▲基于OFDM+64QAM的通信链路matlab性能仿真,包含LDPC,Schmidl-Cox频偏估计和LS信道估计

LDPC是一类稀疏校验矩阵的线性分组码，凭借逼近香农极限的纠错性能，成为高速通信主流编码方案。设原始信息比特序列为u=[u0,u1,…,uk−1]，码长为n，信息位长度为k，校验位长度为 m=n−k，LDPC码的核心是奇偶校验方程。定义稀疏校验矩阵H，维度为m×n，矩阵中“1”的数量远少于“0”，满足线性分组码约束关系：

其中c=[c0,c1,…,cn−1]为编码后的码字序列。LDPC编码通过生成矩阵G完成映射，码字满足c=uG。工程实现中常采用系统码结构，将码字分为信息位与校验位两部分，仅对校验位进行迭代求解。编码完成后，连续的码字比特流送入后续调制模块，LDPC通过冗余校验比特对抗信道噪声与干扰，大幅降低误码率。

2.2 64QAM调制

64QAM是一种调制技术，用于将数字数据映射到模拟信号中。它可以在有限的频带宽度内传输更多的数据，因此适用于高速数据传输。64QAM 将输入的数字比特流分成若干组，每组编码为一个复数点，其中64 表示了复数点的数量。每个点可以在正交调制的I（实部）和Q（虚部）分量上具有不同的振幅和相位，从而可以传输更多的比特。

解调方式主要分为硬解调和软解调。硬解调是一种较为直接的方式，它基于简单的判决准则，将接收到的信号直接映射到最接近的星座点上，从而确定发送的符号。例如，在64QAM星座图中，当接收到一个信号点时，硬解调会直接判断该点最接近哪个星座点，然后将其判定为对应的符号，进而得到相应的二进制比特。这种方式虽然实现简单，计算复杂度低，就像简单的直线思维，直接而快速，但在复杂的信道环境下，其性能往往大打折扣。因为实际信道中存在各种噪声和干扰，这些干扰会使接收信号发生畸变，导致接收信号点可能偏离其原本对应的星座点，而硬解调简单的判决方式很容易将其误判为其他星座点，从而产生较高的误码率。

软解调则截然不同，它是一种更为智能和精细的解调方式。软解调充分考虑到信号在传输过程中的不确定性，不再局限于简单的硬判决。它通过对接收信号的幅度、相位以及噪声等多方面信息进行深入分析，利用复杂的算法，如最大后验概率（MAP）算法、软输出维特比算法（SOVA）等，计算出每个比特为 “0” 或 “1” 的概率，进而输出更为精确的软信息。这些软信息就像是给后续的纠错编码译码提供了更多的线索和依据，使得译码器能够更准确地判断原始的比特信息，从而有效降低误码率，提升通信系统的可靠性。就好比在寻找丢失物品时，硬解调只是简单地根据大致印象去猜测，而软解调则会全面收集各种相关信息，进行综合分析，从而更有可能找到正确的答案。在 64QAM通信系统中，软解调能够在噪声干扰较大的情况下，依然保持较好的性能，为高速、可靠的数据传输提供了有力保障。

为降低计算复杂度，采用Max-Log近似：

2.3 OFDM调制

OFDM核心思想是将高速串行数据流拆分为多路低速子载波数据流，利用子载波正交性对抗多径衰落，同时插入循环前缀（CP）消除符号间干扰。设单帧OFDM系统子载波总数为 N，有效数据子载波数为Nd，QPSK调制后的复符号映射到对应子载波，得到频域序列X=[X0,X1,…,XN−1]。

完成CP添加后，在每帧数据起始位置插入Schmidl-Cox 训练序列（同步前导），用于接收端同步与频偏估计，最终组帧完成的基带信号经上变频后送入无线信道。

2.4 Schmidl-Cox频偏与符号同步算法

Schmidl-Cox是OFDM系统经典的联合符号同步与载波频偏估计算法，依托帧内重复结构的训练序列实现同步，分为符号定时同步和载波频偏估计两部分。训练序列设计为前后两段完全相同的时域序列，设接收端滑动窗口内前半段采样为r(n)，后半段采样为:

当滑动窗口对准训练序列位置时，M(d)出现尖锐峰值，以此确定OFDM符号起始位置，完成符号定时同步。在同步完成后，利用训练序列的相位差估计载波频偏。由频偏带来的相位旋转满足 Δϕ=πε，对互相关项P(d)取相位，可得频偏估计值：

2.5 OFDM解调制

频偏补偿与符号同步完成后，首先剔除接收信号中的循环前缀，保留长度为N的有效时域OFDM符号r^(n)。通过快速傅里叶变换将时域信号转换回频域，完成OFDM解调：

2.6 LS信道估计

信道估计是通信系统接收机的重要功能模块，主要是用来估计信号所经历信道的冲击响应，并用于后续的信道均衡处理，以便消除多径信号混叠造成的ISI。对于收发天线配置为MxN的OFDM系统，假设导频个数为 P，任意一个发射天线 m 到接收天线 n 的导频载波的接收信号为：

那么根据上述的公式，我们可以知道，假设X为已知的插入导频信号，那么接收端接收到的导频为Y，此时信道估计H可以表示为：

此时，LS 估计的实际均方误差为：

2.7 LDPC译码

最后进入LDPC译码环节，主流采用置信传播算法（BP），基于稀疏校验矩阵进行迭代译码。利用接收比特的对数似然信息，在变量节点与校验节点之间迭代传递置信度，不断修正比特判决结果，迭代收敛后输出最终译码比特u^，完成整个通信链路的数据恢复。

💡3.仿真结果

仿真参数如下：

NFFT       = 64;
CPlen      = 16;
bitsPerSym = 6;                    % 64QAM: 每符号 6 bit
M          = 64;

% 802.11a 风格子载波分配
dataIdx_log  = [-26:-22, -20:-8, -6:-1, 1:6, 8:20, 22:26];
pilotIdx_log = [-21 -7 7 21];
allIdx_log   = sort([dataIdx_log pilotIdx_log]);
log2bin   = @(idx) mod(idx, NFFT) + 1;
dataBins  = log2bin(dataIdx_log);
pilotBins = log2bin(pilotIdx_log);
activeBins= log2bin(allIdx_log);
nData     = numel(dataBins);       % 48
nPilot    = numel(pilotBins);
nActive   = numel(activeBins);
pilotVal  = ones(nPilot,1);

% LDPC
H      = dvbs2ldpc(1/2);
cfgEnc = ldpcEncoderConfig(H);
cfgDec = ldpcDecoderConfig(H);
K      = cfgEnc.NumInformationBits;   % 32400
Ncode  = cfgEnc.BlockLength;          % 64800
R      = K/Ncode;
maxIter= 25;

% --- 关键修改: 每帧打包多个码字使符号数能整除 nData ---
cwPerFrame = 2;                                   % 2 个码字/帧
totalCodedBits = cwPerFrame * Ncode;              % 129600
numOFDM = totalCodedBits / bitsPerSym / nData;    % = 675


% 信道与仿真参数
EbN0_dB   = 0:2:40;
numFrames = 500;
cfo       = 0.12;

chTaps = [1, 0.9, 0.6, 0.3];
chTaps = chTaps / norm(chTaps);
Hf_true= fft(chTaps, NFFT).';

% 前导
sTmp = rng; rng(1);
preBits = randi([0 1], nActive, 2);
rng(sTmp);
preSym  = ((1-2*preBits(:,1)) + 1j*(1-2*preBits(:,2)))/sqrt(2);

% 64QAM 参考星座(单位平均功率)
refConst = qammod((0:M-1).', M, 'gray', 'UnitAveragePower', true);

仿真结果如下图所示：

posted @ 2026-07-09 20:45 hlayumi 阅读(4) 评论(0) 收藏举报

刷新页面返回顶部

hlayumi