8FSK扩频系统误码率仿真全解析：从原理到MATLAB实践

最近一个做水下通信课题的师弟跑过来问我，为什么他的8FSK加扩频的MATLAB误码率仿真曲线，跟理论值差了十万八千里。我帮他查了两天代码，发现里面至少有三个典型错误：扩频根本没起到作用、噪声功率算错了、统计的误码数太少导致曲线毛刺。这些问题在教科书上基本不会写，但实际做链路仿真时几乎人人都会踩一遍。这篇文章就把整个链路的仿真方法、参数设计、代码实现和排错经验完整讲一遍，适合正在做MFSK、扩频通信、水声或物联网物理层仿真的同学参考。

1. 链路方案定调：8FSK与直接序列扩频的组合逻辑

1.1 为什么选8FSK而不是2FSK或QPSK

8FSK属于M进制频移键控，一个符号携带3比特信息，符号速率只有比特速率的三分之一。相比2FSK，它省带宽；相比QPSK这类线性调制，它有恒包络特性，对非线性功放不敏感，峰均比低，特别适合功率受限、发射机前端有严格线性度要求的场景。水下声通信、深空通信里大量用MFSK，核心原因就在这。

8FSK的代价也很直观：为了保持8个频率互相正交，频率间隔必须是符号速率的整数倍，总占用带宽约为M倍符号速率。所以8FSK本质上是拿带宽换抗噪性能，M越大，每个符号携带的比特越多，但同样的信噪比下误码率也会因为判决空间变大而变差。仿真中你很容易看到，8FSK非相干解调的误码率曲线比QPSK差不少，但它抗频率选择性衰落和多普勒频移的能力是QPSK比不了的。

做仿真前先想清楚一个问题：你为什么要用8FSK加扩频？如果只是单纯想展示误码率曲线，不加扩频用berawgn直接画理论值就够了。加扩频的核心目的通常是抗窄带干扰、抗多径或者低截获概率。明确了需求，后面参数设计和结果分析才有方向。

1.2 直扩与FSK结合的正确姿势：码片级扩频才是关键

这里必须重点说一个常见的错误做法。很多人把扩频理解成"把PN码乘在已调FSK信号上"，这是不对的。FSK信号是恒包络频率调制，在复数基带上它只是不同频率的复指数。你乘一个±1的PN码，得到的只是整体相位翻转，频率信息一点没动，非相干解调器根本觉察不到扩频的存在。我见过好多份仿真代码就是这么写的，最后误码率曲线和不加扩频完全一样，还以为是扩频增益的功劳。

真正可行的直扩与MFSK结合方案是码片级直扩：

• 信息比特先与PN码逐码片异或或相乘，得到高速码片流；
• 每3个码片按8FSK映射规则组成一个符号，符号速率等于码片速率的三分之一；
• 接收端先做8FSK非相干解调，估计出码片序列，再与本地PN码做相关解扩。

这个架构中，扩频不是加在已调信号上的，而是直接抬高了调制器的输入码片速率。信号带宽由码片速率决定，处理增益来自接收端PN码相关时的能量积累。仿真时要时刻记住这一点，不然你的扩频模块就是摆设。

2. 发射端与接收端的模块化拆解

2.1 发端：比特→扩频→8FSK映射的仿真实现

发端链路可以拆成四个函数：比特生成、直接序列扩频、比特到符号映射、8FSK波形生成。扩频部分我用随机±1序列当PN码，方便起见直接生成周期等于扩频因子的码序列。真实系统应当用m序列或Gold序列，但链路的误码率特性在理想同步假设下与PN码具体的相关性无关，所以先用随机码把链路跑通。

8FSK波形生成是整个发端最核心的部分。基带模型下，第m个符号的复包络是：

s(t) = exp(j * 2 * pi * (m - (M-1)/2) * df * t)

其中m取值0到7，df是频率间隔，取值为符号速率的整数倍。下面这段MATLAB代码生成一个符号周期内的8个候选波形：

function dict = generate_fsk_dict(M, df, Fs, nsamp) dict = zeros(M, nsamp); t = (0:nsamp-1) / Fs; for m = 0:M-1 freq = (m - (M-1)/2) * df; dict(m+1, :) = exp(1j * 2 * pi * freq * t); end end

这里dict的每一行是一个符号的完整波形，后面发射和接收都用它。注意频率表达式里的(m - (M-1)/2)，它让8个频率关于0对称分布，仿真时均值就是0，方便后面功率和信噪比计算。

发端完整流程的代码骨架如下：

M = 8; % 8FSK k = log2(M); % 每符号3比特 N = 7; % 扩频因子 Rs = 1000; % 符号速率 Fs = 8 * Rs; % 采样率，每符号8个采样点 nsamp = Fs / Rs; df = Rs; % 频率间隔等于符号速率 pn = 2 * (randi([0 1], 1, N) - 0.5); % PN码，±1序列 bits = randi([0 1], 1, Nbits); % 随机信息比特 chips = 2 * bits - 1; % 比特转双极性 chips_spread = reshape(repmat(chips, N, 1), 1, []); % 每个比特复制N次 chips_spread = chips_spread .* repmat(pn, 1, length(chips)); % 乘以PN码 % 每3个码片映射为一个8FSK符号索引（0~7） sym_idx = zeros(1, length(chips_spread) / k); for i = 1:length(sym_idx) c = chips_spread((i-1)*k+1 : i*k); sym_idx(i) = (c(1)>0)*4 + (c(2)>0)*2 + (c(3)>0)*1; end % 按索引生成调制信号 tx_signal = zeros(1, length(sym_idx) * nsamp); for i = 1:length(sym_idx) tx_signal((i-1)*nsamp+1 : i*nsamp) = dict(sym_idx(i)+1, :); end

这段代码里有个细节值得解释：reshape(repmat(bits, N, 1), 1, [])做的是每个比特重复N次，组成串行码片流，然后与PN码逐码片相乘。PN码长度与扩频因子相等，周期复用，也就是每N个码片对应一个原始比特，这和真实直扩系统的码片与PN码对齐关系一致。

2.2 收端：能量判决解调与PN相关解扩

8FSK接收端不使用相干解调，因为相干解调需要恢复8个载波的精确相位，在频率选择性信道里代价太高。实际的MFSK接收机基本都做非相干能量检测：用8个相关器分别计算接收信号与8个候选频率的匹配程度，取能量最大的那个索引。

复基带下，第i个相关器的输出是接收信号与第i个候选波形的内积：

corr_out = rx_signal((idx-1)*nsamp+1 : idx*nsamp) * dict'; [~, est_sym] = max(abs(corr_out));

est_sym就是估计出的符号索引，范围0到7。把它按比特顺序拆回3个码片，注意这3个码片是扩频后的码片，不是信息比特，必须做解扩。

解扩本质上是一次相关判决：每个信息比特对应N个码片估计值，把这N个码片与本地PN码逐位相乘后求和，和大于0判为比特1，小于0判为比特0：

chips_est = zeros(1, length(est_sym) * k); for i = 1:length(est_sym) e = dec2bin(est_sym(i), k) - '0'; e(e == 0) = -1; chips_est((i-1)*k+1 : i*k) = e; end bits_est = zeros(1, Nbits); segments = reshape(chips_est, N, Nbits); % 每N个码片一组 for n = 1:Nbits soft = sum(segments(:, n) .* pn.'); bits_est(n) = soft > 0; end

这里假设了PN码完全同步。真实系统必须做同步捕获和跟踪，但链路级误码率仿真的第一版通常都假设理想同步，先把信道和调制解调的性能验证清楚，再考虑同步算法带来的损耗。

2.3 基带等效模型：为什么仿真里不用真的搬载频

很多刚开始做通信仿真的人有个误区，觉得仿真必须把载频加进去，信号得是cos(2*pi*fc*t + phi)这种形式。实际MATLAB链路仿真几乎全用复基带等效模型，原因很简单：载频本身不携带信息，它只是频谱搬移，仿真它纯粹浪费采样点，还会引入频偏、相位噪声等一堆不必要的麻烦。

复基带模型下，8FSK信号就是8个不同频率的复指数，带宽以0为中心对称分布。这样采样率只需覆盖信号本身的带宽，跟载频没关系。假设符号速率Rs为1kHz，每符号采8个点，采样率8kHz就够了。如果你非要模拟10MHz载频，Nyquist采样率至少20MHz，每符号2万个点，仿真速度慢几百倍，结果还一样。教材里的带通模型是为了讲清楚物理概念，工程仿真全用基带模型，这是行业惯例。

3. 仿真参数设定：从频率间隔到噪声功率的换算

3.1 8FSK正交频率集与采样率的选取

8FSK的8个频率必须满足正交条件。对于非相干检测，两个频率的正交条件是频率间隔是符号速率的整数倍：

df = m * Rs, m为整数

取m等于1时占用带宽最小，工程上最常用。8个频率中心频率分别为-3.5Rs、-2.5Rs、-1.5Rs、-0.5Rs、0.5Rs、1.5Rs、2.5Rs、3.5Rs，总占用约7Rs的带宽。这样设计的好处是任意两个频率在一个符号周期内的内积严格为0，能量检测时互不干扰。

采样率方面，基带信号最高频率分量是3.5Rs，Nyquist要求采样率至少7Rs，实际取8倍符号速率，即每个符号采8个点，留出余量。下表是一组可以直接跑通的参数配置：

这里N取7还有个额外好处：一个信息比特对应N/3约2.33个FSK符号，帧结构刚好能让循环逻辑简单一些。实际系统扩频因子常用31、63、127这些m序列周期值，但仿真阶段7足够跑通流程。

3.2 Eb/N0与复基带噪声方差的推导

误码率曲线的横坐标是Eb/N0，仿真时必须把目标Eb/N0换算成加在复基带信号上的噪声方差。这是最容易算错的地方。

先明确几个量的关系：

• 每个8FSK符号携带k=3个扩频后的码片；
• 每个信息比特经过扩频后变成N个码片，对应N/3个FSK符号；
• 每个符号能量为Es，则每个信息比特能量：

Eb = Es * N / 3

• 接收端复数基带加性白高斯噪声的双边带功率谱密度为N0，但复基带噪声实部和虚部各占N0/2；
• 对采样率为Fs的离散复基带信号，噪声实部和虚部的方差均为N0 * Fs / 2。

设每符号波形幅度归一化，即每个符号能量Es等于信号在一个符号周期内的离散功率和。因为复指数幅度为1，每符号nsamp个采样点，所以Es等于nsamp。实际代码中通常把信号归一化到Es=1，这样计算更直观。

给定目标Eb/N0，噪声方差的完整计算流程：

EbN0_lin = 10^(EbN0_dB / 10); Eb = Es * N / k; % 每信息比特能量 N0 = Eb / EbN0_lin; noise_var_per_dim = N0 * Fs / 2; % 复噪声每个维度（实/虚）的方差 noise = sqrt(noise_var_per_dim) * (randn(size(rx)) + 1j*randn(size(rx))); rx_noisy = rx + noise;

这里noise_var_per_dim是关键，很多人的代码里漏了分母的2，或者漏乘Fs，导致实际信噪比偏大或偏小好几dB。有一个快速验证方法：把仿真代码里误码率曲线和理论值对照，如果曲线整体向右偏了约3dB，基本就是噪声方差多算了一倍，也就是漏了实部虚部各占N0/2这件事。

3.3 一套可直接跑通的参数配置

仿真时不要一上来就把所有信噪比点全跑完。先设一帧较小的数据量，从0dB跑到14dB，步进2dB，快速验证代码逻辑。确认曲线形状正常后，再加大小帧数、加密信噪比点。推荐的配置如下：

EbN0_vec = 0:2:14; % 快速验证用 % EbN0_vec = 0:0.5:16; % 最终出图用 Nbits = 1e5; % 每帧长度 max_errors = 200; % 每点至少统计200个误码

帧长和最少误码数这两项直接决定仿真可信度。统计误码数太少，曲线在低误码区会跳成锯齿；帧太长或者重复跑的帧太多，高信噪比区会消耗大量时间。后面第4节专门讲这个。

4. 误码率仿真脚本与三个常见统计陷阱

4.1 主循环框架与理论曲线对比

主循环的框架很固定：遍历Eb/N0，每个点循环发帧，累加误码数，直到达到设定阈值。完整骨架如下：

function ber = run_fsk_spread_sim(EbN0_dB, Nbits, N, max_errors) M = 8; k = log2(M); Rs = 1000; Fs = 8*Rs; nsamp = Fs/Rs; df = Rs; Es = nsamp; % 信号幅度1，每符号采样nsamp点 dict = generate_fsk_dict(M, df, Fs, nsamp); pn = 2 * (randi([0 1], 1, N) - 0.5); total_errors = 0; total_bits = 0; while total_errors < max_errors bits = randi([0 1], 1, Nbits); tx = fsk_spread_mod(bits, pn, dict, N); Eb = Es * N / k; N0 = Eb / (10^(EbN0_dB/10)); noise_var = N0 * Fs / 2; rx = tx + sqrt(noise_var) * (randn(size(tx)) + 1j*randn(size(tx))); bits_hat = fsk_spread_demod(rx, pn, dict, N, Nbits); err = sum(bits ~= bits_hat); total_errors = total_errors + err; total_bits = total_bits + Nbits; end ber = total_errors / total_bits; end

主脚本里再循环调用这个函数，并且把理论值拉出来对比：

EbNodB = 0:2:14; ber_sim = zeros(size(EbNodB)); for i = 1:length(EbNodB) ber_sim(i) = run_fsk_spread_sim(EbNodB(i), 1e5, 7, 200); end ber_theory = berawgn(EbNodB, 'fsk', 8, 'noncoherent'); semilogy(EbNodB, ber_sim, 'o-', EbNodB, ber_theory, 'x-'); grid on; xlabel('Eb/N0 (dB)'); ylabel('BER'); legend('仿真', '理论(非相干8FSK)');

这里berawgn是MATLAB通信工具箱自带的误码率理论值计算函数，8FSK非相干检测直接用'fsk', 8, 'noncoherent'参数。如果你的曲线和它重合，链路实现基本正确。

4.2 陷阱一：误码统计量不足导致曲线毛刺

我见过很多人仿真时每个信噪比点就跑1万比特，低误码区算出0误码就说性能好，高误码区曲线抖得没法看。误码率仿真的本质是蒙特卡洛统计，统计精度取决于误码个数而不是总比特数。经验上，每个信噪比点至少累计200个误码，曲线才能稳定；要画到1e-6以下的深衰落区，至少累计上千个误码。

我自己的做法是给每个信噪比点设置双重停止条件：max_errors和max_bits，谁先满足谁停。比如最大误码200个，同时最多跑2e7比特，防止高信噪比时为了攒误码跑一整晚。代码里用while total_errors < max_errors && total_bits < max_bits控制即可。

4.3 陷阱二：正交性破坏与频谱泄漏

8FSK的解调是能量检测，天然依赖频率正交性。只要频率间隔不是符号速率的整数倍，或采样率不满足Nyquist，相邻频率间就会出现泄漏，误码率曲线会出现一个下不去的平台。仿真的信号是完美的复指数，数字上不会自己产生泄漏，真正的泄漏来自解调端相关器的离散化误差。

常见错误是把频率间隔设成任意值，比如df=500Hz，Rs=1000Hz。此时两个频率在一个符号周期内不正交，8个相关器互相干扰，高信噪比时误码率居高不下。判定方法很简单：把频率间隔改成Rs的整数倍，曲线立刻恢复正常。

另一个容易忽略的点是每个符号的采样点数。nsamp太小时，相关器的积分点数不够，频率分辨率差，同样会破坏正交性。我建议每符号最少采8个点，低于4个点就别想做出平滑的误码率曲线。如果你的仿真场景对计算量敏感，可以降低符号速率而不是降低每符号采样点数。

4.4 陷阱三：awgn函数信噪比的含义混淆

MATLAB的awgn函数确实方便，但用它做误码率仿真容易踩坑。awgn的输入参数是信噪比SNR，不是Eb/N0，两者差一个因子log2(M) * Rs/Rb，换算关系随扩频因子变化。如果你直接awgn(tx, EbN0_dB)而没做转换，曲线会整体偏移。

我更推荐手动加噪声的方式：先算出信号能量Eb，再根据目标Eb/N0算出N0，最后按复基带噪声公式生成高斯噪声。这样每一步物理意义清晰，出问题也好排查。awgn适合快速波形验证，不适合需要精确引用Eb/N0的蒙特卡洛仿真。

还有一个更隐蔽的坑：awgn函数如果不指定'measured'参数，它默认按信号的理论功率计算，如果你的发射波形没有归一化，实际信噪比就和你以为的不一样。这就是为什么我前面反复强调信号幅度归一化到1，每符号能量Es等于nsamp。手动加噪声时，先确认sum(abs(tx).^2) / length(tx)约等于1，再开始统计误码。

5. 结果解读、检验方法与扩展方向

5.1 如何判断仿真结果是可信的

误码率仿真最大的敌人是"看起来合理"的错误结果。我每次跑完仿真不会直接看曲线，而是先做三个自查：

• 第一，仿真曲线是否与理论曲线趋势一致。8FSK非相干检测在AWGN信道下从1e-2降到1e-5大约需要10dB的信噪比跨度，如果你的曲线在2dB内就掉了好几个数量级，多半是噪声功率算错或者信号功率没归一化。
• 第二，低信噪比区的误码率是否接近硬判极限。8FSK非相干检测在Eb/N0为负值时误码率趋近于0.5，但不应该超过0.5太多。超过的话说明解调或解扩部分把比特关系搞反了。
• 第三，把扩频因子N改成1试试。如果N=1时的误码率和N=7时几乎重合，说明你的扩频实现正确，因为AWGN信道下单用户理想同步情况下，直扩不改变误码率。这个特性很多人不理解，但它是最好的自检手段。

5.2 扩频增益去哪了：AWGN下的性能等价与抗干扰价值

仿真做完你会发现，AWGN信道下扩频前后的误码率曲线完全重合。这不是扩频没起作用，而是因为Eb/N0的定义已经把扩频造成的能量扩散算进去了。扩频的真正收益体现在抗窄带干扰：同样功率的窄带干扰落在信号带宽内，未扩频系统会被直接打穿，扩频系统通过PN码相关能把干扰能量摊开到整个扩频带宽，解扩后干扰功率被除以扩频因子N，这就是处理增益。

如果你想在仿真里看到扩频的效果，可以在信道模型里加一个窄带干扰，比如一个落在某个FSK频点上的单音信号。未扩频系统在这个频点上的误码会急剧恶化，扩频系统因为PN码相关后干扰被展平，误码率明显更好。这个对比实验做出来比单纯画一条BER曲线有说服力得多。

仿真中加干扰的代码很简单：

t = (0:length(tx)-1) / Fs; interference = A * exp(1j * 2 * pi * 0.5 * Rs * t); % 落在0.5Rs处的单音 rx = tx + noise + interference;

注意干扰幅度A的单位要和信号幅度统一，否则没法定量分析。建议固定干扰功率和信号功率的比值，比如干信比JSR为10dB，再对比扩频和未扩频两条曲线。

5.3 从AWGN到实际信道：后续扩展的进阶路径

AWGN链路只是第一步。做完这个仿真，后续可以往几个方向扩展：

• 瑞利衰落信道：给每个符号乘一个慢变的复增益，观察8FSK的误码率地板效应。
• 多普勒频移：在信号上叠加一个随时间变化的相位项exp(1j*2*pi*fd*t)，测试MFSK在多普勒下的鲁棒性。这是水声通信非常关心的场景。
• PN码同步：把理想同步假设去掉，加一个滑动相关捕获模块，验证同步算法对误码率的影响。
• 编码结合：8FSK每个符号3比特，外面可以级联卷积码或LDPC码，形成编码调制链路。
• 真实m序列：把随机PN码换成m序列或Gold序列，验证不同多址接入用户间的互相关性。

我个人建议先把AWGN这条链路吃透，再逐步加信道模型。因为每加一个模块，排查错误的难度就翻一倍。如果AWGN下曲线都和理论对不齐，加再多模块都只是雪上加霜。

最后分享一个调试心得：我调试这种链路仿真时习惯先闭着眼睛让整条链路在无噪声条件下跑一遍，如果误码率不为0，说明代码里有语法或逻辑错误。无噪声通过之后再从高信噪比往低信噪比扫，曲线从全对慢慢过渡到接近随机猜，这个过程本身就能帮你发现很多隐藏问题。8FSK加扩频这个组合在工程里不算热门但绝对实用，把这套链路吃透，以后看跳频、看直扩、看MFSK相关论文里那些BER图，基本都能一眼判断对方仿真做得靠不靠谱。