简介：这份资源面向通信工程、电子信息类专业学生及数字通信系统设计入门者，提供基于MATLAB Simulink搭建数字通信链路的完整仿真工程，重点覆盖QPSK与16QAM两种调制模式下的链路计算与性能评估。压缩包共46个文件，约541KB，以slx与slxc模型文件为核心，辅以mat数据文件、xml配置、r2017b版本备份及ReadMe说明，分别用于存放仿真模型、运行结果、参数配置与版本兼容信息。资源围绕信号产生、调制、AWGN与衰落信道模拟、解调及误码率统计展开，可观察星座图、BER曲线与功率分配对链路性能的影响，帮助读者理解不同调制方式在频谱效率与抗噪能力上的权衡。目前已有277人学习下载，适合作为课程设计、毕业设计或自学数字通信仿真的参考范例，便于快速复现并在此基础上调整参数、扩展均衡与编码模块。

1. 从一次星座图糊成一片说起：Simulink 数字通信链路仿真到底在算什么

QPSK 和 16QAM 的误码率曲线，很多人第一次在 Simulink 里跑出来的结果和理论值差得离谱——不是差零点几 dB，是差十几 dB，星座图糊成一团，眼图完全闭合。问题往往不在调制解调本身，而在链路里某个环节的采样率、帧同步或者信道模型参数没对齐。数字通信链路仿真这件事，核心就是用 Simulink 把「信源→编码→调制→信道→解调→译码→误码统计」这条链路搭起来，让 QPSK 和 16QAM 两种调制方式在同一套框架下跑通，并且能对着理论误码率曲线验证自己的模型对不对。适合正在做通信系统课程设计、毕业设计，或者需要快速验证某个接收算法在链路级别是否可行的工程师。这篇笔记按「先跑通 QPSK 最小链路→再扩到 16QAM→再对参数和坑」的顺序展开，每一步都给可复现的配置和代码。

2. QPSK 最小链路：从随机比特到误码率曲线的完整搭建

2.1 为什么先用 QPSK 而不是直接上 16QAM

QPSK 每个符号携带 2 bit，星座点只有 4 个，在 Simulink 里调试时星座图容易看、判决边界清晰，出了问题容易定位是同步问题还是信道问题。16QAM 有 16 个星座点，幅度和相位都在变，一旦链路某个环节有归一化错误，星座图会先「散开」再「旋转」，排查难度成倍上升。常见做法是先用 QPSK 把链路骨架跑通，确认误码率在 AWGN 信道下和理论值吻合，再把调制模块换成 16QAM，其余模块不动。这样做的另一个好处是：QPSK 的符号能量归一化因子是 1，16QAM 是 1/√10，如果一开始就上 16QAM，很容易把归一化错误误判成信道噪声问题。

2.2 搭建 QPSK 链路的核心模块与参数

在 Simulink 里新建一个模型，需要的模块清单如下：

采样率设置有一个容易翻车的地方：Bernoulli 源的 Sample time 和 QPSK 调制器的 Symbol period 必须满足符号周期 = 每符号比特数 × 比特周期。QPSK 每符号 2 bit，如果比特周期是 1/1000，符号周期应该是 2/1000。很多人直接把两个都设成 1/1000，结果每个符号只进了 1 bit，星座图直接乱掉。

2.3 用 MATLAB 脚本批量跑 Eb/No 并对比理论误码率

Simulink 模型搭好后，用脚本控制仿真循环比手动改参数高效得多。下面这段代码把 Eb/No 从 0 扫到 10 dB，每个点跑一次仿真，收集误码率并和 QPSK 理论值对比：

% QPSK_AWGN_Sweep.m % 批量扫描 Eb/No，收集 Simulink 误码率并与理论值对比 modelName = 'qpsk_link'; load_system(modelName); EbNoVec = 0:1:10; % Eb/No 扫描范围，单位 dB berSim = zeros(size(EbNoVec)); % 存放仿真误码率 berTheory = berawgn(EbNoVec, 'psk', 4, 'nondiff'); % QPSK 理论误码率 for k = 1:length(EbNoVec) % 设置 AWGN 模块的 Eb/No 值 set_param([modelName '/AWGN Channel'], 'EbNo', num2str(EbNoVec(k))); % 设置误码统计的停止条件：至少 100 个错误或 1e6 个比特 set_param([modelName '/Error Rate Calculation'], ... 'StopMode', 'Either', 'MaxErrors', '100', 'MaxBits', '1e6'); simOut = sim(modelName, 'ReturnWorkspaceOutputs', 'on'); % 从仿真输出中提取误码率 berSim(k) = simOut.get('berOut'); fprintf('Eb/No = %d dB, BER = %.2e\n', EbNoVec(k), berSim(k)); end % 绘制对比曲线 semilogy(EbNoVec, berTheory, 'k-', EbNoVec, berSim, 'ro'); xlabel('Eb/No (dB)'); ylabel('BER'); legend('理论值', 'Simulink 仿真值'); grid on;

这段代码的逻辑是：每次循环只改 AWGN 模块的 EbNo 参数，其余模块不动，保证对比条件一致。berawgn是 MATLAB 自带的解析误码率函数，QPSK 在 AWGN 下的理论误码率是Q(sqrt(2*Eb/No))，可以直接拿来当基准。参数说明：MaxErrors设为 100 是折中——设太小统计涨落大，设太大高 Eb/No 点跑得慢；MaxBits设 1e6 是防止低 Eb/No 时错误太多跑不完。如果仿真曲线在低 Eb/No 段和理论值差很多，先检查 AWGN 模块的 Symbol period 是否和调制器一致，这是最常见的翻车点。

3. 扩到 16QAM：归一化、判决门限和 Gray 映射的三个关键改动

3.1 16QAM 的符号能量归一化为什么必须手动确认

16QAM 星座点的平均能量不是 1，而是 10（按 I/Q 各取 ±1、±3 的矩形星座）。Simulink 的 Rectangular QAM Modulator Baseband 默认会做归一化，但归一化方式取决于你选的 Constellation ordering 和 Average power 参数。如果 AWGN 模块的 Eb/No 计算里用的符号能量和调制器实际输出的符号能量不一致，误码率曲线会整体平移。常见做法是在调制器后接一个「Signal Power」测量，确认平均功率确实是 1，再让 AWGN 模块按 Eb/No 模式工作。具体操作：在调制器输出加一个Simulink / Sinks / Display连到Comm Sinks / Signal Power模块，跑一次仿真看数值。如果显示不是 1，检查调制器的Average power参数是否设为 1，以及Normalization method是否选了Average Power。

3.2 判决门限和 Gray 映射的配置差异

16QAM 的硬判决门限和 QPSK 完全不同。QPSK 只需要在 I/Q 两个轴上各判一次正负，16QAM 每个轴上有 4 个电平，需要 3 个门限。Simulink 的 Rectangular QAM Demodulator Baseband 会自动处理门限，但前提是调制器和解调器的 Constellation ordering 必须一致。如果调制器用 Binary，解调器用 Gray，星座点映射关系错位，误码率会高得离谱。Gray 映射的好处是相邻星座点只差 1 bit，在相同信噪比下误码率更低。配置时注意：调制器和解调器的Constellation ordering都选Gray，Normalization method都选Average Power，Average power都设 1。这三个参数只要有一个不一致，星座图就会显示为「旋转+散开」的混合形态，很难一眼看出是映射问题。

3.3 用同一套脚本框架跑 16QAM 并叠加两条理论曲线

把第 2 章的脚本改一下调制方式，就能同时跑 QPSK 和 16QAM 的对比：

% 16QAM_AWGN_Sweep.m % 在同一个 Eb/No 扫描下对比 QPSK 和 16QAM EbNoVec = 0:1:14; berQPSK = zeros(size(EbNoVec)); ber16QAM = zeros(size(EbNoVec)); % 理论值：QPSK 和 16QAM 在 AWGN 下的误码率 berQPSK_theory = berawgn(EbNoVec, 'psk', 4, 'nondiff'); ber16QAM_theory = berawgn(EbNoVec, 'qam', 16); for k = 1:length(EbNoVec) % 跑 QPSK 模型 set_param('qpsk_link/AWGN Channel', 'EbNo', num2str(EbNoVec(k))); simOutQ = sim('qpsk_link', 'ReturnWorkspaceOutputs', 'on'); berQPSK(k) = simOutQ.get('berOut'); % 跑 16QAM 模型 set_param('qam16_link/AWGN Channel', 'EbNo', num2str(EbNoVec(k))); simOut16 = sim('qam16_link', 'ReturnWorkspaceOutputs', 'on'); ber16QAM(k) = simOut16.get('berOut'); fprintf('Eb/No=%d dB: QPSK=%.2e, 16QAM=%.2e\n', ... EbNoVec(k), berQPSK(k), ber16QAM(k)); end semilogy(EbNoVec, berQPSK_theory, 'b-', EbNoVec, berQPSK, 'bo', ... EbNoVec, ber16QAM_theory, 'r-', EbNoVec, ber16QAM, 'r^'); xlabel('Eb/No (dB)'); ylabel('BER'); legend('QPSK 理论', 'QPSK 仿真', '16QAM 理论', '16QAM 仿真'); grid on;

这段代码的关键点是两个模型共用同一个 Eb/No 扫描向量，保证对比公平。berawgn对 16QAM 的理论计算用的是近似公式，在低 Eb/No 段和高 Eb/No 段都有一定偏差，所以仿真曲线和理论曲线在两端不重合是正常的，中间段吻合即可。如果 16QAM 仿真曲线整体比理论值差 3 dB 以上，优先检查归一化因子——把调制器输出接 Signal Power 模块确认平均功率是否为 1，这是血泪经验里出现频率最高的坑。

4. 避坑与排查：链路仿真里最容易翻车的五个地方

4.1 采样率和符号周期不匹配导致星座图散开

现象：星座图上的点不是四个清晰的簇，而是沿某个方向拉长或整体旋转。原因：Bernoulli 源的 Sample time 和调制器的 Symbol period 不满足整数倍关系，导致每个符号吃进的比特数不对。解决：在模型里加一个Rate Transition模块，或者直接把 Bernoulli 源的 Sample time 设为符号周期除以每符号比特数。QPSK 是符号周期/2，16QAM 是符号周期/4。

4.2 AWGN 模块的 Eb/No 模式和 SNR 模式混用

现象：误码率曲线形状对，但整体平移了某个固定 dB 值。原因：AWGN 模块设成了 SNR 模式，但脚本里按 Eb/No 在扫，两者差一个10*log10(每符号比特数)的因子。解决：统一用 Eb/No 模式，并且在 AWGN 模块里正确设置Symbol period和Bits per symbol。QPSK 填 2，16QAM 填 4。

4.3 误码统计的 Receive delay 没设对

现象：误码率始终在 0.5 附近，完全不随 Eb/No 下降。原因：Error Rate Calculation 模块的 Receive delay 默认是 0，但链路里如果有滤波器或延迟模块，接收端和发送端的比特流没有对齐。解决：在 Error Rate Calculation 里把 Receive delay 设为链路总延迟的符号数。简单做法是先跑一次仿真，用Find Delay模块测出延迟，再填进去。

4.4 16QAM 解调器 Constellation ordering 和调制器不一致

现象：星座图显示为 16 个点但位置全部错位，误码率比理论值高 6 dB 以上。原因：调制器用 Binary，解调器用 Gray，或者反过来。解决：两端都设成 Gray，并且检查Average power和Normalization method是否一致。这个坑的隐蔽性在于星座图看起来「有 16 个点」，不仔细对比位置很难发现。

4.5 仿真停止条件设得太松导致高 Eb/No 点统计不可信

现象：高 Eb/No 段误码率曲线抖动很大，甚至出现误码率为 0 的点。原因：MaxErrors 设得太小（比如 10），或者 MaxBits 不够大，统计样本不足。解决：MaxErrors 至少设 100，MaxBits 至少设 1e6。如果跑一次要等太久，可以先用 MaxErrors=100 跑一遍看趋势，确认趋势对了再加大样本量跑最终曲线。

5. 进阶技巧：用 Simulink 外部模式加速参数扫描和验证

5.1 外部模式为什么比普通仿真更适合扫参数

普通仿真每次改参数都要重新编译模型，扫 15 个 Eb/No 点就要编译 15 次，时间全花在编译上。Simulink 外部模式（External Mode）允许在仿真运行过程中通过 MATLAB 脚本实时改参数，不需要重新编译。具体操作：在模型配置里把Simulation Target的Code Generation打开，选择External Mode，然后在脚本里用set_param改参数后直接sim即可。这个技巧在扫 16QAM 的 Eb/No 曲线时特别有用，因为 16QAM 模型比 QPSK 复杂，编译时间更长。

5.2 用 MATLAB 脚本自动生成误码率对比报告

跑完 QPSK 和 16QAM 的扫描后，可以用脚本自动生成一张对比图和一个简单的文本报告：

% 自动生成对比报告 figure; semilogy(EbNoVec, berQPSK_theory, 'b-', 'LineWidth', 1.5); hold on; semilogy(EbNoVec, berQPSK, 'bo', 'MarkerSize', 8); semilogy(EbNoVec, ber16QAM_theory, 'r-', 'LineWidth', 1.5); semilogy(EbNoVec, ber16QAM, 'r^', 'MarkerSize', 8); xlabel('Eb/No (dB)'); ylabel('BER'); title('QPSK vs 16QAM 在 AWGN 信道下的误码率对比'); legend('QPSK 理论', 'QPSK 仿真', '16QAM 理论', '16QAM 仿真', ... 'Location', 'southwest'); grid on; hold off; saveas(gcf, 'ber_comparison.png'); % 输出文本报告 fid = fopen('ber_report.txt', 'w'); fprintf(fid, 'Eb/No(dB)\tQPSK_Sim\tQPSK_Theory\t16QAM_Sim\t16QAM_Theory\n'); for k = 1:length(EbNoVec) fprintf(fid, '%d\t%.4e\t%.4e\t%.4e\t%.4e\n', EbNoVec(k), ... berQPSK(k), berQPSK_theory(k), ber16QAM(k), ber16QAM_theory(k)); end fclose(fid);

这段代码把仿真结果和理论值写进一个制表符分隔的文本文件，方便后续用 Excel 或 Python 做进一步分析。saveas保存的图片可以直接放进报告里。参数说明：MarkerSize设 8 是为了在论文或报告里打印出来看得清；Location设southwest是因为误码率曲线通常从左上往右下走，图例放左下角不挡曲线。

5.3 一个我踩过的坑：外部模式下的参数类型必须匹配

用外部模式改参数时，set_param的数值必须和模块参数的数据类型一致。比如 AWGN 模块的 EbNo 参数是字符串类型，必须用num2str转成字符串再传，直接传数字会报错。这个坑我踩过两次，第一次以为是外部模式没配置好，查了半天才发现是参数类型问题。后来养成习惯：每次set_param之前先用get_param看一下当前参数的类型，确认一致再改。另外，外部模式下仿真速度受串口或 TCP 连接带宽限制，如果模型里有大量示波器或频谱仪模块在实时刷新，仿真会变慢，建议在扫参数时关掉这些可视化模块，只保留误码统计。

希望帮到你。

本文还有配套的精品资源，点击获取