简介：本资源是一份面向通信工程专业学生、数字信号处理初学者及MATLAB仿真实践者的OFDM技术原理与系统级仿真实验资料，聚焦解决多径衰落信道下宽带传输建模与性能验证问题。压缩包为1个1014KB的Word文档（.doc），完整呈现了基于MATLAB实现OFDM动态仿真的全过程：涵盖绪论、基本原理（含IDFT/FFT实现机制、串并变换与数据加扰设计）、子载波正交性数学推导、系统收发框图解析及关键公式推演，内容结构清晰、理论扎实、公式与图示结合紧密，可直接用于课程设计、毕业设计或技术原理深化学习。文档中详细说明了OFDM符号生成、循环前缀添加、信道建模、同步处理及误码率分析等核心环节的MATLAB实现逻辑，具备强教学参考价值与代码复现指导性。目前已有1244人学习下载，是理解OFDM从理论到仿真实现闭环的优质入门级技术文档。
1. 这不是教科书里的OFDM公式推导，而是一个能跑通、能改参数、能看眼见为实的MATLAB仿真系统
你有没有试过在MATLAB里敲完一串ifft()、fft()、awgn()，却始终看不到眼见为实的频谱图？或者调了半小时信噪比，接收端解调出来的QAM星座图还是糊成一团？这不是你数学没学好——是缺一个结构清晰、模块可拆、参数可调、结果可验的完整OFDM仿真骨架。这个资源就是它：一套基于DVB-2K标准实现的、开箱即用的MATLAB OFDM仿真工程，包含发送链路（串并变换→QAM映射→导频插入→IFFT→加循环前缀→上变频）、信道建模（多径+AWGN）、接收链路（去CP→FFT→信道估计→频偏补偿→QAM解映射→并串还原），所有模块都封装成独立.m函数，变量命名直白（如N_fft = 2048、N_cp = 512、mod_scheme = '4QAM'），连plot()画图语句都留着注释。它不讲“正交性为什么成立”，而是让你亲手把1705个子载波塞进一个2048点IFFT，再用pspectrum()一眼看出循环前缀如何压平ISI峰；它不抽象描述“导频怎么插”，而是给你pilot_pattern_2k.m里明明白白的索引数组[1, 5, 9, ..., 1705]。适合两类人：通信专业学生做课程设计要交可运行代码，或嵌入式/FPGA工程师想先在MATLAB里验证算法逻辑再搬上硬件。别被“仿真”二字骗了——它跑起来就是真实OFDM系统的数字孪生体。
2. 工程结构与核心模块拆解：从main_OFDM.m到ofdm_tx_core.m的完整链路
这个MATLAB项目不是一堆零散脚本，而是一个有明确入口、分层清晰、职责分明的工程。整个仿真流程由顶层脚本main_OFDM.m驱动，它像一个总控开关，负责配置全局参数、调用各模块函数、组织数据流，并最终生成误码率曲线和时频域图。理解它的结构，是后续修改和调试的前提。
2.1 顶层控制流：main_OFDM.m的四步执行逻辑
main_OFDM.m是整个仿真的心脏，它不处理具体信号运算，只做三件事：初始化、执行、绘图。打开它，你会看到非常干净的四段式结构：
%% 1. 参数配置区 —— 所有可调参数集中在此 N_fft = 2048; % FFT/IFFT点数 (对应2K模式) N_cp = 512; % 循环前缀长度 (1/4保护间隔) N_data = 1512; % 数据子载波数 (1705总载波 - 192导频 - 1直流) N_pilot = 192; % 导频子载波数 mod_scheme = '4QAM'; % 调制方式 ('4QAM', '16QAM', '64QAM') snr_db = 20; % 信噪比 (dB) num_symbols = 100; % 仿真符号数 %% 2. 发送端：生成原始比特流 → OFDM时域波形 bits_in = randi([0,1], 1, N_data * 2 * num_symbols); % 生成原始比特流 (4QAM: 2bit/符号) tx_waveform = ofdm_tx_core(bits_in, N_fft, N_cp, N_data, N_pilot, mod_scheme); %% 3. 信道与接收：加噪声 → 去CP → FFT → 信道估计 → 解调 rx_waveform = awgn(tx_waveform, snr_db, 'measured'); % 加AWGN噪声 bits_out = ofdm_rx_core(rx_waveform, N_fft, N_cp, N_data, N_pilot, mod_scheme); %% 4. 性能评估与可视化 ber = biterr(bits_in(1:length(bits_out)), bits_out) / length(bits_out); fprintf('SNR = %d dB, BER = %.4e\n', snr_db, ber); plot_ofdm_spectrum(tx_waveform, N_fft, N_cp); % 绘制发射频谱这段代码的关键在于参数与功能的强绑定。比如N_fft = 2048直接决定了IFFT规模，也锁定了N_cp = 512（因为DVB-2K标准规定CP为FFT长度的1/4）；mod_scheme = '4QAM'不仅影响调制映射，还决定了bits_in的生成长度（每个符号2比特）。这种设计让新手能快速定位修改点，熟手则能一眼看出参数耦合关系——改N_fft必须同步改N_cp，否则CP失效，ISI立刻炸出来。
2.2 发送核心：ofdm_tx_core.m的五级流水线
ofdm_tx_core.m是发送链路的主干，它把一维比特流变成带循环前缀的时域波形。其内部是一个典型的五级流水线，每一级输出都是下一级的输入，逻辑清晰得像电路图：
串并变换与调制映射 (
serial_to_parallel + qam_modulate)
输入bits_in被reshape成[N_data, num_symbols]矩阵，每列代表一个OFDM符号的数据子载波。然后调用qam_modulate.m进行4QAM映射：00→1+j,01→-1+j,11→-1-j,10→1-j。这一步输出是复数矩阵data_sym，尺寸为[N_data, num_symbols]。导频插入 (
insert_pilots_2k.m)
DVB-2K标准规定导频位置是固定的。该函数读取预定义的pilot_idx = [1,5,9,...,1705]（共192个索引），将data_sym中对应位置替换为已知的导频符号（如1+j）。关键代码：pilot_symbols = ones(1, N_pilot) * (1+1j); % 简化导频，实际可用PN序列 for sym_idx = 1:num_symbols freq_domain(sym_idx, :) = zeros(1, N_fft); % 初始化全零频域向量 freq_domain(sym_idx, data_idx) = data_sym(:, sym_idx).'; % 填充数据子载波 freq_domain(sym_idx, pilot_idx) = pilot_symbols; % 插入导频 freq_domain(sym_idx, 1) = 0; % 直流子载波置零（DVB标准） end注意
data_idx是数据子载波索引（剔除导频和直流），freq_domain是[num_symbols, N_fft]的频域矩阵。IFFT变换 (
ifft(freq_domain, [], 2))
对每一行（即每个OFDM符号）做2048点IFFT，将频域数据转为时域。输出time_domain是[num_symbols, N_fft]的复数矩阵。这里[]表示沿第二维（列方向）计算，2是维度标识，MATLAB语法必须写清楚，否则维度错乱。添加循环前缀 (
add_cyclic_prefix.m)
核心操作就一行：cp_added = [time_domain(:, end-N_cp+1:end), time_domain];。它把每个符号的最后N_cp个样点复制到最前面。输出cp_added尺寸变为[num_symbols, N_fft+N_cp]。这是对抗ISI的物理基础——只要多径时延小于CP长度，后一个符号就不会被前一个的拖尾污染。波形拼接与上变频 (
reshape(cp_added, [], 1)+upconvert.m)
将所有符号按时间顺序纵向拼接成单列向量tx_waveform，作为基带信号。upconvert.m则模拟上变频：s_t = real(tx_waveform .* exp(1j*2*pi*fc*t))，其中fc是中心频率（如902MHz），t是采样时间向量。这步让信号具备射频频谱特性，为后续pspectrum()分析做准备。
提示：
ofdm_tx_core.m返回的是tx_waveform，但它的中间变量（如freq_domain,time_domain）全部被clear掉。如果你想观察某一级输出，比如看导频插入后的频谱，只需在insert_pilots_2k.m末尾加一句save('freq_domain_after_pilot.mat', 'freq_domain');，下次加载就能用plot(abs(fftshift(fft(freq_domain(1,:)))));画出单符号频谱。
2.3 接收核心：ofdm_rx_core.m的七步逆向还原
接收端是发送端的镜像，但多了信道损伤补偿这一关键环节。ofdm_rx_core.m的流程更复杂，因为它要解决三个发送端没有的问题：定时同步（在哪切CP）、频偏估计（载波是否对齐）、信道响应（每个子载波衰减多少）。
function bits_out = ofdm_rx_core(rx_waveform, N_fft, N_cp, N_data, N_pilot, mod_scheme) % Step 1: 从接收波形中提取单个OFDM符号（需先粗同步，此处简化为已知起始位置） symbol_len = N_fft + N_cp; num_symbols = floor(length(rx_waveform) / symbol_len); rx_symbols = reshape(rx_waveform(1:num_symbols*symbol_len), symbol_len, num_symbols).'; % Step 2: 去除循环前缀 rx_time_no_cp = rx_symbols(:, N_cp+1:end); % Step 3: FFT变换，回到频域 rx_freq = fft(rx_time_no_cp, N_fft, 2); % Step 4: 信道估计（基于导频） H_est = channel_estimate_2k(rx_freq, N_pilot, N_data); % 返回[N_pilot, num_symbols]估计值 % Step 5: 频偏补偿（使用导频相位差） rx_freq_comp = freq_offset_compensation(rx_freq, H_est, N_pilot); % Step 6: 信道均衡（零迫或MMSE） rx_data_eq = equalize_data(rx_freq_comp, H_est, N_data, N_pilot); % Step 7: QAM解映射 + 并串变换 bits_out = qam_demodulate(rx_data_eq, mod_scheme); end这段代码的精髓在于模块化隔离。channel_estimate_2k.m只负责从导频位置提取信道响应，不碰数据；freq_offset_compensation.m只用导频相位算频偏，不依赖数据解调结果；equalize_data.m则专注用估计出的H_est去均衡数据子载波。这种设计让调试变得极其简单：如果BER高，你可以单独运行channel_estimate_2k，用plot(abs(H_est))看信道估计是否平滑；如果星座图旋转，就检查freq_offset_compensation的相位补偿是否准确。它把一个黑匣子般的接收机，拆成了七个可验证、可替换的白盒模块。
3. 关键参数配置与物理意义：为什么N_fft=2048、N_cp=512是黄金组合？
OFDM仿真不是参数乱填就能跑通的，每一个数字背后都有严格的物理约束和标准规范。这个工程之所以能稳定工作，正是因为它严格遵循了DVB-T 2K模式的参数体系。理解这些数字的来龙去脉，是你二次开发的第一步。
3.1 DVB-2K标准参数表：从理论到MATLAB变量的映射
DVB-T（Digital Video Broadcasting - Terrestrial）标准定义了两种OFDM模式：2K（2048-point FFT）和8K（8192-point FFT）。本工程采用2K模式，其核心参数如下表所示。注意，MATLAB代码中的变量名（如N_fft）与标准文档中的术语（如FFT_size）是一一对应的。
| DVB-2K标准术语 | 物理含义 | 典型值 | MATLAB变量 | 代码中体现位置 |
|---|---|---|---|---|
FFT_size | IFFT/FFT点数，决定子载波总数 | 2048 | N_fft | ofdm_tx_core.m第12行，ifft(..., N_fft, 2) |
Guard_interval | 保护间隔长度（以FFT点数为单位） | 1/4, 1/8, 1/16, 1/32 | N_cp | main_OFDM.m第7行，N_cp = 512（2048×1/4） |
Total_carriers | 总子载波数（含导频、直流、数据） | 1705 | N_total = 1705 | insert_pilots_2k.m中pilot_idx最大值为1705 |
Data_carriers | 有效数据子载波数 | 1512 | N_data | main_OFDM.m第6行，N_data = 1512 |
Pilot_carriers | 导频子载波数 | 192 | N_pilot | main_OFDM.m第7行，N_pilot = 192 |
Symbol_duration | OFDM符号总持续时间 | 224 μs | T_sym = 224e-6 | upconvert.m中用于计算采样率fs = N_fft / T_sym |
Useful_symbol_duration | 有效符号持续时间（无CP） | 204.8 μs | T_useful = 204.8e-6 | T_useful = N_fft / fs，由N_fft和fs决定 |
这张表揭示了一个关键事实：N_fft和N_cp不是孤立的数字，而是一个相互锁定的参数对。DVB标准规定N_cp必须是N_fft的整数分数（1/4, 1/8等），因为CP的物理作用是“覆盖”信道的最大多径时延。如果N_fft = 2048，采样率fs就被固定为2048 / 224e-6 ≈ 9.14 MHz，那么1/4 CP的时长就是56 μs，对应样点数56e-6 * 9.14e6 ≈ 512。你在main_OFDM.m里看到的N_cp = 512，正是这个物理时长在数字域的精确映射。改N_fft而不改N_cp，CP就失去保护作用；改N_cp而不按比例调整N_fft，符号周期就错乱。这是初学者最容易翻车的地方。
3.2 调制方式与比特率：mod_scheme如何影响整个链路
mod_scheme（调制方式）是另一个牵一发而动全身的参数。它不仅决定星座图形状，更直接影响比特流生成、误码率计算和系统吞吐量。本工程支持'4QAM'、'16QAM'、'64QAM'三种模式，它们的差异体现在三个层面：
比特映射规则 (
qam_modulate.m)
不同QAM的映射表完全不同。4QAM（即QPSK）是2比特映射到1个复数符号；16QAM是4比特映射；64QAM是6比特。qam_modulate.m内部有一个switch语句：switch mod_scheme case '4QAM' mapping_table = [1+1j, -1+1j, -1-1j, 1-1j]; bits_per_symbol = 2; case '16QAM' mapping_table = [3+3j, 3+1j, 3-1j, 3-3j, ... 1+3j, 1+1j, 1-1j, 1-3j, ... -1+3j, -1+1j, -1-1j, -1-3j, ... -3+3j, -3+1j, -3-1j, -3-3j]; bits_per_symbol = 4; case '64QAM' % 更复杂的64点映射... bits_per_symbol = 6; end这意味着，当
mod_scheme = '64QAM'时，main_OFDM.m中bits_in的长度必须是N_data * 6 * num_symbols，否则reshape会报错。误码率性能 (
biterr计算)biterr函数计算的是比特错误率（BER），而非符号错误率（SER）。对于高阶QAM，一个符号错误往往导致多个比特错误。因此，即使snr_db相同，'64QAM'的BER也会远高于'4QAM'。这是物理规律，不是代码bug。你在跑不同调制时，必须预期到BER曲线会整体上移。抗噪能力与适用场景
4QAM最鲁棒，适合远距离、弱信号场景；64QAM频谱效率最高，但需要很高的SNR（>25dB），适合视距、高质量信道。这个工程的价值在于，你只需改一行mod_scheme = '64QAM'，就能立刻看到高阶调制在相同SNR下的崩溃过程——星座点严重弥散，解调错误率飙升。这种“所见即所得”的对比，是任何教科书都无法提供的直观体验。
注意：
qam_modulate.m和qam_demodulate.m是成对出现的。如果你修改了qam_modulate.m的映射表（比如改成格雷码映射），必须同步修改qam_demodulate.m的判决逻辑，否则解调必然失败。这是一个典型的“玄学”坑点：两个文件看似独立，实则强耦合。
4. 避坑指南：五个血泪经验总结的常见问题与排查路径
跑通一个OFDM仿真，80%的时间花在解决那些“看起来很合理，但就是不通”的诡异问题上。这些问题往往源于对MATLAB数组维度、FFT/IFFT约定或DVB标准细节的误解。以下是我在调试这个工程时踩过的五个典型坑，每一条都附带现象、原因和可立即执行的解决方案。
4.1 现象：接收端FFT后，频谱图上导频位置全是零，数据子载波却有能量
- 原因：
insert_pilots_2k.m中导频索引pilot_idx与freq_domain的索引范围不匹配。DVB-2K标准中，子载波索引从0开始（DC在索引0），但MATLAB数组索引从1开始。如果pilot_idx = [1,5,9,...]是按标准文档抄来的（标准文档索引从0），而代码里直接用它去索引MATLAB数组，就会全部偏移一位，导致导频被插到错误位置，甚至越界。 - 解决：打开
insert_pilots_2k.m，找到pilot_idx定义处。确认其值是[1,5,9,...,1705]（MATLAB风格，已+1）还是[0,4,8,...,1704]（标准风格）。如果是后者，在赋值前加pilot_idx = pilot_idx + 1;。最稳妥的方法是，在insert_pilots_2k.m末尾加一句disp(['Pilot indices: ', num2str(pilot_idx)]);，运行后看命令行输出是否在1到2048范围内。
4.2 现象：ofdm_rx_core.m运行时报错"Index exceeds matrix dimensions"，错误指向rx_freq_comp的索引
- 原因：
freq_offset_compensation.m函数内部，频偏补偿是通过将rx_freq的每一行乘以一个相位旋转因子exp(-1j*2*pi*k*delta_f*T)实现的，其中k是子载波索引（0到N_fft-1）。如果rx_freq的列数（即子载波数）不等于N_fft，k的范围就会越界。这通常是因为ofdm_tx_core.m中freq_domain的尺寸不对（比如忘了zeros(1, N_fft)初始化，导致freq_domain只有1512列）。 - 解决：在
ofdm_tx_core.m中，freq_domain初始化后，立即加一行检查：assert(size(freq_domain, 2) == N_fft, 'freq_domain width must be N_fft!');。同样，在ofdm_rx_core.m的Step 3fft之后，加assert(size(rx_freq, 2) == N_fft, 'rx_freq width must be N_fft!');。断言会在出错时立刻告诉你哪里尺寸不对，而不是让你在几十行后猜。
4.3 现象：plot_ofdm_spectrum画出的频谱，主瓣很宽，旁瓣抑制很差，不像教科书上的sinc函数
- 原因：
upconvert.m中上变频使用的exp(1j*2*pi*fc*t)，其采样时间向量t的步长dt与IFFT输出的采样率不一致。IFFT输出的tx_waveform采样率是fs = N_fft / T_useful，而t如果用linspace(0, T_total, length(tx_waveform))生成，其dt可能因浮点误差与1/fs不完全相等，导致频谱泄露。 - 解决：在
upconvert.m开头，强制用fs定义t：t = (0:length(tx_waveform)-1)' / fs;。fs应从main_OFDM.m传入，或在upconvert.m内计算为fs = N_fft / (204.8e-6);（DVB-2K有效符号时间）。这是个细节，但对频谱质量影响巨大。
4.4 现象：改变snr_db，BER曲线几乎不变，或者在低SNR时BER恒为0.5
- 原因：
awgn()函数的第三个参数'measured'没有正确使用。awgn(rx_waveform, snr_db, 'measured')会先测量rx_waveform的功率，再按snr_db加噪声。但如果rx_waveform在加噪前已被归一化（如rx_waveform = rx_waveform / norm(rx_waveform)），其功率就不是1，awgn的测量就会失准。 - 解决：确保
awgn的输入rx_waveform是原始功率。在main_OFDM.m中，awgn调用前不要做任何归一化。如果必须归一化（比如为了数值稳定），请手动计算功率：sig_power = mean(abs(rx_waveform).^2); noise_power = sig_power / (10^(snr_db/10)); noise = sqrt(noise_power/2) * (randn(size(rx_waveform)) + 1j*randn(size(rx_waveform))); rx_waveform = rx_waveform + noise;。这样控制权完全在你手中。
4.5 现象：ofdm_rx_core.m运行极慢，尤其是freq_offset_compensation和equalize_data部分
- 原因：这两个函数内部使用了
for循环遍历每个符号和每个子载波，而MATLAB的循环效率远低于向量化操作。例如，freq_offset_compensation中逐个计算每个符号的频偏，而不是用矩阵运算一次性处理所有符号。 - 解决：将循环改为向量化。以频偏补偿为例，原循环：
向量化后：for sym_idx = 1:num_symbols phase_diff = angle(rx_freq(sym_idx, pilot_idx(2)) / rx_freq(sym_idx, pilot_idx(1))); delta_f = phase_diff / (2*pi*T_sym); % T_sym为符号周期 k_vec = (0:N_fft-1)'; rx_freq_comp(sym_idx, :) = rx_freq(sym_idx, :) .* exp(-1j*2*pi*k_vec*delta_f*T_sym); end
这种改写能将耗时从秒级降到毫秒级。记住：MATLAB的向量化不是炫技，而是性能刚需。% 计算所有符号的频偏向量 delta_f_vec (1 x num_symbols) phase_diff_mat = angle(rx_freq(:, pilot_idx(2)) ./ rx_freq(:, pilot_idx(1))); delta_f_vec = phase_diff_mat / (2*pi*T_sym); % 构造k_vec (N_fft x 1) 和 delta_f_vec (1 x num_symbols) 的外积 k_vec = (0:N_fft-1)'; phase_rot = exp(-1j*2*pi*k_vec*delta_f_vec*T_sym); % (N_fft x num_symbols) rx_freq_comp = rx_freq .* phase_rot.'; % 自动广播
5. 二次开发实战：从添加新调制方式到构建自定义信道模型
当你已经能跑通、能调参、能排错，下一步就是让它为你所用。这个MATLAB OFDM工程最大的价值，不在于它实现了DVB-2K，而在于它提供了一个可扩展、可替换、可验证的框架。下面我以两个高频需求为例，展示如何安全、高效地进行二次开发。
5.1 添加16QAM调制：不只是改mod_scheme，而是四步闭环验证
添加新调制方式是最常见的需求，但很多人只改了mod_scheme字符串，就以为万事大吉。实际上，这是一个涉及四个文件、需要闭环验证的完整流程。
第一步：扩展映射表 (qam_modulate.m)
在qam_modulate.m的switch语句中，为'16QAM'添加分支。关键是格雷码映射，它能最小化相邻星座点的比特差异，降低误码率。标准16QAM格雷码映射如下：
case '16QAM' % 格雷码16QAM: [I,Q] -> [b3,b2,b1,b0] % b3b2\b1b0 | 00 01 11 10 % ---------|------------- % 00 | 0000 0001 0011 0010 % 01 | 0100 0101 0111 0110 % 11 | 1100 1101 1111 1110 % 10 | 1000 1001 1011 1010 mapping_table = [3+3j, 3+1j, 3-1j, 3-3j, ... 1+3j, 1+1j, 1-1j, 1-3j, ... -1+3j, -1+1j, -1-1j, -1-3j, ... -3+3j, -3+1j, -3-1j, -3-3j]; bits_per_symbol = 4;注意，这里的坐标是[3,1,-1,-3]，不是[1,3]，这是为了保证星座点间距均匀。
第二步：同步更新解映射 (qam_demodulate.m)qam_demodulate.m必须用完全相同的mapping_table进行最近邻判决。复制上面的mapping_table定义到qam_demodulate.m中，并确保判决逻辑是：
% 对每个接收符号rx_sym，计算到所有16个点的距离 distances = abs(repmat(rx_sym, 1, 16) - mapping_table); [~, min_idx] = min(distances); % min_idx是1~16，查表转为4比特 bits_out = degray16(min_idx); % 你需要写一个degray16()函数，将索引转为格雷码比特第三步：修改顶层参数 (main_OFDM.m)N_data不变，但bits_in长度必须更新：bits_in = randi([0,1], 1, N_data * 4 * num_symbols);。同时，mod_scheme = '16QAM';。
第四步：闭环验证——画出星座图
这是最关键的一步。在ofdm_rx_core.m的Step 7之后，添加：
% 在qam_demodulate之后，获取解调前的均衡后符号 % 假设rx_data_eq是[N_data, num_symbols]的复数矩阵 scatter(real(rx_data_eq(:)), imag(rx_data_eq(:)), 'filled'); grid on; xlabel('Real'); ylabel('Imag'); title('16QAM Constellation after Equalization');运行后，你应该看到一个清晰的4×4网格，每个点周围有微小的噪声云。如果点是模糊的一团，说明信道均衡没做好；如果点是4×4但位置歪斜，说明频偏补偿不准。只有看到正确的星座图，才能证明你的16QAM添加成功。
5.2 构建自定义多径信道：从rayleighchan到custom_multipath.m
DVB标准信道模型（如TU6、RA6）是固定的，但现实信道千变万化。这个工程允许你用custom_multipath.m替换默认的awgn，注入任意多径响应。
第一步：理解接口custom_multipath.m必须是一个函数，输入是tx_waveform（时域基带信号）和fs（采样率），输出是rx_waveform（经过多径和噪声的接收信号）。其签名必须是：
function rx_waveform = custom_multipath(tx_waveform, fs) % TODO: 实现你的信道 end第二步：实现一个简单的两径信道
在custom_multipath.m中，写入：
function rx_waveform = custom_multipath(tx_waveform, fs) % 两径信道：直达径 + 一反射径 tau1 = 0; % 直达径时延 (s) tau2 = 1.5e-6; % 反射径时延 (1.5 μs) alpha1 = 1; % 直达径幅度 alpha2 = 0.5; % 反射径幅度，相位随机 phi2 = 2*pi*rand; % 随机相位 % 将时延转换为样点数 delay1 = round(tau1 * fs); delay2 = round(tau2 * fs); % 构造冲激响应 h(t) h_len = max(delay1, delay2) + 1; h = zeros(h_len, 1); h(delay1+1) = alpha1; if delay2+1 <= h_len h(delay2+1) = alpha2 * exp(1j*phi2); end % 卷积：y[n] = x[n] * h[n] rx_waveform = filter(h, 1, tx_waveform); % 加AWGN噪声（信噪比仍由main_OFDM.m控制） snr_db = 20; % 这里应从main传入，为简化写死 rx_waveform = awgn(rx_waveform, snr_db, 'measured'); end第三步：在main_OFDM.m中启用它
注释掉原来的awgn行，换成：
% rx_waveform = awgn(tx_waveform, snr_db, 'measured'); rx_waveform = custom_multipath(tx_waveform, fs); % fs需在main中计算并传入第四步：验证——用impz看信道响应
在custom_multipath.m末尾，加一句figure; impz(h);。运行后，你会看到一个两冲激的响应图，第一个在n=0，第二个在n=round(1.5e-6 * fs)。这就是你亲手构建的信道。然后，再用plot_ofdm_spectrum看接收频谱，你会发现ISI峰明显高于单径信道——这正是多径的“指纹”。从那以后我每次构建新信道，都强制走一遍impz验证，这成了我的后悔药。
希望帮到你。
本文还有配套的精品资源，点击获取
