Simulink仿真QPSK通信系统：模块配置与误码率对比分析-平芜编程栈

简介：在数字通信与计算机仿真领域，信号调制方式和信道模型是构建系统性能评估的基础。QPSK作为一种经典的相位调制技术，凭借其频谱效率和实现简单的优势，广泛应用于卫星通信、无线局域网等场景。AWGN信道则作为最基础的噪声模型，能够纯粹地反映系统在加性噪声下的极限性能。理解两者的工作原理，是深入掌握现代通信系统仿真设计的关键前提。通过Simulink平台搭建QPSK与AWGN相结合的基带仿真链路，能够直观呈现信号从比特到符号、再到叠加噪声解调的完整过程，并借助误码率曲线验证理论公式。这种实践方法不仅适用于通信工程专业学生进行课程设计，也为工程师快速验证算法原型提供了高效路径。从概念、原理到具体模型配置，最终落实到仿真结果分析，系统性地建立对通信链路仿真的正确认知。做通信系统仿真的人，迟早都要碰一次QPSK。就算不是专门做通信的，只要用过Simulink，多半也在某个课程设计、毕业设计或者项目里见过QPSK调制、AWGN信道这几个模块。QPSK是数字调制里最经典的一种，AWGN又是最干净也最常用的信道模型，把这两样东西在Simulink里搭成一条完整的收发链路，是我认为学习通信仿真最好的入门方式。这篇文章就把这条链路从头到尾拆开讲一遍，包括模块怎么选、参数怎么填、误码率怎么算、理论和仿真怎么对上，以及我在实际调试中踩过的一些坑。适合刚接触Simulink的通信方向学生，也适合想把通信仿真流程快速跑通的工程师。

1. QPSK加AWGN仿真，到底在仿什么

1.1 为什么从QPSK和AWGN开始

很多人一上来就想着搞OFDM、搞MIMO，结果连最基本的调制解调链路都没跑通过，最后堆了一堆模块，报错都找不到地方。QPSK之所以经典，是因为它一个符号携带2个比特，本质上是两路正交的BPSK叠加，理解了一个，另一个就通了。而且QPSK的星座图只有4个点，看起来非常直观，频谱效率和性能之间的权衡也清晰。

AWGN信道则是通信仿真里最基础的信道模型。它做的事情其实很简单：在信号上叠加高斯白噪声，不引入多径、不引入衰落、不引入频偏，就纯粹告诉你一件事——在噪声限制下你的系统能做到什么程度。这也是为什么几乎所有通信系统的误码率性能曲线，第一张图都是AWGN下的BER曲线。

在Simulink里做这个仿真，真正的价值不在于“拖模块连线”本身，而在于你能把“比特流进调制器，变成符号，叠加噪声，判决恢复比特”这整条数据流真正打通。这个思维方式一旦建立，后面换16QAM、加编码、加滤波、加衰落信道，都是在这条链路上做增量修改，不会觉得无从下手。

1.2 链路里每个模块各司其职

一条最基本的QPSK加AWGN仿真链路，通常包含下面这些角色：

数据源：生成随机的0/1比特，或者直接生成0到3的整数符号。建议用整数符号生成器起步，后面会解释原因。
调制器：M-PSK Modulator Baseband模块，把符号映射到复平面上的星座点。QPSK就是M等于4的特例。
信道：AWGN Channel模块，按照设定的噪声功率在复信号上叠加高斯噪声。
解调器：M-PSK Demodulator Baseband模块，把接收到的带噪符号判决成原始比特或符号，和调制器参数必须一致。
误码率统计：Error Rate Calculation模块，比较发送端和接收端的序列，输出误码率、错误比特数和总比特数。
观察工具：Constellation Diagram Scope看星座图，Scope看波形，必要时用Display直接看数值。

你需要特别留意信号线里流的到底是什么。调制器出来的是复数基带信号，实部是I路，虚部是Q路；AWGN模块进出的也是复数信号；解调器根据输出类型配置，可能输出比特流，也可能输出整数符号流。很多人仿真结果对不上，问题就出在这个“信号类型”没跟对。

1.3 入门前需要搞清的几个基础概念

我见过太多人模块参数乱填，仿真跑出个结果也不知道对不对。这里快速过一遍四个必须明白的概念。

第一个是比特、符号和采样率的关系。QPSK每2个比特组成1个符号，在一个符号周期内发送。在Simulink的基带仿真里，如果调制器的Samples per symbol设置为1，那么每个仿真样本就对应一个符号，这个对应关系非常干净。如果你设置Samples per symbol大于1，就相当于过采样，每个符号对应多个样本，这时就要考虑脉冲成形，复杂度会明显上升。

第二个是Eb/No和SNR的区别。Eb/No是每个信息比特的能量和噪声功率谱密度的比值，SNR是信号功率和噪声功率的比值。两者之间差一个“每符号比特数”和可能的过采样倍数。做误码率性能分析，统一用Eb/No最方便，因为不同调制方式之间的性能对比有了公平的归一化基准。AWGN模块里可以直接选Eb/No模式，模块内部会帮你完成换算，这也是我推荐的方式。

第三个是复基带噪声的含义。AWGN在复基带等价模型里，是在实部和虚部分别加独立的高斯噪声。所以你在星座图上看到的散点不是乱糟糟的圆，而是每个星座点周围一圈近似圆形的高斯分布，这个直觉要建立起来。

第四个是理论误码率曲线的意义。理论公式是校验仿真模型的标尺，不是摆设。如果你的仿真结果和理论曲线差得远，先别急着怀疑理论，大概率是你的模型哪里搞错了。仿真和理论能对上，说明链路搭建正确，这是通信仿真里最重要的一次“校准”。

2. Simulink建模实操：六步搭出可跑链路

2.1 模块选型与信号类型选择

打开Simulink空白模型之前，我建议先把要用的模块在脑子里过一遍。这里给出我用的方案，所有模块都在Communications Toolbox和DSP System Toolbox里，是Simulink通信仿真最标准的一套。

Random Integer Generator：生成0到3的整数符号，位于Communications Toolbox的Sources库。
M-PSK Modulator Baseband：作为QPSK调制器使用，M设置为4，位于Modulation库。
AWGN Channel：位于Channels库。
M-PSK Demodulator Baseband：参数和调制器保持一致。
Integer to Bit Converter：把整数符号转换成比特，用于和接收端比特流做对比。
Error Rate Calculation：统计误码率。
Constellation Diagram Scope：观察星座图。

这里我故意不用Bernoulli Binary Generator直接产生比特接入调制器，而是用Random Integer Generator产生整数符号。原因很实际：QPSK调制器如果输入类型选Bit，它会把连续2个比特合成1个符号，这时调制器输出的采样时间会变化，很多初学者在这里直接蒙圈，仿真时间设置也跟着乱。用整数符号输入，一个样本就是一个符号，采样率关系一目了然，链路调试要轻松得多。

2.2 关键参数配置的推荐值

下面是每个模块的关键参数，我直接给出推荐配置和理由。

Random Integer Generator：

M-ary number填4，也就是输出0到3的整数。
Sample time填1，表示每个样本间隔1秒的仿真时间。
Samples per frame填1000，这样每帧输出1000个符号，基于帧的仿真效率明显高于样本级仿真。
建议勾选固定种子或设置一个固定的初始状态，这样每次仿真结果可复现，调试时非常有用。固定随机种子不会影响误码率曲线的正确性，但能让你在修改参数时清楚看到变化是哪里来的。

M-PSK Modulator Baseband：

M填4。
Phase offset填pi/4。QPSK的星座图放在45度角位置是教科书里最常见的画法，和默认的0度相位差相比只是整体旋转，性能没有区别，但看起来更标准。
Symbol mapping选Gray。格雷编码会让相邻星座点只差1个比特，这对误码率性能很重要。如果选了Binary映射，仿真出来的比特误码率会比格雷编码高，这是正常现象，不是模型错了。
Input type选Integer，对应前面的整数符号输入。
Samples per symbol填1。

AWGN Channel：

Mode选Signal to noise ratio (Eb/No)，这是做性能分析最标准的方式。
Eb/No (dB)这里先填一个变量，比如EbN0dB，方便后面脚本扫描。
Number of bits per symbol填2，QPSK就是2比特每符号。
Input signal power填1。M-PSK调制器输出的星座点模值为1，归一化后平均功率正好是1。如果你不确定信号功率，可以把调制器输出接一个Mean模块实测一下再填进去。

M-PSK Demodulator Baseband：

M、Phase offset、Symbol mapping、Samples per symbol全部和调制器保持一致。这个一致性是硬要求，相位不一致会导致星座图整体旋转，判决结果直接崩掉。
Output type选Bit，这样解调器输出的是比特流，方便看误码率。

Integer to Bit Converter：

Bits per integer填2。
这个模块放在发送端符号和Error Rate Calculation之间，把整数符号转换成比特，作为参考信号。

Error Rate Calculation：

Receive delay填0。这个链路里没有滤波器延迟，收发比特天然对齐，所以不需要加延迟。
输出端口选Output data，这样模块会输出误码率、错误数和总符号数三个值。

2.3 信号流与帧设置

整个模型的信号流是这样的：

Random Integer Generator输出1000乘1的整数符号帧，进QPSK调制器后变成1000乘1的复数符号帧，经过AWGN加噪后仍是1000乘1的复数帧，进解调器后因为Output type是Bit，输出变成2000乘1的比特帧。与此同时，发送端的整数符号经过Integer to Bit Converter，也变成2000乘1的比特帧。两条比特流一起进入Error Rate Calculation，完成对比。

我特别强调这个“2000比特每帧”的匹配关系。很多人在仿真时报错说输入信号长度不匹配，或者误码率异常，基本都是这个原因：解调器输出的比特率是符号率的两倍，但参考信号还停留在符号级。加了Integer to Bit Converter之后，两边就对齐了。

仿真时间的设置要结合帧结构算清楚。Random Integer Generator的Sample time是1，Samples per frame是1000，所以每一帧在仿真时间轴上占1000秒。如果你想跑50帧，也就是5万个符号、10万个比特，Stop time就设成50000。如果你不想每次手算，可以在MATLAB脚本里用变量控制。

2.4 在模型里加观察工具

模型跑通之后，别急着看数字，先把星座图挂上。

从调制器输出引一条分支到Constellation Diagram Scope，看到的是干净的四点星座。从AWGN输出引一条分支到另一个Constellation Diagram Scope，看到的是带噪声的散点图。噪声越大，散点越散，这个直观感受一定要有。

Scope看时间波形时要注意，复信号直接连Scope显示会让人困惑。建议用Demux或者只是看实部虚部分量，比如用Complex to Real-Imag模块把I/Q两路分开，再进Scope，看起来就正常了。如果只是想确认信号幅度，也可以看复信号的幅度和相位。

这里分享一个我在调试中的习惯：先把星座图打开，手动把Eb/No从0调到10，观察星座图从一团乱麻逐渐变成清晰四个点的过程。这一步做完，你对信噪比的认识会比读十页书都深刻。

3. 误码率仿真与理论曲线对比

3.1 理论BER公式和仿真结果的差异

QPSK在格雷编码下的比特误码率理论公式是：

BER = Q(sqrt(2 * Eb / N0))

其中Q是高斯Q函数，在MATLAB里对应qfunc函数。这个公式和BPSK的理论误码率一样，原因在于QPSK可以看成两路正交的BPSK，每路比特能量是总比特能量的一半，但两路噪声相互独立，综合下来的比特误码性能和BPSK完全一致。

跑仿真之前，先把理论曲线画出来放在心里。仿真结果不会和理论完全重合，因为蒙特卡洛仿真有统计波动。样本数越多，曲线越平滑，越贴近理论值。如果仿真结果整体高于理论值很多，说明模型有问题；如果只是在小范围内抖动，那是正常的统计涨落。

3.2 用脚本批量扫描Eb/No

手动在模块里改Eb/No效率太低，写个脚本循环跑是正经做法。前提是模型里的Eb/No参数填的是工作区变量名，比如EbN0dB。

把Error Rate Calculation输出的BER信号接到To Workspace模块上，变量名设为BER_out，保存格式选Array。然后在MATLAB里写这样的脚本：

% QPSK AWGN 仿真批量扫描脚本 EbN0dB_vec = 0:1:8; ber_sim = zeros(size(EbN0dB_vec)); % 每次仿真跑 200 帧，每帧 1000 个符号，共 20 万比特 modelName = 'qpsk_awgn_demo'; numFrames = 200; stopTime = 1000 * numFrames; set_param(modelName, 'StopTime', num2str(stopTime)); for k = 1:length(EbN0dB_vec) % 把当前 Eb/No 写入工作区，模型中的 AWGN 模块会直接引用 EbN0dB = EbN0dB_vec(k); assignin('base', 'EbN0dB', EbN0dB); % 运行仿真 simOut = sim(modelName); % 取最后一个统计值，BER_out 是 Error Rate Calculation 接到 To Workspace 的数据 ber_sim(k) = simOut.BER_out(end); end % 理论曲线 ber_theory = qfunc(sqrt(2 * 10.^(EbN0dB_vec / 10))); % 画图 figure; semilogy(EbN0dB_vec, ber_sim, 'o-', 'LineWidth', 1.5); hold on; semilogy(EbN0dB_vec, ber_theory, 'r-', 'LineWidth', 1.5); grid on; xlabel('Eb/No (dB)'); ylabel('Bit Error Rate'); legend('仿真结果', '理论曲线', 'Location', 'southwest'); title('QPSK 在 AWGN 信道下的误码率性能');

脚本的原理很简单：每循环一次，把EbN0dB这个变量更新到基础工作区，然后调用sim命令跑一次仿真。因为AWGN模块的Eb/No参数引用的是工作区变量，所以每次仿真都会用新的噪声功率。

我实际跑下来的经验是，0到8dB这个区间用20万比特足够了。8dB时理论误码率在2e-4左右，20万比特差不多能统计到40个错误比特，曲线还算平滑。如果继续增加到10dB，理论误码率降到3.9e-6，20万比特一个错误都可能没有，误码率变成0，在log图上就没法画了。这种时候要么增大仿真量，要么把扫描范围控制在合理区间。

3.3 用BERTool快速验证

除了自己写脚本，MATLAB还自带了bertool这个BER分析工具。在命令行输入bertool回车，会打开一个图形界面。里面除了能直接算各种调制方式的理论误码率，还能通过Monte Carlo模式驱动Simulink模型做仿真。

用bertool驱动Simulink模型时，需要设置模型名、Eb/No范围、每个点的比特数等参数。这个工具的好处是不用自己写循环，但配置过程有时候比写脚本还繁琐，尤其是模型里如果有自定义变量，对接起来要小心。我的建议是，如果是自己学习，优先用脚本方式，逻辑透明，出了问题也好排查。bertool更适合快速出对比图，或者演示环境下用。

3.4 结果怎么看

一组典型的结果大致是这样一个趋势：

Eb/No (dB)	理论BER	仿真BER（约）
0	7.9e-2	8.1e-2
2	3.7e-2	3.9e-2
4	1.2e-2	1.3e-2
6	2.4e-3	2.6e-3
8	1.9e-4	2.1e-4

看到这个表，你应该有信心：仿真和理论在这个区间内对得上，偏差在合理范围内。如果偏差超过30%甚至更多，别犹豫，回头检查模型。

有一点要提醒，低误码率情况下，比如低于1e-5，仿真会变得非常耗时。有一个工程师通用的经验法则：要得到一条置信度比较高的误码率点，至少要统计到100个错误比特。也就是说，目标误码率如果是1e-5，你至少要跑1e7个比特。这个时间成本要心里有数，不要傻傻跑个几万比特就抱怨曲线像锯齿。

4. 新手最容易踩的坑与排查思路

4.1 AWGN模块噪声不生效怎么办

有一种很尴尬的情况：模型跑完了，误码率显示0，星座图上四个点干净得像没加噪声一样。先用最简单的方式排查，把Eb/No临时改成0dB，看星座图是不是散开了。如果0dB下还是干干净净，说明噪声压根没进去。

大概率是AWGN模块的模式或者信号功率设置不对。比如选了Variance模式，方差填了0，那等于没加噪声。或者Eb/No模式下Input signal power填得过大，模块误以为信号功率特别高，算出来的噪声功率就特别小，在高信噪比下几乎看不出效果。

另一个常见坑是仿真时间太短，只跑了几十帧，而当前Eb/No又比较高，一个错误都没出现，误码率自然显示0。这种情况下不是噪声没生效，是统计量不够。

4.2 误码率接近0.5或者高得离谱

误码率接近0.5，通常意味着接收比特和发送比特完全没有对齐，或者是错误的比特比例接近随机猜测。最常见的两个原因：

第一个是Receive delay设错。Error Rate Calculation模块默认可能带了一个延迟值，如果你的链路实际上没有延迟，而Receive delay填了1或者更大，比较的比特就错位了，误码率直接飙升。这个链路里没有滤波器，Receive delay就应该填0。

第二个是解调器的Phase offset和调制器不一致。比如调制器相位是pi/4，解调器相位是0，星座图相当于旋转了45度，判决区域错位一片，误码率自然严重恶化。解决方法是把调制器和解调器的所有调制相关参数逐项对照，确保完全一致。

还有一个隐蔽的问题：Symbol mapping不统一。调制器选了Gray，解调器选了Binary，虽然相位一致，但比特映射关系是错的，误码率也会异常。

4.3 仿真跑得慢怎么办

很多人第一次跑仿真，设了一个Sample time等于0.001，Samples per frame等于100000，Stop time等于1000，结果等到天荒地老。这里有两个思维误区。

第一个是离散系统仿真时间不等于真实计算时间。仿真跑多久取决于样本数量、帧数、求解器类型，而不是Stop time的数字大小。样本总数量等于仿真时间除以采样间隔，如果采样间隔太小，样本数就会爆炸。

第二个是求解器没选对。Simulink默认可能是变步长连续求解器，你一个纯离散系统完全没必要用连续求解器。在配置参数里把求解器类型改成Fixed-step，求解器改成discrete，仿真速度会有明显提升。

如果帧基于帧的模型已经用了，还是嫌慢，可以在仿真时选择Accelerator加速模式，跑起来会快不少。批量扫描的时候也可以用parfor并行循环，多核处理器直接起飞。

4.4 常见问题速查表

现象	可能原因	处理方式
误码率显示0	噪声没生效或统计量不足	临时调低Eb/No确认星座图，增大帧数
误码率接近0.5	收发未对齐或参数不一致	检查Receive delay，对照调制解调参数
星座图散成一片	Eb/No过低或信号功率填错	提高Eb/No，检查Input signal power
BER曲线像锯齿	每个点的仿真比特数不足	保证至少统计到几十到100个错误比特
Scope波形全是毛刺	直接看了复信号	拆分I/Q分量，或改用Constellation Diagram
仿真很慢	采样间隔太小或求解器不合适	用基于帧仿真，固定步长discrete求解器，开加速

5. 从Demo到验证平台：扩展方向与工程化

5.1 把模型参数化，变成可复用的验证平台

做到这里，这个模型已经不是一个小demo了，而是一个可以反复使用的通信仿真底座。我建议你花一点时间把所有关键参数抽成变量：EbN0dB、M、FrameLen、NumFrames、SymbolMapping。把这些变量统一放在一个初始化脚本里，每次仿真前跑一下脚本，模型里的参数全部自动更新。

这样做的好处非常明显。想换一种调制方式，改一个M值就能跑；想扫描更高信噪比，改NumFrames就能增加统计量；想对比不同映射方式，把SymbolMapping从Gray改成Binary，再跑一遍脚本，两条曲线一画，格雷编码的优势一目了然。这种参数化习惯，是从“跑通模型”到“做实验”的关键一步。

5.2 从QPSK扩展到其他调制和信道

把QPSK跑通之后，扩展方向实在太顺了：

换16QAM：把调制器和解调器换成Rectangular QAM Modulator/Demodulator Baseband，M设16，AWGN的每符号比特数改成4。理论公式需要换成16QAM的误码率近似式，但仿真流程完全一致。
加脉冲成形：在调制器后面接Raised Cosine Transmit Filter，接收端接匹配滤波器。这时Samples per symbol大于1，AWGN模块的符号周期和输入信号功率都要重新核算，Error Rate Calculation的Receive delay要设为滤波器的群延迟。这一块是很多通信系统仿真实战的标配。
加衰落信道：把AWGN Channel替换或者串联一个Multipath Rayleigh Fading Channel，你会发现误码率曲线明显恶化，这是因为引入了多径衰落。这个模型和真实无线环境更接近，研究价值也更高。