简介：一套面向通信系统设计与验证的高速QPSK调制解调MATLAB仿真代码。发射端以500Mbps信息速率、250Msps符号速率、2Gsps采样率及720MHz中频为参数，采用数字调制与多相滤波内插方式完成成形滤波和上变频；接收端在2Gsps采样下将数据分解为32路并行处理，通过频域低通滤波、相位差补偿以及基带解旋与鉴频鉴相切换实现载波跟踪，覆盖了高速并行解调中的关键难点。资源共5个文件，包含浮点仿真程序、定点仿真程序、Simulink信道与AD采样模型，以及I/Q两路仿真信号源，压缩包仅35KB，便于快速部署与二次开发。目前已有952人学习，适合具备一定MATLAB基础、从事QPSK/高速调制解调算法验证的工程师或研究生参考。从浮点到定点再到链路级仿真，代码结构清晰，能帮助读者理解多相滤波内插、并行解调和载波恢复的工程实现思路。 QPSK 调制解调仿真在 MATLAB 里属于“看起来简单、写起来全是坑”的典型模块。入门时你可能觉得无非就是映射、加噪、判决三步走，但真要把星座图做干净、误码率曲线贴合理论值、代码还能灵活改造，里面涉及的细节比你想象中多得多。这篇内容我按自己实际调试过的一套完整代码来讲，从参数设计到噪声功率换算，再到时延补偿和 BER 对比，把能踩的坑都提前替你踩一遍。适合正在做通信课程设计、准备保研项目，或者刚开始接触数字调制仿真的朋友。
1. 仿真目标与链路设计思路
1.1 为什么先做基带仿真，而不是直接搭带通信道
很多人第一次写 QPSK 仿真，习惯性地想“上变频到载波频率再送进信道”，其实没有必要。在 MATLAB 里做数字调制仿真，绝大多数场景都采用等效基带模型：把信号用复包络表示，载波部分整体省略掉。这样做的好处非常直接——省掉高频载波后，仿真采样率不用跟着载波频率走，计算量能小几个数量级，而且星座图、眼图、误码率这些核心指标完全不受影响。
QPSK 每个符号携带 2 bit 信息，把比特流按两位一组映射到四个相位点上。基带仿真要复现的核心链路是：随机比特 → 串并转换与符号映射 → 脉冲成形（根升余弦滤波）→ 加高斯白噪声 → 匹配滤波 → 符号抽样 → 判决 → 统计误码率。这条链路看起来简单，但每一步都有讲究，尤其是滤波器设计和噪声功率换算，属于“写错了代码照样能跑，但结果完全不对”的类型。
1.2 仿真链路怎么搭才算完整
我搭这套仿真时是严格按“发送端 → 信道 → 接收端”三段式来组织的，不是把代码胡乱堆在一个脚本里。发送端包含比特生成、QPSK 映射、上采样和脉冲成形；信道部分只做一件事——叠加指定信噪比的高斯白噪声；接收端做匹配滤波、抽样、判决和误码统计。
模块化组织最大的价值在于调试。星座图不对，你可以先确认映射部分；误码率曲线整体偏移，你会直接怀疑噪声功率公式；曲线出现平台，大概率是滤波器截断或定时偏差。如果所有代码揉在一起，出问题之后排查起来非常痛苦。
2. 关键参数选型与调制映射设计
2.1 一套能直接跑的仿真参数
参数设计决定了仿真结果的可靠性和运行速度。下面这组参数我测试过很多次，既能保证 BER 曲线贴合理论，又不会让单次仿真跑太久。
| 参数 | 取值 | 说明 |
|---|---|---|
| 调制阶数 M | 4 | QPSK，每符号 2 bit |
| 符号速率 Rs | 1 MHz | 基准速率，实际可改 |
| 每符号采样点数 sps | 16 | 兼顾波形显示和运行速度 |
| 滚降因子 beta | 0.35 | 常用值，带宽扩展 35% |
| 滤波器截断符号数 span | 10 | 根升余弦滤波器长度 |
| 每帧符号数 Nsym | 10000 | 保证 BER 统计足够稳定 |
| EbN0 扫描范围 | 0~14 dB | 覆盖 BER 从约 0.1 到 1e-6 |
sps 选 16 而不是 4 或 8，是因为后面要画眼图和星座图，采样点太少画出来很难看；另外脉冲成形的时域波形也需要足够的采样密度才能平滑。但 sps 也不是越大越好，它直接决定数组长度，sps=32 时仿真时间会翻倍，对结果精度并没有本质提升。
2.2 QPSK 映射方式选型：pskmod 还是 qammod
QPSK 本质上就是 4-QAM，所以 MATLAB 里pskmod和qammod都能实现。区别在于星座点的相位偏移：pskmod默认把四个点放在 0、π/2、π、3π/2 位置；qammod输出的是方形 QAM 星座，等价于把 QPSK 旋转了 π/4。实际通信系统里常用 π/4 旋转的 QPSK（即 OQPSK 的变体），用来避免星座点经过原点，但普通 QPSK 仿真里两种都可以，只要收发端一致就行。
我更推荐用qammod配合'InputType','bit'选项，因为它能自动完成比特到符号的格雷映射。格雷映射会让相邻星座点只差 1 bit，噪声导致判决错误时只会错 1 bit，而不是 2 bit，这对 BER 的影响直接是 2 倍的关系。
% 推荐写法：qammod 自动处理比特分组合格雷映射 bits = randi([0 1], Nsym*k, 1); sym = qammod(bits, M, 'InputType', 'bit', 'UnitAveragePower', true);注意UnitAveragePower必须设为 true，这样符号平均功率归一化为 1，后面算噪声功率时不用手动做幅度归一化，能省掉一个容易出错的步骤。
2.3 脉冲成形：为什么必须用根升余弦
如果不做脉冲成形，直接把符号序列送入信道，频谱会非常宽，产生严重的邻道干扰。实际系统里都要做脉冲成形，最常用的就是根升余弦滤波器。这里有一个关键点：发射端用根升余弦，接收端匹配滤波也用同样的根升余弦，两个滤波器级联后等效为一个升余弦滤波器，而升余弦滤波器满足奈奎斯特第一准则——在符号采样点处不会产生码间串扰。
这就是收发两端必须都用'sqrt'类型的原因。rcosdesign函数里最后一个参数传'sqrt'，如果两端都用了普通升余弦'normal'，匹配滤波后等效响应就不是奈奎斯特波形，符号间干扰会直接抬高误码率，而且是怎么加压都救不回来的那种。
rrc = rcosdesign(beta, span, sps, 'sqrt');这个滤波器系数设计完以后记得确认能量近似为 1，MATLAB 的rcosdesign默认已经做了归一化。滤波器归一化是新手最容易忽略的细节，如果能量不是 1，接收端符号幅度会整体缩放，虽然判决时会有影响，但只要噪声功率公式里用的是测量值而不是理论值，这个问题不太明显。
3. 高速 QPSK 仿真代码的完整实现
3.1 发射端：从比特到基带信号
发射端的代码逻辑很清晰：生成随机比特，映射成 QPSK 符号，然后上采样并用根升余弦滤波器成形。上采样的作用是给每个符号插入sps-1个零，让后面滤波器有空间"填充"出平滑的波形。
% 上采样 + 脉冲成形 tx_up = upsample(sym, sps); tx_signal = filter(rrc, 1, tx_up);filter的第二个参数传 1，表示只有零点没有极点，这就是一个 FIR 滤波。滤波器的群延迟是span*sps/2个采样点，这个值接收端做符号定时时必须补偿，否则抽样点会偏向符号边缘，误码率高到你怀疑人生。我第一次跑通代码时因为漏了这一步，BER 在 0 dB 时还在 0.4 左右徘徊，一度以为噪声公式写错了。
3.2 AWGN 信道：噪声功率到底怎么算
信道部分是整套仿真里数学细节最密集的地方。仿真中我们关注的是 EbN0（每比特能量与噪声功率谱密度之比），但 QPSK 每个符号携带 2 bit，所以符号信噪比 EsN0 比 EbN0 高 3 dB：
EsN0_dB = EbN0_dB(idx) + 10*log10(k);有了目标 EsN0 之后，噪声功率可以这样算：发射符号经过归一化后平均功率为 1，所以符号能量 Es = 1；目标 EsN0 对应符号噪声功率 Pn = Es / 10^(EsN0_dB/10)。由于根升余弦匹配滤波器能量归一化，白噪声经过匹配滤波后功率基本不变，而信号经过匹配滤波后相干积累、符号点功率恢复到符号能量级别，所以不需要额外除以 sps——这就是网上很多代码直接sqrt(Pn/2)生成噪声却依然能拟合理论曲线的原因。
% 加AWGN噪声 EsN0 = 10^(EsN0_dB/10); Pn = 1 / EsN0; % 符号噪声功率，发射符号平均功率=1 noise = sqrt(Pn/2) * (randn(size(tx_signal)) + 1j*randn(size(tx_signal))); rx_signal = tx_signal + noise;randn(size(tx_signal)) + 1j*randn(...)生成的是复高斯噪声，实部和虚部各占一半功率，所以整体噪声功率是Pn/2 + Pn/2 = Pn。这样做比用awgn函数更可控，因为awgn的 SNR 定义是样本级的，换算成 EbN0 时需要额外考虑带宽和 sps，容易算错。
3.3 接收端：匹配滤波与符号定时
接收端第一步是匹配滤波，滤波器系数和发射端完全相同，直接复用rrc即可：
rx_filtered = filter(rrc, 1, rx_signal);然后就是最关键的符号定时。发射端filter引入的群延迟为span*sps/2个采样点，所以抽样起始位置要从第span*sps/2 + 1个样本开始，每隔sps取一个点：
start_idx = span * sps / 2 + 1; rx_sym = rx_filtered(start_idx : sps : end);这里有个容易忽略的点：filter输出的前span*sps/2个样本是滤波器的暂态响应，不是完整符号波形；如果不跳过去，这些样本不仅没有信号能量，还会污染星座图。另一个方案是用conv代替filter，再用'same'参数截断，但群延迟补偿逻辑还是躲不掉。
抽样完成后直接判决解调：
rx_bits = qamdemod(rx_sym, M, 'UnitAveragePower', true, 'OutputType', 'bit');注意qamdemod的OutputType要设为'bit'，这样它会自动把符号解调成和发射端同样格式的比特流。如果发射端用了qammod的比特输入模式，收发两端是对应的。
4. 仿真结果分析与性能评估
4.1 星座图、眼图与误码率曲线
仿真跑完，可视化是不可跳过的一步。星座图可以直接反应系统工作状态：理想情况下四个点应该聚集在 (±1, ±1) 附近的位置（因为UnitAveragePower归一化后星座点幅度约 0.707 倍，即 (±0.707, ±0.707)）。观察高 EbN0 下的星座图，点应该清晰分开、没有明显旋转或扩散。
figure; plot(real(rx_sym), imag(rx_sym), '.'); axis equal; grid on; title('QPSK 接收星座图 (EbN0=14dB)');眼图可以从接收端匹配滤波后、抽样之前的波形上画。虽然 MATLAB 没有专门的 QPSK 眼图函数，但可以分别画实部和虚部的眼图，观察“眼睛”张开程度随 EbN0 的变化：
% 取前几十个符号的波形画眼图 plot(reshape(real(rx_filtered(1:sps*50)), sps, []), 'b');眼图的“眼睛”越张开，说明码间串扰越小，采样点越容易正确判决。
BER 曲线是衡量仿真正确性的最终标准。把不同 EbN0 下的误码率画在 semilogy 图上，再叠加理论 QPSK BER 曲线进行对比：
ber_theory = qfunc(sqrt(2 * 10.^(EbN0_dB/10))); semilogy(EbN0_dB, ber, 'o-', EbN0_dB, ber_theory, 'x-'); xlabel('Eb/N0 (dB)'); ylabel('BER'); legend('仿真', '理论'); grid on;4.2 理论 BER 对比与偏差分析
格雷映射的 QPSK 理论误码率与 BPSK 相同，都是qfunc(sqrt(2*EbN0))。为什么 QPSK 每符号 2 bit 但 BER 和 BPSK 一样？因为两个正交支路（I 路和 Q 路）各自等价于一个 BPSK，而且格雷映射保证每个符号错误只导致 1 bit 出错，所以比特差错率保持不变。
我实际跑出来的结果，在 EbN0 从 0 到 10 dB 范围内，仿真点和理论曲线基本重合，最大偏差不超过半个数量级。偏差主要来自两个地方：一是仿真帧长有限，低误码率下统计样本不足；二是滤波器截断和残余码间串扰。如果你发现仿真曲线整体比理论值差很多，比如偏移 1~2 dB，那基本可以断定问题出在代码细节上，而不是理论公式的问题。
5. 常见问题与排查技巧
5.1 误码率曲线整体右移或完全错乱
这个问题的头号嫌疑是符号定时没对准。filter的群延迟补偿必须精确到样本点，差一个样本，符号点就会偏向波形边缘，等效于把每个符号的信噪比往死里拉低。我之前有一次写代码时把起始索引写成了start_idx = span*sps/2，漏了+1，结果仿真 BER 比理论值差了接近 2 dB。
排查方法很简单：先用无噪声环境跑一次，直接看接收符号和发射符号是否完全一致。如果无噪声时都不一致，那一定是定时或映射的问题。
5.2 星座图出现旋转或幅度不匹配
星座图旋转，通常是调制映射和解调映射的相位基准不一致。如果发射用了qammod或者pskmod的默认相位偏移，而接收用的qamdemod/pskdemod默认配置不同，就会造成固定的相位旋转。解决办法是收发两端都显式指定相同的相位偏移，比如pskmod(sym, M, pi/4)和pskdemod(rx_sym, M, pi/4)配套使用。
幅度不匹配则几乎都是归一化问题。发射端符号平均功率如果不是 1，而噪声功率公式还假设是 1，BER 曲线就会整体偏移。用mean(abs(sym).^2)实测一下，别靠假设。
5.3 滤波器截断引起 BER 平台
rcosdesign的span参数控制滤波器长度，如果用得太短（比如 span=4），滤波器频谱逼近理想根升余弦的精度不够，会导致高 EbN0 时 BER 出现平台——就是曲线到某个误码率后怎么增加信噪比都不往下降。提高span到 10 或 12 基本能消除这个问题。但代价是滤波器变长，卷积计算量变大，仿真时间增多。高速 QPSK 仿真中如果数据量大，可以用filter配合分块处理，或者用fftfilt做快速卷积。
5.4 噪声功率公式里的 sps 迷思
网上很多代码在算噪声功率时会除以或乘以 sps，让新手很困惑。我这里再明确一遍：在“发射端脉冲成形、接收端匹配滤波、匹配滤波后抽样判决”的完整链路中，只要发射符号平均功率归一化为 1，每个样本的噪声功率就取Pn = 1 / EsN0，不需要额外处理 sps。原因在于匹配滤波对信号相干增益为 sps 倍功率，对白噪声按功率相加不增强，所以符号级 SNR 就是样本级 SNR 乘以 sps，而这个增益已经在链路中自动发生了。如果你在符号级（无滤波）直接加噪声，那是另一套换算逻辑，别把两套混在一起。
6. 这套代码还能怎么扩展
跑通基础 QPSK 之后，扩展方向非常多。最常见的是把 M=4 改成 M=16 或 M=64，配合qammod的自动比特映射，只需改动参数M就能完成 16QAM、64QAM，理论上限相应变为qfunc(sqrt(3*EbN0/(M-1)))之类的公式。另一种扩展是加频偏和相偏，模拟真实信道，此时需要引入载波同步环，比如 Costas 环，接收端复杂度会明显提升。
如果想把仿真往实际系统靠拢，可以考虑把 AWGN 换成频率选择性信道，或者加入多径衰落，然后再在接收端加一个均衡器，比如线性均衡或者判决反馈均衡。这样一来，整套仿真就从“基础调制解调”升级成了“完整通信链路”，放在课程设计或者项目里是很好的加分项。
最后再分享一个使用心得：写通信仿真代码，不要一上来就追求功能完整，先把“无噪声条件下收发端完全一致”这个里程碑打通，再逐步加入信道和性能评估。只要这个基础打通了，后面所有问题都变成“加噪声之后怎么调参数”，排查范围会小很多。这套 QPSK 代码我后来改了无数个版本，但核心链路一直没动过，说明最初的模块划分是经得起推敲的。
本文还有配套的精品资源，点击获取
