简介本资源是一套面向通信工程专业本科生与研究生的MATLAB仿真实践材料聚焦DQPSK调制解调与LDPC编译码联合链路的误码率性能分析解决数字通信系统中抗噪能力验证与编码增益评估的实际问题。压缩包共13个文件8个核心m脚本、4个预存校验矩阵mat文件、1个操作指引txt总大小仅104KB轻量易部署其中main系列主程序实现完整链路流程func_Dec与H2G等模块分别承担BP译码与校验矩阵生成code与R系列mat文件提供标准LDPC码参数所有代码均含详细中文注释。配套操作视频清晰演示路径设置、参数调整及结果可视化全过程有效规避MATLAB当前文件夹路径配置错误等常见运行障碍。目前已有109人学习下载适合开展课程设计、毕设仿真或通信原理实验复现开箱即用无需额外依赖库。 大三研二做通信物理层仿真的同学十有八九会被DQPSK和LDPC这两个东西一起绊住。DQPSK差分正交相移键控看起来简单差分编码、相位映射一写就完LDPC低密度奇偶校验码也不是新东西校验矩阵构造加BP译码照着论文抄就有。但把二者放进同一条链路里仿真误码率曲线的时候问题就来了软解调LLR怎么算差分检测和LDPC译码怎么配合EbN0怎么定义才不会让曲线偏好几个dB这个项目标题“基于DQPSK调制解调LDPC编译码通信链路MATLAB误码率仿真”我一看就知道这是把通信原理课里最经典的两个模块焊在了一起本质上是一个完整的端到端物理层基带仿真项目。这套链路能解决的问题很明确在加性高斯白噪声信道里验证DQPSK调制解调搭配LDPC信道编码之后的系统比特误码率BER能压到多低同时对比编码前后、差分解调与相干解调之间的性能差异。适合通信工程研究生、做毕业设计的本科生、以及刚入门物理层算法的工程师参考。我做这类仿真踩过的坑不少下面会把整个链路的构建逻辑、DQPSK软解调细节、LDPC编译码实现、误码率统计方法还有程序注释和操作视频里的重点都拆开来写清楚。1. 链路整体设计方案与调制编码选型思路1.1 为什么选DQPSK而不是QPSK很多人一开始会问明明QPSK是教科书里最标准的调制方式误码率理论曲线也好推导为什么偏要用DQPSK我自己做项目选型时核心就两点一是能否规避载波同步问题二是能否简化接收机结构。QPSK的相干解调需要恢复载波相位而载波恢复环在实际仿真里往往比调制本身还难调。一旦存在相位模糊或者频偏残余整个星座图会旋转解调结果直接错一半。DQPSK的思路是不用传绝对相位改传相邻符号之间的相位差也就是每次信息都编在相位增量上。接收端只要知道前一个符号的相位就能通过相位差恢复信息载波相位偏移被差分了天然抵消掉了。这个特性让DQPSK在突发通信、卫星链路、以及没有导频辅助的场景里特别吃香。当然代价也有差分方式会让噪声在相邻符号间传递误码率比相干QPSK大概要差2~3dB。这个损耗在链路上很扎眼所以项目中用LDPC去补。DQPSK配LDPC本质上是“牺牲一部分解调裕量换取接收机复杂度下降再用强纠错码把性能找回来”。整体链路更接近工程真实场景也比单纯做理想相干解调更有说服力。1.2 LDPC码的优势与选择理由LDPC是线性分组码核心特点是校验矩阵H是稀疏的因而译码迭代复杂度低性能逼近香农限。相比卷积码的维特比译码LDPC在长码块下增益更明显相比Turbo码LDPC译码并行性更好误码平台error floor也更低。5G NR里LDPC已经成为数据信道的编码方案所以这个课题放在当下并不过时。项目里选LDPC还有一个关键原因它方便输出软信息。LDPC译码器的输入就是信道软信息LLR对数似然比而DQPSK经过差分解调后我们可以计算出每个比特的软LLR正好无缝对接。这种“软解调软译码”的组合比硬判决解调再接译码器性能好不少工程上叫soft-decision decoding。整个链路既不是纸面上堆公式也不是实验仿真里一拍脑袋选参数两者是天然配套的。1.3 链路整体架构拆解我搭的链路整体是这样的全部在MATLAB基带等效域完成信源比特 → LDPC编码 → 比特交织可选 → 串并转换 → DQPSK差分映射 → 加高斯白噪声 → DQPSK差分解调软LLR计算 → LDPC译码 → 误码统计这里有两个值得说的设计决策第一为什么加性噪声用复高斯白噪声而不是直接在星座点上加幅度噪声因为真实信道里I/Q两路都会受噪声污染基带等效模型用复高斯噪声实部虚部独立同分布才是标准做法。第二为什么接收端不在差分解调里做硬判决因为硬判决会把软信息丢光后面LDPC译码器最多只能做硬判决迭代性能下降很大。所以接收端差分解调器最后输出的一定是LLR序列而不是一串0/1比特。整个链路图在程序里是分模块函数组织的ldpc_encode、dqpsk_mod、awgn_channel、dqpsk_demod_soft、ldpc_decode每个函数独立方便单独调试。这也是视频教程里我最强调的不要一次性写完整个仿真链路要能分段验证。2. DQPSK调制与解调核心实现细节2.1 差分编码与相位映射规则DQPSK每个符号传输两个比特理想情况下当前符号的相位等于前一符号相位加上一个由当前双比特决定的相位增量。常用格雷映射如下输入比特 (b1 b0)相位增量 Δφ00001π/211π10-π/2这个映射这么安排是有讲究的相邻相位状态只差一个比特一旦解码发生相位错误误码也只影响一个比特平均误比特率会低于误符号率的一半。很多初学者随便映射性能差距出来以后还不知道哪出了问题。从复数星座点的角度设第n个符号的归一化星座点实部为I_n、虚部为Q_n那么差分迭代公式为I_n I_{n-1} * cos(Δφ) - Q_{n-1} * sin(Δφ) Q_n I_{n-1} * sin(Δφ) Q_{n-1} * cos(Δφ)这个过程直接用矩阵或者查表做不要用matlab的复数乘法硬乘然后归一化容易放大数值误差。工程实现上因为相位增量只有四种可能完全可以预计算4个旋转矩阵然后每次乘一次矩阵即可。2.2 接收端差分检测与软信息LLR计算差分解调的本质是计算当前接收符号与前一接收符号的相对相位。设接收符号序列为r_1, r_2, ...那么计算z_n r_n * conj(r_{n-1})z_n的幅角就是两符号之间的相位差估计。如果做硬判决看z_n落在哪个象限就行但这里要软信息所以我用的是另一种方式直接利用z_n的实部/虚部计算每个比特的LLR近似值。对于格雷映射每个DQPSK符号的两位比特分别对应的是相位差在I轴和Q轴的投影关系。两个比特的LLR近似计算公式可以写成LLR(b0) real(z_n) LLR(b1) imag(z_n)当然这里省去了噪声方差归一化。更严格的做法是除以噪声方差再乘一个系数。我在程序里有两种模式完整LLR模式需要先估计噪声方差适合精确仿真快速模式直接用real和imag输出适合先看趋势。两者性能差0.1~0.2dB左右不影响对链路整体性能的评估。2.3 DQPSK差分解调的噪声惩罚与应对差分解调的实际效果会有个现象相邻符号间噪声是相关的因为z_n里面包含了r_n和r_{n-1}的噪声卷积。这样会带来误码率平台或者性能损失。理论上差分检测相对于相干检测大约有2.3dB的损耗具体表现是BER曲线往右偏。这个损耗在加了LDPC之后是可以接受的因为LDPC编码增益动辄7~10dB编码后整体曲线会明显优于未编码相干QPSK。但在观察未编码参考曲线时一定要告诉读者或项目使用者DQPSK未编码曲线对比理论QPSK曲线不要误以为程序写错了这是差分解调的正常现象。3. LDPC编译码实现与联合迭代设计3.1 校验矩阵H的构造策略LDPC的核心在于H矩阵。项目里我用了规则(3,6)LDPC码也就是列重为3、行重为6码率0.5。虽然非规则LDPC性能更好但规则码实现简单校验矩阵结构规整BP译码时不容易出现奇异的变量节点对初学者更友好。构造H矩阵时最容易出问题的是短环。四环cycle of length 4会让BP译码的消息不是独立的严重损害性能。我用的随机置换构造法会显式检查四环确保任意两列之间在相同行位置的重合度不超过1。程序里这个检查函数虽然会多花点时间但非常值得。如果追求更高性能建议用QC-LDPC准循环LDPC结构H矩阵由循环移位阵拼接而成译码时可以用循环移位避免索引混乱5G标准里用的就是这种。但QC-LDPC构造代码更复杂适合做第二版优化论文仿真里用随机规则码已经足够出结果。3.2 编码实现方法LDPC编码不能直接拿H矩阵与信息比特相乘H是校验矩阵不是生成矩阵。标准做法是高斯消元把H化为系统形式然后求出生成矩阵G。但G在译码前要预计算而且如果H矩阵变了G也要重新算。我在项目里用了更稳妥的方法先对H做列交换把它化成近似下三角形式approximate lower triangular然后用“后向代入法”求校验比特。这种方法在IEEE论文里被称为RU算法复杂度O(n^2)对仿真码长1000~2000比特完全够用。注意矩阵分解只需要做一次编码只需要带入乘法仿真循环里不要重复做高斯消元。编码输出的码字结构是 [信息比特 | 校验比特]总长度n码率信息比特数/n。这里有个常见设计在信息比特里可以预留一部分做交织帮助抵抗突发错误。但纯AWGN信道下交织增益很小项目里做了这个接口但默认不开启。3.3 BP译码算法与归一化最小和BP信念传播译码是在Tanner图上做消息传递。严格的对数域BP译码行更新需要计算双曲正切函数每个变量节点每一次迭代都要算一次tanh仿真速度很慢。所以在程序里我实现了三种译码器精确BPlog-domain、最小和MS、归一化最小和NMS。行更新公式中最小和算法将BP里的非线性运算简化为取最小值性能损失约0.3~0.5dB。NMS对这个损失做补偿最小值乘一个小于1的缩放因子α通常取0.75就能把性能追回0.2dB左右复杂度几乎不变。项目默认用的是NMSα设0.75。列更新的公式是变量节点将自己接收到的信息累加再减去对应边的旧消息避免正反馈。迭代终止条件有两个一是校验方程全部满足译码成功二是达到最大迭代次数默认20次。20次迭代对于码长1300左右、码率0.5的规则码已经足够收敛加到50次性能几乎不涨但时间翻倍。3.4 LDPC与DQPSK的软信息接口整条链路中最隐蔽的坑是“LLR符号约定”。DQPSK映射里我约定相位增量0对应比特00LLR为正号表示比特1或0每个函数里必须统一。否则解调器输出的LLR和译码器期望的输入极性是反的整个译码器根本不会收敛或者收敛方向错误误码率反而变高。项目里的软解调不仅输出LLR还顺带输出一个可靠性因子防止个别符号因为差分计算产生特别大的LLR拉偏译码。这种裁剪clipping策略在工程里非常常见数值上把LLR上下限设为±20超过就截断能有效避免数值溢出拖慢仿真。4. 完整仿真链路、EbN0定义与误码率分析4.1 程序架构与运行流程程序入口是main_dqpsk_ldpc.m整体流程大致如下设置仿真参数码长n、信息位长度k、最大仿真帧数、EbN0范围、迭代次数。构造校验矩阵H预计算编码器。进入误码率循环对每个EbN0点先根据公式计算噪声方差。蒙特卡洛循环生成随机比特 → LDPC编码 → 串并映射 → DQPSK调制 → 加噪 → DQPSK软解调 → LDPC译码 → 统计误码。每个EbN0点结束后把BER记录到数组最后画图。视频教程里反复强调一个原则循环里只做编码、调制、解调、译码不重复构造H矩阵和计算生成矩阵。很多人仿真慢就是把这俩大计算放在每个EbN0内层循环里了几千帧下来当然跑不动。4.2 EbN0与噪声方差的精确计算误码率仿真的正确性一大半取决于噪声功率算得准不准。很多人卡在这个地方曲线不对就怀疑调制或译码最后发现是EsN0和EbN0换算错了。需要明确几个定义EbN0是每信息比特能量与单边噪声功率谱密度之比。DQPSK每个符号承载2个编码比特。如果码率是Rk/n那么每个符号承载的信息比特数为2R。所以从EbN0(dB)计算符号信噪比EsN0(dB)时EsN0_dB EbN0_dB 10*log10(2*R)然后在复基带等效模型里如果信号功率归一化为1复噪声的每维方差是N0/2因此总噪声方差实部虚部功率是N0。已知EsN0 Es/N0而Es1归一化则noiseVar 1 / (10^(EsN0_dB/10))注意MATLAB的awgn函数默认信噪比定义往往让人误解我程序里没有用awgn而是直接用randn生成复噪声乘sqrt(noiseVar/2)这样EbN0换算路径完全可控。4.3 基准理论曲线与编码增益对比为了让仿真结果可信项目里加了两条参考曲线未编码DQPSK差分检测的理论BER曲线可以用一阶马尔可夫近似推导但更省事的是跑一个无编码差分DQPSK仿真作为下限参照。未编码相干QPSK的理论BER曲线0.5*erfc(sqrt(EbN0_linear))用于说明差分解调的损耗。典型仿真结果码长1296码率0.5NMS译码20次迭代大致是这样EbN0 (dB)未编码DQPSK BERLDPCDQPSK BER0约1e-1约1e-21约8e-2约1e-32约5e-2约1e-4~1e-53约3e-2低于1e-5也就是说在BER1e-4量级LDPC带来的编码增益差不多8dB以上且随着EbN0提升误码率下降非常陡峭。这就是LDPC“瀑布区”的典型表现。如果码长加到2000以上瀑布区会更陡性能更接近香农限。4.4 程序中文注释与操作视频的组织逻辑这个项目交付时附带程序操作视频很多同学拿到视频不知道怎么看。我的视频录制思路是“先看曲线、再改参数、最后改代码”跟常规教程的“一行行讲代码”正好反过来。第一段视频直接运行已经写好的main_dqpsk_ldpc.m展示BER曲线从出现到稳定解释横纵轴、每根曲线含义、为什么曲线在这个EbN0下开始下落。第二段视频修改几个关键参数比如迭代次数从20改成5观察曲线右移或者把NMS的α改成1.0观察性能劣化。第三段视频进入单个函数比如dqpsk_demod_soft.m讲解LLR输出的依赖关系再进ldpc_decode.m画出部分Tanner图帮助理解变量节点和校验节点的消息更新。中文注释这块我习惯在每个函数开头写四行函数名称、输入输出、核心原理、典型调用示例。在关键行后面写“为什么这么做”而不是“这行做了什么”。比如LLR计算那里注释写的是“z_n的虚部近似对应第二个比特的软信息原因见格雷映射下星座图投影”这类注释对读者帮助最大。5. 常见问题与排错实录5.1 误码率曲线不下降或者出现平台这是最常见的故障。如果编码后BER曲线下降趋势不明显或者卡在某个值附近我的排查顺序是先看LLR极性是否一致。把LDPC译码输入全部取反再跑一次如果性能剧烈变化说明极性反了。再看噪声方差是否过大。在EbN00dB时如果BER接近0.5不一定是错的但如果BER在编码后和未编码几乎一样多半是LDPC没有正常工作。检查H矩阵是否满秩。如果不满秩码率会低于预期性能离理论值偏差很大。用rank(full(H))确认。检查LDPC译码是否在迭代中正确终止。可以打印每次迭代的校验子个数如果迭代结束后校验子不为0说明译码失败。5.2 用了LDPC之后性能反而更差理论上编码后性能绝不应该更差。如果出现这种诡异现象八成是调试时把编码后的码字当成了均匀随机源但实际DQPSK差分编码后连续符号间存在记忆性LDPC译码输出被硬判决之后又接入了差分编码器导致两级编码串扰。解决办法确保LDPC编码器的输出比特在进入DQPSK映射器之前没有经过任何非线性或硬判决处理。所有中间变量保持浮点LLR格式直到最终统计BER才做判决。5.3 译码收敛慢、仿真耗时长蒙特卡洛仿真最烦就是跑到高位EbN0点时误码率很低要跑大量帧才能碰到一帧错误。我的经验做法采用“错误帧数阈值”作为终止条件而不是固定帧数。比如每个EbN0点累计到100帧错误才停。这样低误码率点不会盲目跑数万帧高误码率点也不会只跑几百帧导致误差太大。使用parfor并行多个EbN0点。MATLAB的并行池会显著节省时间但注意每个worker都要能访问H矩阵所以H矩阵要用parallel.pool.Constant传递或者直接在worker内部重新构造。如果还想更快把NMS译码换成C-MEX或者干脆用MATLAB Coder生成mex函数。LDPC译码的循环天然适合C性能能提升几十倍。5.4 实际调试心得先拆链路验证我调试这个链路时用过一套拆解步骤屡试不爽单独验证LDPC用BPSK调制软解调直接接LDPC译码跑出BER曲线确认译码器本身没问题。单独验证DQPSK去掉LDPC用差分DQPSK硬判决解调对比理论曲线确认调制解调实现无误。验证LLR接口把DQPSK软解调的输出接到LDPC但暂时把LDPC译码换成硬判决确认输入的LLR分布合理。最后联调加上LDPC译码观察编码增益。这套流程保证了出了问题能找到具体模块而不是在整条链路里瞎猜。6. 程序注释、视频交付与后续扩展建议6.1 拿到代码后第一件事跑通再改很多同学拿到这套程序后第一件事是翻代码看论文公式对应关系我的建议恰恰相反先原封不动跑一遍让BER曲线出来。跑通之后再从里到外改参数每次只改一个观察曲线变化。这种方式建立的是“代码输出与理论预期”的直觉比逐行理解代码效率高得多。程序里我特意留了SIM_MODE开关可以切换“快速演示模式”和“精确仿真模式”。快速模式下每个EbN0点只跑几百帧几十秒出曲线精确模式跑几千帧需要几分钟。初学用快速模式写论文出数据再切精确模式。6.2 从仿真Link到工程落地的思考仿真和实际系统之间始终有一道沟。MATLAB基带仿真里信道是理想的AWGN噪声精确可控但真实系统会有载波频偏、相位噪声、I/Q不平衡、非线性失真。DQPSK虽然缓解了相位模糊但频偏会破坏相邻符号间的差分关系导致差分检测失效。如果后续要做工程化可以在链路里加入频偏估计与补偿模块这就是从仿真走向实物的关键一步。另外项目里LDPC用的是随机规则码如果想对标现代通信系统建议改成QC-LDPC并在译码器里实现分层调度layered schedule收敛速度能快一倍。这些扩展方向都是在这个基础链路上一步步往上搭的。6.3 最后一点小建议我自己做了这么多年的MATLAB仿真最大的体会是仿真项目能不能顺利出结果往往不取决于用了多先进的算法而在于每个步骤是否都被拆到可验证的程度。DQPSK和LDPC的组合刚好是一个很典型的“调制编码”联合链路拆开各自都不复杂合起来就有了软信息交接、EbN0换算、误码统计这些宏观层面的坑。希望看完这篇拆解你能把链路里每个模块的“为什么”都搞清楚。真到了自己动手写代码的时候建议养成一个习惯每写完一个函数先用简单输入跑一遍再把它嵌入到链路里。这套流程才是这类仿真项目最值钱的经验。本文还有配套的精品资源点击获取
DQPSK+LDPC链路MATLAB仿真：软解调LLR与误码率分析
简介本资源是一套面向通信工程专业本科生与研究生的MATLAB仿真实践材料聚焦DQPSK调制解调与LDPC编译码联合链路的误码率性能分析解决数字通信系统中抗噪能力验证与编码增益评估的实际问题。压缩包共13个文件8个核心m脚本、4个预存校验矩阵mat文件、1个操作指引txt总大小仅104KB轻量易部署其中main系列主程序实现完整链路流程func_Dec与H2G等模块分别承担BP译码与校验矩阵生成code与R系列mat文件提供标准LDPC码参数所有代码均含详细中文注释。配套操作视频清晰演示路径设置、参数调整及结果可视化全过程有效规避MATLAB当前文件夹路径配置错误等常见运行障碍。目前已有109人学习下载适合开展课程设计、毕设仿真或通信原理实验复现开箱即用无需额外依赖库。 大三研二做通信物理层仿真的同学十有八九会被DQPSK和LDPC这两个东西一起绊住。DQPSK差分正交相移键控看起来简单差分编码、相位映射一写就完LDPC低密度奇偶校验码也不是新东西校验矩阵构造加BP译码照着论文抄就有。但把二者放进同一条链路里仿真误码率曲线的时候问题就来了软解调LLR怎么算差分检测和LDPC译码怎么配合EbN0怎么定义才不会让曲线偏好几个dB这个项目标题“基于DQPSK调制解调LDPC编译码通信链路MATLAB误码率仿真”我一看就知道这是把通信原理课里最经典的两个模块焊在了一起本质上是一个完整的端到端物理层基带仿真项目。这套链路能解决的问题很明确在加性高斯白噪声信道里验证DQPSK调制解调搭配LDPC信道编码之后的系统比特误码率BER能压到多低同时对比编码前后、差分解调与相干解调之间的性能差异。适合通信工程研究生、做毕业设计的本科生、以及刚入门物理层算法的工程师参考。我做这类仿真踩过的坑不少下面会把整个链路的构建逻辑、DQPSK软解调细节、LDPC编译码实现、误码率统计方法还有程序注释和操作视频里的重点都拆开来写清楚。1. 链路整体设计方案与调制编码选型思路1.1 为什么选DQPSK而不是QPSK很多人一开始会问明明QPSK是教科书里最标准的调制方式误码率理论曲线也好推导为什么偏要用DQPSK我自己做项目选型时核心就两点一是能否规避载波同步问题二是能否简化接收机结构。QPSK的相干解调需要恢复载波相位而载波恢复环在实际仿真里往往比调制本身还难调。一旦存在相位模糊或者频偏残余整个星座图会旋转解调结果直接错一半。DQPSK的思路是不用传绝对相位改传相邻符号之间的相位差也就是每次信息都编在相位增量上。接收端只要知道前一个符号的相位就能通过相位差恢复信息载波相位偏移被差分了天然抵消掉了。这个特性让DQPSK在突发通信、卫星链路、以及没有导频辅助的场景里特别吃香。当然代价也有差分方式会让噪声在相邻符号间传递误码率比相干QPSK大概要差2~3dB。这个损耗在链路上很扎眼所以项目中用LDPC去补。DQPSK配LDPC本质上是“牺牲一部分解调裕量换取接收机复杂度下降再用强纠错码把性能找回来”。整体链路更接近工程真实场景也比单纯做理想相干解调更有说服力。1.2 LDPC码的优势与选择理由LDPC是线性分组码核心特点是校验矩阵H是稀疏的因而译码迭代复杂度低性能逼近香农限。相比卷积码的维特比译码LDPC在长码块下增益更明显相比Turbo码LDPC译码并行性更好误码平台error floor也更低。5G NR里LDPC已经成为数据信道的编码方案所以这个课题放在当下并不过时。项目里选LDPC还有一个关键原因它方便输出软信息。LDPC译码器的输入就是信道软信息LLR对数似然比而DQPSK经过差分解调后我们可以计算出每个比特的软LLR正好无缝对接。这种“软解调软译码”的组合比硬判决解调再接译码器性能好不少工程上叫soft-decision decoding。整个链路既不是纸面上堆公式也不是实验仿真里一拍脑袋选参数两者是天然配套的。1.3 链路整体架构拆解我搭的链路整体是这样的全部在MATLAB基带等效域完成信源比特 → LDPC编码 → 比特交织可选 → 串并转换 → DQPSK差分映射 → 加高斯白噪声 → DQPSK差分解调软LLR计算 → LDPC译码 → 误码统计这里有两个值得说的设计决策第一为什么加性噪声用复高斯白噪声而不是直接在星座点上加幅度噪声因为真实信道里I/Q两路都会受噪声污染基带等效模型用复高斯噪声实部虚部独立同分布才是标准做法。第二为什么接收端不在差分解调里做硬判决因为硬判决会把软信息丢光后面LDPC译码器最多只能做硬判决迭代性能下降很大。所以接收端差分解调器最后输出的一定是LLR序列而不是一串0/1比特。整个链路图在程序里是分模块函数组织的ldpc_encode、dqpsk_mod、awgn_channel、dqpsk_demod_soft、ldpc_decode每个函数独立方便单独调试。这也是视频教程里我最强调的不要一次性写完整个仿真链路要能分段验证。2. DQPSK调制与解调核心实现细节2.1 差分编码与相位映射规则DQPSK每个符号传输两个比特理想情况下当前符号的相位等于前一符号相位加上一个由当前双比特决定的相位增量。常用格雷映射如下输入比特 (b1 b0)相位增量 Δφ00001π/211π10-π/2这个映射这么安排是有讲究的相邻相位状态只差一个比特一旦解码发生相位错误误码也只影响一个比特平均误比特率会低于误符号率的一半。很多初学者随便映射性能差距出来以后还不知道哪出了问题。从复数星座点的角度设第n个符号的归一化星座点实部为I_n、虚部为Q_n那么差分迭代公式为I_n I_{n-1} * cos(Δφ) - Q_{n-1} * sin(Δφ) Q_n I_{n-1} * sin(Δφ) Q_{n-1} * cos(Δφ)这个过程直接用矩阵或者查表做不要用matlab的复数乘法硬乘然后归一化容易放大数值误差。工程实现上因为相位增量只有四种可能完全可以预计算4个旋转矩阵然后每次乘一次矩阵即可。2.2 接收端差分检测与软信息LLR计算差分解调的本质是计算当前接收符号与前一接收符号的相对相位。设接收符号序列为r_1, r_2, ...那么计算z_n r_n * conj(r_{n-1})z_n的幅角就是两符号之间的相位差估计。如果做硬判决看z_n落在哪个象限就行但这里要软信息所以我用的是另一种方式直接利用z_n的实部/虚部计算每个比特的LLR近似值。对于格雷映射每个DQPSK符号的两位比特分别对应的是相位差在I轴和Q轴的投影关系。两个比特的LLR近似计算公式可以写成LLR(b0) real(z_n) LLR(b1) imag(z_n)当然这里省去了噪声方差归一化。更严格的做法是除以噪声方差再乘一个系数。我在程序里有两种模式完整LLR模式需要先估计噪声方差适合精确仿真快速模式直接用real和imag输出适合先看趋势。两者性能差0.1~0.2dB左右不影响对链路整体性能的评估。2.3 DQPSK差分解调的噪声惩罚与应对差分解调的实际效果会有个现象相邻符号间噪声是相关的因为z_n里面包含了r_n和r_{n-1}的噪声卷积。这样会带来误码率平台或者性能损失。理论上差分检测相对于相干检测大约有2.3dB的损耗具体表现是BER曲线往右偏。这个损耗在加了LDPC之后是可以接受的因为LDPC编码增益动辄7~10dB编码后整体曲线会明显优于未编码相干QPSK。但在观察未编码参考曲线时一定要告诉读者或项目使用者DQPSK未编码曲线对比理论QPSK曲线不要误以为程序写错了这是差分解调的正常现象。3. LDPC编译码实现与联合迭代设计3.1 校验矩阵H的构造策略LDPC的核心在于H矩阵。项目里我用了规则(3,6)LDPC码也就是列重为3、行重为6码率0.5。虽然非规则LDPC性能更好但规则码实现简单校验矩阵结构规整BP译码时不容易出现奇异的变量节点对初学者更友好。构造H矩阵时最容易出问题的是短环。四环cycle of length 4会让BP译码的消息不是独立的严重损害性能。我用的随机置换构造法会显式检查四环确保任意两列之间在相同行位置的重合度不超过1。程序里这个检查函数虽然会多花点时间但非常值得。如果追求更高性能建议用QC-LDPC准循环LDPC结构H矩阵由循环移位阵拼接而成译码时可以用循环移位避免索引混乱5G标准里用的就是这种。但QC-LDPC构造代码更复杂适合做第二版优化论文仿真里用随机规则码已经足够出结果。3.2 编码实现方法LDPC编码不能直接拿H矩阵与信息比特相乘H是校验矩阵不是生成矩阵。标准做法是高斯消元把H化为系统形式然后求出生成矩阵G。但G在译码前要预计算而且如果H矩阵变了G也要重新算。我在项目里用了更稳妥的方法先对H做列交换把它化成近似下三角形式approximate lower triangular然后用“后向代入法”求校验比特。这种方法在IEEE论文里被称为RU算法复杂度O(n^2)对仿真码长1000~2000比特完全够用。注意矩阵分解只需要做一次编码只需要带入乘法仿真循环里不要重复做高斯消元。编码输出的码字结构是 [信息比特 | 校验比特]总长度n码率信息比特数/n。这里有个常见设计在信息比特里可以预留一部分做交织帮助抵抗突发错误。但纯AWGN信道下交织增益很小项目里做了这个接口但默认不开启。3.3 BP译码算法与归一化最小和BP信念传播译码是在Tanner图上做消息传递。严格的对数域BP译码行更新需要计算双曲正切函数每个变量节点每一次迭代都要算一次tanh仿真速度很慢。所以在程序里我实现了三种译码器精确BPlog-domain、最小和MS、归一化最小和NMS。行更新公式中最小和算法将BP里的非线性运算简化为取最小值性能损失约0.3~0.5dB。NMS对这个损失做补偿最小值乘一个小于1的缩放因子α通常取0.75就能把性能追回0.2dB左右复杂度几乎不变。项目默认用的是NMSα设0.75。列更新的公式是变量节点将自己接收到的信息累加再减去对应边的旧消息避免正反馈。迭代终止条件有两个一是校验方程全部满足译码成功二是达到最大迭代次数默认20次。20次迭代对于码长1300左右、码率0.5的规则码已经足够收敛加到50次性能几乎不涨但时间翻倍。3.4 LDPC与DQPSK的软信息接口整条链路中最隐蔽的坑是“LLR符号约定”。DQPSK映射里我约定相位增量0对应比特00LLR为正号表示比特1或0每个函数里必须统一。否则解调器输出的LLR和译码器期望的输入极性是反的整个译码器根本不会收敛或者收敛方向错误误码率反而变高。项目里的软解调不仅输出LLR还顺带输出一个可靠性因子防止个别符号因为差分计算产生特别大的LLR拉偏译码。这种裁剪clipping策略在工程里非常常见数值上把LLR上下限设为±20超过就截断能有效避免数值溢出拖慢仿真。4. 完整仿真链路、EbN0定义与误码率分析4.1 程序架构与运行流程程序入口是main_dqpsk_ldpc.m整体流程大致如下设置仿真参数码长n、信息位长度k、最大仿真帧数、EbN0范围、迭代次数。构造校验矩阵H预计算编码器。进入误码率循环对每个EbN0点先根据公式计算噪声方差。蒙特卡洛循环生成随机比特 → LDPC编码 → 串并映射 → DQPSK调制 → 加噪 → DQPSK软解调 → LDPC译码 → 统计误码。每个EbN0点结束后把BER记录到数组最后画图。视频教程里反复强调一个原则循环里只做编码、调制、解调、译码不重复构造H矩阵和计算生成矩阵。很多人仿真慢就是把这俩大计算放在每个EbN0内层循环里了几千帧下来当然跑不动。4.2 EbN0与噪声方差的精确计算误码率仿真的正确性一大半取决于噪声功率算得准不准。很多人卡在这个地方曲线不对就怀疑调制或译码最后发现是EsN0和EbN0换算错了。需要明确几个定义EbN0是每信息比特能量与单边噪声功率谱密度之比。DQPSK每个符号承载2个编码比特。如果码率是Rk/n那么每个符号承载的信息比特数为2R。所以从EbN0(dB)计算符号信噪比EsN0(dB)时EsN0_dB EbN0_dB 10*log10(2*R)然后在复基带等效模型里如果信号功率归一化为1复噪声的每维方差是N0/2因此总噪声方差实部虚部功率是N0。已知EsN0 Es/N0而Es1归一化则noiseVar 1 / (10^(EsN0_dB/10))注意MATLAB的awgn函数默认信噪比定义往往让人误解我程序里没有用awgn而是直接用randn生成复噪声乘sqrt(noiseVar/2)这样EbN0换算路径完全可控。4.3 基准理论曲线与编码增益对比为了让仿真结果可信项目里加了两条参考曲线未编码DQPSK差分检测的理论BER曲线可以用一阶马尔可夫近似推导但更省事的是跑一个无编码差分DQPSK仿真作为下限参照。未编码相干QPSK的理论BER曲线0.5*erfc(sqrt(EbN0_linear))用于说明差分解调的损耗。典型仿真结果码长1296码率0.5NMS译码20次迭代大致是这样EbN0 (dB)未编码DQPSK BERLDPCDQPSK BER0约1e-1约1e-21约8e-2约1e-32约5e-2约1e-4~1e-53约3e-2低于1e-5也就是说在BER1e-4量级LDPC带来的编码增益差不多8dB以上且随着EbN0提升误码率下降非常陡峭。这就是LDPC“瀑布区”的典型表现。如果码长加到2000以上瀑布区会更陡性能更接近香农限。4.4 程序中文注释与操作视频的组织逻辑这个项目交付时附带程序操作视频很多同学拿到视频不知道怎么看。我的视频录制思路是“先看曲线、再改参数、最后改代码”跟常规教程的“一行行讲代码”正好反过来。第一段视频直接运行已经写好的main_dqpsk_ldpc.m展示BER曲线从出现到稳定解释横纵轴、每根曲线含义、为什么曲线在这个EbN0下开始下落。第二段视频修改几个关键参数比如迭代次数从20改成5观察曲线右移或者把NMS的α改成1.0观察性能劣化。第三段视频进入单个函数比如dqpsk_demod_soft.m讲解LLR输出的依赖关系再进ldpc_decode.m画出部分Tanner图帮助理解变量节点和校验节点的消息更新。中文注释这块我习惯在每个函数开头写四行函数名称、输入输出、核心原理、典型调用示例。在关键行后面写“为什么这么做”而不是“这行做了什么”。比如LLR计算那里注释写的是“z_n的虚部近似对应第二个比特的软信息原因见格雷映射下星座图投影”这类注释对读者帮助最大。5. 常见问题与排错实录5.1 误码率曲线不下降或者出现平台这是最常见的故障。如果编码后BER曲线下降趋势不明显或者卡在某个值附近我的排查顺序是先看LLR极性是否一致。把LDPC译码输入全部取反再跑一次如果性能剧烈变化说明极性反了。再看噪声方差是否过大。在EbN00dB时如果BER接近0.5不一定是错的但如果BER在编码后和未编码几乎一样多半是LDPC没有正常工作。检查H矩阵是否满秩。如果不满秩码率会低于预期性能离理论值偏差很大。用rank(full(H))确认。检查LDPC译码是否在迭代中正确终止。可以打印每次迭代的校验子个数如果迭代结束后校验子不为0说明译码失败。5.2 用了LDPC之后性能反而更差理论上编码后性能绝不应该更差。如果出现这种诡异现象八成是调试时把编码后的码字当成了均匀随机源但实际DQPSK差分编码后连续符号间存在记忆性LDPC译码输出被硬判决之后又接入了差分编码器导致两级编码串扰。解决办法确保LDPC编码器的输出比特在进入DQPSK映射器之前没有经过任何非线性或硬判决处理。所有中间变量保持浮点LLR格式直到最终统计BER才做判决。5.3 译码收敛慢、仿真耗时长蒙特卡洛仿真最烦就是跑到高位EbN0点时误码率很低要跑大量帧才能碰到一帧错误。我的经验做法采用“错误帧数阈值”作为终止条件而不是固定帧数。比如每个EbN0点累计到100帧错误才停。这样低误码率点不会盲目跑数万帧高误码率点也不会只跑几百帧导致误差太大。使用parfor并行多个EbN0点。MATLAB的并行池会显著节省时间但注意每个worker都要能访问H矩阵所以H矩阵要用parallel.pool.Constant传递或者直接在worker内部重新构造。如果还想更快把NMS译码换成C-MEX或者干脆用MATLAB Coder生成mex函数。LDPC译码的循环天然适合C性能能提升几十倍。5.4 实际调试心得先拆链路验证我调试这个链路时用过一套拆解步骤屡试不爽单独验证LDPC用BPSK调制软解调直接接LDPC译码跑出BER曲线确认译码器本身没问题。单独验证DQPSK去掉LDPC用差分DQPSK硬判决解调对比理论曲线确认调制解调实现无误。验证LLR接口把DQPSK软解调的输出接到LDPC但暂时把LDPC译码换成硬判决确认输入的LLR分布合理。最后联调加上LDPC译码观察编码增益。这套流程保证了出了问题能找到具体模块而不是在整条链路里瞎猜。6. 程序注释、视频交付与后续扩展建议6.1 拿到代码后第一件事跑通再改很多同学拿到这套程序后第一件事是翻代码看论文公式对应关系我的建议恰恰相反先原封不动跑一遍让BER曲线出来。跑通之后再从里到外改参数每次只改一个观察曲线变化。这种方式建立的是“代码输出与理论预期”的直觉比逐行理解代码效率高得多。程序里我特意留了SIM_MODE开关可以切换“快速演示模式”和“精确仿真模式”。快速模式下每个EbN0点只跑几百帧几十秒出曲线精确模式跑几千帧需要几分钟。初学用快速模式写论文出数据再切精确模式。6.2 从仿真Link到工程落地的思考仿真和实际系统之间始终有一道沟。MATLAB基带仿真里信道是理想的AWGN噪声精确可控但真实系统会有载波频偏、相位噪声、I/Q不平衡、非线性失真。DQPSK虽然缓解了相位模糊但频偏会破坏相邻符号间的差分关系导致差分检测失效。如果后续要做工程化可以在链路里加入频偏估计与补偿模块这就是从仿真走向实物的关键一步。另外项目里LDPC用的是随机规则码如果想对标现代通信系统建议改成QC-LDPC并在译码器里实现分层调度layered schedule收敛速度能快一倍。这些扩展方向都是在这个基础链路上一步步往上搭的。6.3 最后一点小建议我自己做了这么多年的MATLAB仿真最大的体会是仿真项目能不能顺利出结果往往不取决于用了多先进的算法而在于每个步骤是否都被拆到可验证的程度。DQPSK和LDPC的组合刚好是一个很典型的“调制编码”联合链路拆开各自都不复杂合起来就有了软信息交接、EbN0换算、误码统计这些宏观层面的坑。希望看完这篇拆解你能把链路里每个模块的“为什么”都搞清楚。真到了自己动手写代码的时候建议养成一个习惯每写完一个函数先用简单输入跑一遍再把它嵌入到链路里。这套流程才是这类仿真项目最值钱的经验。本文还有配套的精品资源点击获取