企业官网建设流程全解析

简介：面向通信系统学习者的Matlab仿真资源，聚焦卷积编码与Viterbi译码算法性能对比，通过软判决与硬判决两种译码方式的仿真结果，直观展示误码率差异，适用于本科课程设计、研究生算法验证或工程人员快速上手。压缩包共16个文件，以10个m源程序为核心，涵盖PN码生成、数据分组、调制、编码、软/硬判决接收等完整仿真链路，另有4个mat数据文件用于中间结果保存、1个操作录像和1张图示，整体大小约109.92MB。目前已有1529人学习浏览，足见其实用价值。随包附带的mp4操作录像明确演示了Matlab路径设置与运行注意事项，可有效规避环境配置问题；核心脚本如VitEnc、SoftVitDec、ReceiverHD、ReceiverSD等模块划分清晰，便于按模块研读和二次开发。整体框架适合对比不同判决策略下的卷积码性能，也能作为卷积码与Viterbi译码相关课程设计的仿真实例，帮助读者深入理解Viterbi译码实现细节。

1. 卷积编码和Viterbi译码：软判决“应该”更好，为什么你的仿真却在翻车

同样是卷积编码和Viterbi译码性能仿真，A同学把硬判决曲线跑通之后，把vitdec的参数从'hard'换成'soft'，BER 曲线反而更差，甚至在高信噪比处出现平台。这不是 Viterbi 算法出了问题，而是软判决的量化映射、度量计算和 Eb/N0 换算三处各错了一点。这个标题要解决的正是这样一件事：在 MATLAB 里把卷积编码、Viterbi 译码的完整链路搭起来，分别用硬判决和软判决译码跑出误码率曲线，再做一次公平对比。适合正在做信道编码课程设计、或者需要评估编码增益的通信工程师。你只需要会 BPSK 和 AWGN 的仿真套路，剩下的代码可以直接抄，坑位我提前踩给你看。

2. 硬判决链路先跑通：poly2trellis 建码、vitdec 译码与最小 MATLAB 仿真

2.1 从生成多项式到网格图：先把卷积码的“骨架”搭对

卷积码本质上是一个有限状态机。以经典的 (2,1,7) 码为例：每个时刻输入 1 个信息比特，输出 2 个编码比特，码率 R=1/2；约束长度 K=7，意味着当前输出由当前输入和前 6 个历史比特共同决定，寄存器状态有 64 个。MATLAB 里建码只用一行，但这一行的参数决定了后面所有仿真结果：

trellis = poly2trellis(7, [171 133]);

7是约束长度，[171 133]是两个生成多项式的八进制表示，对应两个输出支路的抽头位置。poly2trellis会返回一个结构体，里面包含numInputSymbols、numOutputSymbols、nextStates、outputs四个字段，vitdec和convenc都依赖这个结构体。这是后面所有仿真代码的公共底座。

Viterbi 译码做的事情，是在这个网格图上找一条与接收序列“距离最近”的路径。硬判决的场景里，接收端先把每个符号切成 0/1，再计算汉明距离；译码器每个状态保留一条幸存路径，最后回溯输出。MATLAB 的vitdec把整条路径搜索封装成了黑匣子，但你必须知道它有三个行为会影响结果：工作模式'cont'还是'term'、回溯深度tb、以及输入数据的格式。这三个参数没设对，仿真曲线会整体偏移甚至完全错误。

2.2 硬判决最小仿真：从随机比特到 BER 曲线

先给一个能直接跑的硬判决仿真完整脚本。这个脚本我习惯把它作为基线版本，后面软判决、对比实验全都基于它改。

% hard_decision_ber.m % (2,1,7) 卷积码，BPSK + AWGN，硬判决 Viterbi 译码 clear; clc; trellis = poly2trellis(7, [171 133]); % 约束长度7，生成多项式 171/133 (八进制) tb = 35; % 回溯深度，经验值取 5*(约束长度) nFrame = 200; % 每个信噪比点的帧数 frameLen = 1000; % 每帧信息比特数 ebN0dB = 0:1:6; % 横轴：比特信噪比 ber = zeros(size(ebN0dB)); for idx = 1:length(ebN0dB) errBits = 0; totalBits = 0; esN0dB = ebN0dB(idx) + 10*log10(2); % 码率1/2 => Es = 2*Eb N0 = 10^(-esN0dB/10); % 符号能量归一化为1时的单边噪声功率谱密度 noiseSigma = sqrt(N0/2); % 实AWGN每维标准差 for f = 1:nFrame data = randi([0 1], frameLen, 1); coded = convenc(data, trellis); % 编码，输出长度 = 2*frameLen tx = 1 - 2*coded; % BPSK映射: 0 -> +1, 1 -> -1 rx = tx + noiseSigma*randn(size(tx)); hardBits = double(rx < 0); % 硬判决: 接收小于0判为1 decoded = vitdec(hardBits, trellis, tb, 'cont', 'hard'); % 丢弃前tb个不可靠输出，再与发送数据对齐统计 cmp = decoded(tb+1:end); ref = data(1:length(cmp)); errBits = errBits + sum(cmp ~= ref); totalBits = totalBits + length(ref); end ber(idx) = errBits / totalBits; end semilogy(ebN0dB, ber, 'o-'); grid on; xlabel('Eb/N0 (dB)'); ylabel('BER');

这段代码的逻辑分四步：编码、调制加噪、硬判决、译码统计。注意data是列向量，randi默认生成的也是列向量，这保证了convenc的输入输出维度一致。convenc输出长度是输入的两倍，因为码率 1/2；如果你后面要测 2/3 或 3/4 码率，这里的长度关系和噪声功率都要重新算。

参数里有三个需要你重点调的地方。第一个是esN0dB，它由ebN0dB + 10*log10(2)得到，含义是符号信噪比。BPSK 每符号携带 1 个比特，但卷积编码后每 2 个符号才对应 1 个信息比特，所以Es = 2*Eb，差了约 3.01 dB。第二个是N0 = 10^(-esN0dB/10)，这是在符号能量归一化为 1 的前提下反解出的噪声功率谱密度，randn乘的系数是sqrt(N0/2)而不是sqrt(N0)，因为复基带等效模型里实部虚部各分一半噪声功率，我们仿真的是实信号。第三个是tb = 35，'cont'连续模式下vitdec输出有固定延迟，前tb个比特不参与统计。tb太小会导致末尾几条路径没有充分收敛，BER 出现不该有的地板；tb太大会浪费计算量，35 对约束长度 7 的码已经足够。

提示：如果你把'cont'换成'term'，编码端必须使用convenc(..., trellis, 'term')或者手动补尾比特，否则译码器默认的终态假设和发送端不一致，误码率会异常偏高。这里统一用'cont'最省心。

3. 软判决仿真：把汉明距离换成欧氏距离，量化怎么设才不翻车

3.1 软判决的度量本质：为什么 AWGN 下的最优度量是欧氏距离

硬判决在判决那一刻就把“这个符号离判决门限有多远”这个信息丢掉了。比如接收值 -0.1 判成 1，接收值 -5.0 也判成 1，但后者的置信度显然高得多。软判决就是把这种置信度保留下来，译码器计算路径度量时不再数汉明距离，而是比较接收值和假设发送符号之间的欧氏距离。在 AWGN 信道下，欧氏距离对应的就是最大似然准则，这是理论上最优的译码方式。

从汉明距离换成欧氏距离之后，路径度量的数值范围变大了，Viterbi 译码的加法比较选择结构不变，变的只是分支度量的计算方式。MATLAB 的vitdec用'soft'模式帮你省掉了这一步，但它有一个硬性要求：输入必须是量化后的整数，范围是0到2^nq - 1，nq是量化比特数。也就是说，你必须先把接收软值映射成整数，这个映射直接决定了软判决增益能不能兑现。硬判决可以看成nq=1的特例，输入只有 0 和 1。

量化比特数和量化范围是软判决仿真的两个旋钮。nq=3即 8 电平，是工程上性价比最高的选择，相比无限精度损失一般不超过 0.2 dB；nq=4到 5 基本可以忽略量化损失。真正容易翻车的是量化边界 A：边界取小了，高信噪比下软值全部被限幅，软判决退化成一堆相同的最大值；边界取大了，量化间隔变大，小噪声被量化误差淹没。我一般先看最低 Eb/N0 下接收序列的幅度分布，再定 A，而不是拍脑袋取 ±1。

3.2 3bit 量化与软值映射：软判决仿真的核心代码

软判决和硬判决的差别只有两处：接收端多了一步量化映射，vitdec的参数从'hard'改成'soft', nq。其余编码、调制、加噪、误码统计完全共用。

% soft_decision_ber.m % 与硬判决相比，唯一本质区别是软值量化和vitdec的'soft'模式 clear; clc; trellis = poly2trellis(7, [171 133]); tb = 35; nFrame = 200; frameLen = 1000; ebN0dB = 0:1:6; nq = 3; % 3bit量化 qLevels = 2^nq; % 8电平 A = 4.0; % 量化边界，覆盖低信噪比下的接收动态范围 ber = zeros(size(ebN0dB)); for idx = 1:length(ebN0dB) errBits = 0; totalBits = 0; esN0dB = ebN0dB(idx) + 10*log10(2); N0 = 10^(-esN0dB/10); noiseSigma = sqrt(N0/2); for f = 1:nFrame data = randi([0 1], frameLen, 1); coded = convenc(data, trellis); tx = 1 - 2*coded; rx = tx + noiseSigma*randn(size(tx)); % 软值映射到 [0, qLevels-1] y = max(min(rx, A), -A); % 限幅 softIn = round((y + A) / (2*A) * (qLevels-1)); softIn = min(softIn, qLevels-1); % 防止round溢出到8 decoded = vitdec(softIn, trellis, tb, 'cont', 'soft', nq); cmp = decoded(tb+1:end); ref = data(1:length(cmp)); errBits = errBits + sum(cmp ~= ref); totalBits = totalBits + length(ref); end ber(idx) = errBits / totalBits; end semilogy(ebN0dB, ber, 's-'); grid on; xlabel('Eb/N0 (dB)'); ylabel('BER');

软值映射那两行是这条链路的命门。tx是 ±1，所以rx大致分布在±(1 + 3σ)附近；在 Eb/N0 从 0 到 6 dB 的扫描范围里，A=4能覆盖住绝大多数采样点。(y + A) / (2*A)把[-A, A]线性映射到[0,1]，再乘qLevels-1得到[0,7]的浮点数，round取整后就是vitdec要的软判决输入。这里有一个容易被忽略的细节：round在y恰好等于A时会算出8，超出允许范围，所以必须紧跟一行min(softIn, qLevels-1)。

为什么映射方向是“大值对应发送 0”？因为 BPSK 映射里0 -> +1，接收值越正说明越可能是 0；vitdec的软判决度量会把大数解释为“更偏向某个星座点”，这个对应关系只要和你的调制映射保持一致即可。最后统计误码时同样丢弃前tb个输出，和硬判决的处理方式保持一致，两条曲线才有可比性。

注意：vitdec的'soft'模式要求输入是整数向量，且最大值不超过2^nq - 1。如果你在别处看到有人把浮点软值直接塞进去，要么是他的 MATLAB 版本做了自动转换，要么那条曲线本身就是错的。

4. 软硬判决对比：Eb/N0 换算、参数扫描和一张图上的两条 BER 曲线

4.1 Eb/N0、Es/N0 和噪声方差：对比实验的“对齐”问题

软硬判决对比最容易犯的错误，是两条曲线用的横轴物理意义不一致。硬判决里你可能直接按符号信噪比画图，软判决里又换成了比特信噪比，两条曲线根本没有对齐，得出的“软判决差 3dB”属于假象。正确做法是：仿真内部统一用符号能量归一化计算噪声功率，横轴统一画 Eb/N0，换算公式固定为Es/N0 = Eb/N0 * 2（码率 1/2 时），转成 dB 就是esN0dB = ebN0dB + 10*log10(2)。

另一个隐蔽问题是符号能量归一化。上面代码里tx = 1 - 2*coded，每个符号能量确实是 1，所以N0 = 1 / (Es/N0)成立。如果你把星座改成tx = 2*coded - 1，符号能量同样是 1，没问题；但如果你用tx = sqrt(2)*...或者加了个归一化系数 1/√2，噪声方差就必须跟着改，否则整条 BER 曲线会左右平移。我自己的习惯是把符号能量归一化写在注释里，每次改调制方式先更新这一行再动其他参数。

4.2 扫参脚本与画图：让对比曲线可复现

为了方便对比，把硬判决和软判决封装成同一个函数，只留mode和nq两个开关。这样扫参代码短，也避免两份代码在帧数、帧长上不一致。

% viterbi_ber.m % 统一接口：mode='hard' 或 'soft'；nq为软判决量化比特数 function ber = viterbi_ber(ebN0dB, mode, nq) trellis = poly2trellis(7, [171 133]); tb = 35; nFrame = 200; frameLen = 1000; ber = zeros(size(ebN0dB)); for idx = 1:length(ebN0dB) esN0dB = ebN0dB(idx) + 10*log10(2); N0 = 10^(-esN0dB/10); noiseSigma = sqrt(N0/2); errBits = 0; totalBits = 0; for f = 1:nFrame data = randi([0 1], frameLen, 1); coded = convenc(data, trellis); tx = 1 - 2*coded; rx = tx + noiseSigma*randn(size(tx)); if strcmp(mode, 'hard') decIn = double(rx < 0); decoded = vitdec(decIn, trellis, tb, 'cont', 'hard'); else A = 4.0; qLevels = 2^nq; y = max(min(rx, A), -A); decIn = min(round((y+A)/(2*A)*(qLevels-1)), qLevels-1); decoded = vitdec(decIn, trellis, tb, 'cont', 'soft', nq); end cmp = decoded(tb+1:end); ref = data(1:length(cmp)); errBits = errBits + sum(cmp ~= ref); totalBits = totalBits + length(ref); end ber(idx) = errBits / totalBits; end end

调用和画图脚本：

% run_compare.m ebN0dB = 0:0.5:6; ber_hard = viterbi_ber(ebN0dB, 'hard', 1); ber_soft = viterbi_ber(ebN0dB, 'soft', 3); semilogy(ebN0dB, ber_hard, 'o-', ebN0dB, ber_soft, 's-'); grid on; legend('硬判决', '软判决(3bit)', 'Location', 'southwest'); xlabel('Eb/N0 (dB)'); ylabel('BER'); title('(2,1,7)卷积码 Viterbi 译码：软硬判决对比');

这个扫参脚本的步长取了 0.5 dB，而不是第一章里的 1 dB。原因是软硬判决的差值在 1.5～2.5 dB 之间，步长太粗看不出差异随信噪比的变化趋势。帧数nFrame=200、帧长frameLen=1000时，每点统计约 20 万个信息比特，在 BER=1e-3 处大约有 200 个错误事件，曲线还算平滑；如果你要把曲线画到 1e-5，需要把帧数提高到 2000 以上，否则曲线的尾部全是抖动。画图必须用semilogy，线性坐标系下 BER 低端会被压成一条贴地的线，什么都看不出来。

提示：nFrame和frameLen的乘积决定了每个信噪比点的计算量。0.5 dB 步长 × 13 个点 × 200 帧，在普通笔记本上大约要跑几分钟；如果你用parfor把帧循环并行化，记得每个 worker 里的随机数流要独立，否则并行跑出来的曲线和串行对不上。

5. 仿真避坑：软判决翻车、Eb/N0 混用等 5 条血泪经验

5.1 现象：软判决 BER 曲线在高信噪比下比硬判决还差

同一套参数，'soft'模式跑出来的曲线在 Eb/N0 较高时反而比'hard'差，甚至出现平台。

原因：量化边界 A 取太小，高信噪比下大部分软值被限幅到最大电平，软判决实际退化成若干个“死值”，路径度量里只剩极少的信息；或者nq=1被误用成软判决，那本质上就是硬判决。另一个常见原因是把浮点rx直接喂给vitdec，没有量化，MATLAB 某些版本会悄悄做四舍五入，导致映射关系和你预期不一致。

解决：打印量化后softIn的直方图，确认高信噪比点没有大量值堆积在 0 或 7 两端；把 A 适当调大（从 4 调到 6 试试），同时把nq至少设成 3。如果曲线还是不对，回到硬判决基线，确认基线的 Eb/N0 换算没问题，再切软判决。

5.2 现象：同样脚本重跑两次，BER 曲线对不上，尾部尤其明显

现象是每次运行结果都有细微差别，低信噪比勉强一致，高信噪比点抖动剧烈。

原因：随机数种子没有固定，而且高信噪比下错误事件非常稀疏，比如 BER=1e-4 意味着每 1 万个比特才错 1 个，如果帧数不够，这次跑出 0 个错误、下次跑出 5 个错误，BER 就差出一个数量级。

解决：脚本开头加rng(42)固定全局随机流；每帧的randi和randn会按固定顺序产生随机数。更重要的是按“错误事件数”决定仿真是否停止，而不是只按固定帧数。我一般要求每个信噪比点至少累计 50～100 个错误比特，BER 低于 1e-4 时用这个标准控制帧数，曲线尾部会稳定很多。

5.3 现象：BER 曲线整体比理论值偏移 3dB 左右，但形状正常

现象是曲线的斜率、趋势都和预期一致，但整体右移或者左移了约 3dB。

原因：Eb/N0 和 Es/N0 混用了。码率 1/2 卷积码的Es=2Eb，如果在esN0dB里漏加10*log10(2)，噪声功率会比真实值大一倍，曲线右移 3dB；反过来如果编码后每符号仍按 1 比特算，横轴标成 Eb/N0 但实际算的是 Es/N0，曲线左移 3dB。

解决：对照 4.1 节的换算公式逐行检查。有一个笨但可靠的自检方法：把卷积码换成直通（即去掉convenc，vitdec也换成直接判决），跑一条未编码 BPSK 的理论曲线0.5*erfc(sqrt(10.^(ebN0dB/10)))，和仿真值画在一起，两边差在 0.1dB 以内，说明噪声链路是对的。

5.4 现象：译码输出长度不对，误码统计错位，BER 异常偏高

现象：vitdec输出长度和发送data不一致，或者统计时没对齐，BER 一直在 0.5 附近徘徊。

原因：'cont'模式输出有回溯延迟，开头一部分对应的是历史状态的估计，不能和data前几比特直接比较；'term'模式下编码端没补尾比特，终态不匹配，也会输出整段乱码。还有一个隐蔽问题：data是行向量时，convenc输出是行，vitdec输出是列，长度对上了但方向没对上，逐位比较时维度不一致。

解决：统一用列向量；统计时固定丢弃前tb个输出，再取和data等长度的片段。可以加一行断言assert(length(cmp)==length(ref))，一旦对不上立刻报错，而不是让错误静默扩散。

5.5 现象：录像里调过的参数，之后照着操作却复现不出来

现象：看操作录像时信噪比范围、帧数都很清楚，但自己照着重敲，曲线形状对不上。

原因：录像是线性播放的，中间演示者可能临时改过某个变量后来又改回去，这个动作在录像里很难被注意到；或者录像只展示了最终脚本，没有展示脚本顶部的参数块和随机种子。

解决：把关键参数集中放在脚本最前面，并用注释写清楚每一行的含义和单位；录像开始前先执行clear; clc; rng(42)，让观看者能明确看到初始化动作；每跑一个信噪比点，在命令行打印EbN0=xx dB, BER=xx，这样即使画面切走了，日志也能对得上脚本状态。

6. 把仿真做成可复用的录像：录屏习惯、种子管理和结果验证

6.1 录像前的四个固定动作

操作录像的价值不在演示，而在可复现。我拿到“含仿真操作录像”这类需求时，一般不会直接开录，而是先做四件事：清空工作区、固定随机种子、把全部参数打印在命令行、把脚本调成单信噪比点短帧快速跑通。前三个动作保证观看者从录像里看到的环境和他自己的环境一致，第四个动作是为了避免录到一半卡在长仿真上。

录屏时我会把 MATLAB 编辑器窗口和命令行窗口并排，让参数块和运行结果同时出现在画面里。单纯录曲线图是最没用的，因为曲线只能证明“跑通了”，证明不了“参数是什么”。真正有用的录像是：先展示参数块，再运行一段短脚本，然后把 BER 值打印出来，最后画出曲线。我在每个信噪比点的fprintf里会带上当前帧号，这样观看者能实时看到进度，也知道哪一次运行刷了多少帧。

6.2 收尾验证：看曲线之前先看错误事件数

最后验证仿真结果时，我不会先画曲线，而是先看每个信噪比点的错误事件数。BER 是 1e-4 但只统计到 10 个错误，和统计到 500 个错误，可信度完全不同。经验下限是每个点至少 50 个错误比特；再少的话，曲线尾部出现异常上翘时，你分不清是算法问题还是统计抖动。我会在脚本里加一行errEvents的计数，跑完画图前先扫一眼这个数组。

更严格一点的验证是拿未编码 BPSK 曲线做参照。理论上 (2,1,7) 卷积码加软判决 Viterbi 译码，在 BER=1e-4 附近比未编码 BPSK 好 4～5dB，硬判决比软判决差 1.5～2.5dB。如果两条编码曲线都比未编码曲线差，几乎可以肯定是调制映射或者噪声方差的问题，而不是译码器的问题。

这个仿真方案帮我验证过不止一个编码方案，也帮某同学把课程设计从“跑不出对比图”救到“和理论对得上”。最深的教训是：软判决的增益不是换一个字符串参数就能白拿的，量化映射和信噪比换算才是真正的坑位。希望你按这套代码跑通之后，能把软硬判决的差值画出一个平滑的、可解释的 2dB 左右的间距。希望帮到你。

本文还有配套的精品资源，点击获取