MATLAB 2FSK数字通信系统仿真：调制解调、误码率与参数避坑

简介：面向通信原理课程设计与MATLAB仿真入门者的一份完整技术文档，围绕二进制移频键控（2FSK）数字通信系统的建模、调制解调与性能分析展开。内容从课程设计目的、设计内容与基本原理讲起，梳理2FSK信号可视为两路不同载频2ASK叠加的时域关系，并给出基于MATLAB与Simulink的实现路径：产生二进制随机序列、键控法调制、调用awgn函数在信道中叠加高斯白噪声、相干解调、抽样判决，最后统计误码率并对比调制前后波形。整包仅收录1个PDF文件，约479KB，单文件结构便于打印、批注与离线查阅。目前已有788人学习下载。文档贴近课程设计报告结构，含参数设置、核心代码与波形图说明，可帮助读者快速搭建仿真流程，理解噪声信道下误码率变化，也可为撰写报告与实验答辩提供参考。

1. 从两段正弦波开始：2FSK数字通信系统在MATLAB里到底要搭什么

用 MATLAB 做一套 2FSK 数字通信系统设计，最容易翻车的地方从来不是把正弦波拼出来。真正让人卡住的，是频率间隔 Δf 取值不对、解调端积分区间和码元边界错位、Eb/N0 到采样点信噪比的换算差一个系数，最后 matlab 仿真跑出的误码率曲线和理论值整整平移了 3 dB。这三个问题任意一个出岔子，后面再怎么调参数都白搭。

2FSK 的本质很朴素：一个码元周期 Tb 内，用频率 f1 表示"1"、f2 表示"0"，接收端只要判断这一段里哪个频率的能量更大就算解调完成。它比 2PSK 抗噪差、比 2ASK 频带利用率低，但胜在实现简单、对抗信道衰落和相位抖动能力强，所以短距离无线、电力线载波、低速遥测这些场景里一直有人用。

这套东西适合谁：正在做数字通信课程设计或毕设的人、需要给硬件链路做链路预算的人、以及想拿 MATLAB 把调制—信道—解调—误码率统计整条链跑通、再往 FPGA 或 DSP 移植的人。下面按"生成波形 → 加噪解调 → 误码率验证 → 参数固化"的顺序，把每一段的代码、参数取值和坑点都摊开。

2. 2FSK调制：频率间隔、正交条件与MATLAB基带波形生成

2.1 f1、f2 与码元速率之间的正交条件怎么定

2FSK 能解调的前提是两路频率在一个码元周期内互不相关。设频率间隔 Δf = |f1 − f2|，码元周期 Tb = 1/Rb，常见的正交条件是 Δf = n/(2Tb)，n 取正整数。n 取 1 时 Δf 最小，等于 1/(2Tb)，这是相干解调能用的下限。非相干解调因为靠包络或能量比较，条件更苛刻，通常要求 Δf ≥ 1/Tb，否则两路能量检测器的输出会互相串。

理解这一点很关键：如果码元速率 Rb = 1000 bit/s，那么 1/(2Tb) = 500 Hz，1/Tb = 1000 Hz。你选 f1 = 2000 Hz、f2 = 4000 Hz，Δf = 2000 Hz，远大于 1000，非相干和相干都能用。但如果选 f1 = 2000、f2 = 2400，Δf 只有 400，两路相关器在积分区间里根本分不开，误码率曲线一开跑就是 0.4 起步，怎么加功率都压不下来。

带宽这边要有心理准备。相位连续的 2FSK 主要能量集中在两个载频附近，频谱大致从 f1 − Rb 延伸到 f2 + Rb。上面这组参数就占了 1000 Hz 到 5000 Hz 的频段，采样率至少要 2 倍于 f2 + Rb = 5000 Hz，取 fs = 20000 Hz 留出足够裕量，后面相关器积分才够精细。

2.2 相位连续2FSK的MATLAB最小可运行脚本

相位连续和非连续的区别在于码元切换点。非连续做法是每个码元独立生成一段正弦再首尾拼接，结果频率切换处相位突变，频谱旁瓣扩散得厉害，实际链路里很难过滤波器。相位连续做法是把频率序列先积分成相位再取余弦，切换点没有跳变。

clc; clear; close all; Rb = 1000; % 码元速率 (bit/s) Tb = 1/Rb; % 码元周期 (s) N = 100; % 发送码元数 fs = 20000; % 采样率 (Hz), 需 > 2*(f2+Rb) f1 = 2000; % 码元 "1" 的频率 (Hz) f2 = 4000; % 码元 "0" 的频率 (Hz) sps = fs/Rb; % 每码元采样点数 = 20 rng(2024); % 固定种子便于复现 bits = randi([0 1], 1, N); % 随机二进制序列 t = (0:N*sps-1)/fs; % 全局时间轴 freq = f1*bits + f2*(1-bits); % 1 取 f1, 0 取 f2 phase = 2*pi*cumsum(freq)/fs; % 累积相位, 保证切换点连续 s = cos(phase); % 已调信号, 幅度恒为 1 figure; plot(t(1:4*sps), s(1:4*sps), 'LineWidth', 1.2); grid on; xlabel('时间 t / s'); ylabel('幅度'); title('2FSK 已调信号前 4 个码元');

逻辑说明：freq是一个长度为 N 的频率序列，逐码元对应 f1 或 f2；cumsum(freq)/fs把频率变成相位累加，2*pi是角频率到相位的换算系数。这里用 cumsum 而不是逐码元重置相位，正是"相位连续"的关键。sps决定一个码元里有多少采样点，直接影响后面相关器求和的精度，低于 8 点时分 2FSK 的能量差已经很难稳定判出。

参数说明：fs 受奈奎斯特定理约束，必须大于 2*(f2 + Rb) = 10000 Hz，取 20000 是给频谱旁瓣和滤波器过渡带留余量。Rb 和 Tb 互成倒数，改 Rb 时记得回头复查 Δf 是否还满足正交条件。rng(2024)只是为了让每次跑出的误码率一致，方便对比两种解调器。

2.3 用频谱和瞬时频率验证调制没写错

代码能跑只是第一步，波形对不对得看图。matlab 画图最常用的两个观测量：一是频谱，看两个峰是不是落在 f1 和 f2 上；二是瞬时频率，看每个码元里的频率是不是整齐地在 f1、f2 之间跳。

L = length(s); S = fftshift(abs(fft(s))/L); % 归一化幅度谱 fx = (-L/2:L/2-1)*fs/L; % 频率轴 figure; plot(fx, 20*log10(S + eps), 'LineWidth', 1.0); grid on; xlim([-8000 8000]); xlabel('频率 / Hz'); ylabel('幅度 / dB'); title('2FSK 已调信号频谱'); inst_f = [0 diff(phase)]*fs/(2*pi); % 相位差分得到瞬时频率 figure; plot(t(1:4*sps), inst_f(1:4*sps)); grid on; xlabel('时间 t / s'); ylabel('瞬时频率 / Hz'); title('前 4 个码元的瞬时频率');

频谱会给出两个对称的能量峰，主瓣宽度约 2Rb，旁瓣按 1/f 衰减，如果你看到的是连续一片而不是两个峰，多半是频率选得太近或者相位没做连续。瞬时频率图配合发送的bits序列逐段对照，能直接确认"1 是否真去了 f1、0 是否真去了 f2"，比盯着时域波形看半天快得多。

3. 加噪信道与两类解调器：相干、非相干在MATLAB里的落地

3.1 awgn 信道的参数设定与 Eb/N0 到采样点 SNR 的换算

误码率曲线的横轴是 Eb/N0，而 MATLAB 的awgn函数吃的是采样点信噪比 SNR，两者之间的换算系数是新手最容易算错的地方。实信号采样时，离散噪声方差 σ² 对应连续噪声在带宽 fs/2 内的功率，σ² = N0·fs/2；信号平均功率就是每个码元能量乘以速率，Ps = Eb·Rb。两者相除得到：

SNR = Eb·Rb / (N0·fs/2)，换算到分贝就是snr_dB = EbN0_dB + 10*log10(2*Rb/fs)。

用 fs = 20000、Rb = 1000 代入，系数是 10*log10(0.1) = −10 dB，也就是说 Eb/N0 = 6 dB 时，采样点 SNR 其实是 −4 dB。噪声功率比信号大是很正常的，因为能量被 20 倍过采样摊薄了。

% 不依赖通信工具箱的手动加噪, 便于移植到无 awgn 的环境 function r = add_noise(s, EbN0_dB, Rb, fs) Ps = mean(s.^2); % 实测信号平均功率 snr_dB = EbN0_dB + 10*log10(2*Rb/fs); % 换算到采样点 SNR Pn = Ps / 10^(snr_dB/10); % 需要的噪声功率 r = s + sqrt(Pn) * randn(size(s)); % 加高斯白噪声 end

如果手上有 Communications Toolbox，直接r = awgn(s, snr_dB, 'measured')效果一样。'measured'让函数自己测信号功率，比你自己估准确。"坑"就在这个换算系数上：如果你把2*Rb/fs误写成Rb/fs，整条曲线会在横轴上平移 3 dB，低误码率段尤其明显，看到仿真曲线比理论在横轴右侧一个固定间距，就回来查这一行。

3.2 相干解调：两路相关器与同步载波

相干解调的核心思路是用两个与发送端同频同相的载波分别和接收信号做相关积分，相关值大的那一路胜出。为了保持相位一致，接收端用的是与发送端完全相同的 f1、f2 和初始相位，这在实际链路里需要载波同步，代价是复杂度，换来的增益大约是 3 dB。

function bits_hat = demod_coherent(r, N, sps, fs, f1, f2) r1 = zeros(1, N); r2 = zeros(1, N); for k = 1:N idx = (k-1)*sps + (1:sps); % 第 k 个码元的采样索引 seg = r(idx); % 取该码元片段 tk = (idx-1)/fs; % 该片段对应的时间轴 r1(k) = sum(seg .* cos(2*pi*f1*tk)); % 与 f1 同相分量相关 r2(k) = sum(seg .* cos(2*pi*f2*tk)); % 与 f2 同相分量相关 end bits_hat = (r1 >= r2); % 相关值大者判为 1 end

idx按码元边界切片，切片必须严丝合缝对齐，差一个采样点影响不大，差半个码元整个判决就乱了。tk用的是全段时间轴而不是局部 0 起始时间，这样载波相位在码元间保持连续，相关器不需要每段重设初始相位。判决时直接比较 r1 和 r2 的符号，比先乘 −1 再和 0 比较更直观。

3.3 非相干解调：正交能量检测与过零计数

非相干解调拿不到载波相位，只能靠能量。做法是给每个频率配一对正交相关器，分别与 cos 和 sin 混频，两个分量的平方和就是该频率的能量。如果这一段确实是 f1 发送的，那么 f1 的能量会显著高于 f2，反之亦然。

function bits_hat = demod_noncoherent(r, N, sps, fs, f1, f2) e1 = zeros(1, N); e2 = zeros(1, N); for k = 1:N idx = (k-1)*sps + (1:sps); seg = r(idx); tk = (idx-1)/fs; I1 = sum(seg .* cos(2*pi*f1*tk)); % f1 同相分量 Q1 = sum(seg .* sin(2*pi*f1*tk)); % f1 正交分量 I2 = sum(seg .* cos(2*pi*f2*tk)); % f2 同相分量 Q2 = sum(seg .* sin(2*pi*f2*tk)); % f2 正交分量 e1(k) = I1^2 + Q1^2; % f1 的能量估计 e2(k) = I2^2 + Q2^2; % f2 的能量估计 end bits_hat = (e1 >= e2); end

这里的平方和操作相当于给相位"取模"，无论收到信号相位是多少，cos²+sin² 都是恒定的，所以它自动免疫相位旋转和载波初相未知的问题。这也是非相干方案在工程上更常用的直接原因，损耗大约是 1 到 2 dB 的功率效率，换来了接收端结构上的大幅简化。

过零检测是另一种低复杂度非相干方案：统计每个码元内的过零点数，过零点多的判定为高频 f2，少的判为 f1。实现只需要sum(diff(sign(seg)) ~= 0)，但在低信噪比下过零点会被噪声随机打乱，误码率明显不如正交能量检测。除非通道环境非常干净，一般不建议用它。

4. 误码率蒙特卡洛仿真：扫参数、对齐理论值、排查坑

4.1 用循环扫 Eb/N0 并统计误码数

单个信噪比点看不出方案好坏，需要扫一遍。方法是固定频率和码元参数，让 Eb/N0 从 0 dB 扫到 12 dB，每个点发送足够多的码元，统计误判比例。取样元数时注意：误码率 10⁻³ 至少要发 10⁵ 个码元才稳定，否则随机起伏比曲线趋势还大。

EbN0_dB = 0:2:12; Nsym = 20000; % 每个信噪比点发送的码元数 ber_coh = zeros(size(EbN0_dB)); ber_nco = zeros(size(EbN0_dB)); for i = 1:length(EbN0_dB) bits = randi([0 1], 1, Nsym); freq = f1*bits + f2*(1-bits); ph = 2*pi*cumsum(freq)/fs; s = cos(ph); % 生成本次仿真的已调信号 snr_dB = EbN0_dB(i) + 10*log10(2*Rb/fs); Pn = mean(s.^2) / 10^(snr_dB/10); r = s + sqrt(Pn)*randn(size(s)); bh1 = demod_coherent(r, Nsym, sps, fs, f1, f2); bh2 = demod_noncoherent(r, Nsym, sps, fs, f1, f2); ber_coh(i) = mean(bh1 ~= bits); ber_nco(i) = mean(bh2 ~= bits); end semilogy(EbN0_dB, ber_coh, '-o', EbN0_dB, ber_nco, '-s'); grid on; xlabel('E_b/N_0 (dB)'); ylabel('误码率 BER'); legend('相干解调', '非相干解调');

mean(bh ~= bits)是最省事的误码统计写法，逻辑比较返回布尔向量，求均值就是误码率。每次循环内重新生成bits和s，是因为噪声需要独立实现，复用同一帧信号相当于只在一个噪声样本上统计，会低估误码率的方差。

4.2 相干与非相干2FSK的理论公式和曲线对齐

两条理论曲线可以直接算出来，跟仿真的散点叠在一起看是否吻合：

Q 函数用0.5*erfc(x/sqrt(2))实现，erfc是 MATLAB 内置的。6 dB 时相干比非相干高出约 1.5 dB 的功率效率，跟前面章节的理论预期一致。仿真采样点数在千级以上之后，两条曲线理应落在理论线的 ±0.5 dB 范围内，超出这个范围就是参数或换算出了问题。

4.3 曲线对不上理论值的四个常见排查方向

第一，换算系数写错。前面提到的2*Rb/fs若写成Rb/fs，整条线横移 3 dB，由于误码率随信噪比近似指数量化，横移带来的比值变化在低误码率段会放大到十倍级别。第二，正交条件不满足。Delta f 太小会让两路相关器互相串扰，误码率在高信噪比段出现"地板"效应，怎么调功率都下不去，这是 2FSK 最典型的失败模式。

第三，采样率和频率的关系没处理好。f2 + Rb 若是超过 fs/2，会产生频谱折叠，接收信号本身是错的，仿真出来的曲线连形状都不对。第四，码元切片错位。idx = (k-1)*sps + (1:sps)一定要用整数 sps，如果 fs/Rb 不是整数，累积误差会让每 100 个码元错半个采样点，时间一长判决统计量就偏了。稳妥做法是取 fs = Rb * 整数倍，让 sps 保持整数。

提示：调试时先跑高度理想信道（Eb/N0 = 20 dB），如果误码率不接近 0，问题就在调制或解调本身，不在噪声换算上，先分离两类问题再看曲线。

5. 参数表、判决统计量直方图与脚本固化

把链路跑通之后，剩下的工作是把参数一次一次手改的流程固化下来。下面这张表是我一般会存进脚本注释里的默认配置，参数改动时哪些量会跟着动也一并列出。

判断非相干方案在某个信噪比下是否还能用，一个比看误码率更直观的办法是把两路能量差 e1 − e2 画成直方图。低信噪比下它会呈现两个分开的峰，分别对应"真值 1"和"真值 0"，当两个峰开始互相重叠时，误码率就开始上翘。

d = e1 - e2; % 两路能量差, 正判 1, 负判 0 idx1 = (bits == 1); idx0 = (bits == 0); figure; hold on; histogram(d(idx1), 50, 'Normalization', 'pdf'); % 真值为 1 的分布 histogram(d(idx0), 50, 'Normalization', 'pdf'); % 真值为 0 的分布 xlabel('e_1 - e_2'); ylabel('概率密度'); legend('真值 1', '真值 0'); title('判决统计量分布');

两个峰的交叠面积近似就是理论误码率，比从头跑误码率仿真快得多，也更能看出是能量检测器本身可分性不足还是别的环节出错。真正落地到工程时，我一般会把这套脚本拆成三个文件：fsk_mod.m只负责生成信号，fsk_demod.m只负责判决，fsk_ber_sweep.m负责循环扫参和画图。参数集中在扫参脚本头部，f1、f2、Rb、fs、sps 只在一处定义，避免改了一处忘了另一处。fpga 或 dsp 移植时，接收端只需替换demod_noncoherent里的相关器为定点的乘加累加，判决逻辑和切片位置和 MATLAB 里一模一样，验证起来容易对齐。

本文还有配套的精品资源，点击获取