CDMA仿真原理与MATLAB实现：从扩频解扩到误码率验证

简介：面向3G移动通信学习与MATLAB仿真的CDMA技术资料包，压缩包共9个文件，包含3个MATLAB脚本、2个C源文件与2个DLL动态库、1个数据文件和1个技术文档，总大小仅626KB。文档系统讲解CDMA扩频通信原理、码片序列机制以及抗干扰、容量大、保密性强、频率复用等优势；附带的MATLAB脚本与C/DLL配合，覆盖码片序列生成、扩频编解码、无线信道衰落模拟及误码率/信噪比性能评估等关键环节，便于对照理论理解完整仿真流程。已有119人学习，适合通信工程专业学生、算法初学者及3G方向开发者快速上手。资料将理论说明与可运行代码结合，既演示PN码生成、多径时变信道、下行链路Rake接收等典型场景，也给出误码率/信噪比分析路径，有助于掌握CDMA核心技术，并为理解WCDMA、CDMA2000等后续标准建立基础。

1. CDMA仿真是个什么活，什么人才会去翻这个压缩包

通信专业的学生做3G物理层课程设计，或者刚接手基站算法验证的工程师，手里最缺的往往不是理论，而是一条能跑、能改、能出误码率曲线的MATLAB链路。CDMA技术说明及仿真这个压缩包指向的正是这套东西：CDMA原理说明加MATLAB仿真代码，让你把扩频、解扩、AWGN信道、误码率统计这条链路从零搭起来，亲眼看处理增益怎么把淹没在噪声里的信号捞回来。它适合正在做MATLAB通信仿真课设的人，也适合想快速建立可信基带仿真平台、验证抗干扰方案的从业者。这篇笔记不评价压缩包内容，只按这个标题方向，把原理、代码、参数和踩坑一次性讲透。

2. 从3G直扩CDMA到MATLAB模型：原理、处理增益与仿真选型

2.1 直扩CDMA的核心链路：扩频、解扩与处理增益

3G物理层的根基是直接序列扩频，也就是DS-CDMA。信息比特速率是Rb，PN码的码片速率是Rc，两者之比SF就是扩频因子。发射端把每个信息比特与整段PN码逐码片相乘，信号带宽被展宽SF倍，功率谱密度被压低到接近噪声底。接收端用本地同步PN码做相关解扩，把摊开的能量重新聚回一个符号，同时把其他用户的非正交分量和干扰摊薄。CDMA能在同一频段同时承载多用户，靠的就是这套“展宽-压缩”机制。

3G里的CDMA并不是单一形态。WCDMA采用宽带CDMA，码片速率3.84Mcps，SF从4到256可变，用于承载不同速率业务；cdma2000是多载波结构；再往前IS-95码片速率只有1.2288Mcps，是2G的CDMA代表。标题里写“3g_cdma”，做基带仿真时这些系统的模型是一致的：扩频、加噪、解扩、判决，区别只在参数。一个常见误区是拿IS-95固定SF的逻辑去套WCDMA的速率匹配，导致仿真链路的数据速率和码片速率对不上。

再说清楚一个容易误解的点：处理增益Gp=10log10(SF)，SF=31时约15dB，SF=127时约21dB。这个增益体现在解扩后信干比的提升，也就是抗干扰能力，而不改变AWGN信道下的理论误码率。扩频不是通过“多干活”来降低误码，而是把干扰和有用信号在相关运算里区分开。这个认识直接决定你后面怎么验证仿真链路对不对。

3G时代选择CDMA而非FDMA/TDMA，工程上的核心理由在于软容量、抗频率选择性衰落和软切换。FDMA/TDMA的容量由时频资源块硬性划分，而CDMA容量由干扰水平软性决定——用户增多只是抬高干扰，不太会出现“信道满就拒绝接入”的硬边界。这个特性在仿真里表现为：多用户场景的BER随接入用户数平滑恶化而不是突然掉线，建模时直接用叠加干扰来近似即可。

2.2 仿真选型：为什么用MATLAB，需要哪些工具箱和基础

做CDMA基带仿真，MATLAB的核心优势是向量化。扩频和解扩在数学上都是矩阵乘法：发射矩阵的每一行是一个比特乘以整段PN码，接收端是一个PN码行向量乘以接收矩阵，一次处理几万比特，比C语言写两层循环快一个量级。绘图能力也是刚需——误码率曲线、相关峰、星座图随手就能画出来，调参数时反馈极快。

工具箱层面，Communications Toolbox提供了comm.PNSequence、comm.RAKEReceiver这类现成组件，能省事，但并不是必需。后面第3章给出的完整链路是纯基础MATLAB脚本，不依赖任何工具箱，这样即使你装matlab时没选通信工具箱也能跑。可以用ver('Communications_Toolbox')查一下当前环境有没有装，返回空就没有。

如果你用的是matlab 2026b这类较新版本，要注意随机数生成器的默认流跟老版本不一样，同样代码跑出来的具体BER数值会有细微差别，但曲线趋势不变。做可复现实验前先执行一次rng(42)固定种子，后面章节会再提这个点。还有一类可选的方案是GNU Octave，语法兼容度较高，但绘图和矩阵运算性能弱于MATLAB，跑大点数仿真时等待时间会长很多，我一般不推荐在CDMA这种循环扫描Eb/N0的场景里用。

2.3 仿真的判定标准：拿什么证明链路是对的

动手写代码之前，先定好“什么算对”，否则很容易陷入调参玄学。第一条标准：单用户AWGN场景下，扩频不改变误码性能，仿真BER曲线应当与BPSK理论曲线重合，理论公式是0.5·erfc(sqrt(Eb/N0))。如果曲线不重合，说明链路里有实现损失，比如PN码没对齐、噪声功率算错、判决门限不对。

第二条标准：BER曲线随Eb/N0增大单调下降，且下降斜率与理论一致。翘尾、走平、跳变，都是实现问题而不是信道问题。第三条标准：抗干扰验证里，固定Eb/N0和干信比，只增大SF，BER应明显下降，且改善幅度接近处理增益。这三条就是第6章要做的事。实际操作中怎么对比：把仿真BER和理论BER一起画在semilogy图上，如果两者在同一Eb/N0点相差超过0.5dB，就说明链路有2%~3%以上的实现损失，值得回头查代码。

3. 用MATLAB搭建CDMA基带仿真链路：从PN码生成到BER曲线

3.1 不依赖工具箱的m序列生成：纯MATLAB脚本

PN码是CDMA仿真里最容易埋雷的地方。最常用的生成方式是线性反馈移位寄存器产生m序列，周期为2^degree-1。这个脚本不依赖通信工具箱，直接写成独立函数：

function pn = mseq_pn(SF, degree) % 生成周期为2^degree-1的m序列，截取前SF个码片 % degree=5时周期31，SF必须不大于周期 reg = ones(1, degree); % LFSR初始状态，全1 period = 2^degree - 1; % m序列周期 seq = zeros(1, period); for k = 1:period seq(k) = reg(end); % 输出最后一级寄存器 % 反馈抽头：x^5 + x^2 + 1，对应第5级与第3级异或 fb = xor(reg(end), reg(degree-2)); reg = [fb, reg(1:end-1)]; % 左移一位 end pn = seq(1:SF); % 截取前SF个码片 pn = 2*pn - 1; % 0/1映射为+1/-1，关键步骤 end

代码逻辑：LFSR每次移位输出最后一级的值，反馈由两个抽头的异或决定，本原多项式决定了序列周期最长。degree=5时周期是31，如果你想用SF=64，就得把degree提高到6以上保证周期不小于SF。这里最隐蔽的坑是最后一行映射——PN序列本质是0/1逻辑值，不转成±1直接与数据相乘，负号信息就全丢了，后面解扩必然全错。 参数说明：degree控制序列周期，SF决定实际使用的码片数，两者必须满足SF ≤ 2^degree-1。SF取31时处理增益约15dB，取127时约21dB。截取使用不会破坏序列的随机性，只要截取长度不超过周期，相关特性基本保持。

3.2 扩频、AWGN信道、解扩与误码率统计：完整可跑代码

这一节是整套仿真的主干，单用户、AWGN信道、BPSK调制、扩频增益15dB，跑完直接给出BER曲线并和理论对比：

%% CDMA直扩链路：单用户、AWGN信道、BPSK调制 clc; clear; close all; SF = 31; % 扩频因子，m序列周期31 numBits = 50000; % 仿真比特数，越多BER曲线越平滑 EbN0dB = 0:1:8; % Eb/N0扫描范围(dB) pnCode = mseq_pn(SF, 5); % 长度31的m序列，双极性+/-1 berSim = zeros(size(EbN0dB)); for idx = 1:length(EbN0dB) % 随机信息比特，映射为双极性：0->-1，1->+1 bits = randi([0 1], numBits, 1); data = 2*bits - 1; % 扩频：每个比特乘整段PN码，矩阵乘法一次完成 txMatrix = data * pnCode; % numBits x SF tx = txMatrix(:); % 串行输出，码片速率是比特速率SF倍 % Eb/N0换算噪声功率，这一步最容易算错 Eb = sum(tx.^2) / numBits; % 每比特能量 EbN0 = 10^(EbN0dB(idx)/10); % 线性值 N0 = Eb / EbN0; % 噪声功率谱密度 noise = sqrt(N0/2) * randn(size(tx)); % BPSK基带等效，每维方差N0/2 % AWGN信道 rx = tx + noise; % 解扩：reshape按列还原，每列是一个比特对应的SF个码片 rxMatrix = reshape(rx, SF, numBits); % SF x numBits y = pnCode * rxMatrix; % 1 x numBits，相关累加结果 % 判决：相关值>0判+1，否则判-1 decoded = sign(y); berSim(idx) = sum(decoded ~= data.') / numBits; end % BPSK理论误码率 berTheory = 0.5 * erfc(sqrt(10.^(EbN0dB/10))); figure; semilogy(EbN0dB, berSim, 'o-', EbN0dB, berTheory, 's-'); xlabel('Eb/N0 (dB)'); ylabel('误码率 BER'); legend('CDMA仿真', 'BPSK理论'); grid on;

这段代码的逻辑拆开看：扩频用data * pnCode，每一行是一个比特乘整段PN码，等于把每个比特重复SF次并逐码片乘PN码；tx(:)按列拉直，输出顺序是先第一个比特的SF个码片，再第二个比特，这与接收端reshape的按列填充完全对应。解扩时pnCode是1xSF行向量，乘SFxnumBits的矩阵，每一列的内积就是该比特的软判决值。噪声注入发生在码片级，但能量换算用比特能量Eb，这正是CDMA链路与普通BPSK仿真最大的区别。

参数说明：SF=31，扩频后每个比特的能量均匀分布在31个码片上；numBits取50000，是为了在BER=1e-3附近还能统计到约50个误码，曲线才平滑可信；EbN0dB扫描0~8dB，覆盖BPSK理论曲线从10^-1到10^-4的区间。如果你的目标误码率是1e-5，numBits至少要到10万以上，否则误码数太少，曲线会剧烈抖动。

提示：当BER低于1/numBits时，统计结果会变成0，semilogy会自动丢点，这不是bug，是统计样本不够的表现。

3.3 参数设定的逻辑：SF、比特数与Eb/N0扫描范围

仿真参数不是随手填的，它们各自决定了仿真的边界和成本。下面这张表是我在类似链路里经常用的默认值，可以直接抄：

SF从31提高到127，处理增益从15dB升到21dB，但txMatrix从numBitsx31变成numBitsx127，内存和运行时间同步增长。做抗干扰验证时SF适合往大调；做链路基础验证时SF=31就够，跑得快且曲线已经能说明问题。Eb/N0的起始点我一般从0dB开始，因为BPSK在0dB附近误码率约8%，是个肉眼可辨的数量级；如果你只关心高信噪比行为，可以改成6:0.5:12，步长收细。

4. 从单用户到多径多用户：RAKE接收与多址干扰的仿真进阶

4.1 多径信道建模与RAKE接收机的MATLAB实现

真实无线环境里，信号经过多条路径到达接收端，各径有不同延迟和增益。在CDMA仿真里，多径延迟是码片级别的，不是比特级——这决定了普通相关接收会失效：延迟径到达的PN码与本地PN码错位，相关峰被削平，能量被当成干扰。RAKE接收机的思路是为每条显著路径分配一个“finger”，每个finger对齐到该径的延迟做相关，再做最大比合并，也就是按径增益加权。代码里先构造一个两径信道：

%% RAKE接收：两径信道，码片级延迟 delays = [0 3]; % 径1无延迟，径2延迟3个码片 taps = [1.0 0.6]; % 两径增益，幅度比约1:0.6 % 构造多径发射信号：把tx按延迟移位后乘增益叠加 txMp = zeros(size(tx)); for m = 1:length(delays) d = delays(m); txMp = txMp + taps(m) * [zeros(d,1); tx(1:end-d)]; end rxMp = txMp + sqrt(N0/2) * randn(size(txMp)); % RAKE接收：逐径相关后按径增益加权合并（MRC） rxMatrix = reshape(rxMp, SF, numBits); yRake = zeros(1, numBits); for m = 1:length(delays) d = delays(m); % 延迟d个码片后，有效码片从第d+1行开始 seg = rxMatrix(d+1:SF, :); pnSeg = pnCode(1:SF-d); % 该径的相关输出，加权累加 yRake = yRake + taps(m) * (pnSeg * seg); end decodedRake = sign(yRake); berRake = sum(decodedRake ~= data.') / numBits;

这段代码的关键在“对齐”两个字。多径构造时，[zeros(d,1); tx(1:end-d)]把信号向后延迟d个码片，等效于信道卷积。RAKE侧，延迟径在第d+1到第SF行才对应完整的一个PN码周期，所以取seg时要从d+1行开始，同时本地PN码截短到SF-d，保证相关长度一致。这里丢掉了前d行和末尾不足的部分，属于边界截断，实际多径时延展宽远小于数据长度时影响可忽略。

参数说明：delays的取值要小于SF，一般不超过SF/3，否则相关长度损失太多，RAKE反而跑不过单径。taps之和近似保持功率归一，比如[1.0 0.6]的功率和为1.36，如果不想引入额外增益，就除以sqrt(sum(taps.^2))再使用。径增益接近且延迟间隔大于1码片时，RAKE相对普通相关的增益最明显，这正是多径分集的效果。

4.2 多用户干扰建模：正交码与MAI的代价

CDMA多用户靠码来区分，理想情况下用户间码序列正交，互不干扰。Walsh码在同步且无多径时严格正交，但m序列截断码只有准正交性，用户间存在互相关，形成多址干扰MAI。仿真里建模非常直接：把各用户扩频信号叠加，接收端解扩目标用户时，其他用户的贡献就是干扰。下面是一个双用户同步仿真核心片段：

%% 双用户CDMA：用户1与用户2，不同PN序列 pnCode1 = mseq_pn(SF, 5); pnCode2 = circshift(pnCode2, 7); % 用循环移位构造第二个序列 data1 = 2*randi([0 1], numBits, 1) - 1; data2 = 2*randi([0 1], numBits, 1) - 1; txSum = data1 * pnCode1 + data2 * pnCode2; txSum = txSum(:); % 串行叠加信号 % 接收端只解扩用户1 y1 = pnCode1 * reshape(txSum, SF, numBits); berUser1 = sum(sign(y1) ~= data1.') / numBits;

这里有个经常被忽略的细节：解扩输出y1包含三项，用户1的自相关峰值（期望信号）、用户1的PN码与用户1自身数据的旁瓣（自干扰）、用户2的PN码与用户1的PN码互相关（MAI）。m序列循环移位后的互相关特性取决于移位量，有的移位点互相关较大，因此双用户仿真里BER不仅取决于Eb/N0，还取决于两个PN码相对移位。你可以把circshift的移位量做成循环变量，观察BER随移位量的波动，这是理解“码序列设计为什么重要”最直接的方式。

正交性的破坏还在多径下体现：即使两个用户用严格正交的Walsh码，经过多径信道后，延迟径破坏了码片对齐，正交性消失，MAI重新出现。这也是为什么WCDMA在上行用非正交的扰码加快速功率控制来对抗多址干扰。

4.3 功率控制的仿真简化：远近效应的直观观察

CDMA里离基站近的用户如果满功率发射，会把远处用户的信号完全淹没，这就是远近效应。系统靠功率控制解决——基站测量每个用户的SINR，命令发射端调整功率，让所有用户到达基站时功率大致相等。仿真层面的等效简化是直接调整各用户发射幅度。下面这段扫描用户2功率倍数对用户1误码率的影响：

%% 远近效应：用户2功率倍数对用户1误码率的影响 pow2List = [1 2 4 8]; % 用户2相对功率倍数 berUser1 = zeros(size(pow2List)); for p = 1:length(pow2List) amp2 = sqrt(pow2List(p)); % 幅度比是功率比的平方根 txSum = data1 * pnCode1 + amp2 * data2 * pnCode2; txSum = txSum(:); % 固定Eb/N0=6dB，只观察功率不平衡的影响 y1 = pnCode1 * reshape(txSum, SF, numBits); berUser1(p) = sum(sign(y1) ~= data1.') / numBits; end

结果会很直观：功率倍数从1倍升到8倍，用户1的BER可能从1e-3劣化到1e-1，完全是干扰主导。这个仿真说明一个工程结论——功率控制不是性能优化手段，而是CDMA系统能否工作的前提。你在做系统级仿真时可以简化成“所有到达基站的用户功率相等”这一条静态约束，省掉完整闭环功率控制建模。

5. CDMA仿真避坑：几条血泪经验与排查方法

5.1 误码率曲线翘尾降不下去

现象：BER随Eb/N0增大到1e-3左右就不再下降，甚至抬起，曲线尾部走平。

原因：最常见的是发送端与接收端的PN码没有严格对齐。扩频后信号在信道中没有任何延迟，但代码里如果在reshape或矩阵乘法的尺寸上弄差一位，解扩相关就落在PN码的自相关旁瓣上，主峰能量丢失，只剩下旁瓣和噪声在判决。第二个常见原因是numBits太小，高信噪比段误码数只有个位数，统计波动巨大。

解决：先把发送和接收的码片序列各取前几百点做xcorr，看峰值位置是否在预期延迟点；如果峰值错位一位，检查tx(:)之后的reshape顺序。再把numBits提高到50000以上，误码率曲线尾部会明显平滑。m序列周期不足也会导致这问题，确认SF小于等于2^degree-1。

5.2 Eb/N0换算噪声时经常翻车的点

现象：BER曲线整体比理论曲线右移3dB左右，或者左移且高信噪比段出现平台。

原因：把SNR当成了Eb/N0用。CDMA扩频后，码片能量Ec是比特能量Eb的1/SF，码片级注入噪声时如果直接用10^(-EbN0dB/10)当噪声方差，相当于少除了一个SF，噪声被放大SF倍，曲线自然右移。另一种翻车是忘记BPSK基带等效的同相支路噪声方差是N0/2，用了N0去生成噪声。

解决：严格按3.2代码流程做——先算Eb=sum(tx.^2)/numBits，再算N0=Eb/10^(EbN0dB/10)，最后用sqrt(N0/2)*randn。也可以显式算码片信噪比Ec/N0=Eb/N0-10log10(SF)，先注入噪声再解扩，两种方式结果一致。怀疑换算错时，打印Eb和N0的数量级核对：SF=31、EbN0dB=6时，噪声幅度应大约是信号幅度的0.3倍量级。

5.3 PN序列类型错误：0/1输出被当成了±1

现象：解扩输出统计量全部为正或全部为负，BER稳定在0.5附近，怎么调Eb/N0都没变化。

原因：PN序列生成后没有做双极性映射。comm.PNSequence输出的是逻辑0/1，0/1序列与数据相乘，扩频符号全变成非负，解扩判决全部判为+1。自写的m序列如果漏了2*x-1映射，效果一样。

解决：生成PN码后立刻检查均值，±1序列的均值应接近0，0/1序列均值是0.5。养成习惯：PN码生成后plot前50个点看一眼，再继续往下写。这个排查成本极低，但几乎每个初写CDMA仿真的人都会撞上一次。

5.4 多径下普通相关接收失效，RAKE参数没对齐

现象：叠加多径信道后BER反而变差，或者BER曲线出现平台，不再随Eb/N0单调下降。

原因：普通相关接收用完整PN码对整段接收信号做内积，多径延迟导致PN码错位，相关运算落在旁瓣上。RAKE里如果delays参数和信道的真实延迟不一致，比如信道延迟是3个码片而RAKE配了5，各径能量反而被当成干扰合并。经验不足时容易在这里反复调增益，越调越乱。

解决：先用xcorr把信道时延测出来，取相关峰位置作为RAKE的delays：

[r, lags] = xcorr(rxMp(1:SF*10), pnCode); [pks, locs] = findpeaks(abs(r(lags>=0)));

峰值间隔就是各径延迟差，峰值幅度是径增益的近似。用这两个值去配置RAKE，误码率曲线会立刻回到理论趋势附近。RAKE的径数一般取2~3条就够，更多径带来的增益提升有限，但实现复杂度明显上升。

5.5 新版MATLAB与工具箱依赖的坑

现象：代码在别人机器上跑通，自己机器报“Unrecognized function or variable 'comm.PNSequence'”，或者用matlab 2026b跑出来曲线和预期有细微差异。

原因：没安装Communications Toolbox；新版MATLAB对随机数生成器默认流做了调整，导致同样种子下序列不同。

解决：脚本开头加依赖检查，没有工具箱就切到自写m序列方案：

if license('test', 'Communication_Toolbox') == 0 warning('未检测到通信工具箱，使用纯脚本m序列'); end

rng(42)固定随机种子再开始仿真，保证每次运行结果可复现。新版matlab里如果用了老代码的被废弃API，命令窗口会给出“has been removed”提示，按提示改成推荐替代函数即可。这些兼容性问题都不是CDMA理论问题，用自包含脚本可以彻底绕开。

6. 进阶验证：用处理增益扫描检验仿真链路的可信度

6.1 把SF做成扫描参数，验证理论增益

基础链路跑通后，有没有实现损失最直接的验证方法是扫描SF，叠加固定功率的窄带干扰，观察BER随处理增益的变化。把3.2代码改造一下，外层循环SF取31/63/127，内层固定Eb/N0=6dB，并在信道里注入一个单音干扰：

SFList = [31 63 127]; berInterf = zeros(size(SFList)); for s = 1:length(SFList) SF = SFList(s); pnCode = mseq_pn(SF, 7); % degree=7保证周期足够 tx = (2*randi([0 1], numBits, 1) - 1) * pnCode; tx = tx(:); interf = 0.5 * sin(2*pi*0.01*(0:SF-1)); % 窄带单音干扰 tSample = (0:length(tx)-1)'; rx = tx + sqrt(N0/2)*randn(size(tx)) + interf(rem(tSample,SF)+1); y = pnCode * reshape(rx, SF, numBits); berInterf(s) = sum(sign(y) ~= data.') / numBits; end

预期结果是SF从31升到127，BER显著下降，下降幅度接近10log10(127/31)≈6dB对应的误码率改善。如果BER变化不明显，说明解扩相关没对准，或干扰注入位置错误。窄带干扰被PN码解扩后能量被摊开到整个扩频带宽，这就是处理增益在抗干扰上的直观体现。

6.2 对照理论误码率曲线，确认链路无实现损失

最后一组验证是把仿真BER和理论曲线放在同一张图里对比，判断标准是两者在主要Eb/N0点上的差距不超过0.5dB。我的习惯是每次跑完仿真先看三个量：BER曲线是否贴着理论曲线、xcorr峰值是否在预期位置、输出统计量的分布是否对称。任何一个不对，先查PN码对齐和Eb/N0换算，再去动均衡器或编码参数——顺序反了会浪费大量时间在错误方向上。这套验证流程也能用来评估后续加的衰落信道、多径干扰模块是否引入额外损失，保证链路是可信的基准平台。希望帮到你。

本文还有配套的精品资源，点击获取