简介：面向无线通信与信号处理方向的研究者，这里提供一套基于STBC的MIMO-OFDM系统误码率分析MATLAB仿真代码。代码实现了M-PSK调制、OFDM调制、STBC编码、AWGN信道传输、STBC译码与OFDM解调全流程，通过蒙特卡洛仿真统计不同天线配置下的系统误码率，可用于通信课程设计、毕业设计或科研预研。资源包共十个文件，其中五个是m脚本，分别对应BPSK、QPSK、8PSK、16PSK等调制方式及训练符号生成；四个jpg图片为不同天线配置下的误码率曲线对比，方便直接查看结果；一个txt文件记录关键词说明；压缩包整体只有一百六十三KB，结构清晰，适合快速下载使用。代码运行环境为MATLAB2016b，可直接运行出图；已有三百五十人下载学习，使用者可基于脚本灵活修改调制阶数和天线数目，复现多组实验，也可进一步扩展信道模型或编码方案，作为系统性能研究的基础工具。

1. 从误码率曲线反推STBC的MIMO-OFDM链路：一份可直接跑的MATLAB仿真包

做无线通信课程设计时，最烦的就是把基于STBC的MIMO-OFDM系统误码率分析从论文公式变成能跑的仿真。公式里Alamouti矩阵写得很漂亮，但一落地到MATLAB就翻车：傅里叶变换方向反了、天线维度对不上、误码率曲线卡在一个平台上不去。这份资源把BPSK、QPSK、8PSK、16PSK四种调制，以及1x1、2x2、4x4三种天线配置的误码率分析做成了完整代码，用MATLAB 2016b可以直接出图。它解决的是“链路能不能闭环”的问题：发送端随机比特经M-PSK映射、OFDM调制、频域STBC编码后过AWGN信道，接收端做STBC译码和OFDM解调，最后统计误码率并画成曲线。正在做MIMO-OFDM仿真、复现论文曲线、或者想抄一份可靠基线的同学，可以省下大量调试时间。

2. STBC编码与OFDM子载波的接口：先弄懂Alamouti矩阵怎么进IFFT

2.1 为什么STBC要放在频域而不是时域

OFDM系统里，STBC不是在时域对整段波形做编码，而是对每个子载波上的符号对做空时编码。原因很直接：OFDM把频率选择性信道切成了多个平坦子信道，所以STBC可以逐子载波地应用，接收端译码时也逐子载波处理，复杂度低。

以经典Alamouti 2x1为例，两个连续的频域符号在一对天线上按下面的方式排列：

% 某个子载波k上的两个已调制符号 s1、s2 % 两个时隙、两根发送天线： txBlock = [s1, -conj(s2); ... s2, conj(s1)]; % 行对应时隙1、时隙2，列对应天线1、天线2

逻辑说明：时隙1天线1发 s1，天线2发 s2；时隙2天线1发 -conj(s2)，天线2发 conj(s1)。利用这一对共轭对称关系，接收端只需把两时隙收到的信号做简单线性合并，就能解出 s1、s2，并且信道矩阵被正交化，不需要暴力求逆。这就是STBC能拿到分集增益的核心。

参数说明：txBlock的维度是 2×2，如果你在2x2系统里用Alamouti，相当于两发两收，接收合并的时候多一根接收天线参与最大比合并，误码率会比2x1再低一截。而资源中的4x4配置，我一般会按两层Alamouti去理解：把四根发送天线分成两组，每组都走上面的2×2块编码，接收端四根天线合并分集。这样扩到4x4不需要重新推导复杂的正交码，实现成本最低。

2.2 training_symbol.m 到底在同步什么

打开压缩包会看到一个training_symbol.m，很多人会以为AWGN信道下不需要信道估计，训练符号就没什么用。实际上，即便信道是纯AWGN、没有频率选择性衰落，OFDM接收端也要先定位一个OFDM符号的起点，否则FFT窗口错位，子载波之间会串扰。training_symbol.m生成的就是用于粗同步的已知序列。

% training_symbol.m 的核心逻辑 function trainSym = training_symbol(Nfft, M) % 生成频域恒模序列，减少峰均比影响 phaseSeq = exp(1j * pi/3 * (0:Nfft-1).'); trainSym = ifft(phaseSeq, Nfft); end

逻辑说明：频域每个子载波上的幅度都取1，只有相位在旋转，这样IFFT出来的时域波形能量均匀，便于接收端做相关峰检测。接收端把本地生成的trainSym与接收信号做滑动相关，峰值位置就是符号边界。原始代码里training_symbol.m被主脚本调用，目的就是保证后续OFDM解调时FFT窗口对齐。

参数说明：Nfft是FFT点数，也是子载波总数；M在这里不是调制阶数，而是为了保持函数签名一致，实际可以不用。如果你自己改代码，可以把训练符号的相位序列改成伪随机序列，效果更稳。

3. 拆解 a_Qpsk.m 的完整流程：调制、STBC、AWGN、译码每次都在干什么

3.1 参数初始化：天线数、调制阶数、子载波和CP设置

a_Qpsk.m是QPSK对应的主脚本，a_Bpsk.m、a_8psk.m、a_16psk.m结构几乎一样，区别只在M取值。先看参数区：

clear; close all; clc; M = 4; % 调制阶数: 2=BPSK, 4=QPSK, 8=8PSK, 16=16PSK numTx = 2; % 发送天线数 numRx = 2; % 接收天线数 Nsc = 64; % OFDM子载波数 Nfft = 64; % FFT点数，和Nsc一致 Ncp = 16; % 循环前缀长度 EbN0_dB = 0:2:20; % 比特信噪比扫描点 numMc = 1e4; % 每个SNR点蒙特卡洛帧数

逻辑说明：这里的numTx、numRx可以改成1或4，对应1x1、2x2、4x4三种天线配置。Nfft和Nsc相等，表示所有子载波都传数据，没做导频插空；如果你后续要加信道估计，得留出导频子载波。Ncp取16，只要大于信道最大时延扩展就不用担心子载波间串扰，AWGN信道下写8都够，但代码里习惯用16。

参数说明：EbN0_dB是横轴，注意它是以每个比特为单位，不是每个符号。M-PSK的符号功率相同，但每个符号携带的比特数不同，所以换算SNR时要用10*log10(log2(M))做偏移。这点很多新手会踩，后面避坑章再展开。

3.2 数据生成与M-PSK映射

% 生成随机比特，并映射成M-PSK符号 numBits = log2(M) * Nsc * numTx; % 一个“发送帧”包含的总比特数 dataBits = randi([0 1], numBits, 1); bitMat = reshape(dataBits, log2(M), []); symIdx = bi2de(bitMat.'); % 每log2(M)个比特转一个十进制数 modSyms = pskmod(symIdx, M, 0, 'gray'); % 灰色编码，降低相邻符号误判影响

逻辑说明：randi生成长度为numBits的列向量，reshape后每行对应一个PSK符号的二进制下标，bi2de把二进制转成0到M-1的整数，pskmod再按PSK星座图映射成复数。使用'gray'参数让相邻星座点只有1个比特不同，这样误码率统计时避免“一个符号错误”被计成多个比特错误。

参数说明：如果改成8PSK，M=8，log2(M)=3，每个符号3比特；改成16PSK，M=16。这里modSyms是一个列向量，长度是Nsc*numTx，也就是说把多天线上所有子载波要发的符号全部扁平化生成，后面再按天线和子载波重组。

3.3 频域STBC编码与IFFT发送

% 把调制符号重新排列成 [子载波数, 每个子载波上的符号数] sMatrix = reshape(modSyms, Nsc, []); % 每列对应一个天线/时隙的数据 txBlock = zeros(2, numTx, Nsc); % 2个时隙, numTx根天线, Nsc个子载波 % 对每个子载波独立做Alamouti编码 for k = 1:Nsc s1 = sMatrix(k, 1); s2 = sMatrix(k, 2); % 两发两收的标准Alamouti块 txBlock(:, 1, k) = [s1; -conj(s2)]; txBlock(:, 2, k) = [s2; conj(s1)]; end

逻辑说明：这步是STBC的核心。每个子载波k取出两个已调制符号s1、s2，编码成两行对应两个时隙、两列对应两根发送天线。如果你的numTx=4，则把sMatrix再切分，四根天线分两组各做一次Alamouti。1x1时不需要STBC，可以直接把txBlock赋成原始符号，否则1根天线没法构成正交块。

发送端还要把频域块变换到时域，加循环前缀才能进信道：

txTime = zeros(2, numTx, Nfft + Ncp); % 每根天线每个时隙的时域波形 for slot = 1:2 for tx = 1:numTx freqData = squeeze(txBlock(slot, tx, :)); % 当前天线当前时隙的频域符号 timeData = ifft(freqData, Nfft); txTime(slot, tx, :) = [timeData(Nfft-Ncp+1:end); timeData]; % 加循环前缀 end end

逻辑说明：IFFT把频域符号转成时域采样点，再把最后Ncp个采样复制到头部形成循环前缀。这样即使信号经过多径信道，只要时延扩展小于CP长度，子载波之间的正交性就保住了。注意这里用numTx做循环变量，1x1和4x4都能统一处理。

3.4 AWGN信道与接收端FFT

% 过AWGN信道，按当前SNR加入复数高斯噪声 snr_dB = EbN0_dB(idx) + 10*log10(log2(M)); % 符号信噪比 snr_lin = 10^(snr_dB/10); noiseVar = 1 / snr_lin; % 符号功率归一化 rxTime = txTime + sqrt(noiseVar/2) * (randn(size(txTime)) + 1j*randn(size(txTime))); % 接收端：去CP、FFT，还原到频域 rxFreq = zeros(2, numRx, Nfft); for slot = 1:2 for rx = 1:numRx rBlock = squeeze(rxTime(slot, rx, :)); rTime = rBlock(Ncp+1:end); % 去掉循环前缀 rxFreq(slot, rx, :) = fft(rTime, Nfft); end end

逻辑说明：AWGN信道下信道响应矩阵可以认为是1，噪声是复高斯白噪声，实部和虚部方差各为noiseVar/2，保证叠加后总噪声功率为noiseVar。接收端去CP后做FFT，把时域信号还原成频域符号，每个子载波上的频域值就是叠加了噪声的编码符号。这里rxFreq的维度是[时隙, 接收天线, 子载波]，为STBC译码备好了数据。

参数说明：如果你的仿真要改成瑞利衰落信道，不能直接套这个噪声模型，先要把信道矩阵H乘上去，然后还要在接收端做信道估计。原资源固定跑AWGN，所以噪声模型简单。

3.5 STBC译码与误码统计

% 对每个子载波做Alamouti译码 estSyms = zeros(Nsc, 2); for k = 1:Nsc rSlot1 = rxFreq(1, :, k).'; % 时隙1收到的各接收天线信号 rSlot2 = rxFreq(2, :, k).'; % 时隙2收到的各接收天线信号 % 在AWGN且H=1的前提下，等效合成 estSyms(k, 1) = rSlot1(1) + conj(rSlot2(2)); estSyms(k, 2) = rSlot1(2) - conj(rSlot2(1)); % 注意：如果numRx>2，需要把多天线结果求和再合并，这里简化展示2x2 end % 解调：把估计符号映射回比特 rxSyms = pskdemod(estSyms(:), M, 0, 'gray'); rxBits = de2bi(rxSyms, log2(M)); rxBits = reshape(rxBits, [], 1); ber_current = sum(rxBits ~= dataBits) / numBits;

逻辑说明：Alamouti译码的核心是利用编码时的共轭对称性把信道矩阵对角化。在AWGN且信道系数为1时，rSlot1(1)对应的就是s1加噪声，rSlot2(2)是conj(s1)加噪声，取共轭后两路相加能获得2倍的信噪比增益。对s2则用rSlot1(2)减去conj(rSlot2(1))。pskdemod把复数符号映射回最近的星座点，再转换成比特和发送端比较。

参数说明：这里为了展示原理只写了2x2的合并公式，实际代码里numRx=4时你要把四根接收天线的路径都累加进去，然后归一化。别少累加，否则4x4曲线会异常。

4. 1x1、2x2、4x4 加 M-PSK 的误码率对比：分集增益从哪来、曲线该怎么看

4.1 不同天线配置的分集与合并增益

STBC在AWGN信道下虽然不能像衰落信道那样提供频率分集，但通过多根发送天线重复发送同一组符号，接收端做合并后等效信噪比会提升。1x1就是直传，没有合并增益；2x2相当于两条独立噪声路径经过最大比合并，比1x1大约好3dB；4x4在理想合并下可以再往低噪声方向推几个dB。不过要注意，AWGN下天线数增加带来的主要是阵列增益，不是分集增益，所以曲线形状不会像瑞利信道那样变陡。

资源里给出的图片名也印证了这一点：BPSK不同天线、QPSK不同天线、8PSK不同天线、16PSK不同天线，每张图都是横轴信噪比、纵轴误码率，画了1x1、2x2、4x4三条曲线。运行后能看到相同调制下，天线数越多曲线越靠左。

4.2 四种M-PSK的曲线走向差异

从误码率角度看，BPSK和QPSK的符号距离大，误码率下降最快；8PSK开始星座点变密集，同样的信噪比下误码率抬高；16PSK最密，高信噪比下依然有明显底板。下面这张表是经验趋势，具体数值随蒙特卡洛次数波动，但相对关系固定：

表格说明：如果你把横轴换成每符号信噪比Es/N0，BPSK和QPSK曲线几乎重合；但资源里很多图直接用Eb/N0，所以QPSK比BPSK反而低一点，因为QPSK每符号带2比特。这是横轴定义造成的，不是系统差异。

4.3 蒙特卡洛次数和曲线抖动

误码率统计本质上是多次随机实验的频率，帧数不够曲线就会抖动。资源代码里外层循环遍历EbN0_dB，内层跑numMc次，每次独立生成随机比特和噪声。建议至少让每个SNR点统计到50个以上错误比特，否则在10^-4以下的点你会看到曲线毛刺。

% 外层循环信噪比，内层蒙特卡洛的常见框架 for idx = 1:length(EbN0_dB) totalErr = 0; totalBits = 0; for mc = 1:numMc [err, bits] = run_ber_single(EbN0_dB(idx)); % 单次仿真 totalErr = totalErr + err; totalBits = totalBits + bits; end ber(idx) = totalErr / totalBits; end

逻辑说明：这样统计的是累计误码率，不会因为单次实验结果为零而变成0。run_ber_single是封装好的单帧处理函数，返回错误比特数和总比特数，主脚本只负责累加。如果你把numMc从1e4降到1e3，低信噪比点可能差异不大，但10dB以后曲线会抖成波浪线。

参数说明：numMc是每个SNR点的帧数，不是总帧数。资源里原始代码可能没有单独封装函数，而是把所有步骤都写在大循环里，但统计思路是一样的。

5. 避坑记录：跑STBC的MIMO-OFDM仿真时我踩过的五个坑

5.1 现象：4x4误码率比2x2还高

有一次我直接改numTx=4、numRx=4，跑出来的BER曲线竟然比2x2还差，完全不符合直觉。原因是STBC编码时我只构造了两根天线的txBlock，却把4根天线全用来发送，接收端也按4路合并，但发送端有两根天线根本没分到编码符号，等效信噪比计算全部错乱。 原因：STBC编码矩阵维度和实际天线数不匹配，或者收发维度的归一化因子没有随numTx变化。 解决：先把txBlock的维度改成[时隙, numTx, Nsc]，然后用循环给每一对发送天线填Alamouti块。接收合并时再按实际接收天线数累加，并除以累加次数对应的归一化系数。我当时调试时在命令行打印size(txBlock)才发现问题。

5.2 现象：16PSK曲线在高SNR出现地板效应

16PSK在SNR到15dB以后误码率停在10^-3上不去。这通常不是代码错，而是蒙特卡洛帧数太少，导致没有统计到足够多错误比特；另一个可能是pskdemod的星座相位偏转没对准，或者没有使用'gray'编码，导致一个符号错会连带多个比特错。 原因：蒙特卡洛样本量不足，或者星座映射顺序和pskmod不匹配。 解决：把numMc从1e4提到1e5或者2e5，并确认pskmod和pskdemod都用同一个相位偏移和'gray'选项。我习惯写成pskmod(sym, M, 0, 'gray')，这样相位偏移是0，星座轴和文档一致。

5.3 现象：BPSK和QPSK曲线完全重合，但论文里两者差3dB

这种情况几乎可以断定横轴用错了。BPSK每符号1比特，QPSK每符号2比特，如果横轴是Es/N0，两曲线确实基本重合；如果论文里横轴标的是Eb/N0，那QPSK的曲线应当比BPSK左移约3dB。资源里图片可能直接用了SNR作为横轴，需要你换算。 原因：SNR、Es/N0、Eb/N0三个概念混用。 解决：按这个公式换算：EsN0_dB = EbN0_dB + 10*log10(log2(M))。在循环里snr_dB就用EsN0_dB，横轴却画成EbN0_dB，这样不同调制阶数的曲线才能放在同一张图里比较。

5.4 现象：OFDM符号边界没对齐，误码率一直停在10^-1

跑通代码后我试着去掉training_symbol.m，结果误码率怎么都下不来。原因很简单：接收端不知道每个OFDM符号从哪里开始，FFT窗口取错了位置，子载波间干扰直接毁掉STBC块。 原因：少了训练序列做粗同步，或者训练序列长度不够导致相关峰不尖锐。 解决：在接收端用training_symbol.m生成本地序列，与收到的时域信号做滑动互相关，取峰值位置作为FFT窗口起点。注意训练序列要放在发送帧首部，不能混在数据里。资源里保留training_symbol.m就是干这个的。

5.5 现象：仿真跑一个SNR点要十分钟，整条曲线要过夜

蒙特卡洛循环里嵌套了两层for（时隙、天线），再加上每个子载波又循环了一遍STBC编码，三重循环在MATLAB 2016b里非常慢。我看到有人直接numMc=1e6，跑完2x2 16PSK的整条曲线等了三个小时。 原因：代码写得不面向矩阵，子载波循环拖慢了速度。 解决：先把STBC编码写成矩阵运算，不要用for循环逐子载波处理；再把最外层的SNR循环改成parfor并行。如果你只有一台四核电脑，parfor能把整条曲线时间缩短到原来的四分之一左右。第六章我会给具体改造方案。

6. 把这份代码改造成更实用的BER测试引擎：Eb/N0换算与parfor加速蒙特卡洛

6.1 让横轴统一成Eb/N0

原资源图片的横轴如果标的是SNR，不同调制方式的曲线可比性会变弱。我的习惯是在主脚本里保留一个标记变量，比如axis_is_EbN0 = true，然后在信噪比换算处统一处理。

EbN0_dB = 0:2:20; idx = 1:length(EbN0_dB); for k = idx EsN0_dB = EbN0_dB(k) + 10*log10(log2(M)); % 设置AWGN噪声方差时使用EsN0_dB noiseVar = 1 / (10^(EsN0_dB/10)); % 跑完单SNR点后，ber数组索引仍对应EbN0_dB ber(k) = run_ber_single(noiseVar); end

逻辑说明：把噪声方差的设置从主流程里抽出来，run_ber_single只接收noiseVar和调制阶数，内部不再管横轴定义。这样你画ber与EbN0_dB的关系时，横轴就是统一的比特信噪比。BPSK和QPSK曲线会体现出1比特和2比特的差异，16PSK曲线则明显往右移动。

参数说明：10*log10(log2(M))是把一个符号里的比特数折算成信噪比偏移，M越大，达到同等Eb/N0所需的Es/N0越高。如果你不这样折算，16PSK在低SNR阶段就几乎全错，看不出下降趋势。

6.2 用parfor替代外层for

MATLAB 2016b自带的Parallel Computing Toolbox可以放心用parfor，前提是每个迭代之间没有依赖。误码率统计天然满足这个条件：每个SNR点独立，只需要最后汇总。

parfor k = 1:length(EbN0_dB) EsN0_dB = EbN0_dB(k) + 10*log10(log2(M)); noiseVar = 1 / (10^(EsN0_dB/10)); ber(k) = run_ber_single(noiseVar); end

逻辑说明：把原先的for改成parfor，MATLAB会自动把每个SNR点分给不同工作线程。但要注意run_ber_single里不能依赖前一个SNR点的随机数状态，否则并行结果和串行结果不一致。解决方法是每次进入函数时用rng('shuffle')重新初始化随机数流，或者直接把串行循环里的randi调用原样搬进去，不要在循环外共用随机种子。

参数说明：parfor对内存占用比较敏感，如果numMc很大，尽量在run_ber_single内部只保存临时变量，不要把所有SNR点的调制数据都堆在工作区。我一般会在函数末尾只返回err和bits两个标量。

改造完以后，我从拿到这份资源开始，就养成了一个习惯：不管原代码多乱，先抽出参数区、再抽出run_ber_single、最后统一横轴和并行化。每次跑通一条MIMO-OFDM的误码率曲线，我都强制走一遍这个流程，省掉的不只是等待时间，还有改一处错一处的心力。希望帮到你。

本文还有配套的精品资源，点击获取