OFDM星座图与2RC-4CPFSK仿真：从离散星座点到连续相位轨迹

简介：这份OFDM仿真资源以2rc-4CPFSK信号为对象，展示星座图生成与循环前缀、加窗等关键环节的MATLAB实现，适合通信工程初学者理解多载波调制原理并模仿仿真流程。压缩包共12个文件，包含5个.m脚本、5个.asv自动备份及1个网页说明与1个URL链接，脚本覆盖OFDM演示、QAM16/QPSK解调、升余弦窗函数等模块，各文件分工明确，方便按需查阅，便于对照代码逐步运行调试。包体仅12KB，轻量精简，适合快速下载使用；对于课程实验或自学项目，是一份便捷的入门参考。已有1026人学习浏览，并持续有通信方向学习者参考借鉴。通过该资源不仅可以直接查看2rc-4CPFSK信号在OFDM系统中的星座图分布，还能结合“新手必看”帮助文档梳理从信号生成、加窗、循环前缀插入到FFT解调的完整链路，理解各模块与真实无线信道模拟的对应关系，为后续自行扩展高阶调制或多径衰落仿真打下基础。

1. 从 OFDM 星座图翻车现场，看 2rc-4cpfsk 信号的正确仿真姿势

OFDM 仿真的星座图是链路调试里最便宜的一张成绩单：均衡没做好，点是散的；频偏没补偿，点是转的；IFFT 归一化写错，点全部缩到零点几。可一旦换成 2rc-4cpfsk 信号，再拿“画散点星座图”的思路去套，就会直接翻车——连续相位调制的复包络不是离散星座点，而是绕单位圆连续走的相位轨迹。这篇文章把两套仿真放在一起拆：OFDM 星座图怎么从发送端 IFFT 一路画到接收端均衡后的散点，2rc-4cpfsk 信号又该怎么从相位脉冲生成波形、画相位轨迹和相位增量。代码用 Python 加 NumPy，能直接跑，参数都标了为什么这样设，坑按“现象、原因、解决”给齐。适合通信课程设计、物理层算法验证，以及刚接手链路级仿真、不想把时间耗在玄学调参上的人。

2. OFDM 星座图仿真：把最小链路跑通，再画散点

2.1 星座图为什么能“一眼暴露链路故障”

OFDM 是线性调制，发射端每个有用子载波上放的都是一个个确定的复符号，比如 QPSK 的四个点、16QAM 的十六个点。接收端做 FFT、均衡之后，这些符号应该重新回到理想点附近。星座图就是把这些复符号的实部、虚部直接画在二维平面上，理想参考点叠上去，任何偏离都能肉眼看见：整体旋转是残余频偏，围绕理想点发散是噪声，聚成几簇是 IQ 失衡，点沿圆弧拖尾是符号定时偏了。

所以 OFDM 的星座图不是“好看”用的，它是链路体检表。调 OFDM 仿真时，第一步不是看 BER，而是先看星座图：BER 只有一个数，救不了你；星座图能告诉你该往哪个模块排查。下面用一套最精简的 QPSK-OFDM 链路把流程跑通，代码里故意不带信道均衡的复杂算法，先把星座图这条线画直。

2.2 发送端：QPSK 映射、IFFT 和循环前缀怎么拼在一起

先定义参数，再生成频域符号。这里选了 64 点 FFT，不是标准协议，只是演示链路结构；实际系统里 256、512、2048 都是一样的套路。

import numpy as np # OFDM 参数 N_fft = 64 # FFT/IFFT 点数 cp_len = 16 # 循环前缀长度，演示用 25% 开销 M = 4 # QPSK rng = np.random.default_rng(42) # 子载波分配：4 个导频，其余非边缘子载波当数据 pilot_idx = np.array([5, 21, 43, 59]) data_idx = np.array([k for k in range(1, 63) if k not in pilot_idx]) N_data = len(data_idx) # 随机比特 -> QPSK 符号，平均功率归一到 1 bits = rng.integers(0, 2, N_data * 2) data = (2 * bits[0::2] - 1) + 1j * (2 * bits[1::2] - 1) data = data / np.sqrt(2) # ±1±j -> 模长为 1 pilot = np.ones(len(pilot_idx)) # 导频符号置 1 # 频域符号填入 64 个子载波 fd = np.zeros(N_fft, dtype=complex) fd[data_idx] = data fd[pilot_idx] = pilot # IFFT 并乘 sqrt(N)，让时域平均功率和频域平均功率一致 td = np.fft.ifft(fd) * np.sqrt(N_fft) td_cp = np.concatenate([td[-cp_len:], td]) # 加循环前缀

这段代码的关键是三个归一化。第一，QPSK 映射后的符号是 ±1±j，直接做平均功率是 2，除以sqrt(2)后每个点模长为 1，平均功率是 1。第二，NumPy 的ifft自带 1/N 缩放，直接输出时域功率只有频域的 1/N，所以乘sqrt(N_fft)把平均功率拉回 1。第三，循环前缀直接复制 IFFT 输出尾部 16 个点拼到开头，这是为了把线性卷积转成循环卷积，前提是多径时延小于cp_len。

2.3 接收端：FFT、导频 LS 均衡和星座图绘制

接收端先把循环前缀丢掉，再做 FFT，在导频子载波上估计信道，最后把均衡后的数据符号画出来。这个示例先只用 AWGN，信道是平衰落，导频估计更像一次“校准”，但代码结构可以直接换成频率选择性信道。

# 加 AWGN，snr_db 按平均符号信噪比定义 snr_db = 15 signal_power = np.mean(np.abs(td_cp) ** 2) noise_power = signal_power / (10 ** (snr_db / 10)) noise = np.sqrt(noise_power / 2) * ( rng.standard_normal(td_cp.size) + 1j * rng.standard_normal(td_cp.size) ) rx_cp = td_cp + noise # 去 CP -> FFT，注意除以 sqrt(N_fft) 与发送端对应 rx = rx_cp[cp_len:] fd_rx = np.fft.fft(rx) / np.sqrt(N_fft) # 导频处最小二乘信道估计：H_hat = Y / X h_pilot = fd_rx[pilot_idx] / pilot # 线性插值到全部子载波；更精细可用 DFT 插值或匹配导频插值 h_all = ( np.interp(np.arange(N_fft), pilot_idx.astype(float), h_pilot.real) + 1j * np.interp(np.arange(N_fft), pilot_idx.astype(float), h_pilot.imag) ) # 迫零均衡，再取数据子载波 rx_eq = fd_rx / h_all rx_data = rx_eq[data_idx] import matplotlib.pyplot as plt plt.figure(figsize=(5, 5)) plt.scatter(rx_data.real, rx_data.imag, s=10, alpha=0.7, label="RX") plt.scatter(data.real, data.imag, marker="x", color="red", label="Ref") plt.axhline(0, color="gray", linewidth=0.5) plt.axvline(0, color="gray", linewidth=0.5) plt.axis("equal") plt.grid(alpha=0.3) plt.legend() plt.show()

注意np.interp对超出导频范围的子载波不往外推，而是沿用端点导频值，所以最边上几个数据子载波的信道估计偏“猜”；演示够用，实际系统要把导频放得覆盖整个信号带宽。均衡后rx_data没有再做全局幅度归一化，因为发送端已经把 QPSK 平均功率设成 1。后面加 16QAM 或更高阶 QAM 时，务必按星座平均功率再除一次，否则画出来的点会整体偏大或偏小，睁眼看起来像异常，其实是忘归一。

3. 2rc-4cpfsk 信号仿真：不是星座点，是连续相位轨迹

3.1 先看 2RC 和 4CPFSK 到底是哪两个参数的组合

2rc-4cpfsk 这个名字拆开是：调制阶数 M=4 的连续相位频移键控(CPFSK)，频率脉冲采用长度为 2 个符号周期的升余弦脉冲(2RC)。CPFSK 和 OFDM 里的 QPSK 最本质的区别在于，符号能量不是瞬间切到某个点上，而是通过连续变化的相位把信息“抹”在波形里。

CPM 基带信号可以写成s(t)=exp(j*phi(t))，相位是过去所有符号的累积效果。每个符号对相位的贡献由相位脉冲q(t)决定，q(t)是频率脉冲g(t)的积分。对 2RC 来说，g(t)只在0~2T内有值，形状是升余弦；q(t)从 0 平滑升到 0.5，到2T之后不再变化。这个 0.5 是 CPM 的约定：频率脉冲面积是 1/2，而不是 1。很多第一次写 CPM 代码的人在这里栽跟头，写成面积 1，相位轨迹立刻变成螺旋。

调制指数h也必须在仿真里显式给定。同样的 2RC-4CPFSK，h=0.25和h=0.5画出来的相位轨迹完全不同，频谱宽度和解调性能也不同。下面代码先用h=0.25跑通。

3.2 用相位脉冲生成 2RC-4CPFSK 基带波形

生成 CPM 波形不复杂，本质就是“先算每个时刻的相位，再取复数指数”。我把频率脉冲和相位脉冲都实现出来，方便你验证参数。

import numpy as np T = 1.0 # 符号周期，归一化 fs = 32 # 每个符号采样 32 点，画轨迹够平滑 L = 2 # 2RC 的脉冲宽度 = 2T M = 4 # 4CPFSK h = 0.25 # 调制指数，可改成 0.5 对比 num_sym = 16 # 观测符号数 rng = np.random.default_rng(0) a = 2 * rng.integers(0, M, num_sym) - (M - 1) # 生成 ±1, ±3 def g_2rc(t): # 2RC 频率脉冲，面积 = 1/2 g = np.zeros_like(t, dtype=float) mask = (t > 0) & (t < 2 * T) g[mask] = (1 - np.cos(np.pi * t[mask] / T)) / (4 * T) return g def q_2rc(t): # 相位脉冲 = 频率脉冲积分 q = np.zeros_like(t, dtype=float) rise = (t > 0) & (t < 2 * T) stable = t >= 2 * T q[rise] = t[rise] / (4 * T) - np.sin(np.pi * t[rise] / T) / (2 * np.pi) q[stable] = 0.5 return q N = num_sym * fs t = np.arange(N) / fs phase = np.zeros(N) inst_freq = np.zeros(N) for i, ai in enumerate(a): phase += 2 * np.pi * h * ai * q_2rc(t - i * T) inst_freq += h * ai * g_2rc(t - i * T) s = np.exp(1j * phase) # 恒包络复基带信号

q_2rc在t>=2T处返回 0.5，这保证每个符号在完整走完两个符号周期后，对相位贡献2*pi*h*0.5*a_i = pi*h*a_i。对 4CPFSK 来说，a_i是 ±1、±3，在h=0.25时每个符号最终带来的相位增量是 ±π/4 或 ±3π/4。这个值可以作为后面自检的标尺。

代码里的循环在演示规模下没问题，符号数上万之后要改成“相位脉冲查表 + 分段累加”的写法，否则 Python 循环会成为瓶颈。fs=32是绘图友好的设置；如果只算 BER，8 到 16 点每符号通常就够，具体要结合接收端匹配滤波器的实现。

3.3 画 4CPFSK 的复平面轨迹、相位轨迹和符号时刻采样点

OFDM 星座图画的是离散点，2rc-4cpfsk 信号更该画三张图：相位随时间变化、复包络在单位圆上的连续轨迹、每符号时刻的采样点位置。

import matplotlib.pyplot as plt plt.figure(figsize=(12, 3.5)) # 第一张：相位轨迹 plt.subplot(1, 3, 1) plt.plot(t / T, phase / np.pi, linewidth=1) plt.xlabel("t / T") plt.ylabel("phase / pi") plt.title("phase trajectory") # 第二张：复包络轨迹 plt.subplot(1, 3, 2) plt.plot(s.real, s.imag, linewidth=1) plt.axis("equal") plt.plot(np.cos(np.linspace(0, 2*np.pi, 200)), np.sin(np.linspace(0, 2*np.pi, 200)), color="gray", linewidth=0.5, linestyle="--") plt.title("complex trajectory") # 第三张：符号时刻采样点 plt.subplot(1, 3, 3) idx_sym = np.arange(num_sym) * fs plt.scatter(s[idx_sym].real, s[idx_sym].imag, c=np.arange(num_sym), cmap="viridis") plt.axis("equal") plt.title("symbol spaced samples") plt.tight_layout() plt.show()

两张图看完就能理解“为什么不能用 OFDM 星座图套路去套 CPM”：OFDM 的散点聚集在几个理想坐标附近；CPM 的复包络是一条在单位圆上连续走的曲线，符号时刻采样点落在哪取决于h、L和之前的符号，不是固定格点。后面要做接收机，通常不看这张采样散点，而是把相位轨迹送到 Viterbi 或逐符号检测里。所以给 2rc-4cpfsk 信号做仿真验证，核心是“相位连续、增量正确、包络恒等”，不是星座点收敛到什么位置。

4. 两套仿真一起调：最值得先定死的 4 类参数

4.1 OFDM 侧：子载波数、CP、导频密度和信噪比归一化

OFDM 星座图仿真最容易出问题的不是代码写不了，而是参数自相矛盾。子载波数N_fft直接决定子载波间隔，带宽固定时N_fft越大，子载波间隔越窄，对多普勒越敏感。演示用 64 点没问题，真实系统要按信道带宽和移动速度倒推，不要盲目抄大点数。

CP 长度要和信道时延扩展匹配。演示里cp_len=16占 25% 开销，偏奢侈；LTE 里 2048 点 FFT 用 160 点 CP，开销不到 8%。工程判断只有一条：最大多径时延必须小于 CP，否则前一个符号拖尾会污染当前符号，星座图边缘子载波会明显分叉。

导频密度取决于信道频率选择性。演示用 4 个导频插全带，平信道下没问题；如果信道周期短，比如多径间隔大导致频域深衰落，导频间隔必须小于相干带宽。另外导频复数符号建议归一化到单位模长，方便 LS 估计公式里直接做除法。

信噪比定义也要写进笔记里。代码里的snr_db是“整段 OFDM 符号平均功率 / 噪声功率”，不是每个数据子载波的信噪比。如果数据子载波只占一半，每子载波实际 SNR 要高 3dB 左右。画 EVM 和 BER 曲线时，横坐标说明清楚是哪一种定义，否则换个人看结果会对不上。

4.2 2rc-4cpfsk 侧：调制指数 h、脉冲长度 L、采样率和观测符号数

2rc-4cpfsk 信号标题里没有写h，所以这个参数必须自己定。常用初值我建议h=0.25或h=0.5。h小，相位增量小，频谱窄，但符号间的欧氏距离小，抗噪差；h大，抗噪好，但瞬时频率偏移大，频谱宽。做课程设计先从h=0.25起步，把链路跑通后改成 0.5 对比，能直观看到频谱和相位树的差异。

L=2是标题里固定好的，但你要知道它是“部分响应”的标志。频率脉冲长度从 1RC 变到 2RC 再变到 3RC，频谱旁瓣会更低，但接收端的网格状态数指数增长，Viterbi 复杂度跟着上来。不看复杂度、只看波形，L变大后相位轨迹更平滑，这是正常现象。

采样率fs是另一个容易随手乱设的参数。CPM 不是 OFDM，不能用“每符号一个采样点”去压缩观测。相位脉冲在 2T 内是平滑升余弦，但如果每符号只采 4 个点，相位轨迹会明显折线化，瞬时频率峰值可能被低估。绘图和功率谱分析建议fs=32，做链路级解调可以先从fs=8开始验证功能。

观测符号数取决于目的。画相位轨迹 16 个符号够了；算功率谱至少 256 个符号，还要加随机序列平均，否则频谱毛刺大。总之一句话：先定参数，再跑波形，不要边跑边把参数换来换去。

4.3 参数速查表

5. OFDM 星座图与 2rc-4cpfsk 最常见的 5 类翻车现场

5.1 OFDM 星座图整体旋转：点数是对的，角度不对

现象：星座图上四个 QPSK 簇清清楚楚，但整体绕原点转了一个固定角度，判决边界会切到错误区域，BER 高得离谱。

原因：接收端没有补偿残余载波频偏或相位噪声。AWGN 仿真里往往看不到这条，一旦加了频偏，FFT 之后每个子载波会带一个公共相位旋转。

解决：先用导频算公共相位误差，再把数据符号整体旋回去。简单做法是cpe = np.angle(np.sum(fd_rx[pilot_idx] * np.conj(pilot)))，然后rx_data *= np.exp(-1j * cpe)。如果旋转角度随子载波序号线性变化，那说明是时域频偏没消除，不能只做公共相位补偿，要回到时域先做 CFO 估计。

5.2 星座图整体缩放漂移：IFFT 归一的“0.707 陷阱”

现象：散点的簇很集中，但位置整体比理想 QPSK 点大一号或者小一号，睁眼看觉得“好像没问题”，硬判决却错了一片。

原因：IFFT/FFT 归一化不对称。最常见的是发送端忘了乘sqrt(N_fft)，接收端忘了除sqrt(N_fft)；或者 QPSK 映射没除sqrt(2)，平均功率变成 2，星座点自然在 ±1±j 附近而不是 ±0.707±0.707j。

解决：写发送端和接收端时把归一化写成一对逆操作，并在无噪声条件下启动自检：打印时域平均功率是否等于频域平均功率。QPSK 除sqrt(2)，16QAM 除sqrt(10)，64QAM 除sqrt(42)。这一步做对了，星座图才能从“看起来像”变成“真能判决”。

5.3 2RC 频率脉冲面积写错：相位轨迹从“轨迹”变成“螺旋”

现象：2rc-4cpfsk 信号基带波形画出来，复包络轨迹不是一个稳定在单位圆上的连续曲线，而是一直往外绕或者转得太猛，相位值在符号区间内翻好几圈。

原因：频率脉冲面积被写成 1，而不是 0.5。CPM 约定里，完整走完一个符号后q(∞)=0.5，所以每个符号的最终相位贡献是π h a_i。如果脉冲面积写成 1，等于把所有相位增量翻倍，轨迹形态完全变形。

解决：用代码里给的g_2rc公式，并加一句自检：np.trapz(g_2rc(np.linspace(0, 2*T, 1000)), dx=2*T/999)，结果必须约等于 0.5。频率脉冲面积对了，相位脉冲积分才是对的，后面接任何解调器才可信。

5.4 4CPFSK 符号映射用错：相位树和接收端解调对不上

现象：发射端仿真看起来正常，但一接解调器，误码率一直卡在 50% 附近，怎么调判决门限都没用。

原因：4CPFSK 的符号取值有两种常见约定，一种是 ±1、±3，另一种是 0、1、2、3。两种约定对应完全不同的相位增量；如果发射端用 ±1、±3，接收端模型却假设 0、1、2、3，数据天然对不上。另一个隐蔽原因是收发两端的h不一致。

解决：在项目开头把符号集和调制指数写死成一组配置。链路调好后，打印一段无噪声符号边界处的相位增量，确认 2RC-4CPFSK 在h=0.25时最终增量是 ±π/4、±3π/4；不是这个值，先回头查映射或h，不要急着改解调器。

5.5 CP 不够长或 FFT 窗口滑偏：星座点不收敛，而是拖尾

现象：加频率选择性信道后，OFDM 星座图边缘子载波的点不向理想点收敛，而是沿圆弧拖出一条尾巴，中间子载波反而正常。

原因：循环前缀长度小于最大时延扩展，FFT 窗口里混进了上一个符号的尾巴；或者 FFT 窗口起点没有对准，破坏了子载波正交性。导频插值太粗也会放大这个现象，边缘子载波的信道估计完全失真。

解决：先把 CP 加长，验证星座图是否恢复；如果恢复，说明是时延超限，而不是均衡算法问题。再做定时同步，可以用循环前缀相关性定位 FFT 窗口起点，也可以靠前导序列粗同步。最后检查导频间隔是否小于相干带宽。这三步按顺序查，能解决 90% 的拖尾型星座图问题。

6. 用 EVM 给星座图打分，用相位连续性和功率谱给 2rc-4cpfsk 验收

OFDM 星座图不能只靠眼睛看，建议每次都算一个 EVM 指标，作为后续调参的基准。计算前先把整体相位对齐，不然频偏带来的固定旋转会让 EVM 虚高。

ref = data rx_align = rx_data * np.exp(-1j * np.angle(np.sum(rx_data * np.conj(ref)))) num = np.sum(np.abs(rx_align - ref) ** 2) den = np.sum(np.abs(ref) ** 2) evm_rms = np.sqrt(num / den) evm_db = 20 * np.log10(evm_rms) print(f"EVM = {evm_db:.2f} dB")

在 15dB AWGN 下，这个 EVM 应该在 -15dB 附近。如果明显差很远，优先查相位补偿和归一化，而不是怀疑噪声。

2rc-4cpfsk 信号不适合用 EVM 验收，因为它没有固定参考点。我习惯用三件事验收：第一，所有采样点模长都等于 1，允许误差在 1e-6 量级，异常说明相位计算里出现了数值漂移；第二，q_2rc(2*T)严格等于 0.5，频率脉冲面积对；第三，画功率谱密度，观察旁瓣下降是否平滑，h变化时频谱宽度是否跟着变。功率谱可以直接用scipy.signal.welch对s做估计，横轴用f*T归一化，方便对比不同符号速率下的结果。

我自己现在的习惯是，任何新链路都先在无噪声理想信道下跑通，再一档一档加 SNR。OFDM 星座图出现异常先查归一化和相位，CPM 出现异常先查脉冲面积和h，不要一上来就怀疑信道模型。这个流程看着土，但能省下很多白天调参、晚上怀疑人生的时间。希望帮到你。

本文还有配套的精品资源，点击获取