简介：一份面向无线通信研究者和学生的 MATLAB 仿真源码包，围绕 MIMO-OFDM 系统中的 OFDM-SFBC（空频分组编码）实现展开，完整覆盖从发送端 OFDM 调制、多径信道建模，到接收端信号检测与解码的仿真链路。压缩包共 13 个文件，包含 12 个 .m 源码文件和一个说明文件，总大小约 10KB，代码按功能拆分为 SFBC 主控、调制器、Rayleigh/Jakes 信道生成、ZF/OSIC 检测以及软判决 SML 解码等模块，便于分步查看和调试。当前已有 135 人学习使用。通过该源码，可以直观理解 MIMO 系统中 SFBC 编码如何利用空间与频率分集对抗衰落，掌握接收机中线性检测器与软解码的实现思路，并可调整参数开展性能对比实验。无论是分析误码率曲线，还是改造信道模型与编码方式，这套源码都能提供直接可运行的实验基线，适合作为课程设计、毕业设计或科研初期的起点工具。
1. OFDM-SFBC 不是把 Alamouti 搬个家：MIMO-OFDM 里它解决的是“车在动、信道在变”的硬问题
先说一个反直觉的结论：OFDM-SFBC 在 MIMO-OFDM 系统里一点都不提升峰值速率，甚至要比单发多收的系统多占一倍的导频开销，但它依然是 LTE、WiFi 和各类自组物理层里最绕不开的发射分集方案。原因很直接——小区边缘用户拿不到足够的信噪比，基站侧又未必有可靠的信道反馈去做闭环预编码，此时唯一能稳定拿到分集增益的办法，就是让发射端不依赖任何反馈，靠空频编码本身把可靠性抬上去。
我见过太多人第一次接触 OFDM-SFBC 时，把它当成“Alamouti 编码换到 OFDM 里跑一遍”，然后栽在同一个坑里：SFBC 的两个符号不是在时间上挨着，而是在频率上挨着，它利用的是相邻子载波之间的信道相关性，而不是相邻 OFDM 符号之间的时间相关性。这一个差异决定了它对多普勒不敏感、对多径时延扩展敏感，也决定了资源分配、导频设计和信道估计插值全都得跟着改。这篇笔记就沿着“原理 → 发射端 → 接收端 → 参数边界 → 踩坑 → 验证”往下走，目标是你读完能自己在 MATLAB 或 Python 里把一条 2×1 的 OFDM-SFBC 链路跑通，并且知道跑出来之后怎么确认它是对的。
2. 为什么 SFBC 放在频域而不是时域：STBC 的困境和 OFDM 的“平坦信道幻觉”
2.1 OFDM 把频率选择性信道切成一组平坦子信道，却把 Alamouti 拖进了新约束
OFDM 的核心动作是把宽带信道切成若干窄带子载波，每个子载波上的信道在符号时间内近似平坦，于是均衡退化成单抽头除法。这个特性对数据检测是好事，但当你准备把 Alamouti 编码搬进来时，要意识到一个隐藏前提：Alamouti 在时域工作时，要求信道在两个符号时间内保持不变；而 OFDM 天然把时间维度让位给了符号块，相邻 OFDM 符号之间信道很容易因为多普勒而波动。
于是人们把目光转向频率维度。OFDM 把宽带变成一堆窄带子载波，那么相邻两个子载波上的复增益，只要载波间隔小于信道的相干带宽，就高度相关。SFBC 正是把这个“相近性”当作编码空间：把两个发射天线上、两个相邻子载波上的资源组合成一个编码块。这相当于把 Alamouti 的时域正交结构，搬到了“子载波对”这个频率间隔上。付出的代价是，它要求相邻子载波信道近似相等，这一点在地面移动场景下通常成立，但也埋下了第 5 章要讲的边界坑。
2.2 2×1 SFBC 的编码矩阵与解码展开：用两行展开把“正交性”看明白
以 2 发射天线、1 接收天线为例，设两个待发送的 QAM 符号为 d0、d1，占用的资源是两根发射天线上的第 k 和第 k+1 号子载波。两行两列的映射关系写成：
- 天线 0：子载波 k 发 d0，子载波 k+1 发 -conj(d1)
- 天线 1：子载波 k 发 d1，子载波 k+1 发 conj(d0)
接收端在子载波 k 和 k+1 上拿到的频域符号分别是：
Y(k) = h0(k)*d0 + h1(k)*d1 + n0 Y(k+1) = -h0(k+1)*conj(d1) + h1(k+1)*conj(d0) + n1其中 h0、h1 是两个发射天线到接收天线的频域信道响应。解码端用估计到的信道做线性合并：
r0 = conj(h0(k))*Y(k) + h1(k+1)*conj(Y(k+1)) r1 = conj(h1(k))*Y(k) - h0(k+1)*conj(Y(k+1))把 Y(k) 和 Y(k+1) 代进去展开，r0 里 d0 的系数是 |h0(k)|² + |h1(k+1)|²，d1 的系数是 conj(h0(k))h1(k) - h1(k+1)conj(h0(k+1))。当信道在相邻子载波上完全相等，即 h0(k)=h0(k+1)、h1(k)=h1(k+1) 时，d1 的系数精确抵消为零，d0 和 d1 被完美分离。这就是 Alamouti 频域形式的全部秘密：它不是靠干扰消除，而是靠相邻子载波信道相等这个假设，让交叉项在代数上自己消失。
参数上需要关注的是：这个合并后的等效信噪比约等于 (|h0|²+|h1|²) 乘单资源信噪比，再除以噪声方差，也就是说分集阶数是 2 而不是 4。后续做软解调时，r0 的噪声方差近似为 σ²(|h0(k)|²+|h1(k+1)|²)，做星座软比特之前一定要先做这个归一化，否则高阶 QAM 的 LLR 会带进系统性偏差，这一步很多初学实现会漏掉。
2.3 STBC 和 SFBC 的本质区别：一个靠时间相关，一个靠频率相关
STBC 是把上面的编码块放到两个连续的 OFDM 符号时间上，解码端要求信道在两个符号之间基本不变。问题是，当终端移动速度上来，比如 350 km/h 下多普勒频移超过 600 Hz，OFDM 符号间隔约 71.4 微秒时，符号间信道相位旋转已经相当可观，STBC 的正交假设直接破功。
SFBC 把同样的正交结构换到频率维度，相邻子载波间隔只有 15 kHz，通常远小于信道相干带宽，这个频率相邻性受移动速度的影响远比时间相邻小，所以高铁和高速移动场景下，SFBC 往往是比 STBC 更可靠的选择。代价则是它对多径时延扩展敏感：如果信道在相邻子载波上差异明显，SFBC 的正交性就会退化成残余干扰。所以选型时的判断框架是——移动速度快就选 SFBC，多径特别深且子载波间隔偏大时，再看是否值得用闭环预编码替代它。
3. 在 MIMO-OFDM 链路上落地 SFBC：从发射端映射到接收端解码
3.1 发射端：QAM 调制、成对分组、天线与子载波的二维资源映射
先约定一套最小可运行系统的参数：子载波数 64，其中 48 个为数据子载波，子载波间隔 15 kHz，循环前缀取常规 4.7 微秒，调制方式从 QPSK 到 16QAM 可切。发射天线数为 2，接收天线数为 1，即 2×1 配置，不引入信道编码，用原始 BER 来验证 SFBC 本身的行为。
发射端的处理顺序是：先把比特映射成 QAM 符号，得到一串长度为偶数的复数符号序列，然后每两个符号组成一组送入 SFBC 编码器。编码器拿到 d0、d1 后，按上一章的两行两列关系，输出一个形状为 (2, 2, 2) 的张量，三个维度分别是：组内索引、子载波索引、天线索引。
import numpy as np def sfbc_encode(symbols): # symbols: 一维复数数组，长度为偶数 # 返回: shape (num_groups, 2, 2) # 第1维: 编码组序号 # 第2维: 天线序号 # 第3维: 组内子载波序号 assert len(symbols) % 2 == 0 pairs = symbols.reshape(-1, 2) d0 = pairs[:, 0] d1 = pairs[:, 1] # 天线0: [d0, -conj(d1)] # 天线1: [d1, conj(d0)] out = np.zeros((pairs.shape[0], 2, 2), dtype=complex) out[:, 0, 0] = d0 out[:, 0, 1] = -np.conj(d1) out[:, 1, 0] = d1 out[:, 1, 1] = np.conj(d0) return out这里有一个新手最容易犯的功率问题：同一对符号在两根天线上各发一次，若不归一化，等效发射功率会比单发多 3 dB，接收端做解调时星座图会被放大，AGC 或导频估计会跟着出偏差。正确的做法是编码输出统一乘 1/sqrt(2)，让每个编码块的总功率等于单个符号的功率。实现时我把归一化放到 IFFT 之后做功率归一也行，但更推荐在编码输出上直接乘，这样后续做 PAPR 统计和峰均比时数值才对得上。
接下来把编码结果映射到频域资源网格上。资源网格的形状是 (天线数, 子载波数, 符号数)。SFBC 只在频率维度占用连续两个子载波，所以在时间维度上每个块占据一个 OFDM 符号位置。
def map_sfbc_to_grid(encoded, n_carriers, n_symbols): # encoded: (num_groups, 2, 2) # 返回: (2, n_carriers, n_symbols) grid = np.zeros((2, n_carriers, n_symbols), dtype=complex) n_groups = encoded.shape[0] assert n_groups * 2 <= n_carriers, "carrier count must hold all SFBC pairs" for i in range(n_groups): k = 2 * i grid[0, k, 0] = encoded[i, 0, 0] * 0.7071 grid[0, k + 1, 0] = encoded[i, 0, 1] * 0.7071 grid[1, k, 0] = encoded[i, 1, 0] * 0.7071 grid[1, k + 1, 0] = encoded[i, 1, 1] * 0.7071 return grid导频子载波绝不能和 SFBC 对共享。如果导频插在第 k 个子载波上，那么第 k 和 k+1 号子载波构成的编码块就必须整体挪位置，否则导频处的信道估计会被数据污染，解码端相邻子载波的信道功率还会出现突变。常见做法是每 4 个子载波插入一个导频，数据子载波编号重新编排，确保每个 SFBC 对都落在两个连续的数据子载波上，这个细节我在第 5 章的踩坑部分会再展开。
3.2 接收端：LS 信道估计、相邻子载波合并、软输出 LLR
接收端完成去 CP、FFT 之后，在资源网格上先做信道估计。最基础的是 LS 估计，在导频子载波上把接收符号除以已知导频值，得到导频位置的频域响应，再沿频率方向做线性插值，得到所有数据子载波上的信道估计值。SFBC 解码要求每个子载波都有独立的 h0、h1 估计，这是最基本的前提。
def sfbc_decode(received_grid, h_est, noise_var): # received_grid: (n_carriers,) # h_est: (2, n_carriers) 两个发射天线的信道响应 # noise_var: 标量，噪声方差估计值 n_pairs = received_grid.shape[0] // 2 symbols_est = np.zeros(n_pairs * 2, dtype=complex) for i in range(n_pairs): k = 2 * i y0 = received_grid[k] y1 = received_grid[k + 1] h0k = h_est[0, k] h1k = h_est[1, k] h0k1 = h_est[0, k + 1] h1k1 = h_est[1, k + 1] # Alamouti 线性合并且归一化功率 r0 = np.conj(h0k) * y0 + h1k1 * np.conj(y1) r1 = np.conj(h1k) * y0 - h0k1 * np.conj(y1) gain0 = np.abs(h0k) ** 2 + np.abs(h1k1) ** 2 gain1 = np.abs(h1k) ** 2 + np.abs(h0k1) ** 2 symbols_est[2 * i] = r0 / max(gain0, 1e-12) symbols_est[2 * i + 1] = r1 / max(gain1, 1e-12) return symbols_est这段代码的关键是 r0 和 r1 的合并方式：r0 把天线 1 在子载波 k+1 上的贡献通过共轭对齐到 d0 上，r1 则把天线 0 在子载波 k+1 上的贡献通过负号对齐到 d1 上。合并完成后用增益项归一化，等效于最大比合并，输出符号的星座图应当和原始 QAM 星座重合。噪声方差的修正放在软解调阶段，处理高阶 QAM 时，把每个符号的 LLR 除以 gain0 或 gain1，否则 16QAM 解出来的软比特幅度随信道波动，译码器会错误地信任低信噪比比特。
实际工程里我通常会再加一步频域插值优化：如果导频间隔是 4 个子载波，那么一个导频两个数据子载波之间用线性插值算出来的信道，可能带有插值噪声。正确做法是先用 LS 得到导频位置信道，再用加窗的频域插值或基于 DFT 的去噪估计，把噪声压缩掉，再把插值后的信道送给 SFBC 解码。第 5.2 节会专门讲插值方向选择不当导致什么后果。
4. 2×2、4 天线的扩展与信道参数边界：决定这套方案跑多远的三个约束
4.1 从 2×1 到 2×2：接收分集和发射分集是怎么叠加的
2×1 的 SFBC 只获得了发射分集，分集阶数为 2。实际系统中接收端往往不止一根天线，比如手机有两个接收天线、基站侧有四到八个。扩展方式非常机械：每个接收天线独立做一次 2×1 的 Alamouti 合并，然后把各路 r0 相加、各路 r1 相加，再做归一化。
以 2 发射、2 接收为例，接收天线 0 把信道记为 h00、h10，接收天线 1 把信道记为 h01、h11。那么 r0_total = r0_ant0 + r0_ant1，其中 r0_ant0 = conj(h00k)yk0 + h10k1conj(yk1_0)，r0_ant1 = conj(h01k)yk0_1 + h11k1conj(yk1_1)。
合并后的等效增益变为四个信道响应幅值平方之和，即 |h00|²+|h10|²+|h01|²+|h11|²，分集阶数变成 2×2=4。这里要注意的是，每路合并时的噪声方差不同，直接相加会破坏最优合并的权重。严格做法是按各天线噪声方差加权，或者在做完每路归一化后再相加，二选一都行，但最忌讳的是不归一化直接加总，那会让强噪声天线主导结果。
4.2 四根发射天线怎么办：SFBC+FSTD 的子载波块切换
四根发射天线的场景没有直接的四阶正交码可以用，工程上最常见的做法是 SFBC+FSTD，即频率切换发射分集。思路是把四个天线分成两组，天线 0/1 在一组子载波上做 SFBC，天线 2/3 在另一组子载波上做 SFBC，两组子载波在频率上交替错开。
具体映射是：第 k 和 k+1 号子载波上，天线 0/1 发送 SFBC 编码块 A，天线 2/3 静默；第 k+2 和 k+3 号子载波上，天线 2/3 发送 SFBC 编码块 B，天线 0/1 静默。这样每个编码块只占两个子载波，但整个系统用四个子载波承载两个数据符号。解码端只需根据子载波位置选择对应天线对做合并，复杂度几乎不增加，代价是频谱效率减半。这个方案在 LTE 的 4 天线开环发射分集里被广泛使用，实现时最需要注意的地方在于子载波分组要对齐资源块边界，不能让编码块横跨两个物理资源块的边缘，否则资源分配和调度器会打架。
4.3 决定性参数：子载波间隔、相干带宽、多径时延扩展的三角关系
SFBC 的性能取决于一个物理量：相邻子载波信道响应的相关系数。它由信道相干带宽和子载波间隔的比值决定。相干带宽大约为多径时延扩展的倒数，常用近似 Bc ≈ 1/(5τrms)，其中 τrms 是均方根时延扩展。
| 参数 | 典型值 | 对 SFBC 的影响 |
|---|---|---|
| 子载波间隔 | LTE 15 kHz，WiFi 312.5 kHz | 间隔越大，相邻子载波相关性越差 |
| 时延扩展 τrms | 典型市区 0.1~1 μs | 越小相关性越好，SFBC 增益越接近理论值 |
| 相干带宽 Bc | ≈ 1/(5τrms) | 需满足 Bc 远大于子载波间隔 |
| 多普勒频移 | 30 km/h 时约 55 Hz | 对 SFBC 影响小，对 STBC 是致命伤 |
用一个具体的数来感受量级：LTE 子载波间隔 15 kHz，市区时延扩展约 200 ns，此时相干带宽约 1 MHz，相邻子载波之间信道响应几乎一致，SFBC 的性能损失可以忽略。但当信道变成山区大时延扩展场景，τrms 达到 5 μs，相干带宽缩到 40 kHz，和子载波间隔 15 kHz 已经在同一量级，此时相邻子载波的信道差异开始变得不可忽略，解码之后会出现残差干扰。我们在做室外大覆盖测试时按 MIMO 信道容量图像去画不同时延扩展下的分集增益曲线，能看到从 1 μs 到 5 μs 之间增益明显塌陷。所以判断 SFBC 能不能用，先查两件事：子载波间隔多大、信道时延扩展在什么量级，比上线前调那些编码参数更关键。
5. 落地必踩的 5 个坑：从资源粒度到信道估计插值
5.1 数据子载波数量是奇数：SFBC 成对映射失败
现象：代码跑起来没报错，但频谱图上出现个别子载波数据全错，误码率曲线出现平层，怎么提高信噪比都压不下去。
原因：SFBC 要求每两个符号占两个子载波，如果资源网格里分配的数据子载波数是奇数，最后一个符号找不到配对子载波，实现时若直接把它复制到两个子载波上，或者丢掉它，都会破坏编码结构。
解决：在资源分配阶段强制数据子载波数为偶数，或者在调制符号流末尾补一个虚拟符号，编码后在解码端丢弃。我习惯在发射端加一个断言检查符号数是否是偶数，并且设一个 dummy_symbol 标志位做穿透，这样至少能保证错误在发射端暴露，而不是在接收端造成难查的偶发误码。
5.2 信道估计插值方向选错：把相邻子载波的信道差异抹平了
现象：用 16QAM 时 BER 在高信噪比下不随 SNR 下降，星座图上看解码点围绕中心收缩，外围点全部内卷。
原因：接收端做信道估计时，先用导频在时间方向插值，再在频率方向插值，或者干脆把频率方向插值做得过于平滑，导致相邻子载波的信道估计趋于相同。表面看这满足了 SFBC 的“相邻子载波相同”假设，但真实信道在强多径下相邻子载波是有差异的，过度平滑等于把频率选择性信息滤掉了，解码合并时的信道匹配度下降。
解决：频率方向插值要能跟踪真实信道变化，导频间隔不大于相干带宽的一半。工程上我在导频间距 4 子载波时用线性插值已经够用，但如果导频间距拉到 6 个及以上，就改用基于 DFT 的去噪估计，先反变换到时域把噪声分量清零再变回来，这样既保相邻子载波的真实差异，又压噪声。
5.3 两发射支路功率失衡：星座收缩和 SNR 虚高同时出现
现象：两发配置下实测 BER 和理论曲线差 2~3 dB，但用信道估计算出来的 SNR 很正常，BER 却是平的。
原因：两路发射链路的射频前端增益不同，或其中一路天线线缆损耗过大，导致 h0 和 h1 的真实接收功率严重不均衡。SFBC 的合并增益是 |h0|²+|h1|²，弱支路被强支路掩盖后，分集阶数退化为接近 1，所谓分集增益名存实亡。
解决：上线前用单发单收模式分别打同步序列，检查两路的接收功率差是否在 1 dB 以内；解码时也建议在 r0 的增益系数上做一个最小值门限，当 gain0 过小时强制拉高 LLR 的底噪参数，避免软译码器对两路非均衡的情况过于乐观。血泪经验是这个坑最容易出现在硬件联调阶段，软件仿真是不会暴露的。
5.4 把 SFBC 当空分复用：复杂度上去了，吞吐一点没动
现象：有团队把 2×2 SFBC 和 2×2 空分复用混淆，以为两根天线能带来两倍吞吐，结果跑出性能发现速率没变，误码率还比单流高。
原因：SFBC 属于空间分集，编码维度完全用于对抗衰落，不携带额外信息比特。空分复用则把两根天线当成两个并行管道，换取吞吐。两者的数学框架完全不同，SFBC 的 Alamouti 结构决定了它在同一时刻同一频段只传两个符号而不是四个。
解决：需求是提升速率时，立即转向空分复用方案并考虑增加接收天线数和反馈参数；需求是补覆盖、守 BLER 时，SFBC 才是对的。判断基准很简单：看调度目标里的瓶颈是吞吐还是可靠性，以及终端是否能反馈可靠的 CSI。SFBC 不是万能药，它和空分复用在 MIMO-OFDM 里是并列关系，不是包含关系。
5.5 多径时延扩展到十几微秒：正交性从源头上消失
现象：把系统搬到有大时延扩展的测试场地，比如隧道、山区回波环境下，SFBC 的 BER 曲线高信噪比段出现平台，并且平台高度随 QAM 阶数上升快速恶化。
原因：这已经不是信道估计的问题了。相邻子载波信道相等这个假设，在大时延扩展下物理上不再成立。两个子载波频率相差 15 kHz，经历双径时延 τ 时相位差是 2π·τ·Δf，当 τ=10 μs 时相位差约 54 度，四径叠加后幅相差异已不可忽略，Alamouti 展开式里的交叉干扰项无法代数消掉。
解决：这种场景下不要硬调 SFBC，要么改用闭环预编码配合反馈，要么用更大的子载波间隔来降低频率选择性影响，要么考虑单载波频域均衡方案。做系统设计时先查时延扩展和子载波间隔的乘积，超过 0.1 就要谨慎，超过 0.2 就应该直接放弃 SFBC 方案。
6. 验证 SFBC 实现有没有跑对：快速定位黑匣子的三招
6.1 退化为单发场景的探针测试
SFBC 实现最容易出 bug 的地方在信道估计和解码合并的维度对齐。最有效的验证手段是在发射端把一路天线强制置零。令 h1=0，SFBC 退化为两路独立符号分别在相邻子载波上传输，此时 r0 只依赖 d0 和 h0，r1 只依赖 d1 和 h0，理论上与单发系统完全一致。如果锤掉天线 1 后 BER 曲线和单发理论值不能重合，说明解码中的共轭、正负号、子载波索引三者至少有一个对不上，按 r0 和 r1 的展开式逐项检查即可。这个测试的最大价值在于它把双天线系统的验证拆成了单链路问题，方便快速定位。
6.2 用 BER 曲线斜率验证分集阶数
分集阶数可以从高信噪比下 BER 曲线的斜率读出来。单发无分集时，BER 随 SNR 下降的速率是线性衰落，即每增加 10 dB 误码率约降一个数量级；2×1 SFBC 应有二阶分集，斜率变为约两个数量级每 10 dB。多数仿真软件里看曲线就能直接判断：斜率没变化说明分集没有生效，斜率介于 1 和 2 之间则说明正交性或信道估计部分失效。验证时固定信道种子，分别跑 1×1 和 2×1 SFBC 两条曲线，在 20 dB 附近对比斜率即可。
6.3 用残余干扰功率做在线监控
SFBC 正交性被破坏时，r0 输出里会残留 d1 的分量，这个分量在星座图上表现为不可压缩的旋转噪声。我习惯在解码端额外计算一个监控量：取一组相邻子载波对，比较信道估计的内积 conj(h0k)h1k 与 conj(h0k1)h1k1 的差值功率，归一化后作为“正交破坏指数”。当它低于 -20 dB 时判断为健康，高于 -15 dB 时基本可以预期 BER 会开始恶化。这个监控量不需要额外开销，把解码器里已有的信道矩阵复用一个乘加就能得到，放在现场测试和自动化回归里非常实用。
跑 OFDM-SFBC 的链路这些年下来，我最大的习惯变化是：不再一上来就摆浮点 BER 曲线，而是先花半小时把退化测试和正交破坏指数这两件事做掉。它们不解释“这条链路性能多好”，但能告诉你“这条链路有没有资格继续往下调”。对做物理层实现的人来说，后者才是真正的后悔药。希望这篇笔记能帮你把 SFBC 的每个参数和每个坑都落实在代码里，而不是停留在咽下单上——那样才是真正把它用起来的第一步。
本文还有配套的精品资源，点击获取
