搞通信系统仿真的人应该都遇到过这种需求要在一个窄带物联网场景下验证某条链路到底能不能用、差多少手头又没有现成平台只能自己用MATLAB从头搭。我这套基于OFDM的NB-IoT MIMO系统仿真就是在这种背景下慢慢磨出来的它包含了OFDM收发机、MIMO空频块编码、瑞利信道建模以及整套蒙特卡洛误码率统计流程可以输出不同信噪比下的BER曲线用来做链路级性能预研、课程设计、甚至算法对比的基线。说白了它能帮你回答一个问题NB-IoT这种180kHz窄带系统在深衰落和小区边缘场景下靠MIMO分集到底能换来多少增益。这套东西适合三类人一是通信工程专业的学生想完整跑通一条OFDM链路而不是只停留在公式二是做物理层算法验证的工程师需要一个可控的仿真环境来对比不同分集或检测方案三是刚接触MATLAB通信仿真的新手想看看代码结构该怎么组织。文章里我会把参数选择、信道模型、核心代码、结果解读和踩坑经验都过一遍不保证每行代码都最优但保证逻辑是通的、可以复现。1.1 为什么窄带系统也要MIMO很多人第一反应是NB-IoT才180kHz带宽速率那么低搞MIMO不是浪费吗这个想法在纯看吞吐量的时候成立但是NB-IoT的核心设计目标之一是大规模连接和高覆盖增强最难的场景是小区边缘和地下环境里的深衰落。MIMO在这里的价值不是提速率而是提可靠性——通过空间分集把多条独立衰落路径合并起来把信道从剧烈波动的深衰落变成相对稳定的等效信道。另外还要考虑NB-IoT终端的移动性。物联网里大量终端是静止的或者极低速的这意味着信道在一个较长时间内变化缓慢信道估计和预编码都比较容易做分集增益更容易体现。在真实的组网里基站侧多天线配置并不罕见终端侧虽然是单天线为主但接收分集、协作多点这类增强方向一直是研究和标准演进里绕不开的话题。所以做2×2、甚至4×4的仿真是有实际意义的它代表的是候选演进技术而不是给现网做的精确建模。1.2 标题里的两个“信道”到底指什么我先把这个点说清楚因为标题写作“蒙特卡洛斯信道和Reyleigh信道”。其中Reyleigh是Rayleigh的常见拼写错误瑞利信道本身是一个物理信道模型描述的是没有直射路径条件下接收信号经过大量散射分量叠加后包络服从瑞利分布的现象。这个模型非常经典常用于城市非视距环境。至于“蒙特卡洛斯信道”我倾向于认为它指的不是某个信道模型而是Monte Carlo仿真方法。通信误码率本质上是一个概率统计量不可能用单次信道实现得到一个稳定的估计值必须在每个信噪比点上重复生成大量信道实现和噪声序列统计错误比特比例。蒙特卡洛方法就是这套随机试验统计框架。两个概念放到一起理解就是在瑞利信道模型下用蒙特卡洛方法统计误码率。如果你在文献里看到Monte Carlo fading这种说法通常也是指用Monte Carlo方式生成和统计衰落信道实现而不是说存在一种叫蒙特卡洛的信道模型。2. 系统参数与模型设计先把链路图在脑子里画出来仿真最忌一上来就写代码。我习惯先画一个链路框图哪怕只是草稿也要把每个模块的输入输出定义清楚。这套仿真的发射端依次是比特生成、QPSK调制、SFBC空频块编码、子载波映射经过MIMO瑞利信道后接收端做信道均衡与SFBC解码、QPSK解调、误码统计。OFDM的IFFT和CP在这个链路里是以频域等效信道形式体现的后面我会专门解释为什么可以这么做。2.1 NB-IoT OFDM参数怎么选NB-IoT下行带宽是180kHz采用OFDMA子载波间隔15kHz正好12个有效子载波。在MATLAB仿真里我通常把FFT点数设成128采样率对应1.92MHz这样12个子载波只占很小一部分其他子载波补零既贴合LTE/NB-IoT的基带采样架构又能避免FFT点数太小导致频域分辨率不够。一个OFDM符号的有效时长为1/15000秒约66.7us正常CP在LTE里是144个采样点除以2048如果缩放到128点FFTCP长度取9个采样点就够了对应约4.7us。调制方式我选QPSK。NB-IoT下行最基本的调制方式就是QPSK12个子载波、14个OFDM符号构成一个子帧每个符号可以承载24个比特。这里要注意如果做MIMO分集同一组数据会占用两个子载波实际一帧承载的比特数会减半后面分析结果时我会强调这一点。有效子载波的位置也会影响仿真结果。实际OFDM系统会空掉直流子载波模拟前端也会在带外留保护间隔。为了贴近真实我把12个子载波映射到128个频点的中间位置避开直流和镜像干扰其余频点全部置零。这个细节新手经常忽略直接映射到低频连续子载波虽然也能跑通但结果里会混入直流偏置的影响。2.2 MIMO收发结构与空频块编码发射端和接收端都配置2根天线使用SFBC空频块编码也就是把Alamouti方案从时间维搬到频率维。为什么用空频而不是空时OFDM系统的子载波在一个符号周期内可以看作互不干扰的平行信道相邻子载波之间的信道响应非常接近这正好满足Alamouti需要两条信道近似相等的条件。如果使用空时编码就需要相邻两个OFDM符号的信道保持不变对于移动终端来说符号间信道变化通常比子载波间变化更明显所以空频块编码是OFDM系统里更自然的选择。SFBC的编码规则是在相邻两个子载波k和k1上天线1发送s1和-conj(s2)天线2发送s2和conj(s1)。接收端只要知道四条信道系数就能把两个符号重新组合出来而且组合后的等效信道增益是四条信道幅值平方和这正是分集增益的来源。我在这套仿真的主配置里使用2发2收解码时先对每个接收天线分别做Alamouti组合再把两根接收天线的软输出合并等效分集阶达到4。为了对比还保留了1发1收的SISO模式这样可以直接看分集带来的收益。2.3 瑞利多径信道参数与块衰落假设信道部分我用抽头延迟线模型参考了ITU步行者环境的简化版本设置了四个抽头相对时延0、1、2、5个采样点相对功率0dB、-3dB、-6dB、-10dB。每个抽头都是独立复高斯随机变量实部和虚部各占一半功率幅值服从瑞利分布。由于采样率是1.92MHz一个采样点对应约0.52us所以最大时延扩展约2.6usCP长度9个采样点足够覆盖。每根发射天线到每根接收天线之间的信道视为独立同分布共需要生成4条独立的瑞利衰落链路。生成办法是先在时域构造抽头系数做FFT变换到频域再取出12个有效子载波位置上的频域响应。这样得到的就是OFDM系统的等效频域信道矩阵每个子载波上都有一个2×2的复矩阵。我采用块衰落假设一帧内信道保持不变帧与帧之间重新生成信道。这个假设对NB-IoT是合理的终端静止或低速移动时信道相干时间远大于一个子帧的时长。蒙特卡洛统计恰恰需要大量帧间独立信道实现来覆盖瑞利衰落的各种状态块衰落模型能在保证统计效果的前提下显著降低仿真时间。如果要做高速移动场景就要改用更精细的时变信道模型那就属于后续扩展了。3. MATLAB核心实现拆解从随机比特到BER曲线的完整链路代码结构上我按功能拆成三个部分主循环负责扫信噪比和统计误码率信道生成函数负责产生每帧的MIMO频域响应帧处理函数负责调制、编码、加噪和解调。下面逐个说。3.1 主仿真循环与蒙特卡洛统计框架主循环的骨架大概是这样的EbN0_dB 0:2:18; N_frame 1000; % 每个SNR点的仿真帧数 N_fft 128; % FFT点数 N_used 12; % 有效子载波数 N_sym 14; % 每帧OFDM符号数 Nt 2; Nr 2; for snr_i 1:length(EbN0_dB) eb_n0_lin 10^(EbN0_dB(snr_i)/10); n0 0.5 / eb_n0_lin; % QPSK每个符号2bitEs1 total_err 0; total_bit 0; for frame 1:N_frame H_f channel_generate(N_used, Nt, Nr); [err, bit_cnt] process_one_frame(H_f, n0); total_err total_err err; total_bit total_bit bit_cnt; end BER(snr_i) total_err / total_bit; end外层循环扫Eb/N0内层循环做蒙特卡洛实验。每个SNR点跑1000帧SISO模式下每帧比特数为12×14×2等于336个比特总共约33.6万比特如果误码率是1e-3量级大概能累积300多个错误比特统计相对误差约在5%到10%之间画BER曲线足够了。SFBC模式下每帧比特数减半所以我会把帧数调到2000帧。信噪比高低不同时误码率的统计特性不一样。低信噪比下错误多几百帧就能稳定高信噪比下错误少需要更多比特才能让曲线不平滑。如果只是演示1000到2000帧够用如果要发论文建议用自适应停止准则比如统计到至少100个错误比特再停止这才算真正稳的蒙特卡洛统计。3.2 多径信道生成与频域等效表达信道生成函数是我这套仿真里最值得细看的部分。它先在时域生成多径抽头再变换到频域function H_f channel_generate(N_used, Nt, Nr) N_fft 128; taps [0 1 2 5]; % 时延单位采样点 p_dB [0 -3 -6 -10]; % 相对功率dB H_tap zeros(N_fft, Nt, Nr); for tx 1:Nt for rx 1:Nr for tap 1:length(taps) p 10^(p_dB(tap)/10); coef sqrt(p/2) * (randn 1j*randn); H_tap(taps(tap)1, tx, rx) ... H_tap(taps(tap)1, tx, rx) coef; end end end H_full fft(H_tap, N_fft, 1); used_sub (N_fft/2 - N_used/2 1) : (N_fft/2 N_used/2); H_f H_full(used_sub, :, :); % 12 × Nt × Nr end每个抽头的系数都是独立复高斯随机变量实部虚部等功率这是瑞利衰落的标准生成方式。四条链路各自独立生成所以H_f在每个子载波上是一个2×2的随机矩阵。如果对每条链路的时域总功率求和结果等于各抽头功率之和也就是归一化到1。做过FFT之后频域响应在统计意义上保持同样的平均功率但具体到某个子载波可能深衰落也可能增强这正是瑞利信道的频域表现。需要多说一句这种频域等效信道方法本质上是在告诉OFDM系统“每个子载波看到的是一个复增益”多径时延信息已经包含在子载波间的相位差异里不再需要显式做时域卷积。3.3 SFBC编码与解码组合在一个OFDM符号内SFBC把12个有效子载波分成6对每对子载波传输两个QPSK符号。发送端先对两路比特流分别做QPSK调制得到s1和s2每个都是6×1的向量然后按天线映射x_tx1 reshape([s1; -conj(s2)], [], 1); % 天线1: s1, -conj(s2), ... x_tx2 reshape([s2; conj(s1)], [], 1); % 天线2: s2, conj(s1), ...这两个向量长度都是12对应12个子载波。第1和第2个子载波组成一对第3和第4组成一对以此类推。接收端的解码是Alamouti组合的直接扩展。对第pr个子载波对设k2pr-1、k22pr对第rx根接收天线可以把第k和第k2个子载波上的接收方程写成y_k h11s1 h12s2 n_k y_k2 -h21conj(s2) h22conj(s1) n_k2这里h11、h12分别是接收天线rx到天线1和天线2在第k个子载波上的信道h21、h22则对应第k2个子载波。因为相邻子载波信道几乎相等直接用h11、h12近似替代h21、h22即可。合并时对两根接收天线求和r1 sum_rx(conj(h11)y_k h22conj(y_k2)) r2 sum_rx(conj(h12)y_k - h21conj(y_k2))整理之后r1和r2前面的增益都是各条信道幅值平方和理想情况下等于4条信道能量的总和这就是分集阶数4的由来。每个子载波对解出两路QPSK软值后经过硬判决就能还原比特。如果嫌双重循环麻烦可以一次把6个子载波对全部向量化但第一次调试时用循环更直观也更容易定位问题。3.4 Eb/N0与噪声功率的换算关系噪声功率设计是这类仿真里最容易出错也最影响结果的一步。我统一的约定是调制符号平均能量Es1QPSK每个符号2个比特所以EbEs/20.5。给定的Eb/N0线性值记为eb_n0_lin噪声谱密度N0就等于0.5除以eb_n0_lin。添加复噪声时实部和虚部的方差各为N0/2w sqrt(n0/2) * (randn(size(y)) 1j*randn(size(y)));这样加出来的复高斯白噪声总方差就是n0。由于发射端调制符号能量为1信道又做了功率归一化接收端每个符号的平均功率约为1所以Es/N0约等于2倍的Eb/N0正好对应QPSK每符号2比特的关系。做OFDM仿真时噪声在时域加还是频域加其实是等价的。FFT是归一化正交变换白噪声经过FFT后仍然是白噪声统计特性不变。我为了避免IFFT和CP带来的能量折算麻烦直接在频域等效信道上加噪声。这个做法对BER没有影响只是省掉了时域卷积。CP开销的影响在这里以“带宽效率损失”的形式存在不影响误码率统计。4. 仿真结果怎么解读三种信道条件的性能差异跑通代码只是第一步能从曲线上读出信息才是这套仿真的价值所在。我把实验分成三组AWGN基线、单发单收瑞利信道、2×2 SFBC瑞利信道。4.1 AWGN基线与Rayleigh平坦衰落的对照AWGN基线不是用来“证明系统好”的它用来验证链路实现是否正确。QPSK在AWGN下的误码率有闭合表达式仿真结果与理论曲线比对如果每个信噪比点误差都在可接受范围内说明调制、解调、噪声功率这一整套链路没有系统性错误。这个步骤不能省我见过不少人直接去跑衰落信道跑出来曲线不理想根本不知道是信道写错还是检测写错。换成单发单收平坦瑞利信道后性能会明显恶化。同样的2%误码率AWGN下大约5dB Eb/N0就够了瑞利信道可能要14dB左右差了接近10dB。原因不难理解瑞利信道经常把信号衰减到接近零这些深度衰落时刻的错误率接近50%对平均误码率贡献极大。要对抗这种深衰落只有两条路分集或者纠错编码。4.2 SISO与2×2 SFBC的分集增益把单发单收和2×2 SFBC两条曲线放在一起分集增益一眼就能看明白。在误码率1e-2的位置2×2配置大约比SISO低8到10dB而且随着目标误码率降低这个差距还在扩大。原因就是曲线斜率不同SISO系统的分集阶数是1高信噪比下BER曲线尾部近似按Eb/N0的一次方下降2×2 SFBC等效分集阶数是4尾部按四次方下降所以信噪比越高优势越明显。这里我要强调一下比较的公平性。SFBC用两个子载波传输两个符号频率资源用量是SISO的两倍也就是说它在获得分集增益的同时牺牲了频谱效率。但在以Eb/N0为横轴的链路线仿真里比特能量定义是绝对的横向对比SISO和SFBC是公平的因为两者每条信息比特消耗的能量相同差别只在于用带宽换可靠性。如果你关心的是频谱效率那就得换一种指标来看。4.3 多径时延对误码率的影响与OFDM的应对多径从直觉上好像是坏事但在OFDM系统里只要CP长度大于最大时延扩展每个子载波上的等效信道仍然是一个平坦复增益子载波之间保持正交不会产生符号间干扰和子载波间干扰。所以单纯增加多径数量并不会让BER必然恶化它只会改变不同子载波上深衰落的位置和深度。在我的仿真里四条多径信道和一径平坦信道相比最终BER曲线差别很小甚至多径版本在某些信噪比点还略好一点这是因为频率选择性给不同子载波提供了更多独立的衰落样本。如果没有信道编码这种潜在的频率分集无法被利用一旦在链路中加入卷积码、LDPC或者Turbo码不同子载波上的独立性就能转化为编码增益。这也是为什么实际系统绝不可能只靠分集不靠编码。如果你把CP长度改小到比最大时延扩展还小情况就会急剧恶化相邻OFDM符号的能量会泄漏到当前符号里BER曲线会在某个信噪比附近掉不下去形成地板效应。这个现象值得亲自实验一次它会让你对CP的意义有很直接的理解。4.4 移动速度与信道时变性的影响NB-IoT场景里终端大多是静止的所以我的仿真用块衰落模型是合理的。但如果你把同一套代码用到更高速度的场景需要在信道生成里加入多普勒频移和符号间变化。SFBC用相邻子载波做编码本身对时间维的变化不敏感所以即使信道在帧内有轻微变化影响也有限。真正受影响的是那些依赖相邻OFDM符号信道近似相等的处理比如差分解调、空时编码。如果以后想扩展我建议在信道函数里加入经典的单子多普勒模型生成一条带多普勒扩展的时变复增益然后按OFDM符号间隔采样。这样做以后可以画出BER随移动速度变化的曲线会很有意思。5. 仿真效率、可复现性与常见坑5.1 蒙特卡洛次数如何估置信度和错误事件数蒙特卡洛仿真的核心是“错误事件数”而不是“总比特数”。统计理论告诉我们如果要让相对误差控制在10%左右至少需要约100个错误事件。反过来目标误码率是1e-3就需要大约10万个比特参与统计。这个估算可以帮助你判断每个信噪比点要跑多少帧。我这套参数下SISO模式每帧336个比特1000帧能统计33.6万个比特在1e-3误码率时有300多个错误事件算是有一定可信度。SFBC模式每帧比特减半所以我把帧数翻倍。高信噪比点上的曲线往往看起来毛糙不是代码问题是错误事件数不够。如果想让曲线平滑不要盲目把所有点都跑同样的帧数可以单独给高信噪比点加帧数或者加一个自适应停止条件。5.2 随机数种子与结果可复现调试时我会在脚本最前面固定随机数种子比如rng(0)这样每次运行结果完全一致方便排查问题。但要注意不要在每一层循环里反复重置种子那样会破坏蒙特卡洛实验的独立性让不同信噪比点使用完全相同的信道序列反而人为减少了统计波动。正确做法是在脚本入口设置一次种子后面所有信道和噪声都从同一个随机流里取整体可复现实验之间又能保证独立性。还有一个容易踩的坑如果把信道生成函数写得依赖全局随机状态而并行计算工具箱的parfor在工作进程上会使用独立随机流那么并行跑出来的结果和串行会不一样。这个不是错误但发布代码时要说明清楚。5.3 子载波映射与直流位置很多初学者写OFDM仿真时把有效子载波直接映射到FFT的前12个位置。这么做在数学上也能工作但会引入直流子载波以及频谱边缘效应。实际OFDM系统里直流子载波容易被本地振荡器泄漏干扰所以会被置零。我在仿真里使用中间位置映射把12个子载波放在128点FFT的中间段并在取频域响应时保持与发射映射一一对应。这个映射一旦前后不一致接收端解出来的符号就是乱的而且错误模式和信噪比无关曲线会直接失效。如果你看到BER在低信噪比都接近0.5还平着掉不下去第一件事就检查子载波映射和信道索引是否完全一致。5.4 仿真速度优化建议这套链路如果是完整时域卷积加IFFT跑1000帧会非常慢。我用频域等效信道以后每帧只涉及少量矩阵乘法和组合运算速度提升非常明显。如果你的机器仍觉得慢可以从三方面优化一是把内层循环向量化6个子载波对的SFBC解码可以一次性用矩阵运算完成二是对SNR点用parfor并行每个worker独立跑一组信噪比三是减少不必要的绘图和中间变量保存只在最后存BER数组和最终绘图数据。如果追求更极致的速度可以把多帧信道生成合并成批处理一次性生成一个大的信道矩阵然后再按帧切片。代价是内存占用上升但仿真时间能再降一个量级。根据自己的机器配置取舍即可。最后说点心得体会这套仿真我从头到尾写下来最大的收获倒不是那条BER曲线而是把“OFDM频域等效信道”“分集合并”和“Eb/N0折算”这几个概念彻底打通了。以前看公式总觉得隔一层真正在MATLAB里一字一句把这些模块敲出来才发现很多细节是公式不会告诉你的比如相邻子载波信道近似到底损失多少性能比如噪声方差差一倍的后果比如子载波映射不一致时那种完全没规律的错码。这些理解只有亲手跑过才会留下。如果看完文章想动手做我建议不要直接复制全部代码先按我给的参数把SISO版本跑通再加信道、再加SFBC一步一步来。出问题的时候用单径平坦信道和理论曲线对照很容易定位是哪一层错了。接下来可以扩展的方向也不少加入信道编码把频率分集也利用起来换成LS估计看信道估计误差的影响或者模拟NB-IoT的重复传输机制去验证覆盖增强场景。这套框架模块化程度还可以替换其中任何一块都不需要重写其他部分。我把这些参数和思路写在这里希望对正在搭OFDM链路仿真的朋友有点帮助。