BPSK与QPSK调制比较Matlab仿真：误码率曲线与星座图分析

简介：BPSK与QPSK调制方案比较的Matlab仿真代码，面向电子信息工程、通信、数学等专业学生，适用于课程设计、期末大作业或毕业设计。代码采用参数化编程，信噪比等关键参数可灵活调整，并配有详细注释，便于学习者理解两种调制方式在接收机复杂度、频谱利用率与误码性能等方面的差异。BPSK用两种相位表示二进制码元，QPSK用四种相位同时传输两比特，对比代码可直观呈现两者在带宽效率与解调复杂度之间的取舍。压缩包共2个文件，由一个可运行的m脚本文件与一个说明txt文件组成，整体仅844B，轻量简洁。已有68人学习使用，可通过调整参数对比不同信噪比下的仿真结果，借助附赠的可直接运行的案例快速上手，适合在Matlab 2014/2019a/2024a等版本中运行，是掌握BPSK与QPSK原理及仿真流程的实用资料。

1. 一份能直接跑的调制比较代码：BPSK 和 QPSK 的 Matlab 实现

做通信课程设计时，最耗时间的不是理解公式，而是把调制、加噪、判决、误码统计这四段逻辑在 Matlab 里拼起来。这份BPSK和QPSK调制方案的比较Matlab代码，把两套调制链路放在同一个工程里，跑一次 main 脚本就能同时输出误码率曲线和星座图，用同一套随机数和噪声参数做对比，直接省掉你在代码里反复对照调参的功夫。它不依赖通信工具箱里的高封装函数，核心调制解调都是用基础矩阵运算写的，适合还没彻底搞懂 Simulink 的学生，也适合需要快速验证算法性能的工程师。你拿到手要做的第一件事不是跑通，而是把里面的符号映射和噪声方差两处看清楚，这两处决定了后面所有曲线是否可信。

2. 调制原理与比较维度：从星座图到误码率公式

2.1 BPSK 为什么是“把比特映射到符号”的最简模型

BPSK 是二进制相移键控，每个符号只携带 1 bit，映射规则就一句话：比特 0 映射为发送符号 -1，比特 1 映射为 +1。在等效基带模型里，它就是乘一个幅度，没有正交分量。所以 BPSK 的星座图只有两个点，在实轴左右两侧。这个最简单的模型很适合用来核对代码里的能量归一化：如果发送符号是 ±1，那么平均符号能量 E_s = 1，对应的每比特能量 E_b = 1，因为在 BPSK 里 E_b = E_s。很多新手在写 AWGN 信道时会卡在这一步，把噪声方差直接当成 1，于是低信噪比区间的误码率怎么都不对。

BPSK 在加性高斯白噪声下的理论误比特率是 Q(sqrt(2E_b/N_0))，Matlab 里计算这个值可以直接用 erfc 函数或 qfunc 函数。代码包里通常有一个理论曲线函数，我见到的常见写法是：

function ber = ber_awgn_theory(EbN0_dB, mod_type) % 计算 AWGN 信道下 BPSK/QPSK 的理论误比特率 % 输入：EbN0_dB 是每比特信噪比向量（单位 dB） % mod_type 是 'BPSK' 或 'QPSK' % 输出：ber 是与 EbN0_dB 等长的误比特率向量 EbN0 = 10.^(EbN0_dB/10); switch mod_type case 'BPSK' ber = 0.5 * erfc(sqrt(EbN0)); % 与 qfunc(sqrt(2*EbN0)) 等价 case 'QPSK' ber = 0.5 * erfc(sqrt(EbN0)); % 格雷映射下每比特误码率与 BPSK 相同 otherwise error('unknown modulation type'); end end

这段代码里的 erfc 和 Q 函数关系需要说清楚：Q(x) = 0.5 * erfc(x/sqrt(2))，所以上述公式里的 sqrt(EbN0) 实际上已经完成了 x = sqrt(2EbN0) 的换算。如果你用 qfunc 写，就是qfunc(sqrt(2*EbN0))，结果完全一样。参数上，EbN0_dB 一般取 0:2:12，这样曲线能覆盖从误码率 0.1 到 1e-6 的区间，又不至于让坐标轴太挤。注意这个理论曲线默认了相干解调和理想同步，一旦你后面加入频率偏差或者相位偏移，理论曲线就不再适用，别拿它去跟带失真的仿真硬比。

2.2 QPSK 的四相映射与 I/Q 正交分解

QPSK 每个符号携带 2 bit，星座图上有四个点，相位分别是 45°、135°、225°、315°。为什么常用这个旋转角？因为对应到 I/Q 两路，恰好每个分量都是 ±1/√2，方便硬判决。映射常见有两种方式：自然编码和格雷编码。格雷编码下，相邻相位只差 1 bit，这样判决出错时更可能错 1 bit，而不是错 2 bit，所以误比特率更低。代码包里做方案比较时一定要确认用的是格雷映射，否则 QPSK 的理论曲线会变成接近二倍 BPSK。

QPSK 符号的复数表达是：

s = (2*b1 - 1)/sqrt(2) + 1j*(2*b2 - 1)/sqrt(2);

其中 b1、b2 是两个独立比特。这个结构意味着：QPSK 的实部、虚部各自独立承载一个比特，接收端可以像 BPSK 那样分别判决 I、Q，误比特率自然和 BPSK 一致。这也是比较方案时最直观的结论：相同 E_b/N_0 下，QPSK 的误比特率曲线和 BPSK 重合，但带宽效率是两倍。不过符号误码率不同，QPSK 的符号误码率约等于两倍 BPSK 的误比特率（在高信噪比近似下），因为一个符号由两比特组成，任何一个比特出错都导致符号错误。

实际实现中，发送端要把串行比特流变成两路并行。常见代码里用 reshape 实现：

data_matrix = reshape(data, 2, N_bits/2).'; b1 = data_matrix(:,1); b2 = data_matrix(:,2);

这里把长度为 N_bits 的比特流重排成 N_bits/2 行 2 列的矩阵，第一列给 I 路，第二列给 Q 路。注意 reshape 是按列填充的，所以 data 的前一半会进 b1，后一半会进 b2，而不是交替进入。对于随机比特流这种安排没问题，但如果你后续要对比发送比特和接收比特，就必须在接收端按同一顺序拆回，否则错位统计出的误码率没有任何意义。

2.3 比较维度：带宽效率、误码率、解调复杂度

做方案比较不能只看误码率曲线，要同时列出带宽和实现成本。下面这张表是我在这类代码包中常用的对照，也是你写实验报告时可以直接引用的结论：

从这张表能看出，QPSK 在带宽效率上碾压 BPSK，但抗噪性能在高斯白噪声信道下并没有损失。代价是它对前端电路的线性度和 I/Q 平衡性要求更高，基带仿真里看不出来，但射频端会翻车。代码包里通常只对比误码率曲线，你如果能在报告里补一段关于带宽效率和 I/Q 失配的分析，整个方案就比较完整了。

3. 代码结构与核心函数：调制、解调、加噪模块怎么配合

3.1 文件清单与运行入口

这份资源解压后一般不超过 10 个 .m 文件，核心文件是主脚本和几个功能函数。常见布局我列一下：

运行入口只有主脚本，在 Matlab 当前目录下执行：

main_bpsk_qpsk_comparison

不需要手动 addpath，除非你把文件放在子文件夹里。如果报“未定义函数”，优先检查当前目录是否切换到了代码目录，而不是函数名拼错。我拿到这个资源时会先打开主脚本，看它调用了哪些函数，再对照文件列表确认一个不差。如果某个函数缺失，Matlab 会在命令行直接提示红色错误，不用猜。

3.2 发送端代码：随机比特、调制映射、加噪声

主脚本里前几行通常是设置仿真参数。我抽取一个常见版本的核心段：

% 参数设置 N_bits = 1e6; % 总比特数，越大曲线越平滑，但仿真越慢 EbN0_dB = 0:2:12; % 每比特信噪比(dB)，横轴从 0 到 12 dB N_points = length(EbN0_dB); rng(42); % 固定随机数种子，让每次跑图一致 data = randi([0 1], N_bits, 1); % 生成随机比特流 % BPSK 调制：0 -> -1, 1 -> +1 tx_bpsk = 2*data - 1; % QPSK 调制：每两比特映射一个复数符号 % 先把比特流重排为两列，第一列 I，第二列 Q data_matrix = reshape(data, 2, N_bits/2).'; b1 = data_matrix(:,1); b2 = data_matrix(:,2); tx_qpsk = ((2*b1 - 1) + 1j*(2*b2 - 1))/sqrt(2);

逻辑说明：2*data - 1是 BPSK 调制的矩阵写法，把 0 变成 -1、1 变成 +1，符号功率归一化为 1。QPSK 里b1映射到实部、b2映射到虚部，除sqrt(2)是为了让四个星座点的模长保持为 1，这样每个符号的平均能量同样是 1。很多新手漏掉这个归一化，导致后面信噪比计算全偏。

加噪声部分经典写法如下：

% 加噪函数：根据 EbN0_dB 生成对应方差的高斯噪声 % 这里统一用复数高斯噪声，BPSK 只取实部也一样 Es = 1; % 符号能量，因为归一化了 M = 2; % BPSK 的 M=2；QPSK 的 M=4 Eb = Es / log2(M); % 每比特能量 N0 = Es / (10^(EbN0_dB(k)/10) * log2(M)); % 噪声功率谱密度 noise_power = N0 / 2; % 每个维度分到一半功率 noise = sqrt(noise_power) * (randn(size(tx)) + 1j*randn(size(tx))); rx = tx + noise;

参数说明：这里的k是循环遍历信噪比点的循环变量。关键在N0的换算公式：因为输入是每比特信噪比，而发送符号是每符号能量，两者差一个log2(M)因子。BPSK 的 M=2，所以log2(M)=1；QPSK 的 M=4，所以log2(M)=2。如果你直接把 BPSK 的噪声公式套给 QPSK，高信噪比下 QPSK 的误码率会比理论低约 0.5 dB。这个坑我至少在三个同学的代码里见过。

3.3 接收端与判决

硬判决是这套代码里最朴素也最稳定的解调方式，不需要任何信道估计，只做符号级判决：

% BPSK 硬判决：实部大于 0 判为 1，否则判为 0 rx_bpsk_I = real(rx_bpsk); rx_bpsk_bits = double(rx_bpsk_I > 0); % QPSK 硬判决：实部和虚部分别判决 rx_qpsk_I = real(rx_qpsk); rx_qpsk_Q = imag(rx_qpsk); dec1 = double(rx_qpsk_I > 0); % I 路对应发送端的 b1 dec2 = double(rx_qpsk_Q > 0); % Q 路对应发送端的 b2 % 将两路判决结果恢复成一串比特 dec_bits = reshape([dec1, dec2].', [], 1);

这里的判决门限是 0，因为星座点关于原点对称。如果发射端引入了相位偏移，比如把星座图旋转了 30°，这个门限就直接失效，你会看到大量误码。代码包里没有做载波同步，所以如果你加了频偏，请先自行补一个相位估计。

reshape([dec1, dec2].', [], 1)这行的意思是：先把 dec1 和 dec2 并排成 N 行 2 列矩阵，转置后变成 2 行 N 列，再 reshape 成列向量。这样得到的比特顺序与发送端的data原始顺序完全一致。如果发送端用的是[b1 b2]矩阵而不是交替组合，这里必须对应，否则统计误码率时逐位比较必然错位。

3.4 如何调整 SNR 范围和仿真次数

仿真次数直接影响曲线质量和运行时间。我的经验值如下：

高 SNR 时若某点的错误数少于 10 个，该点的误码率数据不可信。代码里可以加一个最小错误数判断：

if errors(k) > 0 && errors(k) < 10 warning('SNR=%d dB 处错误数只有 %d，结果仅供参考', EbN0_dB(k), errors(k)); end

这个判断不会让结果变准，但能提醒你别把偶然的 0 误码当成“完美解调”。如果你在写课程报告，建议把N_bits设为 1e6 直接跑一遍，曲线平滑度足够放进论文。

4. 仿真实战：跑通脚本并看懂误码率曲线和星座图

4.1 跑通主脚本的步骤与预期输出

打开 Matlab，把当前目录切到解压后的文件夹，在命令行输入：

run('main_bpsk_qpsk_comparison.m')

或者直接打开脚本点 F5。通常 1 分钟内会看到两个 figure：第一个是误码率曲线，横轴 Eb/N0(dB)、纵轴 BER，坐标用对数刻度；第二个是最后一组信噪比下的接收星座图。正常的 BPSK 星座图是两个实轴上的点云，QPSK 是四个象限的中心点簇。若星座图呈现环状或整体旋转，多半是归一化或相位问题，具体排查见第 5 章。

主脚本运行时会在命令行打印过程信息，比如“Simulating at EbN0 = 6 dB ...”，这个输出不是乱码，是循环进入每个信噪比点的进度提示。如果你用的是旧版 Matlab，打印频率太高会拖慢速度，可以改成每 3 个点打印一次。

4.2 读懂误码率曲线：AWGN 下的理论对照

误码率曲线是整个比较代码的核心输出。你会看到 BPSK 和 QPSK 两条仿真曲线几乎重合在一条理论曲线上，这就是前面第 2 章说的结论：在 AWGN 信道、格雷映射、相干解调的前提下，两者的误比特率一致。曲线从 Eb/N0 = 0 dB 时的约 0.08 开始下降，每增加 3 dB，误码率大约下降一个数量级。到 12 dB 时，理论上误码率已经在 1e-7 量级，如果 N_bits 只有 1e5，这里可能显示为 0。

绘图代码里常见的是 semilogy 加 loglog 的切换：

figure; semilogy(EbN0_dB, ber_bpsk, 'b-o', 'LineWidth', 1.5); hold on; semilogy(EbN0_dB, ber_qpsk, 'r-s', 'LineWidth', 1.5); semilogy(EbN0_dB, ber_theory, 'k--', 'LineWidth', 1.5); xlabel('Eb/N0 (dB)'); ylabel('BER'); legend('BPSK 仿真', 'QPSK 仿真', '理论值'); grid on;

注意semilogy的纵轴是对数刻度，所以纵坐标数值 1e-6 显示为 -6 的指数，不要把观察重点放在小抖动上。要判断仿真是否可信，先看低信噪比区域（0~4 dB）是否与理论曲线贴合，再看高信噪比区域的抖动是否在合理范围。只有两三个点紧贴理论不算数，整条曲线都要贴合才算通过。

4.3 星座图分析：旋转相位和幅度归一化

星座图是直观理解调制质量的工具。代码包里的绘制脚本通常这样写：

figure; subplot(1,2,1); plot(real(rx_bpsk), imag(rx_bpsk), '.', 'MarkerSize', 6); axis equal; axis([-3 3 -3 3]); title('BPSK 接收星座图'); subplot(1,2,2); plot(real(rx_qpsk), imag(rx_qpsk), '.', 'MarkerSize', 6); axis equal; axis([-2 2 -2 2]); title('QPSK 接收星座图');

这里的real和imag分别取复基带信号的实部和虚部。点云的扩散半径取决于噪声功率，信噪比越高，点越聚拢。如果发现 BPSK 的星座点不是对称分布在 ±1 中心，而是整体偏移，说明发送端映射有直流偏置或者噪声均值不为零。如果 QPSK 的四个点簇重心不在 (±0.707, ±0.707)，而是像旋转了 45 度，多半是漏了除sqrt(2)。还有个细节：axis equal是必须的，否则横纵轴比例不一致会把圆形点云压成椭圆，干扰视觉判断。这个坑我不少见，很多人画星座图时没加这句，结果点云看起来像发生频率偏移。

4.4 对比表的三种写法

跑完仿真后，你需要把数据整理成可写进报告的形式。最直接的方式是在脚本末尾用 fprintf 打印表格：

fprintf('Eb/N0(dB) BPSK_BER QPSK_BER Theory_BER\n'); for k = 1:N_points fprintf('%10.1f %10.4e %10.4e %10.4e\n', ... EbN0_dB(k), ber_bpsk(k), ber_qpsk(k), ber_theory(k)); end

第二种是把结果存成 .mat 文件，后续用 Excel 或 Python 绘制更精细的图：

save('ber_results.mat', 'EbN0_dB', 'ber_bpsk', 'ber_qpsk', 'ber_theory');

第三种是直接在脚本里生成统计摘要，比如比较在 BER=1e-4 时 BPSK 和 QPSK 需要多少 dB，这需要用到插值。注意，interp1的默认方法是线性插值，对对数坐标下的 BER 会失真，建议先对 BER 取对数再插值，或者用interp1(..., 'log')不存在的，你需要手动10.^(interp1(log10(ber), ...))。这就是为什么我一般只打印原始曲线，需要具体门限值时再单独算。

5. 避坑与常见问题：五个让仿真结果翻车的细节

5.1 误码率曲线低 SNR 段偏离理论值

现象：在 0~4 dB 区间，仿真误码率明显高于或低于理论曲线，但高信噪比段又慢慢靠拢。

原因：噪声方差公式错了，最常见的是把发送符号能量当成单位量，却忘了按点数除，或者 QPSK 的log2(M)因子漏掉。代码里表现为N0 = 10.^(-EbN0_dB/10)直接做开方乘到噪声上，这种写法在 BPSK 下碰巧对，因为 BPSK 的 Es=Eb=1；但换到 QPSK 就偏了 0.5 dB。

解决：统一用N0 = Es / (EbN0_linear * log2(M))，并强制要求发送符号能量 Es=1。写完后用sum(abs(tx_bpsk).^2)/length(tx_bpsk)检查符号平均功率，确认是 1。

5.2 QPSK 星座图旋转了 45 度

现象：接收星座图上四个点簇的质心在 (1,0)、(0,1)、(-1,0)、(0,-1)，而不是 (±0.707, ±0.707) 的四象限中心。

原因：调制映射时没有除sqrt(2)，符号能量变成 2，星座点从 45° 角的斜线变成了轴上点，看起来像旋转。这个错误不影响硬判决门限 0 的判断，所以误码率曲线可能照样正确，但星座图明显难看，报告里一放就露馅。

解决：确认tx_qpsk = ((2*b1-1) + 1j*(2*b2-1))/sqrt(2);。同时检查加噪时是否用了复数噪声，如果只用实噪声加在实部，虚部没噪声，星座图会在纵向上收缩成一条线。

5.3 高 SNR 时误码率突然跳变为 0

现象：曲线在 8 dB 之后直接为 0，看起来系统性能好得离谱。

原因：仿真比特数太少，比如N_bits = 1e4。在 BER=1e-5 的信噪比下，1e4 个比特里平均只有 0.1 个错误，没有错误事件导致 BER=0，而 0 在对数坐标上无法显示，曲线就掉出图外。

解决：要么把 N_bits 加到 1e6 以上，要么采用“错误数达到 100 就提前停止”的循环机制。我习惯用前者，因为简单且结果稳定。如果机器性能不够，可以减小最大信噪比的仿真点，而不是减少比特数。

5.4 矩阵维度对不上，报错“每个变量至少有 n 个元素”

现象：运行到加噪或误码统计时报矩阵尺寸不一致，命令行提示左右两边的元素个数不同。

原因：QPSK 调制后符号数是比特数的一半，但噪声数组长度还按比特数生成。有的人用randn(N_bits,1)生成噪声，然后直接加到tx_qpsk上，维数不匹配；有的人虽然改了噪声长度，但误码统计时没意识到待判决的比特数是符号数的两倍。

解决：建议在脚本里明确区分两个量：

N_sym = N_bits / log2(M); % 符号数 noise = sqrt(N0/2) * (randn(N_sym,1) + 1j*randn(N_sym,1));

接收端判决后得到的比特数一定是2*N_sym，即原始的N_bits，如果统计时发现位数不对，先查这句。

5.5 误码率曲线看似重合但整体偏左或偏右

现象：BPSK 和 QPSK 仿真曲线互相重合，但相对理论曲线整体平移了约 0.5 dB 或 1 dB。

原因：信噪比定义混乱。如果你在代码里用的是符号信噪比 Es/N0，却把横轴标成 Eb/N0，那么 QPSK 的曲线会比理论偏左 3 dB（因为 Es=2Eb）。另一种情况是理论曲线用了单边噪声谱密度，而实际噪声功率谱设成了 N0 而不是 N0/2。

解决：先明确你在对比什么。横轴写 Eb/N0 时，噪声公式里必须出现log2(M)因子；横轴写 Es/N0 时，QPSK 的仿真曲线和 BPSK 在相同横轴下不再重合，而是 QPSK 在低信噪比区域误码率更低（因为它有更多比特能量摊分）。我每次拿到别人的代码，第一件事就是看横轴变量名和噪声计算式的对应关系，这个弄错，后面所有结论都是白搭。

6. 验证与进阶：给你的代码包加上三个可信度检查

6.1 用眼图观察带限信道的 ISI

基带仿真的误码率曲线只验证了 AWGN 下的性能，实际通信系统还要过脉冲成形滤波器。你可以在现有链路上加一个升余弦滤波器：

rolloff = 0.3; span = 6; rrcFilter = rcosdesign(rolloff, span, sps, 'sqrt'); tx_filtered = upfirdn(tx_bpsk, rrcFilter, sps, 1);

加完之后，接收端要加匹配滤波器再抽样，否则误码率会急剧恶化。眼图可以用eyediagram命令绘制，它能看到符号间干扰的程度。如果眼图“眼睛”睁开得越小，说明 ISI 越严重。这个检查在代码包里没有，但你自己加上后，会把方案比较从“单纯看 BER”升级到“看系统抗 ISI 能力”，这是课设拿高分的常见手段。

6.2 把单次仿真改成蒙特卡洛循环

单次仿真的 BER 在高信噪比区域抖动较大，为了获得稳定结果，可以重复多次取平均：

num_trials = 5; ber_sum = 0; for trial = 1:num_trials rng(100*trial); % 每次用不同随机种子 [ber_temp] = run_one_ber_sim(N_bits, EbN0_dB(k)); ber_sum = ber_sum + ber_temp; end ber_ave = ber_sum / num_trials;

这个做法的代价是运行时间乘以 num_trials，所以我只在关键信噪比点（比如 BER 接近 1e-5 的最后一个点）做重复，其他点保持单次。你还可以把循环改成parfor，但要注意随机数种子管理，否则并行时可能生成相同的随机序列，导致平均结果失真。

6.3 扩展对比：加卷积编码后的编码增益

如果你手头有 Communications Toolbox，可以把同样的 BPSK/QPSK 链路接上卷积编码，观察编码增益。常见做法是：

code_rate = 1/2; trellis = poly2trellis(7, [171 133]); data_encoded = convenc(data, trellis); ber_coded = run_with_channel(data_encoded, EbN0_dB);

注意这时横轴应该用编码后的信息比特信噪比，而不是编码符号的信噪比，否则编码增益会被高估。这个扩展能回答“为什么实际系统宁愿牺牲带宽也要加编码”这个问题，是从仿真到工程认知的重要一步。我在给研究生做课程代码审查时，最基本的要求就是能解释清楚编码后曲线左移的那 3~5 dB 是从哪来的。

从那以后，我每次拿到任何调制类代码，都先花两分钟检查符号能量、噪声方差和横轴定义这三处，再去看仿真结果。这个习惯帮我在课设和项目里少走了很多弯路，希望帮到你。

本文还有配套的精品资源，点击获取