MATLAB仿真详解：从零构建QPSK链路并分析关键性能指标-平芜编程栈

1. QPSK通信链路仿真基础

QPSK（正交相移键控）是现代通信系统中最常用的数字调制技术之一。它通过载波的四种不同相位状态来传输信息，每个符号可以携带2比特数据，相比BPSK具有更高的频谱效率。在MATLAB中构建完整的QPSK仿真链路，需要理解以下几个核心概念：

基本工作原理：QPSK将输入比特流分为I路（同相）和Q路（正交）两路信号，分别用余弦和正弦载波调制。四种相位状态（通常为45°、135°、225°、315°）对应四种双比特组合（00,01,10,11）。这种正交调制方式使得频谱利用率提高了一倍。

关键参数设计：

符号速率（Symbol Rate）：决定系统传输速度的基础参数
滚降系数（Rolloff Factor）：影响成型滤波器的频域特性，典型值0.35
过采样率（Oversampling）：影响时域波形精度，建议8-16倍
载波频率（Carrier Frequency）：需满足奈奎斯特采样定理

MATLAB实现优势：通过内置的通信工具箱函数（如rcosdesign、qammod等），可以快速构建系统模型。但为了深入理解原理，建议从底层编码实现各模块。

2. 从零构建QPSK发射机

2.1 数据生成与串并转换

% 生成随机二进制数据 numBits = 1e4; % 总比特数 dataBits = randi([0 1], 1, numBits); % 串并转换：奇数位为I路，偶数位为Q路 I_bits = dataBits(1:2:end); % 同相支路 Q_bits = dataBits(2:2:end); % 正交支路

这个过程将原始比特流分离为两路独立信号，速率降为原来的一半。实际工程中需要考虑数据对齐问题，当总比特数为奇数时需要补零。

2.2 基带成型滤波

成型滤波（通常使用根升余弦滤波器）有两个关键作用：

限制信号带宽，避免相邻信道干扰
消除码间串扰（ISI）

% 根升余弦滤波器参数 sps = 8; % 每符号采样点数 rolloff = 0.35; % 滚降系数 span = 6; % 滤波器跨度（符号数） % 创建滤波器系数 rrcFilter = rcosdesign(rolloff, span, sps, 'sqrt'); % 对I/Q两路信号进行滤波 I_filtered = upfirdn(2*I_bits-1, rrcFilter, sps); Q_filtered = upfirdn(2*Q_bits-1, rrcFilter, sps);

注意将二进制信号转换为双极性信号（±1），成型滤波后的信号时域波形会变得平滑，但会引入一定的时延（通常为滤波器跨度的一半）。

2.3 载波调制实现

% 载波参数设置 fc = 1e6; % 载波频率1MHz fs = sps*fc/2; % 采样频率 t = (0:length(I_filtered)-1)/fs; % 时间向量 % 正交调制 carrier_I = cos(2*pi*fc*t); carrier_Q = -sin(2*pi*fc*t); % 注意负号保持正交性 modSignal = I_filtered.*carrier_I + Q_filtered.*carrier_Q;

调制后的信号频谱会以载波频率为中心对称分布。在实际仿真中，载波频率不宜设置过高（相对于采样频率），否则会大幅增加计算量。

3. 信道建模与接收机设计

3.1 AWGN信道建模

加性高斯白噪声（AWGN）是最基础的信道模型：

EbN0_dB = 10; % 信噪比设置 snr = EbN0_dB + 10*log10(2) - 10*log10(sps); noisySignal = awgn(modSignal, snr, 'measured');

这里需要注意Eb/N0与SNR的转换关系，其中系数2来自QPSK每个符号携带2比特信息，sps项考虑过采样带来的能量分散。

3.2 相干解调过程

解调需要完成载波同步、下变频和匹配滤波：

% 下变频 demod_I = noisySignal .* (2*carrier_I'); % 乘以2补偿能量 demod_Q = noisySignal .* (2*carrier_Q'); % 匹配滤波（使用相同的RRC滤波器） I_matched = filter(rrcFilter, 1, demod_I); Q_matched = filter(rrcFilter, 1, demod_Q);

实际系统中载波同步是难点，这里假设收发端载波完全同步的理想情况。匹配滤波器的群时延需要补偿，通常截取中间有效数据段。

3.3 定时同步与抽样判决

% 寻找最佳采样点 delay = span*sps/2; % 滤波器群时延 sampleOffset = 4; % 需要优化的参数 decisionPoints = delay+sampleOffset:sps:length(I_matched)-delay; % 抽样判决 I_samples = I_matched(decisionPoints); Q_samples = Q_matched(decisionPoints); decoded_I = I_samples > 0; decoded_Q = Q_samples > 0;

定时误差会导致性能恶化，实际工程中需要采用Gardner等算法实现符号定时恢复。判决阈值设为0对应双极性信号的最佳判决点。

4. 性能评估与可视化分析

4.1 星座图与眼图分析

% 绘制星座图 scatterplot(I_samples + 1i*Q_samples); title('接收信号星座图'); % 绘制眼图 eyediagram(I_matched(delay:end-delay), 2*sps); title('I路信号眼图');

星座图的聚集程度直观反映系统性能，在低信噪比下会出现扩散现象。眼图的张开度反映码间干扰大小，最佳采样时刻应在"眼睛"张开最大处。

4.2 误码率计算与理论对比

% 重组比特流 rxBits = zeros(1, numBits); rxBits(1:2:end) = decoded_I(1:length(I_bits)); rxBits(2:2:end) = decoded_Q(1:length(Q_bits)); % 计算误码率 [ber, numErrors] = biterr(dataBits(1:length(rxBits)), rxBits); fprintf('实测误码率: %.2e, 错误比特数: %d\n', ber, numErrors); % 理论误码率曲线 theoryBER = berawgn(EbN0_dB, 'psk', 4, 'nondiff'); semilogy(EbN0_dB, theoryBER, 'r--');

QPSK的理论误码率公式为： $$ P_b \approx Q\left(\sqrt{\frac{2E_b}{N_0}}\right) $$ 其中$Q(x)$是Q函数。仿真结果应与该理论曲线趋势一致，但在低信噪比下可能因同步误差出现偏差。