MIMO误码率仿真：接收天线数对分集增益的影响

简介：面向无线通信与MATLAB仿真学习者，这份资源围绕多天线（MIMO）系统的误码率比较展开，重点对比4×4、4×5、4×6三种天线配置下的性能差异，帮助初学者理解空间分集增益与接收天线数量对链路可靠性的影响。包内共2个文件，包括可直接运行的MATLAB脚本和一张仿真结果图，压缩包整体仅23KB，简洁轻量，便于快速下载与复现。资源目前已有229人学习，适合正在研究MIMO误码率计算、AWGN或衰落信道建模的读者参考。借助该脚本，可直观查看不同天线配置下的误码率变化曲线，并由此延伸修改调制方式、信道参数等，为实际通信系统设计提供实验支撑。

1. 为什么多天线不是天线越多误码率越低

做无线通信仿真的人，第一次跑多天线误码率比较时很容易被曲线“打脸”：4×6 配置在低信噪比下确实比 4×4 好，但过了某个 SNR 点之后，两者曲线几乎贴在一起，甚至 4×6 在信道估计不理想时还会出现误码率抬头的现象。这套基于 MATLAB 的程序做的事情，就是把 4×4、4×5、4×6 三种收发天线配置放在同一套仿真框架下，用蒙特卡洛方法统计各自在不同信噪比下的误码率，再把曲线画在一起对比。它解决的是“增加接收天线到底能换来多少分集增益”这个工程问题，而不是简单验证“天线多就好”。适合刚接触 MIMO 仿真的学生，也适合需要快速评估接收端天线数量对链路预算影响的通信工程师。下文会从分集原理讲到具体脚本结构，最后给出可以直接改参数的验证方法。

2. 接收分集增益的来源与误码率理论基线

2.1 分集阶数如何影响误码率的下降斜率

在多天线系统中，误码率曲线的斜率主要由分集阶数决定。分集阶数等于接收端可以独立衰落路径的数量，对 4×4、4×5、4×6 这组配置而言，接收天线数分别是 4、5、6，分集阶数也就对应为 4、5、6（这里假设发射端不做空时编码，只做简单的重复或空间复用）。在高信噪比区域，误码率随 SNR 的下降速度近似为 SNR 的负分集阶数次方，也就是说，接收天线每增加一根，误码率曲线的渐近斜率就更陡一些。

但要注意，分集增益的增量是递减的。从 4 阶到 5 阶，误码率曲线大约能获得 2~3 dB 的增益；从 5 阶到 6 阶，增益可能只有 1~2 dB。这是因为衰落概率密度的拖尾在分集阶数增加后被迅速压低，再增加天线，边际收益自然变小。脚本里对比这三组配置，本质上就是在量化这个递减过程。

2.2 瑞利信道下的误码率理论公式

在瑞利平坦衰落信道中，采用 BPSK 调制、最大比合并（MRC）接收时，理论误码率可以写成：

P_e = ((1 - sqrt(gamma_bar / (1 + gamma_bar))) / 2)^L * sum(...)

更常用的闭式表达是：

P_e = (1/2) * (1 - sqrt(gamma_bar / (1 + gamma_bar)))^L * ...

这里gamma_bar是每根接收天线上的平均信噪比，L是分集阶数。这个公式对应的是接收端已知完美信道状态信息、并且各天线噪声独立同分布的场景。仿真脚本里用 MATLAB 生成的瑞利信道矩阵h，配合接收端的共轭转置加权，就是在模拟 MRC 过程。理论值可以作为脚本输出的参照曲线，如果仿真结果和理论值偏离超过 0.5 dB，基本可以断定信道生成或信噪比折算有误。

2.3 信噪比折算：发射功率归一化最容易出错

仿真里一个高频踩坑点是 SNR 的定义。比较不同接收天线数量时，如果总发射功率不变，接收天线变多，收集到的总能量就会变高。脚本里常见的做法是假设每根发射天线的功率为 1，接收端对接收向量做 MRC 合并后，实际 SNR 会随接收天线数线性增长。为了公平对比，需要在生成噪声时按接收天线数归一化。

具体来说，若发送符号为x，信道矩阵为h（维度N_r x N_t），接收信号为y = h * x + n，噪声n的方差应该按N_r的倒数缩放，使得每根接收天线上的 SNR 一致。否则 4×6 会比 4×4 多出约10 * log10(6/4) ≈ 1.76 dB的虚高增益，整个比较就失真了。

3. 读通 Untitledone.m：结构化实现与参数表

3.1 脚本的整体流程拆解

拿到Untitledone.m后，先不要急着运行，按功能块去读。一个完整的 MIMO 误码率比较脚本，无论文件名多随意，内部逻辑基本都遵循下面这条链路：清空环境、定义参数、生成随机比特、调制、构造信道、添加噪声、接收合并、判决、统计错误、循环 SNR、汇总绘图。

% Untitledone.m 核心结构（按功能分段） % 参数定义段 Nt = 4; % 发射天线数 Nr = 4; % 接收天线数（对比时改为5、6） M = 2; % BPSK调制，M=2 k = log2(M); % 每符号比特数 numBits = 1e6; % 每SNR点仿真的比特数 SNR_dB = 0:2:20; % 信噪比扫描范围 % 主循环段 for idx = 1:length(SNR_dB) errors = 0; % 将总比特数分成若干帧，避免一次性生成过大矩阵 for frame = 1:numBits / (Nt * 1e3) data = randi([0 1], Nt * 1e3, 1); % 随机比特流 symbols = pskmod(data, M); % BPSK调制 s = reshape(symbols, Nt, []); % 按发射天线分组 h = (randn(Nr, Nt) + 1i * randn(Nr, Nt)) / sqrt(2); % 瑞利信道 n = (randn(Nr, size(s, 2)) + 1i * randn(Nr, size(s, 2))) / sqrt(2) * sqrt(1/SNR_linear); r = h * s + n; % 接收信号 % MRC接收合并 w = h' / norm(h, 'fro') * sqrt(Nr); % 归一化权重 y = w' * r; % 等效标量信道 % 判决并统计错误 end end

3.2 MRC 合并权重的归一化细节

上面代码里w = h' / norm(h, 'fro') * sqrt(Nr)这行是关键。h'是信道矩阵的共轭转置，norm(h, 'fro')是 Frobenius 范数，作用是让合并后的信道增益归一化到接近 1，而sqrt(Nr)是补偿接收天线数量带来的能量变化。很多初学者直接写w = h'，这会导致 SNR 计算虚高，因为信道增益没有被归一化。

这里的物理含义是：MRC 的本质是每根天线上的信号按各自信噪比加权后叠加。h'作为权重，恰好让强天线的信号贡献更大、弱天线的贡献更小。归一化之后，合并输出的信噪比近似等于所有天线信噪比之和，这也是分集增益的来源。

3.3 仿真参数表与调整建议

脚本顶部的参数定义是调整实验的入口。numBits控制统计精度，数值越大曲线越平滑，但仿真时间线性增长。SNR_dB的步长建议在低信噪比区域用 1~2 dB 步进，高信噪比区域可以放宽到 2~3 dB，因为误码率曲线在高 SNR 处变化已经平缓。

3.4 主循环中的帧划分逻辑

代码里把numBits分帧处理，而不是一次性生成一个百万级的大矩阵，主要是为了兼顾内存和信道相关性。虽然一次性生成更快，但在高 SNR 下，如果某一帧恰好吃到了深度衰落，整帧误码率会异常偏高，分帧处理可以让这种偶然性对最终结果的影响更平均。

for frame = 1:numBits / (Nt * 1e3) % 每帧处理 Nt * 1e3 个比特 % 数据、调制、信道、噪声、接收、判决都在帧内完成 errors = errors + sum(decodedBits ~= data); end ber(idx) = errors / numBits; % 当前SNR点的误码率

这段代码的核心是errors累加器和最后除以numBits的归一化。注意decodedBits ~= data的比较必须按同样的比特顺序进行，如果调制时做了reshape，解调后要记得恢复原始维度，否则错位比较会得到一个偏高的误码率。

4. 三种天线配置的仿真结果分析与异常排查

4.1 典型仿真结果长什么样

用上面的参数分别跑Nr = 4、Nr = 5、Nr = 6三组仿真，把三条ber曲线画在同一张图上，横轴是SNR_dB，纵轴用对数坐标。在10^-2这个误码率水平上，4×5 比 4×4 大约好 2.5 dB，4×6 比 4×5 大约好 1.5 dB。这个递减趋势在低 SNR 区域尤其明显——SNR 为 0 dB 时三者的误码率几乎一致，因为噪声主导了错误，分集增益还体现不出来。

出现这个趋势的原因可以从两个角度解释。分集的角度：接收天线越多，所有天线同时处于深衰落的概率越低，所以误码率曲线的斜率更陡。能量的角度：接收天线变多后，MRC 合并输出的有效信噪比提高，等效于把整条 BER 曲线向左平移。

4.2 误码率曲线出现平台或抬头的三个原因

如果仿真出的曲线在高 SNR 区域不再下降，而是水平拖尾，不要急着改代码。先检查是不是调制阶数和 SNR 范围不匹配——BPSK 在 20 dB 时误码率已经低到接近1e-7，此时需要仿真比特数超过1e8才能得到稳定的统计结果，否则会因为错误比特太少而出现随机平台。常规做法是将numBits按 SNR 分段调整，或者预设最低错误比特数，比如每个 SNR 点至少统计到 100 个错误比特才停止。

第二个常见原因是信道矩阵h在循环内每次都重新生成，但没有保证帧间独立。如果randn的随机种子在循环中意外重置，多帧之间使用了相同的信道，分集效果会被人为削弱，曲线会比理论值浅。检查方法是在脚本开头固定rng(42)，运行两次对比结果是否一致。

第三个原因是线性 SNR 和 dB 值之间的换算错误。10^(SNR_dB/10)这一步一旦写成10^(SNR_dB/20)，所有曲线的横轴都会被压缩一半，误码率整体偏高 3~4 dB。

4.3 如何验证仿真结果可信

验证方法是把三组仿真结果和 2.2 节的理论公式画在同一张图上。如果仿真曲线落在理论曲线附近且趋势一致，说明信道建模和接收合并实现正确。理论值在gamma_bar的取值上要和你仿真里的 SNR 定义对齐——仿真里的 SNR 如果是每根接收天线的平均信噪比，那gamma_bar就直接用线性 SNR 值；如果是总发射功率比总噪声功率，那要除以Nt。

还可以做一个更快的验证：把Nt和Nr都设为 1，脚本就退化成了 SISO 系统。此时误码率曲线应该和经典的 BPSK in Rayleigh 理论完全重合。这一步通过后，再逐级增加天线数，可以定位问题到底出在信道矩阵还是合并算法。

5. 把脚本改造成不同调制方式和信道模型下的通用误码率测试工具

5.1 增加调制方式选择与星座图观察

当前脚本固化了 BPSK，改成 QPSK 或 16QAM 只需要调整M和对应的解调函数。QPSK 实际上是 4-PSK，可以让M = 4，但要注意每符号携带 2 比特，误码率和误比特率之间需要换算。更稳妥的做法是用qammod和qamdemod替代pskmod，因为 QAM 星座在 MIMO 仿真中更常见。

M = 4; % QPSK data = randi([0 1], Nt * k * 1e3, 1); % 生成长度乘以k的比特流 symbols = qammod(data, M, 'InputType', 'bit', 'UnitAveragePower', true); % 解调时 demodBits = qamdemod(y, M, 'OutputType', 'bit', 'UnitAveragePower', true);

这里'UnitAveragePower', true会把星座点归一化到单位平均功率，避免因为不同调制方式的星座能量差异导致 SNR 换算出错。改成 QPSK 后，误码率曲线会比 BPSK 差约 3 dB，因为单位比特能量减半。

5.2 从平坦瑞利扩展到频率选择性信道

脚本里h是一个标量矩阵，对应平坦衰落。要模拟频率选择性信道，最常见的改动是让信道变成多径抽头结构，用 MATLAB 的comm.RayleighChannel替代手动生成h。这个系统对象支持配置多径延迟和功率谱，生成的信号经过它之后再叠加 AWGN，流程上更接近真实物理层仿真。

rayleighChan = comm.RayleighChannel('SampleRate', 1e6, ... 'PathDelays', [0 1e-6 2e-6], ... 'AveragePathGains', [0 -3 -6]); % 每帧数据过信道 fadedSignal = rayleighChan(symbols); % 接收端再做均衡或最大比合并

改成频率选择性信道后，原本简单的 MRC 不再是最优方案，需要引入均衡器。这时 4×4、4×5、4×6 的性能差异也会变得更复杂，因为分集和均衡会互相影响。

5.3 保存日志与置信区间输出

复用脚本做参数扫描时，建议把每次运行的关键参数和结果输出为结构化数据，方便后续批量对比。在脚本最后追加一段日志代码，每次跑完一组天线配置就自动追加一行记录。

% 保存仿真日志 results = table(SNR_dB.', ber.', 'VariableNames', {'SNR_dB', 'BER'}); writetable(results, sprintf('ber_Nr%d.csv', Nr)); % 同时输出一个轻量级置信估计 fprintf('SNR = %d dB, BER = %.3e, 错误比特数 = %d\n', ... SNR_dB(idx), ber(idx), errorBits(idx));

errorBits是每个 SNR 点实际统计到的错误比特数，这个数值很重要。当它小于 10 时，该点的误码率统计不可靠，曲线会出现明显抖动。可以考虑在代码里加一个判断：如果连续三个 SNR 点错误比特数都小于阈值，就终止仿真并提示“已达到统计极限”，这样既省时间又避免在图上出现误导性的尾巴。日志文件和绘图分割开，批处理多组配置后，用一行 MATLAB 命令就能把多条曲线汇总对比，适合写进实验报告。

本文还有配套的精品资源，点击获取