简介：这是一份围绕CDMA通信系统仿真与实现的完整毕业论文文档，面向通信工程、电子信息类专业学生及需要入门扩频通信的研究者。内容系统介绍码分多址技术作为3G核心的工作原理、码分与多址两种基本技术，并结合MATLAB展开两路信号扩频、混合、加噪、解调与信号分离的完整仿真流程；通过误码率、波形图与频谱图对系统性能进行分析、改进与调试，既展示CDMA抗干扰与多址通信的核心机制，又提供了MATLAB通信系统仿真的具体实践路径，可作为毕业设计写作框架和仿真方法的重要参考。资源为单个doc文件，压缩包大小1.99MB，包含中英文摘要、目录与正文，结构完整便于直接查阅。已有127人学习下载，适合需要撰写通信方向毕业论文或系统学习CDMA仿真的读者。
1. 这个毕业论文题到底在做什么：MATLAB 里的 CDMA 仿真不是把 3G 协议栈搬进来
很多人一看到“CDMA 通信系统的仿真与实现”，下意识以为要把 WCDMA 那套编码、交织、功控、切换全做进 MATLAB。实际上去翻几篇同类毕业论文就会发现，题目里说的 CDMA，几乎都是指直序扩频（DS-CDMA）的基带链路仿真：发端把每个信息比特用一串高速码片扩频，收端用同一串码片解扩，中间加上噪声和多径，最后用误码率曲线说明系统性能。它能解决的是在没有硬件平台的条件下，把“扩频增益、PN 码同步、RAKE 接收”这些概念讲清楚，并且产出可复现的仿真结果。适合通信工程毕设、考研复试讲项目、以及刚入职想补扩频基础的从业者。我通常给学生的第一句话是：先别想着做多复杂，把 63 个码片的直扩链路跑通，这篇论文的地基就打好了。
2. 从 m 序列到相干解扩：搭一条最小 CDMA 收发链路
2.1 为什么先定处理增益：仿真里的关键参数怎么选
DS-CDMA 仿真里有三个参数必须在一开始就定死：处理增益（也叫扩频因子）、PN 码周期、以及一次仿真跑多少个比特。处理增益在码片级仿真里就是“一个信息比特对应多少个码片”，常用 sf（spreading factor）表示。它直接决定带宽扩展倍数，也决定解扩后信噪比的提升量。毕设里最常见的选择是 sf = 63，对应 6 级移位寄存器产生的 m 序列，周期正好是 2^6 - 1 = 63，一个信息比特刚好承载一个完整 PN 周期，接收端做相关积分时不需要跨周期拼接，实现最干净。
选 63 而不是 15、31、127，理由很实际：处理增益太小（如 15），扩频带来的抗干扰效果弱，论文里的 BER 曲线和 BPSK 差距不明显；太大（如 127）仿真量成倍上涨，而性能曲线本质上只是把横轴平移，并不产生新结论。63 这个值在 CDMA 教学里最常用，答辩时也最容易解释。码片速率在基带等效仿真里不需要真实设置，因为误码率只和 Eb/N0 有关，和绝对速率无关。但论文里一般会补一句：假设码片速率 1.2288 Mcps（IS-95 的典型值），处理增益 63，则信息速率约 19.5 kbps，这样显得你清楚带宽和时间尺度的关系。
另一个常被忽略的是调制方式。DS-CDMA 收端相干解扩通常配 BPSK，因为 BPSK 的相干解调实现简单，扩频前后的星座点只有 ±1 两个值，解扩后软判决量直接对应极性。QPSK 或更高阶调制也能做，但毕业论文里多一个星座旋转、相位模糊的问题，容易把重点带偏。我一般建议把 BPSK 跑通后再提 QPSK 扩展。
2.2 发射端代码：m 序列生成、扩频与 BPSK 调制
发射端的核心是两步：生成 PN 码，然后把每个信息比特和 PN 码逐码片相乘。下面这段代码先用通信工具箱的 comm.PNSequence 生成 63 个码片的 m 序列，再做扩频和 BPSK 调制。
% 系统基本参数 sf = 63; % 处理增益：1 比特对应 63 个码片 numBits = 5000; % 每轮仿真的比特数，BER 统计需要足够样本 % 生成 m 序列：本原多项式 x^6 + x^4 + x^3 + x + 1 pnGen = comm.PNSequence( ... 'Polynomial', [6 4 3 1 0], ... 'InitialConditions', [1 0 0 0 0 0], ... 'SamplesPerFrame', sf); pn0 = pnGen(); % 输出是 0/1 序列，长度 sf pn = 2 * pn0 - 1; % 转成双极性 ±1，1 对应 +1，0 对应 -1 % 随机信息比特，0/1 data = randi([0 1], numBits, 1); % 双极性 BPSK：0 -> -1，1 -> +1 dataBpsk = 2 * data - 1; % 扩频：把每个比特复制成 sf 个码片，再逐位乘上 PN 码 spreadMat = repmat(pn', numBits, 1); % numBits x sf，每行都是同一段 PN 码 txChips = dataBpsk .* spreadMat; % 每个比特的极性决定了码片取正还是取反 tx = txChips(:); % 按列展开：连续码片流，长度 numBits*sf逻辑说明：repmat 把长度为 63 的 PN 码复制成 numBits 行，每行都是同一个 PN 周期。dataBpsk 是列向量，和 spreadMat 做点乘时自动广播，第 k 行的 63 个码片就是 dataBpsk(k) 乘上整段 PN 码。这一步正是直扩的本质：信息比特的宽度被压缩到 1/63，能量被铺开在 63 个码片上。tx 是按列展开的码片流，它和后面接收端的 reshape 必须保持同样的排列顺序，否则解扩结果会乱。
参数说明：Polynomial 写成 [6 4 3 1 0] 表示 x^6 + x^4 + x^3 + x + 1，最后一个 0 对应常数项 1。InitialConditions 长度必须等于移位寄存器级数 6，全 1 也可以，但不能全 0，否则序列出不来。SamplesPerFrame 设为 sf 是为了让每个信息比特恰好对应一个完整的 m 序列周期，这样收端相关峰值稳定，不会出现半个周期参与积分的问题。注意 matlab 的:展开顺序是列优先，所以 txChips(:) 得到的是第 1 个比特的 63 个码片、第 2 个比特的 63 个码片……依次排列，接收端 reshape 时也要按同样的列优先规则还原。
2.3 接收端解扩与 AWGN 信道：积分解调的数学与落地
接收端做的事情和发射端相反：把收到的码片流按 sf 个一组切分，每组和本地 PN 码做相关累加，得到一个软判决量，再判 0 或 1。从数学上看，发送的码片是 d(k) * pn(n)，其中 d 是第 k 个比特的极性，收端本地乘以 pn(n) 再累加 63 个码片，PN 码的极性被乘掉，剩下 d(k) * 63 再加噪声项。噪声每码片独立且方差相同，累加后噪声功率增加 63 倍，信号幅度也增加 63 倍，信噪比正好提升 63 倍，也就是 18 dB 的处理增益。
% AWGN 信道：先把比特能量算清楚 Eb = sf; % 码片能量归一化为 1，一个比特能量 = sf * 1 EbN0dB = 8; EbN0 = 10^(EbN0dB / 10); N0 = Eb / EbN0; % 噪声单边功率谱密度 sigma2 = N0 / 2; % 实通道 BPSK，每个维度噪声方差取 N0/2 noise = sqrt(sigma2) * randn(size(tx)); rx = tx + noise; % 解扩：按比特分组，每列是一组 63 个码片 rxMat = reshape(rx, sf, numBits); % 相关积分：pn' * rxMat，pn 是列向量，结果是 1 x numBits 的软判决量 soft = pn' * rxMat; % BPSK 判决：软判决小于 0 判为 0，否则判为 1 dataHat = soft < 0; % 误码率 ber = sum(dataHat ~= data) / numBits;逻辑说明：Eb = sf 这一行是整段代码最容易出问题的地方。码片能量归一化为 1，也就是每个码片的幅度平方为 1，那么一个比特的 63 个码片总能量就是 63。噪声方差 sigma2 取 N0/2，是因为 BPSK 是实通道，单边谱密度 N0 分布在正负频率上，实际在实信号上的噪声方差是 N0/2。很多论文里 BER 曲线差 3 dB，就是这里把 N0 当方差用，等于噪声功率多给了 3 dB。
参数说明：reshape(rx, sf, numBits) 的列优先顺序和发射端 txChips(:) 的展开顺序是一一对应的，第 1 列是第 1 个比特的 63 个码片，第 k 列是第 k 个比特的码片。pn' * rxMat 是 1×63 乘以 63×numBits，得到 1×numBits 的软判决向量。soft 的正负号来自 dataBpsk 的极性：发送 +1 时 soft 约等于 +63，发送 -1 时约等于 -63，噪声会让它偏离，但只要噪声不超过信号幅度 63，判决就不会错。这个"信号累加 63 倍、噪声累加 sqrt(63) 倍"的对比，是答辩时被问到"处理增益为什么是 18 dB"的标准答案。
3. 把 BER 仿真跑通：Eb/N0 扫描、噪声注入与误码统计
3.1 仿真框架怎么写：一次仿真只跑一个 Eb/N0 点
误码率仿真的标准做法是扫多个 Eb/N0 点，每个点独立做一次蒙特卡洛实验。原因很简单：不同 Eb/N0 下误码率可能差好几个数量级，混在一个仿真里既没法统计，也没法控制每个点的置信度。我习惯写成下面这种结构，把收发链路封装成一个函数，主脚本只负责循环和画图。
function ber = runCdmaSim(sf, numBits, EbN0dB, pn) % 参数：sf 处理增益，numBits 比特数，EbN0dB 当前信噪比，pn 本地 PN 码 data = randi([0 1], numBits, 1); dataBpsk = 2 * data - 1; spreadMat = repmat(pn', numBits, 1); tx = (dataBpsk .* spreadMat); % numBits x sf txStream = tx(:); Eb = sf; N0 = Eb / (10^(EbN0dB / 10)); sigma2 = N0 / 2; rx = txStream + sqrt(sigma2) * randn(size(txStream)); rxMat = reshape(rx, sf, numBits); soft = pn' * rxMat; dataHat = soft < 0; ber = sum(dataHat ~= data) / numBits; end % 主脚本 EbN0dBVec = 0:2:10; berSim = zeros(size(EbN0dBVec)); pnGen = comm.PNSequence('Polynomial', [6 4 3 1 0], ... 'InitialConditions', [1 0 0 0 0 0], 'SamplesPerFrame', 63); pn = 2 * pnGen() - 1; for k = 1:length(EbN0dBVec) berSim(k) = runCdmaSim(63, 50000, EbN0dBVec(k), pn); fprintf('Eb/N0 = %.1f dB, BER = %.3e\n', EbN0dBVec(k), berSim(k)); end % 理论 BPSK 曲线 berTheory = qfunc(sqrt(2 * 10.^(EbN0dBVec / 10))); semilogy(EbN0dBVec, berSim, 'o-', EbN0dBVec, berTheory, 's-'); grid on; xlabel('Eb/N0 (dB)'); ylabel('BER'); legend('CDMA 仿真', '理论 BPSK');逻辑说明：runCdmaSim 每次调用都重新生成随机数据、噪声和误码统计，主循环只改 EbN0dB。把随机数据放在函数内部是为了保证每个信噪比点的数据独立。仿真中 numBits 的取值对结果稳定性影响很大：如果某个 Eb/N0 点误码率是 1e-3，理论上要 5 万比特才能看到约 50 个误码，统计方差才比较小。所以上面的代码用 50000 而不是最开始的 5000，这一点在 5.4 节还会展开。
参数说明：EbN0dBVec 从 0 dB 扫到 10 dB 是毕设常用的区间。0 dB 时误码率约 0.08，10 dB 时约 7.8e-6，跨度足够画出一条从 1e-1 到 1e-5 的曲线。如果想看更低误码率，把 EbN0dBVec 的终点提到 12 dB，但 numBits 要相应加大到 1e5 以上，否则曲线尾部会剧烈抖动。
3.2 Eb/N0 与噪声功率怎么换算：仿真里最容易错的 3 dB
噪声注入的正确顺序是：先算比特能量 Eb，再算 N0，最后除以 2 得到实噪声方差。这里的物理背景是：N0 是单边功率谱密度，而 matlab 的 randn 产生的是双边功率谱的白噪声，方差等于 N0/2。如果直接写 noise = sqrt(N0) * randn(...)，等于噪声功率加倍，BER 曲线会比理论值差约 3 dB。
还有一个同样隐蔽的问题：码片能量归一化。很多初学者把每个码片幅度设成 1，然后在信道代码里又对 tx 做了一次功率归一化，导致 Eb 不再是 sf，实际发射功率变小，BER 曲线同样偏移。我的经验是：发射端码片幅度直接定为 ±1，不去归一化，因为 BPSK 星座点到原点的距离就是 1，能量就是 1，归一化反而多此一举。如果你在链路里加了脉冲成形滤波器或过采样，才需要重新算每码片能量，码片级仿真里不需要。
检查 Eb/N0 换算有没有做对，有一个快速方法：在 Eb/N0 = 0 dB 时仿真 BER 应当接近 0.076，也就是 qfunc(sqrt(2 * 1)) 的值。如果差异超过 10%，先查 sigma2 的写法，再查 Eb 是否等于 sf。
3.3 和理论 BPSK 曲线对比：判定 CDMA 仿真是否正确的标尺
单用户、理想同步、AWGN 信道下的 DS-CDMA，解扩后的误码率理论上和 BPSK 完全一致。因为扩频加解扩是一对可逆操作：发送端把能量铺开，接收端把它收拢，信息论上没有损失。所以第 3 章代码里和理论 BPSK 曲线对比并不是为了证明 CDMA 比 BPSK 好，而是为了验证仿真链路本身的正确性。只要仿真曲线和理论曲线在统计误差范围内重合，说明发射、信道、接收三段的极性、能量、判决都对了。
这一点在论文里要主动写清楚，否则答辩老师问你"你的 CDMA 仿真曲线为什么和 BPSK 一样"，你答不上来就很尴尬。可以写：单用户直扩系统的 BER 理论上限就是 BPSK 的匹配滤波性能，CDMA 的优势体现在抗多径、抗窄带干扰、多址复用上，而不是单用户 AWGN 下的链路更优。这也是后面第 4 章要做 RAKE 的原因。
4. 多径信道与 RAKE 接收：论文里拉开差距的部分
4.1 两径信道模型：时延、抽头增益与码间干扰
AWGN 下的单用户 CDMA 太干净，论文只做到这一层很难出彩。多径是 CDMA 最经典的卖点：信号经过两条以上路径到达接收端，每条路径有不同时延和衰减。在码片级仿真里，最简单也最好解释的模型是两径，第一径增益归一化为 1，第二径增益取 0.5 或 0.3，时延取整数个码片。时延必须和 PN 码周期对照着选，我一般取 2～5 个码片：太小时延（1 个码片）第二径几乎和主径重叠，RAKE 分不开；太大时延（接近 sf）会让相关峰落在 PN 码自相关函数的旁瓣上，反而产生干扰。
% 两径信道：主径增益 1，第二径增益 0.5，时延 2 个码片 d = 2; h = [1, 0.5]; % 构造延迟两个码片的发射信号 txDelayed = [zeros(d, 1); txStream(1:end-d)]; % 信道输出：主径加第二径，再加噪声 rx = txStream + 0.5 * txDelayed + sqrt(sigma2) * randn(size(txStream));逻辑说明：txDelayed 前面补两个零，相当于第二径比主径晚到 2 个码片。rx 里同时存在未延迟的码片流和延迟 2 个码片的衰减副本，这个叠加就是码间干扰的来源——某个比特的第 n 个码片会叠加下一个码片或下一个比特的内容。如果不用 RAKE，直接拿整段 rx 做解扩，PN 码的自相关特性会把一部分多径干扰抑制掉，但不能完全消除，BER 曲线会出现明显的高信噪比平底。
参数说明：时延 d 的单位是码片，因为整个仿真没有引入采样率概念，一个样点就是一个码片。如果论文想更严谨，可以写成 d = floor(tau * fc)，其中 tau 是物理时延，fc 是码片速率。第二径增益 0.5 意味着这条路径的能量只有主径的四分之一，合并时权重也会按这个比例关系调节。要注意边界效应：txDelayed 末尾被截掉的 2 个样点只是损失最后 2 个码片，对 50000 比特的整体误码率影响极小，可以不做边界补偿。
4.2 RAKE 接收的实现：每径相关、加权合并
RAKE 的思路不是去消除多径，而是把多径当成多份信号能量收集起来。对每一径，先用对应的时延对齐本地 PN 码，做一次相关累加，得到该径的软判决量；再把所有径的软判决量按信道增益加权求和。因为 PN 码的自相关函数在零时延处是尖峰、在其他时延处接近零，每一径相关器能把自己的那部分能量提取出来，同时抑制其他径。
% RAKE 接收：分别对主径和第二径做相关 % 注意 rx 是列向量，先按比特分组 rxMat = reshape(rx, sf, numBits); % 主径相关：和发射端一样从第 1 个码片开始 soft0 = pn' * rxMat; % 第二径相关：由于第二径延迟 2 个码片，本地 PN 码要相对前移 2 个码片 pnShift = circshift(pn, d); % 循环移位：将 PN 码右移 d 位 soft1 = pnShift' * rxMat; % MRC 合并：按信道增益共轭加权 softComb = conj(h(1)) * soft0 + conj(h(2)) * soft1; dataHat = real(softComb) < 0; berRake = sum(dataHat ~= data) / numBits;逻辑说明：软判决量 soft0 和 soft1 都是复数形式，这里虽然实信道没有复数增益，但写成 conj(h) 可以保留扩展性——如果后面把信道改成带相位偏移的复数衰落模型，这段代码不用大改。soft1 用的是 circshift(pn, d)，让本地码片和收到的第二径对齐。这个循环移位体现了 PN 码同步的核心：接收端必须知道每条径的准确时延，并把本地码片挪到对应位置。论文里常把这一过程写作"码片同步与时延估计"，仿真是直接给定真值，工程上要用滑动相关来估。
参数说明：d = 2 的循环移位方向要和信道模型保持一致。信道里 txDelayed = [zeros(d,1); tx(1:end-d)]，表示第二径晚到，那么本地码片应该相对提前，也就是把 pn 循环右移 d 个位置。如果方向和实际相反，soft1 会变成 PN 码自相关旁瓣，合并后信噪比反而下降。MRC 合并要求每径权重与信道增益匹配，主径 1、第二径 0.5，代表接收端已知信道信息，这在仿真里是可以直接给的。做毕设时我会再补一段"未知信道参数下的滑动相关时延估计"，让论文更完整。
4.3 EGC 与 MRC 的取舍：仿真参数怎么调
RAKE 合并有等增益合并（EGC）和最大比合并（MRC）两种常见形式。EGC 把所有径的软判决量直接相加，权重都是 1；MRC 按信道增益的共轭加权，增益大的径贡献更大。在 AWGN 加静态两径信道里，MRC 是最优的，能让你在 BER 曲线上看到比单径 AWGN 更陡的下降趋势。因为第二径提供了额外能量，等效接收信噪比提高，曲线会向左偏移。具体偏移量约等于 10*log10(1 + |h2|^2)，第二径增益 0.5 时大约偏移 1 dB 左右。
% EGC 对比：权重全是 1 softEgc = soft0 + soft1; berEgc = sum(real(softEgc) < 0) / numBits; % MRC 对比：权重分别是 1 和 0.5 softMrc = 1.0 * soft0 + 0.5 * soft1; berMrc = sum(real(softMrc) < 0) / numBits;参数说明：第二径增益从 0.5 改到 0.8 时，MRC 相对 EGC 的优势会变大；改成 0.2 时两者几乎一样，因为弱径本身贡献小。时延 d 的选择也会影响结果：d 太小，两个相关器提取的能量有重叠，合并增益下降；d 太大，PN 码旁瓣泄漏增加，性能反而变差。我一般会画一张 BER 随 d 变化的曲线，从 1 扫到 10 个码片，论文里用这张图说明"RAKE 对时延的敏感性"比只用一条 BER 曲线更有说服力。注意 MRC 的权重在仿真里是理想值，实际系统要估计信道增益，所以 4.2 节代码里的 conj(h) 可以保留，但要配合信道估计一起讲。
5. 避坑：CDMA 仿真常见的 5 个翻车现场
5.1 误码率比理论曲线高 3 dB：Eb/N0 换算错误
现象：仿真 BER 曲线和理论 BPSK 曲线形状一致，但整体向右偏了约 3 dB。低信噪比处还不太明显，越高越明显。
原因：噪声方差写错。最常见的是 noise = sqrt(N0) * randn(size(tx))，把单边谱密度 N0 直接当成了噪声功率。BPSK 是实信号，匹配滤波后噪声方差是 N0/2。另一个原因是 Eb 算错，比如忘记乘处理增益 sf，把码片能量当比特能量，相当于少算了 18 dB 的发送能量，曲线会偏得离谱，不只是 3 dB。
解决：统一写成 sigma2 = N0/2，N0 = Eb / 10^(EbN0dB/10)，Eb = sf * Ec，Ec 是每码片能量。如果用了脉冲成形或过采样，还要把滤波器能量算进去。改完之后在 Eb/N0 = 0 dB 处做单点校验，仿真 BER 若在 0.07～0.08 范围内，说明换算基本正确。
5.2 误码率在高信噪比下不下降：PN 码相位与周期问题
现象：仿真曲线在低信噪比段和理论曲线重合，但到 8 dB 以上开始出现平台，从 1e-4 再往下就压不下去，像一条水平的尾巴。
原因：PN 码没有和比特边界对齐。比如直接用 randn 长度等于 numBits*sf 的本地 PN 序列去对接收信号做相关，但发射端每个比特都是从 PN 码起点开始，两个序列的相位差导致相关积分里混入了旁瓣泄漏。另一种情形是 m 序列周期不是 sf，或者采样率不是整数倍码片速率，实际参与积分的码片数不对。
解决：把 PN 码做成周期重复的序列，每个信息比特都从同一相位开始。用 comm.PNSequence 时把 SamplesPerFrame 设为 sf，发射端用 repmat 复制，收端本地码片固定用同一段 pn。如果要模拟非整数时延，先在物理层把码片过采样到 4 倍以上再做延迟，不要试图在整数码片模型里硬凑。
5.3 多径仿真结果异常：时延没有按码片对齐
现象：加了两径信道后，BER 曲线比单径还差，或者 RAKE 合并后性能没有任何改善，甚至比不加 RAKE 更差。
原因：第二径时延在仿真里写成小数（比如 0.5 或 1.7），但码片级模型里每个样点就是一个码片，小数时延无法表示。这时你会下意识用 round 取整，结果真实时延和本地 PN 码相位对不上，RAKE 相当于用错误的本地码片做相关。
解决：码片级仿真只接受整数时延，且 d 必须和 circshift 的移位位数一致。想模拟更真实的非整数时延，就把链路改成过采样结构：每码片 4 个采样点，发射端对码片流做脉冲成形，接收端先做匹配滤波，再做码片同步，然后进入解扩。这个工程量比整数时延大不少，毕设里如果只是验证 RAKE 原理，用整数时延即可，论文里可以加一句"实际系统采用码片同步与分数时延估计，这里为简化采用整数码片时延"。
5.4 仿真跑起来太慢：逐比特循环拖死了整个脚本
现象：一段代码用 for 循环逐比特生成码片、逐比特算相关，仿真 50000 比特加多径时要跑好几分钟，扫描 6 个 Eb/N0 点要等半小时以上。
原因：MATLAB 是向量化语言，for 循环每迭代一次就做一次矩阵拼接、函数调用和内存分配，逐比特循环开销极大。尤其是 63 个码片的点乘循环，执行 50000 次，远慢于一次 50000×63 的矩阵运算。
解决：把所有比特一次性构造成 numBits×sf 的矩阵，用 repmat 扩频、reshape 展开、矩阵乘法做相关，正如第 2、3 章的代码。还要注意避免在仿真主循环里重复生成 PN 码：把 pn 作为参数传入函数，而不是在每轮 Eb/N0 扫描里重新调用 comm.PNSequence。如果还想更快，可以把跑 6 个 Eb/N0 点的循环换成 parfor，通信工具箱对象在 parfor 里通常能正常使用，但需要确保每个 worker 都能访问 pn 变量。
5.5 答辩时被问性能提升不明显：单用户理想同步的尴尬
现象：论文里只有单用户 AWGN 和单用户两径两条 BER 曲线，看起来和 BPSK 区别不大，答辩老师问"你的 CDMA 到底提升了什么"，现场答不上来。
原因：单用户、理想同步、无干扰的直扩系统确实不会比 BPSK 更好，它的抗干扰优势要在有窄带干扰、多径、多用户竞争的背景下才能体现。前期仿真时没有把这些场景加进去，导致题目叫 CDMA 通信系统，内容却只是 BPSK 加扩频。
解决：在第 4 章两径信道的基础上做 RAKE，给出 MRC 相对单径的性能增益；再加一个单用户加窄带干扰的仿真，展示扩频处理增益对干扰的抑制效果；如果时间允许，做 2～3 个用户的 Gold 码多址仿真，用误码率和眼图说明相互干扰随用户数上升。这些扩展不需要大改链路，只需改 PN 码管理和干扰注入部分，却能把论文的论据补完整。
6. 让毕业设计仿真更有说服力：验证手段与三个扩展方向
6.1 验证手段：星座图、眼图和蒙特卡洛次数
仿真曲线出来后，先别急着截图放进论文。我会做三个验证：第一，把理论 BPSK 曲线、AWGN 仿真曲线、RAKE 仿真曲线画在同一张坐标里，若前两者在统计误差内重合，链路正确性就有保障；第二，在 Eb/N0 = 6 dB 时画出解扩前的码片星座图和解扩后的软判决直方图，能直观看到处理增益把 63 个点的极性累加成两个清晰团簇；第三，用误码数的 95% 置信区间估算蒙特卡洛次数，目标误码率 1e-3 时至少跑 10 万个比特，保证有约 100 个误码数，曲线尾部才不抖。
6.2 扩展方向：Gold 码多用户、功率控制与新版工具箱
如果时间还有富余，优先做 Gold 码多用户仿真。Gold 码由两个 m 序列优选对模 2 加得到，互相关特性比 m 序列好，更贴近 CDMA 多址场景。实现上只需把每个用户的 PN 码换成不同 Gold 码，发射端叠加发射，接收端用目标用户的码片解扩，其余用户信号由于互相关接近零而被抑制。此时你会清楚看到"近远效应"：功率大的用户会把功率小的用户压下去，顺势引入开环功率控制，让各用户到达基站功率一致，BER 曲线立刻改善。
另一个要注意的是 MATLAB 版本。手头如果是 R2024b 之后的版本，通信工具箱里 comm.PNSequence 仍在维护，但部分老教程里的pnsequence对象或hadamard相关函数接口可能变化。装新版 MATLAB 后先跑一个最小 PN 码示例，确认函数输入参数格式再写全链路。我在 R2023b 和 R2025a 上都跑过上面这段代码，核心逻辑没有兼容性问题，只有 MATLAB 自动缩进和工具箱警告的差异。
最后说个我自己的血泪经验：第一次做这个仿真时，我花了一整周调 BER 曲线，怎么都不对，后来发现是第 3 章那个 3 dB 问题。从那以后我每写一段仿真，第一件事就是把理论曲线和仿真曲线叠在一起看，而不是先调参数碰运气。验证链路正确性比调参数更值得花时间，这个习惯帮我后面少踩了很多坑。希望帮到你。
本文还有配套的精品资源，点击获取
