简介：本资源是一份面向通信工程专业本科生、研究生及无线通信方向初学者的GMSK调制技术实践教学材料，聚焦数字调制原理理解与MATLAB仿真能力培养。资源包含1份详实的GMSK仿真报告（.docx）和1个可直接运行的MATLAB主程序（.m），共2个文件，总大小仅196KB，轻量易用。报告系统梳理GMSK调制原理、高斯滤波器设计、连续相位调制机制及AWGN信道下误码率性能分析方法；MATLAB程序完整实现二进制序列生成、高斯预滤波、GMSK调制/解调、信道建模与BER计算全流程，并附关键注释便于理解算法逻辑与函数调用。已有895人学习下载，适合用于课程设计、通信原理实验复现或毕业设计前期验证，帮助读者将抽象理论转化为可调试、可评估的工程代码，切实提升信号处理与通信系统建模仿真能力。 前阵子做无线通信链路层的MATLAB仿真，把GMSK从原理到代码完整跑了一遍。GMSK，高斯最小频移键控，这个调制方式在GSM蜂窝、蓝牙LE等系统里用了很多年，教科书上流程图讲得头头是道，但真要自己把信号生成、加噪、差分解调、误码率统计整条链路串起来，还是有很多细节需要亲自动手验证。这篇博客相当于我的仿真报告，把发射端、接收端、结果分析和踩坑经历都整理出来，完整程序的关键代码会嵌在对应的章节里，想复现的可以直接对着敲。
这篇文章适合两类人：一是通信相关课程要做GMSK仿真大作业的同学，二是做无线链路预算、对调制模块做FPGA/DSP验证的工程师。我会尽量把每一步“为什么这么写”讲清楚，而不是丢一段黑盒代码。
1. GMSK的调制原理：从相位连续的MSK到高斯成形
1.1 为什么相位连续能省频谱
GMSK本质上是一种特殊形式的FSK，最直接的家族源头是MSK（最小频移键控）。MSK把频移控制在恰好等于符号速率四分之一的水平，即调制指数h=0.5。这样设置的好处是：两个频率之间的相位是连续变化的，信号在符号切换瞬间不会产生相位突变，频谱旁瓣比普通FSK低很多，带外辐射明显减小。
我一开始想着绕开原理直接写代码，结果生成的信号相位轨迹到处都是毛刺，后来才反应过来问题出在“相位连续”这四个字上。MSK/GMSK不是像BFSK那样直接根据0/1切换两个正弦频率，而是把信息比特转换成瞬时频率偏移，再对频率做积分得到相位。相位是连续的，频率才是跳变的。这就是为什么仿真GMSK的关键在于正确实现“频率→相位”的积分关系，而不是简单生成两段不同频率的波形。
通信系统对频谱占用敏感的场景，比如窄带蜂窝和蓝牙，都特别看重MSK这个相位连续特性。但MSK存在另一个问题：频率是矩形切换的，频谱瓣仍然偏宽。于是GMSK在此基础上给频率信号加了一个高斯低通滤波器，让频率瞬时变化不再那么剧烈，进一步压缩频谱。代价是引入了符号间干扰（ISI），检测难度变高。这一加一减，就是GMSK整个设计哲学的核心。
1.2 BT值：频率成形和检测难度的平衡杆
高斯滤波器的带宽通常用BT乘积来定义，B是滤波器3dB带宽，T是符号周期。BT值越小，滤波器越窄，频率切换越平滑，频谱越紧凑；但对应的ISI也越严重，接收端正确判决越难。GSM选用BT=0.3，蓝牙的GFSK选BT=0.5，都是工程上的折中。
我的仿真里把BT做成可调参数，跑对比时特别有感触。BT=0.5时波形和MSK已经比较接近，差分解调很好判决；BT=0.3时频谱确实收窄了接近1/3，但误码率在同样信噪比下明显抬升。这个trade-off用仿真看，比读十页教材都直观。后面分析结果时我会给出具体的频谱对比图。
2. 仿真参数与发射端MATLAB实现
2.1 先把参数定清楚：符号速率、过采样率和符号数
动手写代码之前，首要任务是定仿真基线。我用的是一组容易观察又不吃内存的参数：
- 符号速率
Rb = 1e3，即1kbps，方便换算时间轴； - 采样率
fs = 16e3，每个符号16个采样点，画眼图和波形都够细腻； - 仿真符号数
nsymbols = 4000，保证BER统计在10⁻³量级时不太抖； - 高斯滤波器BT取0.3，作为默认配置，对比时再切到0.5。
这里有个容易被忽略的点：过采样率决定了相位累加的步进精度。每个符号只有4个采样点时，相位增量每次变化比较大，波形看起来是折线，频谱会带出额外的高次分量。16倍过采样在MATLAB里完全跑得动，但如果你仿真大量符号，可以考虑降到8，结果差别不大。原则是把GMSK的连续相位特性体现出来，又不要让矩阵占用失控。
随机数种子我固定成rng(2024)，这样每次复现结果一致，汇报数据时也站得住脚——仿真报告最怕别人跑出来跟你的数对不上。
2.2 差分预编码与高斯滤波器：代码里的核心细节
GMSK发射端通常要做差分预编码。原因是接收端采用差分解调时，还原出来的信息是相邻符号的相位变化量，如果不做预编码，原始信息会被“编码”进差分过程里，需要用差分译码才能还原。GSM里的差分编码规则是：
% 差分预编码 diffBits(1) = data(1); for k = 2:nsymbols diffBits(k) = xor(data(k), diffBits(k-1)); end % 映射成NRZ电平，0->-1，1->+1 nrz = 2 * diffBits - 1;这里要提醒一下：很多教材里差分编码公式写法不一，但本质都是“当前信息比特异或上一时刻差分比特”。你做解调时，译码规则必须和编码规则严格互逆，否则误码率直接到0.5，排查时还死活找不到原因。所以我习惯在代码里把编码器和解码器写成一个对称的注释块，一眼能看出互逆关系。
接下来是高斯滤波器。连续域的高斯冲激响应表达式是：
h(t) = sqrt(pi/ln2) * B * exp(-pi² * B² * t² / ln2)其中B是3dB带宽，等于BT*Rb。离散实现时，我把它截断到±3Tb的范围，然后对系数做归一化。这一步的归一化极其关键，因为这个滤波器后面要作用在频率上，它的直流增益必须是1，才能保证每个符号最大相位变化恰好是π/2，也就是调制指数正好0.5。如果忘了sum(hf)归一化，你的GMSK就变成“非标准GMSK”了，频谱、误码全部跑偏。
% 高斯滤波器设计 B3dB = BT * Rb; sigma = sqrt(log(2)) / (2 * pi * B3dB); tg = -3 * Tb : 1/fs : 3 * Tb; hf = sqrt(pi) / sigma * exp(-tg.^2 / sigma^2); hf = hf / sum(hf); % 直流增益归一化，保证调制指数精确为0.5然后用conv对NRZ上采样序列做卷积，得到平滑后的瞬时频率信号freqSignal。这里用的是same卷积，它把滤波器中心对准数据点，没有额外的群延迟，省去了对齐麻烦。代价是序列首尾各约3个符号会受到边界效应污染，我在后面统计误码时会先丢掉这些符号，这里先埋个伏笔。
2.3 相位累加得到I/Q基带信号
得到高斯平滑后的频率信号后，核心就是相位积分。GMSK的调制指数h=0.5，意味着每个符号周期内，信息比特为1时相位正向增加π/2，为0时反向减少π/2。但由于高斯滤波的平滑，这个相位变化被摊开在几个符号周期上。
离散实现其实很简单，每个采样点的相位增量是：
phaseInc = freqSignal * (pi / 2) / sps; phase = cumsum(phaseInc); s_tx = cos(phase) + 1j * sin(phase);注意频率信号freqSignal的量纲。freqSignal来自归一化后的NRZ经过DC增益为1的滤波器，它的幅值范围在-1到1之间。把它乘以pi/2再除以sps，相当于把“每个符号最多π/2的相位变化”均摊到该符号的16个采样点上，最后用cumsum做累积积分。如果这里你写成了phaseInc = freqSignal * pi / sps而漏掉了除2，调制指数就变成1，信号就不再是MSK族了，频谱和误码率会差得非常离谱。
到这一步，发射端的复基带信号s_tx就出来了。它是一条单位圆上的连续相位轨迹，I路是cos部分，Q路是sin部分。你也可以把它上变频到某个载波上观察带通波形，但分析误码率和频谱时，复基带是更方便的表示，因为等效基带模型是通信仿真的标准做法。
3. AWGN信道与差分解调接收机程序
3.1 Eb/N0设置与复基带加噪的正确写法
加噪这步看着简单，却是仿真报告里出错率最高的地方。很多人直接写rx = s_tx + sqrt(N0/2) * randn(...)，然后BER曲线怎么都对不上。问题在于：复基带信号每个采样点的噪声方差，应该是N0 * fs，而不是N0。原因很简单，采样率是fs时，每个采样点带宽对应的噪声能量是N0乘上等效带宽，从功率谱密度换算过来就是这个关系。
我习惯先算发送信号每个符号的能量：
Ps = mean(abs(s_tx).^2); % 平均功率 Es = Ps * Tb; % 每符号能量，二进制下等于Eb然后在Eb/N0循环里：
EbN0lin = 10^(EbN0dB(k) / 10); N0 = Es / EbN0lin; noiseVar = N0 * fs; noise = sqrt(noiseVar/2) * (randn(1, N) + 1j*randn(1, N)); rx = s_tx + noise;这个写法保证噪声方差在I/Q两路总共等于noiseVar，与理论推导一致。如果忘记乘fs，等效Eb/N0会被拉低，误码率曲线整体右移好几个dB，而且这个偏差跟你选的采样率有关，换了采样率结果就对不上了，属于隐蔽性很强的bug。
3.2 一符号延迟差分解调：思路与代码
GMSK接收端有很多种方案，最优的是基于Viterbi的极大似然序列估计，但工程和教学里更常用的是差分解调。它利用“当前符号和前一符号之间的相位差就是携带信息”这一特性，不需要载波相位同步，处理起来简单，蓝牙接收机就大量采用类似思路。
具体做法：把接收信号延迟一个符号，然后取共轭相乘：
delay = sps; % 延迟一个符号 corr = rx(delay+1:end) .* conj(rx(1:end-delay)); phaseDiff = angle(corr);corr的相位角就代表接收信号在延迟前后两个时刻间的相位差。由于发射端每个符号信息体现在π/2的相位增减上，这里phaseDiff的正负就对应差分编码比特的0/1。
然后要在符号中心位置采样。每个符号16个采样点，符号中心大致在第8个采样点附近：
idx = round(sps/2) : sps : length(phaseDiff); diffEst = double(phaseDiff(idx) > 0);这里有个细节：corr的计算是从第1个采样点开始的，所以corr(idx)对应的是“第j个符号中心到第j+1个符号中心”的相位变化，也就是说它估计的是diffBits(j+1)，天然有一个符号的延迟。做误码统计时一定要搞清楚这个对应关系，我下面单独讲。
3.3 差分译码、符号对齐与误码率统计
差分解调得到的是差分比特流diffEst的估计，要还原原始信息还要做差分译码，规则是编码规则的逆：
dataEst = zeros(1, length(diffEst)); for j = 1:length(diffEst) if j == 1 dataEst(j) = diffEst(j); % 第1个符号作为差分基准，信息丢弃 else dataEst(j) = xor(diffEst(j), diffEst(j-1)); end end由于第1个符号只起基准作用，真正的信息从第2个符号开始。同时考虑到same卷积的边界效应，发射端前3个、后3个符号的波形不干净，我在统计BER时统一丢弃收尾各20个符号，确保只统计稳定区域的比特：
validStart = 20; validEnd = length(dataEst) - 20; dataRef = data(3:length(dataEst)+1); % dataEst(j) 对应 data(j+1) % 注意上面这个对齐行需要结合你的diffEst起始位置微调 BER(k) = sum(dataRef(validStart:validEnd) ~= dataEst(validStart:validEnd)) ... / (validEnd - validStart + 1);说句大实话，差分解调的符号对齐问题，我前前后后调了快一个下午。不是算法多难，而是差分编码、差分检测、采样位置三个环节各自都有延迟，来源不同，叠在一起很容易差出一个或半个符号。我的排查方法很土但有效：先在无噪声条件下把diffEst和diffBits画在同一张图上，数一下错位几个符号，再在代码里补上对应的偏移。等到无噪声BER为0，再加噪声统计。
4. 仿真结果怎么读：频谱、眼图和误码率
4.1 功率谱对比：BT=0.3 vs BT=0.5
仿真报告里最直观的图是功率谱密度。用MATLAB的pwelch函数，对复基带信号做Welch谱估计：
figure; [psd, f] = pwelch(s_tx, hamming(512), 256, 1024, fs, 'centered'); plot(f / Rb, 10*log10(psd / max(psd)), 'LineWidth', 1.2); xlabel('归一化频率 f/R_b'); ylabel('归一化功率谱密度 (dB)'); grid on; xlim([-2 2]);我在BT=0.3和BT=0.5两组参数下分别跑了一遍，频谱对比很明显：BT=0.3时，主瓣能量更集中，-40dB带宽大概比BT=0.5时收窄了30%左右；旁瓣衰减得更快，正是GSM把BT选在0.3的原因。BT=0.5的谱更接近MSK，旁瓣隆起相对高一些，但检测更容易。这张图基本就能回答“为什么GMSK要加高斯滤波”，不用多解释。
需要注意，pwelch画的是复基带的单边等效谱密度，它和真实带通信号的频谱是对称搬移的关系，归一化频率轴以符号速率Rb为基准。汇报时我习惯明确指出这一点，避免评审误以为这是带通信号实际频谱。
4.2 相位轨迹和瞬时频率眼图
GMSK信号质量有两个很值得看的图：相位轨迹和瞬时频率眼图。
相位轨迹很好画，plot(real(s_tx), imag(s_tx))，对前几十个符号作图。理想GMSK的相位轨迹是一条连续光滑的单位圆曲线，圆弧之间没有折角。如果参数写错，比如高斯滤波器没归一化，你会看到轨迹在某些符号位置突然出现不自然的收缩或抖动。
瞬时频率眼图则能直接反映ISI情况。把高斯滤波后的freqSignal按照符号周期切成段，叠加画在一起：
figure; hold on; numTraces = 50; for k = 10:(10+numTraces-1) seg = freqSignal((k-1)*sps+1 : k*sps); plot((0:sps-1)/sps * Tb * 1e3, seg); end xlabel('时间 (ms)'); ylabel('瞬时频率 (归一化)'); grid on;看到的两条主轨迹分别对应+1和-1的符号，中间是高斯滤波带来的平滑过渡。BT=0.3时眼图开口明显比BT=0.5窄，线条也更“糊”，这就是ISI在时域上的直接体现。接收端采样判决如果正好取在眼图开口最大的位置，误码率最低；这个最佳采样点就在每个符号中心，也是我代码里round(sps/2)这个索引的来历。
4.3 误码率曲线：实测与理论差在哪
我统计了Eb/N0 = 0:2:10 dB下的BER，和MSK相干解调的理论曲线做了对比。理论上，MSK相干解调的误码率和BPSK一致，是Q(sqrt(2*Eb/N0))。GMSK因为是“加了滤波的MSK”，性能会比这个理论上限差一些。我的差分解调接收机在BT=0.5时大约比理论高1-2dB的损耗，BT=0.3时损耗更大，在BER=1e-3附近大约多需要2-3dB的信噪比。
这个结果符合预期，但我要提醒：如果你的仿真报告里BER曲线比理论还好，那一定是程序哪里错了。常见原因包括：噪声方差算错导致Eb/N0虚高，或者接收端把发射端参与判决的数据重复使用了，相当于把答案抄进考场。我建议每个Eb/N0点都独立生成随机噪声，并确保噪声和信号的复包络是独立采样，不要复用同一个噪声样本。
5. 仿真中常见的坑与排查思路
5.1 高斯滤波器归一化导致调制指数偏差
这是我第一次跑GMSK踩得最深的坑。写完高斯滤波器后，直接conv就上相位累加，结果BER曲线整体差出4-5dB，频谱形状也不对。排查了半天才意识到，滤波器系数没做hf / sum(hf)归一化，直流增益不是1。滤波器输入是±1的NRZ序列时，滤波输出幅度明显小于1，等效调制指数从0.5降到了0.45左右。
调制指数的物理影响是相位变化速率变了，接收端仍然按±π/2去判定，显然打不准。我后来养成一个习惯：写完滤波器，先喂一个全1序列进去看输出是否稳定在1附近，验证直流增益再继续。这个检查只要一行代码，能省掉半天排查时间。
5.2 'same'卷积的边界效应与滤波延迟
另一个隐蔽问题是conv(..., 'same')的首尾失真。高斯滤波器的记忆长度为±3Tb，序列开头的前3个符号实际上是在“不完整的输入”上滤波的，幅度和波形都不正常。仿真初期我没管边界，结果相位轨迹在开头有一段诡异的上翘，眼图最左侧也有一团乱线。
处理办法有两种：一是发射端在数据前面多加几十个已知的填充符号，仿真结束后丢弃；二
本文还有配套的精品资源，点击获取
