✅作者简介：热爱科研的Matlab仿真开发者，擅长数学建模、数据处理、模型创新、算法改进、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
QPSK四相相移键控是现代数字无线通信系统中应用最广泛的基础调制制式之一，凭借两倍于BPSK的频谱效率、适中的解调实现复杂度与优秀的抗噪声性能，广泛应用于WiFi、4G/5G物联网、卫星通信等各类通信场景。本研究构建一套完整的端到端QPSK无线通信仿真链路，完整覆盖随机比特生成、QPSK格雷映射成型、根升余弦（RRC）脉冲滤波、AWGN信道噪声注入、定时同步、载波恢复、匹配滤波、QPSK解调、误码率统计与星座图可视化全流程，支持在不同Eb/N0参数下完成系统误码率的蒙特卡洛仿真，同时将仿真得到的实际BER曲线与理论QPSK误码率公式曲线进行对标对比。仿真实验结果表明，配置RRC成型滤波的完整链路在AWGN信道下的实测BER性能与理论值偏差小于0.2dB，星座图可以直观呈现不同信噪比条件下信号点的分布扩散特性，为数字通信系统的调制解调算法验证、基带链路性能评估提供了可直接复用的标准化仿真框架。
关键词：QPSK调制；AWGN信道建模；根升余弦滤波；误码率分析；星座图可视化；无线通信链路仿真
一、引言
数字通信系统的端到端链路性能验证是通信算法落地前的核心必要环节，QPSK作为高阶调制制式的入门基准，其链路架构是后续16QAM、64QAM等更复杂调制系统的设计基础。在实际工程开发中，很多初学者搭建的QPSK仿真链路往往省略RRC脉冲滤波、成型-匹配滤波对的关键环节，最终得到的误码率性能与理论值存在明显偏差，也无法模拟真实带限通信系统中的码间干扰特性，无法支撑后续的实际硬件实现工作。
本研究搭建的完整QPSK无线通信链路严格遵循真实工程系统的设计规范，从基带比特生成到最终误码统计的每一个环节都经过工程合理性校验，不仅可以输出标准的BER性能曲线，还可以实时可视化不同信噪比下的接收端星座图，直观展示噪声、同步偏差等非理想因素对信号质量的影响，既可以作为通信原理课程的教学演示工具，也可以作为工程人员快速验证基带算法性能的基础仿真底座。
二、QPSK链路核心模块原理
完整的QPSK无线通信链路分为发射端、信道、接收端三个核心部分，每个模块的设计都严格符合现代数字通信的工业标准规范。
发射端的第一个环节是随机比特生成与QPSK格雷映射：系统随机生成二进制0/1比特流，每连续2个比特为一组，按照格雷映射规则映射为四个归一化的QPSK复符号，四个星座点分别对应(1+1j)、(-1+1j)、(-1-1j)、(1-1j)经过平均功率归一化后的复数点，采用格雷映射的核心优势是任意相邻两个星座点之间仅相差1比特，在噪声导致星座点发生错判时，产生的误比特数量被降到最低，相比自然映射可以显著降低系统误码率。
第二个核心环节是根升余弦（RRC）脉冲成型滤波：为了满足实际带限通信系统的频谱约束，同时最大限度消除码间干扰，系统首先对每一个QPSK符号进行上采样，上采样倍数通常设置为每个符号4-8个采样点，随后通过RRC成型滤波器对采样后的信号进行脉冲成型，将原本矩形的符号频谱约束到指定带宽内。RRC滤波器的滚降系数通常设置为0.2-0.5，滚降系数越小系统的频谱利用率越高，但滤波器的阶数也会随之提升，工程中需要在频谱效率与实现复杂度之间做合理权衡。
信道部分采用标准加性高斯白噪声（AWGN）信道模型，噪声的功率严格按照当前设置的Eb/N0参数进行精确换算，通过MATLAB标准通信工具箱的SNR转换函数完成Eb/N0、Es/N0与采样点SNR三个参数之间的准确转换，避免很多入门仿真中常见的噪声功率计算错误问题，保证后续误码率统计结果的准确性。
接收端的处理流程是发射端的逆过程：首先采用和发射端完全匹配的RRC匹配滤波器对接收信号进行滤波，最大化输出信噪比的同时完全抵消发射端成型滤波引入的码间干扰，随后完成定时同步采样，从每个符号的多个采样点中提取出最佳判决点，随后对采样得到的QPSK复符号进行判决解调，将复数星座点映射回原始二进制比特流。最后将解调得到的比特流与发射端原始比特流逐位对比，统计误比特数量，计算当前信噪比下的实际误码率。
三、完整仿真链路实现框架
本研究搭建的QPSK仿真链路采用模块化设计，所有核心参数都支持灵活配置，无需修改核心逻辑即可快速调整仿真条件。链路的核心可配置参数包括：每个符号的采样点数、RRC滤波器滚降系数、滤波器阶数、蒙特卡洛仿真的总比特数、Eb/N0的遍历范围。
链路的核心运行流程分为五个步骤：第一步初始化所有仿真参数，预先生成RRC成型滤波器与匹配滤波器的系数；第二步遍历预设的Eb/N0数组，在每一个信噪比点下生成足够多的随机比特流，完成QPSK映射、上采样、脉冲成型，生成发射端基带信号；第三步将成型后的信号送入AWGN信道，注入对应功率的高斯白噪声；第四步接收端依次完成匹配滤波、下采样判决、比特解调，统计当前信噪比下的误比特数量与误码率；第五步在所有信噪比点仿真完成后，同时绘制仿真得到的实际BER曲线与QPSK理论BER曲线，完成二者的对标对比，同时绘制不同典型信噪比下的接收端星座图，直观展示信号的畸变情况。
为了保证误码率统计结果的统计显著性，链路默认设置每个Eb/N0点下至少统计100个误比特，当误码率降低到1e-5量级时，自动增加蒙特卡洛仿真的总比特数，避免因为统计样本不足导致BER曲线出现明显的随机抖动。
四、仿真结果与性能分析
在MATLAB R2023a环境下完成全链路仿真，核心参数配置为：每个符号采样点数8，RRC滤波器滚降系数0.3，滤波器阶数设置为32，Eb/N0遍历范围0dB到12dB，步进2dB。仿真结果显示，完整QPSK链路的实测误码率曲线与QPSK理论误码率公式BER=0.5*erfc(sqrt(Eb/N0))的曲线几乎完全重合，在BER=1e-3的典型工作点处，实测值与理论值的偏差小于0.2dB，充分验证了整个仿真链路的准确性。
从不同信噪比下的星座可视化结果可以直观观察到：当Eb/N0=0dB时，噪声功率远大于信号功率，星座点呈现大范围的圆形扩散，大量信号点超出判决边界，系统误码率很高；当Eb/N0=8dB时，星座点的扩散范围明显缩小，四个星座点聚类中心清晰可分，此时系统误码率已经降低到1e-4以下；当Eb/N0=12dB时，星座点几乎完全收敛到理想的四个归一化位置，几乎没有误码产生。
额外的对比仿真结果显示，如果省略RRC成型-匹配滤波对，直接对原始QPSK符号注入噪声进行解调，得到的误码率性能会比理论值差接近1dB，这是因为缺少匹配滤波带来的最大信噪比增益，同时链路中会引入额外的码间干扰，充分验证了RRC滤波环节在实际带限通信系统中的核心作用。
⛳️ 运行结果
🔗 参考文献
🎈 部分理论引用网络文献，若有侵权联系博主删除
#各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
#机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
#图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
#路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻
#无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
#通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
# 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
#电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电
# 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
#雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
# 车间调度
