FBMC-OQAM与SC-FDMA混合调制：Matlab仿真与PAPR性能分析

1. 当FBMC遇见SC-FDMA：这个混血方案到底想解决什么

做物理层算法仿真这几年，我一直觉得多载波调制是个“按了葫芦起了瓢”的领域。OFDM把频谱利用率做上去了，但峰均功率比(PAPR)高得让射频前端头疼；FBMC-OQAM把旁瓣压下去了、还省掉了循环前缀，可PAPR不但没改善，滤波器重叠还带来额外的处理时延；SC-FDMA倒是把PAPR降下来了，却牺牲了一定的频谱灵活性。所以当我看到“FBMC-OQAM和SC-FDMA结合的混合调制方案”这个思路时，第一反应是：这个组合终于有人认真放在一起研究了。

这篇内容就是围绕这个混合方案的一次完整仿真复盘：它怎么实现、Matlab代码怎么搭、PAPR能降多少、时延从哪来、谱效率的账怎么算，以及我在实际仿真中踩过的坑。如果你正在做5G/6G候选波形对比、或者做无线通信物理层的课题仿真，这篇应该能在思路上给你省不少时间。

1.1 OFDM家族三件套的“不可能三角”

在展开混血方案之前，先把三个“原料”的底账理清楚。OFDM（正交频分复用）大家最熟悉，子载波正交、循环前缀抗多径，但它的PAPR是出了名的高——多路子载波同相叠加时，峰值功率可以比平均功率高出10dB以上。这个问题的本质是中心极限定理：大量独立子载波叠加后，信号包络趋近瑞利分布，峰值出现的概率虽然低，但一旦出现就要射频功放为它预留巨大回退，效率直接打折。

FBMC-OQAM是冲着OFDM的两个硬伤来的。它用精心设计的原型滤波器替代矩形窗，旁瓣衰减极快，所以不需要循环前缀也能抗多径——毕竟CP在OFDM里是要白白占掉约7%到20%频谱资源的。OQAM（偏移正交幅度调制）的核心是把一个复数符号拆成实部、虚部两份，错开半个符号周期发送，让滤波器组在时间和频率两个维度都保持正交性。这换来了高频谱效率，代价是调制复杂的多、滤波器长度长（重叠因子K通常取4）、系统里天然存在以半个符号为粒度的处理流水线延迟，组帧、解调都不如OFDM那么“直给”。

SC-FDMA则是LTE上行选中的方案。它本质上和OFDMA差不多，只是发射端先对频域数据做一次DFT（离散傅里叶变换）扩频，再经过子载波映射和IFFT，让发送信号近似恢复成单载波特性。单载波信号的包络波动本来就小，所以PAPR天然比多载波低3到5dB。代价是接收端要多做一步M点IDFT恢复原始调制符号，而且频谱资源调度灵活性略差于DMA直通的OFDM。

1.2 这套“组合拳”的思路：把三份优势合并成新的调制链

混血方案的设计逻辑其实很直白：接收端结构沿用FBMC-OQAM的滤波器组框架，发射端在OQAM调制之前插入一个DFT扩频模块，把数据符号先“摊平”到多个子载波上再交给OQAM处理。这样数据面借了SC-FDMA的低PAPR特性，频谱面保留了FBMC的旁瓣抑制和免CP优势，延迟上付出一点DFT/IDFT的计算代价，但相对于纯FBMC来说仍然可控。

我在搭建这个方案的Matlab仿真时，用了这样的发射端信号链路：

用户比特流 → QAM映射 → 串并变换 → M点DFT（SC-FDMA扩频） → 子载波映射 → OQAM实值变换 → IFFT（综合滤波器组） → 并串变换 → 上变频

注意这里有个容易理解错的地方：传统FBMC-OQAM的输入是实数PAM符号，而QAM映射出来是复数。所以DFT扩频之后，数据仍然是复数，必须经过OQAM的实虚拆分——把每个复数符号的实部和虚部分开，虚部延迟半个OQAM符号周期再送入滤波器组，这样整个系统才满足OQAM的正交条件。子载波映射也可以做到用户级调度：给每个用户分配一段连续子载波，这就是SC-FDMA在频域多址上的灵活性。

接收端就是发射端的逆过程，但多了均衡和信道补偿：

下变频 → 串并变换 → FFT（分析滤波器组） → OQAM解调（去延迟、取实部） → 子载波解映射 → M点IDFT → QAM判决

这套结构用一句大白话总结：先用DFT把多载波“装扮”成单载波的包络特性，再用FBMC-OQAM把单载波系统的频谱拖尾和CP开销问题解决掉。听上去很美，实际仿真里PAPR确实降了，但延迟和滤波器开销也需要认真算账。

2. 从发射机到接收机：混合调制方案的工作原理拆解

上一节说了整体链路，这一节把几个关键模块掰开揉碎。我仿真的参数是：总子载波数N=256，有效数据子载波128个，DFT扩频点数M=64，每个用户占64个连续子载波（模拟两个用户的资源分配），OQAM重叠因子K=4，原型滤波器用PHYDYAS滤波器。调制阶数16QAM，符号速率按OQAM特性自动变成QAM的两倍。

2.1 发射端关键模块一：DFT扩频为什么能把PAPR降下来

很多人初看SC-FDMA会困惑：DFT也是线性变换，IFFT也是线性变换，两步合在一起不就是个更大规模的IFFT吗？为什么PAPR就低了？区别在输入分布上。OFDMA的IFFT输入是独立且均匀分布的复值调制符号，IFFT输出可以看成大量随机变量的叠加，包络近似瑞利分布，峰值就高。而SC-FDMA是先对M个数据符号做M点DFT，这相当于把数据符号的信息“搅拌”到频域，再做N点IFFT，整个链路等效于对数据符号做了一次过采样插值，时域信号包络更接近原始的QAM调制波形——单载波信号的包络波动小于多载波叠加。

用更直白的类比：OFDM是让144个人同时说话，声音叠在一起偶尔会爆音；SC-FDMA是把144个人的话录到磁带上一段一段放出来，音量自然平稳得多。DFT扩频的核心就是把“同时说话”变成“排队说话”。

2.2 发射端关键模块二：OQAM实数映射的处理细节

FBMC-OQAM的发射端不像OFDM那样直接把复数符号塞进IFFT。OQAM把每个复数符号a(k,l)拆成实部ℜ{a(k,l)}和虚部ℑ{a(k,l)}，实部在时间索引2l上发送，虚部在时间索引2l+1上发送（或者按OQAM惯例，虚部延迟半个符号周期）。这样每个子载波上的数据率看似翻倍，实情是每个时隙只传一个实数，信息总量和普通QAM相同，但时域脉冲可以在相邻符号间共享频带而不互相干扰。

这里有个Matlab实现中特别容易错的地方：OQAM的实虚交替规律在不同子载波索引上不同。按照标准做法，偶数子载波上实部先发，奇数子载波上虚部先发。如果不加这个“符号级偏移”，滤波器组在接收端的正交性会被破坏，误码率直接崩溃。我当时第一次实现时没注意，仿真结果BER高得离谱，检查了两天才发现问题出在奇偶子载波的相位初始化。

2.3 接收端的分析滤波器组到底在干什么

接收端的FFT（分析滤波器组）每接收一个符号就滑动一个OQAM周期，输出后再做相位校正，再取实部，最后通过M点IDFT恢复原调制符号。注意滤波器组处理的是过采样信号，所以FFT的点数通常大于发射端子载波数。

原型滤波器h[k]是系统的命根子。PHYDYAS滤波器的系数设计是基于频域采样法，重叠因子K=4时，五个频域样本系数为：

[1, 0.97195983, sqrt(2)/2, 0.23514695, 0]

对应的时域滤波器长度L = K*N - 1 = 1023个采样点（N=256时）。K=4意味着一个符号的能量横跨4个符号周期。这也是FBMC系统“延迟”的主要来源之一：接收端必须等4个符号都到达一部分，滤波器的瞬态过程才能完成，解调第一个符号时存在前导建立延迟。

PHYDYAS滤波器时域构造（Matlab示意）： F = [1, 0.97195983, sqrt(2)/2, 0.23514695]; h = zeros(1, K*N); h(1) = F(1); h(1:K*N) = 逐点构造（用频域样本做IDFT对称扩展）

2.4 实际发射端代码片段（可运行框架）

下面给出我测试过的发射端核心Matlab代码。这段代码以清晰为主，不是性能最优版本，但能直接跑通PAPR统计。

%% 参数设置 N = 256; % 总子载波数 M = 64; % DFT扩频点数（每用户） K = 4; % 重叠因子 numUsers = 2; modOrder = 16; % 16QAM numSym = 40; % 每个用户的OQAM符号块数 %% 生成用户数据 dataBits1 = randi([0 1], M*numSym*log2(modOrder), 1); dataBits2 = randi([0 1], M*numSym*log2(modOrder), 1); qamSym1 = qammod(dataBits1, modOrder, 'InputType', 'bit'); qamSym2 = qammod(dataBits2, modOrder, 'InputType', 'bit'); %% 发射端处理 tx1 = sc_fdma_mod(qamSym1, M, N, 1, K, 'PHYDYAS'); tx2 = sc_fdma_mod(qamSym2, M, N, 2, K, 'PHYDYAS'); tx = [tx1; tx2]; %% 本地函数：SC-FDMA + FBMC-OQAM 调制（用户级） function [s] = sc_fdma_mod(qamSym, M, N, userIdx, K, filtType) % 1. DFT扩频 frameLen = length(qamSym)/M; dftOut = zeros(M, frameLen); for frm = 1:frameLen dftOut(:,frm) = fft(qamSym((frm-1)*M+1 : frm*M), M) / sqrt(M); end % 2. 子载波映射（用户1占1:M，用户2占M+1:2M，以此类推） subMap = zeros(N, frameLen); subMap((userIdx-1)*M+1 : userIdx*M, :) = dftOut; % 3. OQAM实虚拆分 oqamSym = zeros(2*N, frameLen); for k = 1:N oqamSym(2*k-1, :) = real(subMap(k,:)) * (-1)^(k-1); oqamSym(2*k, :) = imag(subMap(k,:)) * (-1)^(k-1); end % 4. 综合滤波器组 + 过采样 s = synthesize_fbmc(oqamSym, K, N, filtType); end

这里-1^(k-1)是OQAM相位因子，用来保证子载波间的正交性。第3步中把实值数据序列重构为2N长度序列的过程，实际上已经隐含了“时域错位”的概念——在综合滤波器组中，奇偶索引分别对应OQAM的两个半符号。

3. Matlab仿真框架：频率选择性信道下的参数设计与实现

跑通发射端只是第一步。无线信道仿真才是验证方案优劣的主战场。我搭建了一套完整的仿真链路：发射信号通过多径衰落信道，加噪声，接收端做同步补偿、分析滤波器组、均衡、IDFT解扩，最后统计误码率、PAPR和谱效率。说几个核心设计点。

3.1 信道模型与滤波器组延迟的配合

FBMC-OQAM系统的基带等效模型和多载波系统类似，但因为它没有CP，多径时延扩展必须靠滤波器的时频局域性来抵抗。我用的信道模型是典型城市环境下的6径ITU-R模型，最大时延扩展约5微秒。采样率为10MHz，子载波间隔15kHz时，时延扩展约等于0.75个子载波间隔的倒数——FBMC能处理这种轻度时间弥散，但当时延扩展超过一个符号周期时，滤波器组符号间干扰会明显上升。

接收端滤波器组的实现要注意延迟补偿。发射端综合滤波器和接收端分析滤波器级联后，整个系统等效响应是一个非因果滤波器——时域上会引入总共约2KN个采样点的群延迟。信道均衡必须在时延对齐之后再做，否则信道估计结果全部对不上。我的处理顺序是：

接收信号 → 帧同步（找滤波器组起始点） → 分析滤波器组（FFT+匹配滤波） → 相位补偿 → 信道均衡（每次OQAM符号取实部后，用导频估计的复数信道做一次单抽头均衡） → IDCT（IDFT解扩） → QAM软解调

3.2 导频设计与信道估计：FBMC的均衡没有CP可依赖

因为没有CP，FBMC的频域均衡不能像OFDM那样直接逐子载波除以信道频率响应——时域重叠导致子载波之间存在非对角线干扰。但OQAM的实值正交性让问题简化了不少：在取实部后的域里，每个子载波基本是独立的，所以单抽头均衡在大信噪比下仍然够用。

我用了梳状导频结构：每个用户频带内每隔8个子载波插入一个导频子载波，导频符号用实部+虚部交替模式，保证在OQAM网格上能被正确检测。信道估计用线性插值恢复所有子载波的信道频率响应，再转化成均衡系数。实测下来，在16QAM、信噪比20dB条件下，这种简单方案的BER和理想信道估计差距在0.5dB以内，对方案验证来说足够了。

%% 接收端核心链路（简化版） function [rxBits] = fbmc_scfdma_rx(rxSignal, N, M, K, userIdx, chEst) % 1. 分析与滤波器组 [Y, ~] = analyze_fbmc(rxSignal, K, N); % 2. 相位补偿并取实部 [Y_real, k_vec] = oqam_real_extract(Y); % 3. 频域均衡（每子载波） for k = 1:N Y_eq(k, :) = Y_real(k, :) .* conj(chEst(k)) ./ (abs(chEst(k)).^2 + 1e-10); end % 4. 子载波解映射 + IDFT解扩 Y_user = Y_eq((userIdx-1)*M+1 : userIdx*M, :); rxQam = zeros(M, size(Y_user,2)); for frm = 1:size(Y_user,2) rxQam(:, frm) = ifft(Y_user(:, frm), M) * sqrt(M); end rxBits = qamdemod(rxQam(:), modOrder, 'OutputType', 'bit'); end

1e-10是防止除零的小保护。重点是均衡放在了OQAM取实部之前还是之后——我建议放在“取实部之后”。因为OQAM取实部后等效信道是实数信道，复数单抽头均衡器在这里是严格成立的，而取实部前的复数域均衡反而容易和相位因子纠缠。

3.3 仿真运行效率的两个优化

Matlab直接跑滤波器组的多层循环会慢到怀疑人生。我做了两个优化：一是用filter( )配合频域快速卷积实现综合滤波器组，比逐点卷积快两个数量级；二是所有用户并行处理用矩阵化操作代替循环。仿真参数调整到N=64、M=32、K=4、40帧数据时，单次蒙特卡洛仿真在普通笔记本上大约2秒，整套BER曲线（10个SNR点）约5分钟跑完。

4. 实测数据解读：PAPR、时延、谱效率这三个指标到底怎么样

跑完仿真，所有人都关心一件事：这套混合方案和OFDM、纯FBMC-OQAM、纯SC-FDMA比，三大指标各是什么水平？我实测的结果如下。

4.1 PAPR的CCDF曲线：混合方案确实把峰值压下来了

PAPR通常用互补累积分布函数（CCDF）曲线描述，横轴是PAPR门限（dB），纵轴是信号超过该门限的概率。我在同样的16QAM、256个子载波条件下，对四种波形各发射10000个OFDM符号块做统计：

两个关键观察。

第一，混合方案相比纯FBMC-OQAM有约2.7dB的PAPR降低，几乎拉到了和小DFT扩频一样的水平，证明“先DFT扩频再OQAM调制”这条链路确实把单载波的低包络特性带进来了。但比纯SC-FDMA略高0.5dB，这个差距来自OQAM滤波器的非矩形脉冲——滤波器的滚降过程让部分相邻符号能量叠加，包络波动略增。

第二，PAPR降低的稳定性和DFT扩频点数M直接相关。M越小、频域扩展面越大，PAPR越低，但M也必须大于等于每用户的子载波数。实际系统设计时，M=总子载波数的1/4到1/2是比较均衡的选择。

4.2 延迟从哪来：滤波器重叠 vs DFT计算

这个方案最受争议的点就是延迟。我这里实测了端到端处理延迟的几个组成部分：

• 综合/分析滤波器组群延迟：原型滤波器长度1023个采样点（约10.23微秒@10MHz采样率），加收发端级联后约2倍，等效于4个OQAM符号周期。这是纯FBMC固有的成本，混合方案无法回避。
• DF频扩频/解扩处理延迟：M=64点的FFT/IFFT在10MHz采样率下大约微秒级，对整体延迟影响小于滤波器组的1%（但硬件流水线中会额外增加一个数据块级别的缓冲延迟）。
• 帧同步和信道估计的等待延迟：接收端需要至少一个完整滤波器组暂存窗才能启动解调，约6个符号周期。

实测端到端延迟，混合方案约为OFDM（含CP）的1.6倍。所以“低延迟”这个宣传点实际上要谨慎理解——它低的是“相较纯FBMC-OQAM”，而纯FBMC因为K=4滤波器天然就有较长延迟。若真要用在低延迟场景，K=2的短滤波器版本是可能的变形，PAPR收益仍在但旁瓣性能会打折。

4.3 谱效率：免CP省下的资源都进了有效吞吐

谱效率的账其实不难算。OFDM每符号周期里，CP占掉7%（常规长CP）到20%（短帧）；FBMC-OQAM完全不需要CP。所以理想情况下FBMC-OQAM的谱效率比OFDM高约7%到20%，混合方案继承了这份优势。

但要注意OQAM的调制形式会改变符号速率定义：OQAM每符号周期传M个实值（等价于M/2个复数），所以它的“符号周期”和OFDM可比。完整的谱效率对比（含信道估计导频开销）：

在理想平坦信道下，混合方案的谱效率和纯FBMC几乎一致。不过在频率选择性信道下，FBMC无需CP的优势会被滤波器泄漏稍微抵消，实测有效谱效率只比OFDM高约8%到10%。简单说：这套方案的谱效率优势主要由免CP贡献，SC-FDMA部分不贡献谱效率，但换来了PAPR的大幅下降——这是一个非常划算的交换。

5. 从仿真到工程：不得不说的几个实现坑与取舍

仿真环境里跑通并不代表能直接进原型机。基于我做的测试，把几个工程化最容易翻车的点列出。

5.1 同步问题是FBMC家族共同的软肋

OFDM有CP，同步偏差（时偏、频偏）对误码的影响相对宽容，因为CP天然吸收了一部分时间偏移。FBMC-OQAM没有CP，时间同步必须准确到滤波器组的“半符号”粒度，否则OQAM实虚两路互相泄漏，BER迅速恶化。我在仿真中人为加了10个采样点的时间偏移，结果16QAM误码率直接提高了20倍。所以工程实现时必须配置高精度同步算法，通常用训练序列加相关峰值检测，误差控制在子采样点级别。

5.2 滤波器截断长度：延迟和旁瓣抑制的再平衡

PHYDYAS滤波器K=4时旁瓣性能很好（旁瓣衰减超过-60dB），但1023个抽头对ARM/DSP平台不算轻。降低K到3或2会成比例缩减滤波器长度，PAPR和谱效率基本不变，但旁瓣抑制会退化到-40dB左右。对于高速移动信道（多普勒频移大），K=2反而更稳，因为滤波器频率局部性更好。我的建议是：如果仿真场景限制在静止或低速移动，坚持K=4；如果涉及高铁等高速场景，切到K=3更安全。

5.3 幅度归一化：PAPR统计结果的一个隐性大坑

PAPR测量最容易被忽略的是信号幅度归一化。不同波形处理器的IFFT尺度、滤波器增益不同，如果不在统计之前把所有波形归一化到同一平均功率，CCDF曲线根本没有可比性。我在做对比测试时，统一了以下预处理流程：

1. 对发射信号做signal = signal / sqrt(mean(abs(signal).^2))，即把平均功率归一化为1W。
2. PAPR定义严格按峰值功率/平均功率计算。
3. 统计窗口长度固定为2048个采样点，避免不同帧长对PAPR分布的影响。

不这样做的话，OFDM和FBMC-OQAM的实际PAPR差距可能被滤波器增益“吃掉”几个dB。

6. 后续如何扩展：从单用户仿真走向系统级研究

这套代码框架其实很容易扩展到更复杂的场景。我在完成两用户单小区仿真的基础上，下一步准备做三件事：第一，把现有代码改造成多小区场景，重点看滤波器组泄漏对邻区干扰的影响，这是FBMC声称“绿色”的核心卖点；第二，增加功率放大器非线性模型，在发射端加入限幅回退，直观观察PAPR降低对功放效率的收益——这会直接回答“降2.7dB PAPR能省多少电”的问题；第三，探索高质量波形参数的自适应选择，比如根据信道时延扩展动态切换K值，在延迟和性能之间做实时平衡。

个人经验是，这类混合方案不要只盯着单一指标做优化。PAPR、延迟、谱效率本质上是三角博弈：PAPR降低靠DFT扩频，延迟靠滤波器长度K调节，谱效率靠免CP和帧结构优化，三者不可能同时最优。最好的工程状态是明确场景之后做“定向偏置”——比如低功耗上行场景优先压PAPR，超低时延场景优先降K，宽带接入场景优先保谱效率。这套Matlab实现的好处就是波形级参数可以独立调节，改一个参数观察三本账的变化，很快就能摸清规律。