企业官网建设流程全解析

简介：面向通信与电子信息专业学习者及科研人员的MFSK仿真资源，围绕多进制频移键控的频谱效率、误码率与频谱特性展开，提供可直接运行的Matlab源码及配套操作演示。压缩包约743KB，共含3个文件：runme.m主程序、操作录像avi演示视频以及txt说明文档，结构简单清晰，适合快速上手。主程序基于Matlab 2021a及以上版本编写，运行Runme.m即可复现仿真结果，视频演示全过程操作步骤，能帮助初学者规避路径设置等常见问题。目前已有598人学习使用，可支撑课程设计、毕业设计或科研预研中对MFSK性能的仿真验证，也可作为理解数字调制原理的实践参考。

1. 调MFSK仿真时，先弄清要复现的是哪条曲线

拿到这个MFSK仿真包，第一件该做的事不是立刻双击runme.m，而是先想清楚要复现的是哪一条结果：M阶数变化下的频谱效率、误码率曲线，还是功率谱密度图。我拆过不少类似的通信课程设计，很多人在第一次运行时卡在“当前文件夹不是工程路径”或“误码率曲线和理论对不上”，根子都在于没有理解MFSK的频谱效率和误码率是如何随M变化的。

不同M值下，MFSK的带宽占用和误码性能会呈现完全不同的趋势。M越大，频率点越多，抗噪声能力越强，但频谱效率反而可能下降。这个反直觉结论直接决定了仿真结果怎么看、参数怎么调，也会影响后续FPGA实现时的频率点分配思路。

下面把信号模型、参数设置、频谱测量和误码率仿真串在一起讲，涉及的核心代码可以直接在MATLAB 2021a及以上版本运行。适合做通信原理大作业、毕业设计预研，或者想快速验证MFSK链路仿真结果的工程师。

2. MFSK的信号模型、正交条件与频谱效率推导

2.1 从BFSK到MFSK：不是并行发多个频率

MFSK中的“M”很容易让人误以为它像OFDM那样同时用M个频率传输数据。实际上相反：MFSK每个符号周期只在M个可选频率中发送一个，接收端判断当前符号是哪个频率，所以它属于频率选择调制，不是多载波调制。这个区别直接决定带宽怎么算：M个频率要占用一段连续频带，而不是通过叠加获得更高频谱效率。

用复基带信号表示，第i个符号的发送波形为：

s_i(t) = exp(j*2*pi*((i-(M-1)/2)*Δf)*t), 0 <= t < Ts

其中i取值0到M-1，Δf是相邻频率间隔，Ts是符号周期。仿真里通常把载频设为0，只看复包络。以M=4为例，四个频率偏移分别是-1.5Δf、-0.5Δf、0.5Δf、1.5Δf，这样频谱图关于0频率对称。频率偏移公式里减去(M-1)/2，是为了让最低和最高频率围绕原点分布，方便在FFT上观察。

那么Δf取多小才不会让接收端的相关器互相串扰？MFSK的正交性是在一个符号周期内定义的。当两个频率之间的间隔满足(f1-f2)*Ts为整数时，两个频率在时间窗内的内积为0。因此取Δf=1/Ts，也就是频率间隔等于符号速率Rs时，相邻频率在符号周期内相差整数个周期，相关器输出为零。这个参数在FPGA实现里很常用，因为M路频率检测可以用同一次FFT结果去查对应频点，不需要额外搭M组滤波器。

2.2 频谱效率的理论值：log2(M)/M

在Δf=1/Ts条件下，MFSK基带信号近似占用W ≈ M/Ts = M*Rs的带宽。每个符号携带k=log2(M)比特，所以比特速率Rb=k*Rs。频谱效率定义为：

η = Rb/W = log2(M)/M

这个公式会得到一个反直觉的结论：增大M并不能一直提高频谱效率。

M=2和M=4的频谱效率相同，M=8以后继续下降。也就是说MFSK是用频带换抗干扰能力，适合低信噪比、功率受限场景，不适合频谱资源紧张的高速链路。下面的MATLAB脚本用表格输出理论频谱效率，可以直接复制运行：

Mset = [2 4 8 16 32]; % 调制阶数 Rs = 1000; % 符号速率 k = log2(Mset); % 每符号比特数 BW = Mset .* Rs; % 基带近似占用带宽 Rb = k .* Rs; % 比特速率 eta = Rb ./ BW; % 频谱效率 T = table(Mset', Rb', BW', eta', ... 'VariableNames', {'M', 'Rb_Hz', 'BW_Hz', 'Efficiency_bt_sHz'}); disp(T);

脚本里的频带宽度是按单边基带信号估算的，所以结果直接可用。如果教材采用双边带通带带宽2M/Ts，频谱效率会差一个2倍因子，但M之间的相对关系不变。课程设计答辩时建议先手算一次M=4的取值，再让脚本显示表格，这样被问“频谱效率怎么来的”时能答得清楚。

2.3 相干与非相干检测会改变频率间隔选择

如果接收端使用相干检测，MFSK的最小正交频率间隔可以缩小到1/(2Ts)，理论频谱效率会比非相干检测高。但相干检测要求恢复每路载波的相位，工程实现成本高。课程设计里的蒙特卡洛仿真大多数使用包络检测，也就是非相干检测，频率间隔仍然按Δf=1/Ts处理。看到仿真结果与书上理论对不上时，先确认代码里使用的是相干还是非相干公式，这是最容易被忽视的差异。

3. MATLAB仿真MFSK信号：观察频谱并测99%占用带宽

3.1 生成带符号跳变的MFSK基带波形

频谱仿真需要一个能体现MFSK频率切换的时间序列。我一般用如下方式生成，代码简单且便于和FPGA实现对照：

M = 4; % 四进制FSK Rs = 1000; % 符号速率 Fs = 48000; % 采样率 sps = Fs / Rs; % 每符号采样点数 df = Rs; % 频率间隔=1/Ts numSym = 2000; % 符号总数 symbols = randi([0 M-1], 1, numSym); t = (0:sps-1) / Fs; x = zeros(1, numSym * sps); for n = 1:numSym f_offset = (symbols(n) - (M-1)/2) * df; seg = exp(1j * 2 * pi * f_offset * t); x((n-1)*sps + 1 : n*sps) = seg; end

代码中每个符号用固定频率的指数信号填充，符号边界处相位会跳变。相位不连续会让频谱旁瓣稍微抬高，但对误码率影响很小。如果希望做到连续相位MFSK，可以用vco或对瞬时频率做累积积分，眼前这套代码适合快速观察频率切换过程。df=Rs是前面说的正交间隔，改成2*Rs能进一步拉开频点，但带宽会增大。

3.2 用periodogram和obw测量99%占用带宽

生成x之后，用信号处理工具箱的periodogram看功率谱，再用obw测带宽：

[pxx, f] = periodogram(x, hann(length(x), 'periodic'), [], Fs); plot(f, 10*log10(pxx)); xlabel('Frequency (Hz)'); ylabel('Power Spectrum (dB)'); grid on; xlim([0 Fs/2]); BW99 = obw(x, Fs); % 默认返回99%占用带宽 Rb = log2(M) * Rs; fprintf('M=%d, 99%% bandwidth = %.1f Hz, SP = %.3f bit/s/Hz\n', ... M, BW99, Rb / BW99);

obw(x,Fs)默认从功率谱两侧向中间收，直到包含99%的功率，返回区间的宽度。M=4、Rs=1000Hz的信号，理论主瓣带宽约4000Hz，实际测出来的99%占用带宽会略高一些，因为sinc旁瓣仍携带少量功率。如果报告需要稳定复现，就把这段代码放在runme.m的频谱图之前，用fprintf把实测数值输出到命令行。

3.3 窗函数和FFT bin对频谱测量结果的影响

测量MFSK频谱时，矩形窗和汉宁窗的差别很明显，建议按下表选择：

这里说的“频率恰好落在FFT bin上”，是指让每个符号的频率偏移是Rs的整数倍，并且Fs/Rs为整数。这样观测时长内的信号刚好包含整数个周期，FFT不会出现栅栏效应。如果频率偏移不是整数关系，矩形窗的旁瓣会把频谱“糊”开，obw测出的带宽可能偏大，这时候用汉宁窗更合适。实际操作中先运行一次两种窗函数下的曲线，再看频谱图是否出现不该有的高旁瓣，就能判断当前参数是否落在整数bin上。

4. 误码率仿真：信噪比换算、非相干检测与误码率误信率关系

4.1 EbN0与EsN0的换算决定了曲线位置

误码率仿真最容易出错的地方不是调制代码，而是信噪比定义。横轴通常是Eb/N0，而接收端相关器处理的是符号能量Es/N0，两者关系是：

EsN0dB = EbN0dB + 10*log10(log2(M))

不同M下需要加到Eb/N0上的偏移量如下：

如果直接把EbN0当成EsN0代入噪声方差，M=4时仿真曲线会比理论曲线右移3dB。反过来说，把EsN0当成EbN0，曲线又会左移，看起来优于理论。先校准信噪比，再做曲线对比。

4.2 用非相干包络检测跑蒙特卡洛仿真

下面代码是MFSK基带非相干检测的最小示例。发送端每次从M个频率里随机选一个，接收端用M个复指数相关器取包络，选最大输出作为判决结果。这种结构和FPGA里的Goertzel滤波器组思路一致。

M = 4; Rs = 1000; sps = 48; Fs = Rs * sps; df = Rs; k = log2(M); t = (0:sps-1) / Fs; EbN0dB = 0:2:12; numSym = 1e4; ber = zeros(size(EbN0dB)); ser = zeros(size(EbN0dB)); for idx = 1:length(EbN0dB) EsN0dB = EbN0dB(idx) + 10*log10(k); EsN0 = 10^(EsN0dB/10); N0 = sps / EsN0; % 复噪声每采样方差 noiseAmp = sqrt(N0/2); bitErr = 0; symErr = 0; for n = 1:numSym sIdx = randi([0 M-1]); fTx = (sIdx - (M-1)/2) * df; tx = exp(1j*2*pi*fTx*t); rx = tx + noiseAmp * (randn(1,sps) + 1j*randn(1,sps)); corr = zeros(1,M); for m = 1:M fRef = (m-1 - (M-1)/2) * df; corr(m) = abs(sum(rx .* exp(-1j*2*pi*fRef*t))); end [~, rIdx] = max(corr); bitErr = bitErr + sum(bitget(sIdx,1:k) ~= bitget(rIdx-1,1:k)); symErr = symErr + (sIdx ~= (rIdx-1)); end ber(idx) = bitErr / (numSym * k); ser(idx) = symErr / numSym; end berTheory = berawgn(EbN0dB, 'fsk', M, 'noncoherent'); semilogy(EbN0dB, ber, 'o-', EbN0dB, ser, 's-', EbN0dB, berTheory, '--'); xlabel('Eb/N0 (dB)'); ylabel('Error Rate'); legend('BER仿真','SER仿真','BER理论','Location','southwest'); grid on;

代码里的N0计算需要解释：一个符号有sps个采样点，每个采样点的复噪声方差是N0，相关器输出端信号幅度累加成sps，噪声功率累加成sps*N0，输出信噪比等于sps/N0，也就是Es/N0。因此用N0 = sps / EsN0反推采样点噪声方差，再拆成实部和虚部各一半方差。bitget按二进制位统计比特错误，避免依赖额外通信工具箱。

如果手头没有Communications Toolbox，berawgn那行可以用理论SER公式替换。但课程设计里berawgn很常用，直接用它与仿真结果对比是最快的方式。

4.3 误码率与误信率的大小关系图：SER与BER怎么换算

很多报告里说“误码率”其实指的是BER，“误信率”是教材里的另一种叫法，也指比特错误率。MFSK仿真里同时统计SER和BER，会得到两条趋势相同、数值不同的曲线。上面代码已经同时算出了ser和ber，画出来就是一张典型的大小关系图。

M=4、自然二进制映射时，一个错误符号平均产生4/3个比特错误；每个符号有2比特，所以BER约等于(2/3)*SER。这个比例在高Eb/N0区域比较稳定，低信噪比时因为符号错误概率高，比例会轻微偏离。如果M=8或16，且符号到比特的映射不是格雷码，比特错误比例会随M变化。最稳妥的做法不是套近似公式，而是像上面代码那样用bitget逐位比较，同时统计SER和BER。

需要精确定位曲线位置时，把numSym提高到5e4以上，误码率曲线会平滑很多。用1e4符号跑出来的曲线在10^-3以后会有抖动，这是正常的蒙特卡洛误差，不要因此怀疑代码写错。

5. 跑通runme.m：路径、版本和验证输出

5.1 先看入口文件，再动参数

压缩包内的文件顺序建议按下表处理：

运行前先把MATLAB当前文件夹切到工程根目录，再在编辑器里打开runme.m。不要直接单独运行子函数文件，因为某些子函数内部没有参数默认值，依赖runme.m在调用前设置好的工作区变量；单独运行会得到“未定义函数或变量”的报错。使用MATLAB 2021a打开时，如果提示某个工具箱缺失，先看runme.m开头是否调用了fskmod、berawgn等通信工具箱函数，再决定安装补全工具箱还是替换成手写函数。

5.2 自动检查路径并验证曲线

为了减少“找不到文件”这类低级问题，我一般会先执行两行检查：

if exist('runme.m', 'file') ~= 2 error('请先用cd命令切换到工程根目录'); end cd(fileparts(which('runme.m')));

第一行确认runme.m可见，第二行直接把工作目录切到它所在目录。这样无论从哪里启动MATLAB，都能保证相对路径不跑偏。验证结果时，把仿真误码率曲线和理论曲线画在同一张图上，观察高信噪比区域是否落在理论值的±1dB范围内。如果脚本内部产生5000个符号以下的误码率统计，则允许在10^-4以下有一定抖动；如果整条曲线系统性偏移，优先怀疑信噪比换算或MFSK检测方式选错。

另一个实用技巧是修改M参数后重新运行runme.m，对比M=2、4、8时的频谱图横轴范围和误码率曲线位置。M增大时，频谱图占用带宽明显变宽，而误码率曲线会向左移，这正好对应前述频谱效率下降的结论。操作录像0003.avi如果展示了运行顺序，可以逐帧对照runme.m中参数区在切换M前后的变化，这个观察方法比单纯看曲线更能确认整套MFSK仿真链路是通的。

本文还有配套的精品资源，点击获取