简介：这份课程设计文档围绕MATLAB/Simulink环境下的通信系统建模与仿真展开，以AWGN信道为背景，系统比较BPSK与QPSK两种数字调制方式的误码率性能。正文先从BPSK与QPSK的调制解调原理出发，介绍了相位键控的基本思想、相干解调结构及相位模糊问题，随后给出需求分析、设计思路和Simulink模型搭建方法。仿真部分记录了不同信噪比下的误码率曲线，并对比分析两种方案的抗噪声能力，结论显示QPSK在相同条件下误码率低于BPSK。资源包含1个docx文档，大小约551KB，结构涵盖引言、正文、总结与课程感言，既包含理论公式推导，也包含完整的仿真流程、结果记录和问题解决方案。目前已有4900人浏览学习，特别适合通信工程、电子信息类学生完成课程设计或实验报告时参考，也可帮助初学者快速掌握使用Simulink进行通信系统仿真的基本方法。
1. AWGN信道下BPSK与QPSK调制比较：这堂课设到底在考什么
很多同学拿到“基于MATLAB/Simulink的通信系统建模与仿真课程设计：AWGN信道下BPSK与QPSK调制比较”这个题目，第一反应是打开Simulink拖模块，拖完了发现误码率曲线乱跳，或者两条曲线叠在一起根本看不出差别。其实这个题目的核心不是教你拖模块，而是逼你把数字通信里最基础的一组关系理清楚：在同样的大噪声环境下，BPSK和QPSK谁的抗噪声能力更强，强多少，为什么QPSK带宽效率翻倍却几乎不损失误码性能。这篇文章按课程设计的完整流程展开，从理论推导、Simulink建模、脚本仿真到排错验证，讲清每一步该怎么做、参数怎么设、坑在哪。适合正在做这个题目的本科生，也适合想用MATLAB/Simulink把调制解调链路彻底弄明白的从业者。
2. 拿到题目先别急着建模：误码率理论和大纲选型思路
2.1 BPSK与QPSK的误码率边界：为什么两条理论曲线几乎重合
这个题目最容易被忽略的地方是理论部分，但理论恰恰决定了你后面怎么判断仿真结果对不对。BPSK是二进制相移键控，一个符号携带1比特，两个星座点分别在0度和180度；QPSK是四进制相移键控，一个符号携带2比特，四个星座点均匀分布在圆周上。在高斯白噪声（AWGN）信道下，BPSK的误比特率理论公式是：
[ P_b = Q\left(\sqrt{\frac{2E_b}{N_0}}\right) ]
QPSK每个符号携带2比特，误比特率的理论公式是：
[ P_b = Q\left(\sqrt{\frac{2E_b}{N_0}}\right) ]
两者在误比特率意义上完全一样。很多同学第一次看到这个结论会愣住：QPSK的星座点更密，为什么误码率不更高？原因是QPSK虽然符号间欧氏距离比BPSK小，但每个符号携带2比特，在相同的比特能量 (E_b) 下比较时，这种“密度代价”恰好被比特数抵消了。误符号率则不同，QPSK的误符号率近似是误比特率的两倍，因为一个符号错了可能只错1个比特，也可能错2个比特，平均下来每个出错符号大约错1比特。
这个结论是整个课程设计的第一块基石。如果后面你的仿真曲线和理论曲线对不上，先回来检查你画的是误比特率还是误符号率，以及横轴到底用的 (E_b/N_0) 还是 (SNR)。
2.2 用Simulink还是纯脚本：两种路线的适用边界
课程设计大纲一般允许两种实现方式，一种是纯MATLAB脚本自己写调制解调，另一种是Simulink搭模块。我的建议是：如果只是要求出误码率曲线对比，脚本更快更可控；如果课程要求演示系统结构、模块参数、动态仿真过程，Simulink更直观，而且答辩时好讲。两件事并不冲突，常见做法是Simulink搭出完整链路，再用脚本跑蒙特卡洛统计，最后用BERTool做交叉验证。
Simulink路线的优势在于模块封装清晰，从信源、调制器、信道到解调器、误码统计，每一级都能单独看波形和星座图，适合把课程设计报告写得有层次。缺点是跑蒙特卡洛仿真时，Simulink的仿真时间受步长和采样率影响很大，低误码率区域（比如 (10^{-5})）需要跑很久。脚本路线的优势是循环控制灵活，可以一次跑完所有信噪比点，缺点是代码写起来要自己处理滤波、采样、定时这些细节，调试难度高一些。
我一般建议课程设计采用“脚本验证理论 + Simulink画系统框图”的组合打法。先说清楚理论曲线长什么样，再用Simulink搭链路验证几个关键信噪比点，最后用脚本把完整曲线跑出来。这个思路既避开了Simulink跑大量数据点的耗时问题，又满足了课程设计对系统建模的考核要求。
2.3 先算清楚 (E_b/N_0) 和 (SNR) 的换算关系
做这个题目最容易翻车的地方就是混用 (E_b/N_0) 和 (SNR)。两个仿真工具里写的是不一样的。MATLAB的AWGN函数和Simulink的AWGN信道模块都支持两种模式：一种是直接指定 (SNR)（单位dB），另一种是指定 (E_b/N_0) 配合符号速率和每符号比特数。为什么需要换算？因为 (E_b/N_0) 是归一化到每比特的信号噪声功率比，和带宽、采样率无关，适合比较不同调制方式；而 (SNR) 是实际的信号功率和噪声功率之比，和系统带宽强相关。
在仿真里，如果你用的是基带等效模型，信号经过采样后，噪声功率和采样率有关，所以 (SNR) 不能直接用。正确的做法是先确定每比特能量 (E_b)，再由符号速率 (R_s) 和每符号比特数 (k) 计算比特速率 (R_b = k \times R_s)，然后用 (SNR = E_b/N_0 \times R_b / B) 换算，其中 (B) 是接收机等效噪声带宽。在MATLAB的脚本仿真中，我习惯的做法是直接使用awgn函数的measured选项，先测信号功率，再按目标 (E_b/N_0) 反推噪声功率。具体换算公式后面代码里会给出。
3. 用Simulink搭出双调制链路：从模块选型到参数落地
3.1 模型整体架构与模块选型
Simulink搭这个题目，我推荐用 Communications Toolbox 里的模块，不要自己画正弦波和乘法器做模拟调制。常见做法是搭三套链路：BPSK链路、QPSK链路，再加一个理论误码率曲线作为参照。每条链路的核心模块是相同的，只是调制器参数不同。
整体架构从信源开始：Random Integer Generator产生二进制数据，进入BPSK Modulator Baseband（或QPSK Modulator Baseband），调制后经过AWGN Channel，送入对应的解调器，解调输出和原始比特一起进入Error Rate Calculation模块统计误码率。为了看星座图和波形，可以在信道输出处接一个Constellation Diagram模块和一个Time Scope。
模块版本和名字在不同MATLAB版本里略有差异，我用的是R2020a之后的模块名称。如果找不到模块，可以在库浏览器里搜索Modulator Baseband，或者把Communications Toolbox更新到与MATLAB主版本匹配的版本。搭建时注意采样时间的设置，这是整个模型跑不跑得起来的关键。
3.2 各模块参数设置：从信源到误码统计
先看信源。Random Integer Generator的Set size设为2，输出0和1的随机整数，对应BPSK的二进制输入。采样时间Sample time设为1秒，Samples per frame设为100或者1000，这个值决定了每个仿真步处理多少比特，太大会让误码统计的更新变慢，太小则星座图上点太少看不清。如果后面要接到QPSK调制器，输入也需要是二进制，只不过QPSK调制器内部会把比特两两分组映射成四进制符号。
调制器参数是核心。BPSK Modulator Baseband只需要设相位偏移，默认是0，即星座点在0度和180度。QPSK Modulator Baseband要设相位偏移为pi/4或0，这影响星座图的观感，但误码率结果一样。这里有一个很多人忽略的参数：调制器的输出是复数基带信号，采样率等于符号速率，所以AWGN信道模块里的参数必须和符号速率对齐，否则等效噪声功率算错。
AWGN信道模块选择Eb/N0 (dB)模式，输入Eb/N0值，然后填符号速率（等于信源采样率的倒数）和每符号比特数。BPSK每符号1比特，QPSK每符号2比特。这里填错一个数字，整条误码率曲线就会平移3dB。解调器直接选对应的BPSK Demodulator Baseband和QPSK Demodulator Baseband，解调方式选Hard decision，课程设计一般不需要软解调。
最后是Error Rate Calculation模块。Receive delay参数要特别注意，因为调制解调链路有延迟，接收端比特和发送端比特不是逐位对齐的。常见做法是把延迟设为0，然后在解调器输出端加一个Buffer或Delay模块手动对齐，或者在Error Rate Calculation里设置一个合适的延迟值，比如1，让输出端的误码率统计自动对齐。如果这里不设置，误码率会显示得很奇怪，甚至大于1。
3.3 跑透一个完整的Simulink模型：仿真时间与数据采集
模型搭好之后，仿真时间设置是关键。不要用默认的10秒，因为误码率统计需要足够多的比特才能稳定。以符号速率1Hz、每帧100比特为例，仿真100秒才1万个比特，误码率在 (10^{-3}) 时只能统计到大约10个错误比特，抖动非常大。我一般设置仿真时间为1000秒以上，或者在误码率模块里设置Stop simulation条件，当错误比特数达到一定数量（比如100个）时自动停止仿真，这样能在高信噪比时节省大量时间。
仿真运行时，Error Rate Calculation模块输出三个值：误码率、错误比特数、总比特数。低信噪比时这三个值更新很快，高信噪比时更新很慢，当误码率低于 (10^{-4}) 时，仿真时间会急剧增加。这时候不要干等，把Simulink的仿真模式从Normal改成Accelerator，可以提高运行速度。
星座图模块默认只在仿真结束时显示最终结果，如果想看动态过程，双击星座图标本打开了示波器窗口。但要注意，Constellation Diagram显示的是接收端符号序列经过匹配滤波和采样后的点，如果AWGN信道模块前没有加匹配滤波器，星座图会显示出发射符号加噪声的原始分布，看起来点比较散，这是正常的。课程设计的重点是误码率曲线，星座图只作为辅助观察手段。
4. 用脚本把误码率曲线跑出来：手动调制解调与Monte-Carlo统计
4.1 完整可复现的脚本：BPSK与QPSK误码率对比
纯MATLAB脚本是验证理论最直接的手段。下面这段代码我拆得很细，可以直接复制运行，做了关键注释。它做的事情是：生成随机比特，按BPSK和QPSK分别调制，加AWGN噪声，硬判决解调，统计误码率，最后画图对比理论值。
% 参数设置 EbN0_dB = 0:1:12; % Eb/N0 范围，单位 dB numBits = 1e6; % 每个信噪比点仿真的比特数 ber_bpsk = zeros(size(EbN0_dB)); % 存储 BPSK 误码率 ber_qpsk = zeros(size(EbN0_dB)); % 存储 QPSK 误码率 for idx = 1:length(EbN0_dB) % 当前 Eb/N0 值（线性） EbN0_lin = 10^(EbN0_dB(idx)/10); % ---------- BPSK ---------- bits_bpsk = randi([0 1], numBits, 1); % 随机二进制比特 sym_bpsk = 2*bits_bpsk - 1; % 映射：0 -> -1, 1 -> +1 noiseVar_bpsk = 1 / (2*EbN0_lin); % BPSK 噪声方差推导见下方说明 noise_bpsk = sqrt(noiseVar_bpsk) * randn(numBits, 1); rx_bpsk = sym_bpsk + noise_bpsk; rxBits_bpsk = rx_bpsk > 0; % 硬判决：大于 0 判为 1 ber_bpsk(idx) = sum(rxBits_bpsk ~= bits_bpsk) / numBits; % ---------- QPSK ---------- bits_qpsk = randi([0 1], numBits, 1); % 将比特两两映射为 QPSK 符号：每 2 比特 -> 一个符号 bits_matrix = reshape(bits_qpsk, 2, numBits/2).'; symReal = 2*bits_matrix(:,1) - 1; % 实部：0 -> -1, 1 -> +1 symImag = 2*bits_matrix(:,2) - 1; % 虚部：0 -> -1, 1 -> +1 sym_qpsk = (symReal + 1i*symImag) / sqrt(2); % 归一化到单位能量 noiseVar_qpsk = 1 / (2*EbN0_lin); % QPSK 比特能量归一化后噪声方差相同 noise_qpsk = sqrt(noiseVar_qpsk/2) * (randn(numBits/2,1) + 1i*randn(numBits/2,1)); rx_qpsk = sym_qpsk + noise_qpsk; % 硬判决：按象限判决 rxBitsReal = real(rx_qpsk) > 0; rxBitsImag = imag(rx_qpsk) > 0; rxBits_qpsk = reshape([rxBitsReal, rxBitsImag].', [], 1); ber_qpsk(idx) = sum(rxBits_qpsk ~= bits_qpsk) / numBits; end % 理论误码率 EbN0_lin = 10.^(EbN0_dB/10); berTheory_bpsk = qfunc(sqrt(2*EbN0_lin)); berTheory_qpsk = qfunc(sqrt(2*EbN0_lin)); % 误比特率理论值相同 % 画图 figure; semilogy(EbN0_dB, ber_bpsk, 'bo-', 'LineWidth', 1.5); hold on; semilogy(EbN0_dB, ber_qpsk, 'rs-', 'LineWidth', 1.5); semilogy(EbN0_dB, berTheory_bpsk, 'b--', 'LineWidth', 1); semilogy(EbN0_dB, berTheory_qpsk, 'r--', 'LineWidth', 1); grid on; legend('BPSK仿真', 'QPSK仿真', 'BPSK理论', 'QPSK理论'); xlabel('E_b/N_0 (dB)'); ylabel('误比特率 (BER)'); title('AWGN信道下BPSK与QPSK误码率对比');4.2 代码逻辑说明与关键参数含义
这段代码里最需要理解的是噪声方差的推导。BPSK符号能量是1（因为符号是+1和-1，平均能量是1），每符号1个比特，所以符号能量等于比特能量 (E_b=1)。AWGN信道的噪声方差 (N_0/2)，因此 (E_b/N_0 = 1 / N_0 = 1 / (2\sigma^2))，反推噪声方差 (\sigma^2 = 1 / (2E_b/N_0))。这就是代码里noiseVar_bpsk = 1 / (2*EbN0_lin)的来源。
QPSK部分为什么噪声方差公式一样？关键在于我把星座点做了归一化。四个星座点位于 ((\pm1/\sqrt{2}, \pm1/\sqrt{2}))，每个符号的能量是 (1/2 + 1/2 = 1)。每符号2比特，所以比特能量是 (E_b = 1/2)。根据 (E_b/N_0) 的定义，得到 (N_0 = E_b / (E_b/N_0) = 0.5 / (E_b/N_0))，而实部和虚部各占一半噪声功率，所以每一路噪声方差是 (N_0/2 = 0.25 / (E_b/N_0) = 1/(4 \cdot E_b/N_0))。因为符号能量为单位1，所以你也可以理解成直接把总噪声方差设为 (1/(2E_b/N_0))，然后实部虚部分摊。代码里noiseVar_qpsk = 1/(2*EbN0_lin)是总噪声方差，再除以2就是每路方差，和上面的推导完全一致。
一个常见错误是忘记对QPSK星座点归一化。如果直接用sym_qpsk = symReal + 1i*symImag，星座点能量是2而不是1，那么相同 (E_b/N_0) 下误码率曲线会右移3dB，看起来比理论值差很多。这个坑几乎每个做这个题目的同学都会踩一次。
4.3 从脚本结果读出的三个结论
跑完这段代码，曲线图会给出三个直观结论。第一，BPSK和QPSK的误比特率仿真曲线几乎重合，和理论曲线一致，这正是2.1节里推导的结论。第二，在 (E_b/N_0 = 10dB) 附近，两者误码率都已经降到 (10^{-6}) 以下，在这个数值后面仿真抖动会非常明显，因为1e6个比特里错误比特数只有个位数，统计误差很大。第三，如果比较误符号率，QPSK会比BPSK差大约2倍，但题目要求的是误码率或误比特率，所以这两条线重合是正确结果，不是模型搭错了。
仿真统计还有一个参数值得调整：numBits。每个信噪比点跑1e6比特，12个点大约要几秒钟，在可接受范围内。如果要画到 (10^{-6}) 以下，numBits需要增加到1e7以上，运行时间会明显变长。我一般会在高信噪比点单独跑长仿真，低信噪比点只需要1e5比特就足够稳定，这是一种省时间的技巧。
5. 防翻车指南：理论曲线对不上、BER平台期、Simulink仿真卡死
5.1 仿真曲线和理论曲线整体偏移：多半是噪声方差算错
现象是仿真误码率曲线和理论曲线形状一致，但整体向右平移了几dB，或者向左平移。常见的是向右偏3dB。这个现象十有八九是星座点能量没归一化。QPSK直接映射成+1/-1实部加上+1/-1虚部，星座点能量就是2，比特能量比理论推导大一倍，等效于信噪比虚高3dB，所以仿真曲线看起来比理论好3dB。更隐蔽的情况是BPSK的符号映射用了0/1而不是-1/+1，这时候平均符号能量变成0.5，曲线会左移3dB，看起来比理论差。解决方法是严格按照单位平均符号能量设计映射表，并在加噪声前用mean(abs(sym).^2)打印一遍能量，确认是1再继续跑。
5.2 高信噪比时BER曲线出现平台期：比特数不够或是延迟没对齐
在高信噪比区域，误码率曲线开始变平甚至抖动，不再随 (E_b/N_0) 增加而下降。第一种原因最直接：numBits不够。在 (10^{-5}) 的误码率下，1e6个比特平均只有10个错误比特，统计波动接近100%。这时候增加比特数到1e7或1e8，曲线会继续下降。第二种原因是Simulink链路里的延迟没对齐，Error Rate Calculation模块比较的发送比特和接收比特错位，误码率停在某个恒定值不再下降。排查方法是在低信噪比下先确认误码率合理，然后逐步增加信噪比看误码率是否单调下降，如果平台期出现在高信噪比且延迟没有做对齐，基本可以判定是延迟问题。在Simulink中，给解调器输出加一个Delay模块并微调延迟拍数，让误码率降到最低，就是对齐成功。
5.3 Simulink仿真时间过慢：检查采样时间设置和仿真模式
Simulink模型跑1000秒仿真要等很久，这是课程设计里最常见的抱怨。原因一般是信源的Sample time设置得太小，比如设成了0.001秒，那么1000秒仿真就要处理100万个采样点，加上误码统计模块每步都要更新，速度自然慢。解决思路是只要不影响误码率结果，尽量把符号速率设为1Hz，Sample time设为1，Samples per frame设大一些，比如1000。然后把仿真模式从Normal切换到Accelerator，并使用Stop simulation条件在错误数达到预设值时自动停止。这个条件可以在Error Rate Calculation模块里设置：当累计错误比特数达到100时停止仿真，能显著减少高信噪比点的运行时间。
5.4 QPSK结果怎么调都和BPSK不相同：你比较的可能是误符号率
这是最后一个容易踩的坑。很多同学在Simulink里看Error Rate Calculation模块的输出，发现QPSK的误码率是BPSK的两倍左右，怎么调都对不齐。这时候要看清楚模块输出的是“符号误码率”还是“比特误码率”。Simulink的Error Rate Calculation默认逐比特比较，如果输入QPSK解调器输出的是符号索引而不是比特序列，那么统计出来的就是符号错误率。QPSK误符号率确实约等于误比特率的2倍，这不是bug。解决方法是让QPSK解调器输出比特（Output type选Bit），并且信源和参考输入都保持二进制序列。另外，部分同学在手动写QPSK判决时会用星座图的象限边界（即大于0）来判决，这在AWGN信道下是最优的，误码率不会因此变差，可以放心用。
6. 用BERTool验一遍你的仿真结果：一个值得养成的验证习惯
课程设计做完Simulink模型和脚本仿真后，很多同学就直接截图写报告了。我建议你用MATLAB自带的BERTool再做一次交叉验证，这个工具能省下你反复检查理论公式的时间，还能让报告的置信度上一个台阶。
BERTool的打开方式是在MATLAB命令行输入bertool，界面里选择Monte Carlo标签页，设定调制方式为BPSK或QPSK，Eb/N0范围保持一致，仿真比特数设为1e5到1e6，然后点击运行。BERTool用相同参数跑出来的误码率点，应该和你脚本里的仿真结果重合。这个交叉验证的意义在于：BERTool是官方工具，它的噪声计算和你手写代码里的方差公式有可能不一样，如果结果不一致，那是你的推导或实现出错了；如果一致，说明你的代码是可靠的。
从BERTool结果里还能提取一个重要习惯：不要只盯着曲线看，要看置信区间。在低误码率区域，仿真点的统计波动很大，比如Eb/N0 = 10dB时，1e6个比特只可能统计到个位数的错误事件，点与点之间的抖动是正常的。如果你的报告需要高精度数据，就在低误码率点单独增加仿真比特数到1e8，而不要对所有点都用相同比特数，浪费运行时间。
我以前做这个题的时候，卡在QPSK曲线比BPSK差3dB这个问题上整整一下午，最后发现是星座点没归一化。后来每次做仿真我都先打印符号能量，再用BERTool验证一遍。这两步养成了习惯之后，几乎没再被误码率对不上的问题折磨过。这个题目本身不难，难的是把理论、实现和验证三个环节连起来，每一步都有据可查。希望这些思路和踩坑记录能帮到你。
本文还有配套的精品资源，点击获取
