处曲线出现地板效应

现象：BER 曲线在 10⁻² 到 10⁻³ 之间就不再下降，加多少功率都平着走。原因：CP 长度小于信道最大时延对应的样点数，符号间干扰和子载波间干扰形成了无法靠功率消除的误差底噪。解决：把Ncp提到max(pathDelay) + 余量，或者减少信道抽头数。改完先在无噪条件下对比txGrid和rxGrid，误差应该在 1e-10 以下。

5.2 星座图整体旋转、误码率异常高

现象：四个簇形状很干净，但整体转了个角度，而且每个符号转的角度还不一样。原因：频偏补偿的符号写反了，或者只做了粗估没做精估，残余频偏在多个符号上累积。解决：单独做一次「注入已知频偏—估计—补偿」的闭环测试，看残余相位是否接近 0。多符号累积的场景可以考虑加一个基于导频的相位跟踪（每符号估一次公共相位）。

5.3 换调制阶数后直接报维度错误

现象：M从 4 改成 16 之后，reshape报错或者解出来的比特数对不上。原因：比特流长度没有按log2(M)重新算，或者nSym取整后丢了一部分数据，收端却按全长解。解决：统一在发端截断到整数个符号，把实际发送的比特数作为输出返回，收端按这个长度比较。别用length(bits)硬算。

5.4 低 SNR 段仿真 BER 比理论值好 3dB

现象：曲线形状对，但整体左移，看起来算法「超越了理论」。原因：加噪时按发射功率算噪声方差，而信道有衰落导致接收功率变低，实际加进去的噪声偏少；或者qammod没开UnitAveragePower，符号平均功率不是 1。解决：噪声方差一律用mean(abs(rxWave).^2)动态计算，并在调制处显式打开单位功率开关。改完再跑一遍 AWGN，应该和理论曲线几乎重合。

5.5 高 SNR 点曲线断裂或直接为 0

现象：SNR 超过 15dB 后曲线出现断点，或者某些点直接掉到坐标轴外。原因：固定帧数仿真导致高 SNR 处一个错误都统计不到，ber = 0在对数坐标下画不出来。解决：改成「累计错误数达到阈值或帧数上限」的双条件循环，并在绘图前把 0 值替换成一个小于最小非零值的占位，比如ber(ber==0) = 1e-6，同时在图注里说明这是统计下限。

6. 二次开发：把这份仿真改成你自己的链路验证台

代码跑通之后，多数人真正的需求是往里塞自己的东西。下面三处是我改动最频繁、收益也最直接的地方。

6.1 把 LS 换成 MMSE，用同一份数据做 A/B

最省事的改造是保留est_channel.m的签名，内部换实现，然后在外层跑两遍：

cfg.estType = 'ls'; ber_ls = run_link(cfg); cfg.estType = 'mmse'; ber_mmse = run_link(cfg);

关键前提是两次跑用同一份随机种子，否则信道实现不同，对比没有意义。在main_ofdm.m开头加rng(cfg.seed)，seed写死一个常数（比如 2024），每次改参数都从同一颗种子出发，曲线差异才能归因到算法本身。

6.2 加一条 MIMO 支路的最小改动量

想扩到 2×2 空分复用，不必重写整条链路。把txGrid从N×nSym变成N×nSym×nTx，ofdm_channel.m里把conv换成矩阵乘，接收端每个天线各做一次 FFT 和信道估计，最后在均衡处换成 2×2 的矩阵求逆（ZF 或 MMSE 检测）。改动集中在三个函数，其余不动。

6.3 扫参数验证：先对齐理论，再上多径

改完任何一处，验证顺序别乱：第一步只跑 AWGN，BER 必须和理论曲线贴合在 0.5dB 以内；第二步加单径（时延为 0），结果应该和 AWGN 几乎一致，因为单径只是一个复系数；第三步再上多径，此时曲线相对 AWGN 会有几个 dB 的损失，损失大小取决于信道时延扩展和 CP 的比值。顺序反了，出了问题你根本不知道是算法错还是信道配错。

有个习惯我一直保留：每次动核心函数之前，先把当前版本的 BER 数据存成baseline.mat，改完直接max(abs(ber_new - ber_base))看一眼。有一次我把均衡器里的conj(Hest)漏了，曲线只差了一点点，肉眼几乎看不出来，是差值报出来的 0.03 提醒了我。从那以后我每次改完同步和均衡模块，都强制走一遍这个差值对比，宁可多花十分钟，也不想在错误的结果上继续往下叠功能。

这份 OFDM 仿真程序的完整脚本、参数配置和绘图工具都放在下载包里，拿到之后建议先按第 5 章的五个坑逐个自查一遍，再动手改自己的算法。希望帮到你。

本文还有配套的精品资源，点击获取