简介面向无线通信教学与科研场景这份MATLAB仿真包完整实现了基于QPSK、16QAM、32QAM、64QAM四种调制方式的OFDM收发链路涵盖子载波调制、串并转换、IFFT/FFT等核心环节可一键输出接收端与发射端的星座图以及误码率(BER)对比图适合通信专业学生、算法工程师和教师用于调制解调原理验证与性能评估。资源共28个文件以MATLAB脚本.m、结果图片.png和可编辑图表.fig为主另有README与说明文档辅助使用整个压缩包约6MB轻量易部署。目前已有64人学习下载运行环境为MATLAB 2020B按README指引执行main函数即可复现全部仿真。通过QPSK、16QAM、32QAM、64QAM的星座图清晰度与BER曲线对比用户能直观理解高阶调制带来的频谱效率提升与抗噪声性能折中也可在此基础上扩展多径信道、信道估计等后续研究。1. 在MATLAB里搭一套OFDM收发机最容易被四种调制方式坑在哪在实验室或毕业设计里搭一套以QPSK、16QAM、32QAM、64QAM为基础调制方式的OFDM收发系统最终交付物往往不是链路本身而是一张能放进报告里的星座图和误码率比较图。我自己最早做这个方向时直接把四种调制套进同一个ifft/fft框架结果第一条BER曲线就在18dB附近出现交叉32QAM甚至和理论值完全对不上查了半天才发现是星座点功率归一化不一致、比特映射用了两套表。这套系统本身不复杂发端做调制映射、ifft、加循环前缀收端做去循环前缀、fft、均衡、解映射。真正的难点在于让四种调制在同一套参数下公平比较并且让星座图和误码率曲线都能直观解释链路质量。这篇笔记会给出可复现的MATLAB脚本把参数、绘图和容易翻车的细节摊开讲适合正在做通信仿真、课程设计或想验证OFDM链路的人照着重跑一遍。2. 从系统参数看OFDM收发链路四种调制为什么要摆进同一套框架2.1 OFDM的基本骨架与每个模块的职责OFDM的核心思想是把一个高速串行数据流拆成多个低速并行子数据流分别调制到正交子载波上。工程上这一过程不用真的做一堆振荡器而是靠离散傅里叶变换完成。发射端把QAM符号当作“频域数据”排列到各个子载波上做一次ifft得到“时域样点”串联输出接收端收到时域样点后做一次fft把各子载波上的符号重新解出来。因为发射机和接收机共用同一组正交基子载波之间才不互相干扰。循环前缀是这套链路里绝对不能省的一环。常见做法是把每个OFDM符号尾部的cpLen个样点复制到符号头部再送入信道。只要循环前缀长度大于多径信道的最大时延扩展线性卷积就能近似为循环卷积接收端做fft时各子载波依然保持正交符号间干扰也被挡在了FFT窗口之外。没有循环前缀的OFDM在稍微有点多径的仿真里误码率曲线会直接出现平底怎么调信噪比都降不下去。四种调制方式在这套骨架里的位置完全一样QPSK、16QAM、32QAM、64QAM只是改变了“比特映射到复数符号”这一格的规则后续的子载波排列、ifft、加CP、去CP、fft、均衡这些模块不需要区别对待。这也是为什么标题里的系统适合做横向比较——链路相同唯一的变量是调制阶数最后得到的星座图和误码率差异可以明确归因于调制方式本身。2.2 QPSK、16QAM、32QAM、64QAM的差异与归一化前提四种调制最主要的差异是每个符号承载的比特数。QPSK每符号2比特抗噪声能力最强但频谱效率最低16QAM每符号4比特32QAM每符号5比特64QAM每符号6比特频带利用率最高却也最怕噪声和信道失真。把它们放在同一张误码率图上比较时通常会看到QPSK曲线在最左边64QAM在最右边中间是16QAM和32QAM这个顺序本质上取决于星座点之间的欧氏距离。比较的前提是四种调制使用相同的平均发射功率。如果直接让16QAM的最大幅度和QPSK一样16QAM的平均功率会明显偏低误码率曲线会被人为抬高比较就没有意义了。MATLAB里做这一点最省事的办法是给qammod函数指定UnitAveragePower参数为true让星座点按单位平均功率缩放。下表列出了这套系统里常用的调制参数调制方式阶数M每符号比特数典型应用场景抗噪与频谱效率定位QPSK42信道条件差、需要稳健传输抗噪最好频谱效率低16QAM164信道质量中等综合性价比高32QAM325定制系统、非标场景频谱效率介于16与64之间64QAM646信道质量好、近距离传输频谱效率最高抗噪最差除了功率归一化还要注意解调端同样要打开UnitAveragePower收发两端必须用同一个缩放方式否则星座图会看起来整体放大或缩小误码率却不一定有明显变化排查起来很费劲。2.3 32QAM为什么是这套系统里的刺头32QAM不是2的整数次幂阶数这让它天生缺少一个“标准答案”。16QAM和64QAM都有规范的方形星座和接近理想的Gray映射规则而32QAM通常采用十字形星座不同教材和不同工具包的星座点排列方式可能不一致严格意义上的全Gray映射在32QAM上不存在只能做到近似Gray。这意味着相邻星座点之间偶尔会只差一个比特也可能相差多个比特误码率理论曲线通常没有闭式表达式仿真结果和理论值对不上并不一定是代码写错了。在MATLAB里qammod对32阶数会给出一种固定的十字星座排列并且带一套内部使用的比特映射。只要你收发两端都依赖同一个qammod函数系统仍能正常解调。但如果你想自己做星座图分析或者把32QAM换成其他资料中的定义就必须确认收发两端用的是同一张星座映射表。我一般会在搭建这套系统时单独给32QAM画一张星座图把每个符号索引的坐标和二进制标号都打出来核对一遍避免后续分析时出现“星座图看起来对但误码率曲线飘”的尴尬。3. 把OFDM收发系统跑通发射函数、接收函数与主循环脚本3.1 仿真参数怎么定先给一张可复制的参数表仿真参数不能拍脑袋参数选得不好会直接影响星座图的观感和误码率曲线的统计质量。下面这组参数是我在课设和项目验证时常用的起点FFT长度为64循环前缀为16实际数据子载波为48个上下边缘各留8个空子载波。FFT取64是为了仿真速度快也方便观察子载波映射的边界效应循环前缀占符号长度的四分之一足以抵抗简单两径信道。参数取值说明FFT长度64子载波总数实际数据子载波48两边各留8个空子载波循环前缀CP长度16抗多径也决定FFT窗口起点每帧OFDM符号数20到200画星座图用20统计误码率用200以上信噪比范围0:2:30 dB四调制对比常用区间信道AWGN可选静态多径先跑AWGN再换信道每帧符号数的选择要分场景。如果只是看星座图20个OFDM符号已经能提供960个QAM符号点足够看清星座团簇的形状但如果是统计误码率特别是32QAM这种非规则调制20个符号远远不够至少要把每帧符号数设在200或者在同一信噪比下重复多次发送取平均。3.2 发射端实现比特映射、子载波排列、IFFT与循环前缀发射端函数把输入的比特流按调制阶数映射成QAM符号再排到频域栅格的48个数据子载波上做ifft得到时域符号最后加循环前缀并转成串行信号。核心代码如下function [txSig, info] ofdm_tx(bits, M, params) % ofdm_tx OFDM发射端 % 输入: % bits : 数据比特列向量 % M : 调制阶数 4/16/32/64 % params : 结构体含fftLen/cpLen/numSC/numSym % 输出: % txSig : 加CP后的时域复基带信号 % info : 中间数据用于画星座图和统计BER k log2(M); symPerFrame params.numSC * params.numSym; if mod(numel(bits), k) ~ 0 error(比特数不能被每符号比特数整除); end % 只取当前帧需要的比特 dataBits bits(1:symPerFrame * k); % Bit - 符号UnitAveragePower保证四调制发射功率一致 dataSym qammod(dataBits, M, InputType, bit, UnitAveragePower, true); % 排成 numSC x numSym 的矩阵每列是一个OFDM符号的数据 dataSymMat reshape(dataSym, params.numSC, params.numSym); % 初始化频域栅格未使用的子载波补零 freqGrid zeros(params.fftLen, params.numSym); % 数据子载波放在频谱中间 idxSC (params.fftLen - params.numSC) / 2 (1:params.numSC); freqGrid(idxSC, :) dataSymMat; % IFFT 从频域变时域ifft自带1/N归一化 txSym ifft(freqGrid, params.fftLen, 1); % 加循环前缀把每列尾部cpLen个点复制到开头 txCp [txSym(end-params.cpLen1:end, :); txSym]; % 并串转换 txSig txCp(:); info struct(freqGrid, freqGrid, dataSym, dataSym, dataBits, dataBits); end这段代码里需要注意三个地方。第一qammod的InputType必须指定为bit它会自动把输入比特按内置映射规则转成符号省去自己写查表第二UnitAveragePower把四种调制的平均功率都归一化到1这是后面误码率曲线可直接比较的前提第三ifft按列计算所以频域栅格是fftLen x numSym的结构每一列对应一个OFDM符号。如果把矩阵维度写反IFFT出来的时域符号顺序就会乱接收端星座图会变成一团没有意义的点。3.3 接收端实现去循环前缀、FFT、单抽头均衡与解映射接收端函数与发射端对称。先将串行时域信号重新排列成(fftLencpLen) x numSym的矩阵去掉每列前cpLen个样点然后做fft回到频域。在AWGN信道下频域信道响应是全1不需要额外均衡在有多径信道时需要把每个数据子载波上的接收符号除以对应的信道频率响应这就是单抽头均衡。function [rxBits, infoRx] ofdm_rx(rxSig, M, params, chEst) % ofdm_rx OFDM接收端 % 输入: % rxSig : 接收时域复基带信号 % M : 调制阶数 % params : 结构体含fftLen/cpLen/numSC/numSym % chEst : 数据子载波上的信道估计默认全1 % 输出: % rxBits : 解调后的比特流 % infoRx : 均衡后的符号用于画星座图 fftLen params.fftLen; cpLen params.cpLen; numSym params.numSym; symLen fftLen cpLen; % 重新排列成符号矩阵 rxMat reshape(rxSig(1:symLen * numSym), symLen, numSym); % 去循环前缀 rxNoCp rxMat(cpLen1:end, :); % FFT 回到频域 rxFreq fft(rxNoCp, fftLen, 1); % 取出数据子载波位置 idxSC (fftLen - params.numSC) / 2 (1:params.numSC); rxSymOnSC rxFreq(idxSC, :); % 单抽头均衡AWGN下chEst默认全1 if nargin 4 || isempty(chEst) chEst ones(params.numSC, 1); end rxEq rxSymOnSC ./ chEst; % 硬解调符号转比特 rxBits qamdemod(rxEq(:), M, OutputType, bit, UnitAveragePower, true); infoRx struct(rxEq, rxEq, rxSym, rxEq(:)); end需要说明的是FFT本身不带1/N归一化而发射端ifft带了1/N所以发射和接收配对后频域符号的幅度基本恢复不需要额外处理。rxEq(:)把均衡后的符号展开成一维是为了让qamdemod直接按发射端的比特顺序解调。这里如果发射端排矩阵时用的是行优先接收端展开时也用列优先两者才能对齐我建议固定使用列方向展开避免维度错位。3.4 主仿真脚本四种调制在同一信道下的误码率统计主脚本把发射端和接收端串起来对每种调制、每个SNR点各发一帧数据统计误码率。为了节省篇幅这里用自定义的awgn_add函数加噪声噪声功率按信号实际功率计算。% OFDM_Main.m % QPSK/16QAM/32QAM/64QAM 星座图与BER对比主脚本 clear; clc; close all; params.fftLen 64; params.cpLen 16; params.numSC 48; params.numSym 200; % 统计误码率需要大符号数 MList [4 16 32 64]; % QPSK, 16QAM, 32QAM, 64QAM snrVec 0:2:30; berAll zeros(length(MList), length(snrVec)); txInfoAll cell(length(MList), 1); rxInfoAll cell(length(MList), 1); for m 1:length(MList) M MList(m); k log2(M); % 生成当前调制需要的总比特数 bits randi([0, 1], params.numSC * params.numSym * k, 1); % 发射 [txSig, infoTx] ofdm_tx(bits, M, params); txInfoAll{m} infoTx; % 逐SNR统计误码率 for s 1:length(snrVec) % 自定义AWGN函数显式控制噪声功率 rxSig awgn_add(txSig, snrVec(s)); % 接收 [rxBits, infoRx] ofdm_rx(rxSig, M, params); % 当前帧误码率 berAll(m, s) mean(rxBits ~ infoTx.dataBits); rxInfoAll{m} infoRx; % 保存最后一组SNR下的接收符号 end end加噪声的函数如下function y awgn_add(x, snr) % awgn_add 手动加AWGN % SNR为dB测量信号实际功率避免理论功率和实际功率不符 sigPow mean(abs(x(:)).^2); snrLin 10^(snr / 10); noisePow sigPow / snrLin; noise sqrt(noisePow / 2) * ... (randn(size(x)) 1j * randn(size(x))); y x noise; end这段脚本里有两个参数值得留意。一是numSym200单次发送的数据比特数为48*200*kQPSK下有19200比特统计到误码率1e-3左右误差仍在可接受范围如果要把64QAM画到1e-5200个符号远不够需要外层再增加循环重复。二是SNR步长取2dB绘图时曲线不会太粗糙也不会让仿真点过多0到30dB一共16个点四种调制算下来运行时间很短。如果想看频率选择性信道的影响可以把AWGN替换成静态两径信道。让发射信号与冲激响应h[1, 0, 0.3]做线性卷积接收端先用导频估计出信道频响再做均衡只要CP长度大于信道阶数单抽头均衡就能把星座图“基本扶正”。这块可作为后续扩展先把AWGN下的比较跑通再碰多径。4. 画星座图和误码率比较图三组脚本覆盖报告所需图片4.1 发射端与接收端星座图画在同一个图里星座图是观察调制质量的直接窗口。发射端星座图应该和理想星座完全重合接收端星座图则能看到噪声对星座点的扰动。画图函数里把两者叠加到理想星座点上可以直观判断接收信号是否有旋转、压缩或残余频偏。function plot_constellation(infoTx, infoRx, M, snr) % plot_constellation 发射与接收星座图对比 % infoTx: ofdm_tx返回的info % infoRx: ofdm_rx返回的infoRx % M : 调制阶数 % snr : 当前SNR(dB)仅用于标题 % 理想星座点用于参考 ideal qammod((0:M-1), M, UnitAveragePower, true); figure(Name, sprintf(M%d 星座图, M)); subplot(1,2,1); plot(infoTx.dataSym, x, MarkerSize, 4); hold on; plot(ideal, ro, MarkerSize, 5, LineWidth, 1); grid on; axis equal; title(sprintf(发射端星座图 M%d, M)); xlabel(I); ylabel(Q); subplot(1,2,2); plot(infoRx.rxEq, x, MarkerSize, 4); % 均衡后符号 hold on; plot(ideal, ro, MarkerSize, 5, LineWidth, 1); grid on; axis equal; xlim([-2, 2]); ylim([-2, 2]); title(sprintf(接收端星座图 M%d, SNR%ddB, M, snr)); xlabel(I); ylabel(Q); end注意infoRx.rxEq是均衡后的频域符号不是判决后的符号。如果直接画判决后的符号星座图会全部收敛到理想点上看不到噪声和信道损伤。画图时建议把理想星座点用红色圈标出接收符号用十字标出这样两者偏差一眼就能看出来。axis equal要加上否则坐标轴比例不一致会把圆形星座拉成椭圆影响判断。4.2 误码率曲线与理论值对照误码率比较图用semilogy绘制因为BER在小数值范围内跨度可能达到几个数量级线性坐标下完全看不出曲线差异。把仿真曲线和理论曲线放在一起还能快速判断仿真链路是否正确QPSK对应2PSK理论曲线16QAM和64QAM对应QAM理论曲线32QAM没有现成闭式理论单画仿真值即可。% 绘制BER比较图 figure(Name, OFDM BER Comparison); semilogy(snrVec, berAll(1,:), -o, LineWidth, 1.5); hold on; semilogy(snrVec, berAll(2,:), -s, LineWidth, 1.5); semilogy(snrVec, berAll(3,:), -d, LineWidth, 1.5); semilogy(snrVec, berAll(4,:), -^, LineWidth, 1.5); % 理论曲线 snrTheory snrVec; % 纵轴aa semilogy(snrTheory, berawgn(snrTheory, psk, 2, nondiff), k--); semilogy(snrTheory, berawgn(snrTheory, qam, 16), k--); semilogy(snrTheory, berawgn(snrTheory, qam, 64), k--); grid on; legend(QPSK仿真,16QAM仿真,32QAM仿真,64QAM仿真, ... QPSK理论,16QAM理论,64QAM理论, Location, southwest); xlabel(SNR(dB)); ylabel(误码率(BER)); title(QPSK/16QAM/32QAM/64QAM OFDM误码率比较);这里需要提醒的是仿真曲线在低SNR下通常偏高在高SNR下如果每帧符号数不够会出现锯齿状抖动这是统计样本不足造成的不一定是链路问题。建议在脚本里把numSym提高到500以上再跑高SNR段或者按“最少统计到200个错误比特”作为停止条件。32QAM的曲线与理论值无法直接对比这件事放在图上用注释标清楚看报告的人也能明白。4.3 四种调制一页比完子图、同一SNR与统一坐标星座图如果每个调制都单独出一张图报告里会占很多版面。更实用的做法是选一个中等SNR比如让64QAM还能看清星座团簇、QPSK已经很干净的16dB把四种调制的接收星座图放在一个2x2子图里坐标范围统一。这样一页图就能说明“调制阶数越高星座点越密抗噪声能力越弱”这个结论。% 从主循环结果中挑一个SNR索引 snrIdx find(snrVec 16); figure(Name, Four Modulations at same SNR); MList [4 16 32 64]; for m 1:4 subplot(2, 2, m); % 理想星座点 ideal qammod((0:MList(m)-1), MList(m), UnitAveragePower, true); plot(ideal, ro, MarkerSize, 4); hold on; % 接收端均衡后符号 plot(rxInfoAll{m}.rxEq, x, MarkerSize, 2); grid on; axis equal; axis([-2 2 -2 2]); title(sprintf(M%d, SNR16dB, MList(m))); xlabel(I); ylabel(Q); end sgtitle(同一SNR下四种调制的接收星座图对比);sgtitle在旧版本MATLAB里可能不可用如果报错可以用annotation或直接在title里加一行文字替代。这个脚本展示的是同一信噪比下的横向比较如果某个调制的星座图已经模糊到无法分辨说明该调制在该信噪比下不适合实际使用这就是比较图要传递的工程信息。5. OFDM调制仿真里的五个典型坑现象、原因和解决办法5.1 同一个SNR下接收星座图整体缩水一半现象发射端星座图四个角在±1附近接收端星座图却集中到±0.5附近看起来像整体缩小了。原因发射端用了ifft自带1/N归一化接收端做fft后应该正好抵消。但如果发射端在ifft之后又对时域信号做了一次功率归一化或者接收端在fft之前把信号除以了某个系数星座图幅度就会翻倍或减半。另一种常见情况是qammod一边开了UnitAveragePowerwamdemod一边没开或者两边开的设置不一致。解决把发射端的qammod和接收端的qamdemod参数写成完全对称的形式都用UnitAveragePower, true。在加噪声前后分别打印mean(abs(txSig).^2)和mean(abs(rxEq).^2)确认时域功率和频域符号功率的预期值。不要靠肉眼猜直接把中间变量存下来对比是最快的路径。5.2 32QAM的BER曲线和理论值“闹离婚”现象16QAM和64QAM的仿真曲线与理论曲线贴合得很好唯独32QAM在中等SNR下偏了半个数量级甚至方向都不太对。原因32QAM没有严格的全Gray映射MATLAB里的十字星座只是一个工程约定不同版本的qammod对32的内部映射可能有差异而且32QAM每个符号5比特QAM符号点数不是平方数相邻星座点间的比特汉明距离并不均匀。仿真统计时如果每帧符号数又比16QAM少误差会被进一步放大。解决先单独画一张32QAM星座图检查每个符号的十进制索引与比特标号的对应关系再用qammod(0:31,32,UnitAveragePower,true)生成理想星座点与接收端星座图叠加确认解映射没有错位。32QAM曲线不一定要和理论值对比它本身就是一种工程折中方案解释清楚原因即可。5.3 BER曲线在低SNR和高SNR两个方向同时出问题现象低SNR下仿真值明显低于理论值高SNR下仿真值却变成0或者突然上翘曲线像断成两截。原因低SNR下误码率很高但每帧数据比特数有限只要一帧里错误比特数凑巧少一点统计均值就会被拉低高SNR下误码数变成0mean函数给出0值semilogy遇到0会不画或画成断点把误码率强行替换成1e-6又会造成人为上翘。解决统计误码率时设置最小错误数。低SNR段可以增加重复次数高SNR段可以记录“当前SNR下没有误码”并单独标注例如画一个向下箭头而不是填一个假数值。更稳妥的做法是设置每帧最小符号数后用100次蒙特卡洛求平均而不是只跑一帧。5.4 加了多径信道后误码率曲线出现地板效应现象AWGN下BER能降到1e-4换成多径信道后曲线到1e-2就再也不降了SNR再高也没用。原因循环前缀长度小于信道最大时延扩展导致符号间干扰泄漏进FFT窗口或者接收端没做频域均衡直接对含信道频响的符号做判决。多径信道下每个子载波的幅度和相位都被信道改变了不做均衡等于让64QAM的星座点旋转随机角度再判决。解决先检查CP长度是否大于信道冲激响应的最大时延。例如信道h[1, 0, 0.3]的时延为1个样点CP取16肯定够。再在接收端用最小二乘估计信道频响常见的做法是在数据子载波里插入已知QPSK导频用导频位置的接收符号除以发射符号得到信道估计再对相邻子载波插值。均衡之后重新画星座图如果星座团簇被拉回原来的栅格再统计误码率。5.5 想画OFDM的“QPSK眼图”却越画越糊现象把OFDM时域信号按符号周期叠加试图画QPSK眼图结果得到一片密密麻麻噪声样的轨迹完全看不出眼睛。原因OFDM是多载波叠加时域波形本质上是大量子载波信号的加和幅度近似服从高斯分布不像单载波QPSK那样有明显的符号间电平跳变。眼图这个工具是为单载波系统设计的直接用在OFDM时域信号上得到的是随机噪声图不是链路有问题。解决如果确实要看眼图应该把OFDM当作单载波处理用QPSK映射后的单个符号通过成型滤波器得到时域波形再画眼图在OFDM系统里验证信号质量更合适的工具是星座图、EVM和误码率。Qt里如果要绘制星座图本质就是把接收端的IQ数据用散点画出来这个思路和MATLAB里的scatter一样不需要画眼图。6. 光看图不够用EVM、相位轨迹和留底习惯把验证收尾星座图和BER曲线能说明很多问题但作为收尾我建议再做两件小事算一次EVM画一次带时间顺序的相位轨迹。EVM是量化指标比肉眼看星座图更可靠相位轨迹能判断信号是否还有残余频偏。EVM的计算思路是找到每个接收符号对应的理想星座点误差矢量就是接收点与理想点的复数差均方根误差除以理想星座点的均方根幅度就是EVM_rms。代码并不复杂% 计算均衡后符号的EVM idealAll qammod((0:M-1), M, UnitAveragePower, true); rxSym infoRx.rxSym; % 对每个接收符号找最近理想点 dist abs(rxSym - idealAll.); [~, idx] min(dist, [], 2); idealMatch idealAll(idx); % 误差矢量 errVec rxSym - idealMatch; evm_rms sqrt(mean(abs(errVec).^2) / mean(abs(idealMatch).^2)) * 100; fprintf(M%d, SNR16dB, EVM_rms%.2f%%\n, M, evm_rms);EVM值在5%以下通常说明星座图质量良好10%以上基本意味着误码率已经不可接受。你可以把EVM和BER放在同一个表里输出观察它们之间的关系EVM从10%降到5%时BER可能下降了好几个数量级这种非线性关系是通信链路里很常见的现象别觉得奇怪。相位轨迹是用来排查残余频偏的。对于一个没有频偏的系统接收星座点会围绕理想点随机散落如果存在残余频偏星座点会随着时间绕原点旋转。常见做法是把均衡后的符号按顺序连线或者用颜色区分时间先后% 按时间顺序着色观察星座旋转 figure; scatter(real(rxSym), imag(rxSym), 10, 1:length(rxSym), o); axis equal; grid on; colormap(jet); colorbar; title(按时间着色的接收星座图); xlabel(I); ylabel(Q);如果颜色从蓝色到红色沿圆弧方向渐变说明存在持续频偏如果只看到径向扩散说明主要是噪声。这个技巧在调试同步算法时比BER曲线更直观因为BER只告诉你结果相位轨迹告诉你问题出在哪一步。如果要把这套系统移植到C或Qt环境展示思路完全一样接收端输出IQ符号数组Qt里用QPainter逐点绘制散点坐标轴按理想星座范围缩放即可。星座图本质上只是个散点图真正值钱的是接收端对IQ数据的处理结果。最后分享一个个人习惯每次仿真跑完把发射符号、接收符号、信噪比、误码率全部存进一个mat文件留底标注当天代码版本。这个习惯帮我省掉了不少“换了台电脑结果对不上”的后悔药时间也希望帮到你。本文还有配套的精品资源点击获取