简介：这是一份面向可见光通信与光通信数字信号处理研究者的DCO_OFDM仿真资源，聚焦直流偏置光正交频分复用的原理与MATLAB实现。资源共2个文件，均为m脚本，涵盖可见光信道建模与DCO_OFDM收发链路核心算法，包括符号映射、IFFT、循环前缀、直流偏置及接收端均衡等环节，便于对照源码理解IM/DD信道下的信号处理流程。压缩包仅3KB，代码精炼，适合需要快速搭建VLC仿真环境、验证误码率与频谱效率的本科高年级学生或工程师。目前已有1550人学习下载。借助该资源可获得从信道模型到调制解调的完整可运行示例，尤其适合入门光OFDM系统仿真时逐行研读与二次开发。
1. DCO_OFDM：给LED加个直流偏置，OFDM才算在可见光里站住脚
跑惯了射频OFDM仿真的人，第一次把OFDM时域波形直接灌给LED，大概率会翻车：星座图散成一团，误码率高得没法看。原因不复杂——LED是强度调制器件，光功率不能为负，而OFDM基带信号是双极性的，负半周直接被LED截止削掉，子载波之间的正交性全被破坏了。DCO_OFDM（直流偏置光正交频分复用）就是在这个节骨眼上被拉出来的方案：在双极性OFDM信号上叠加一个直流偏置，把整个波形抬到LED的线性工作区，再用限幅处理把残余的负向削波控制在可接受范围。这套方案的好处是实现简单、频谱效率高，缺点是直流偏置本身消耗光功率。手里这份资源就两个MATLAB文件，DCO_OFDM_2021.m负责完整的收发链路，VLC_channel_2021.m负责可见光信道建模，串起来就是一套能跑误码率、能出星座图的可见光通信仿真系统。适合做VLC方向课题、想快速搭一个可复现仿真环境的从业者和学生。
2. 直流偏置与削波：DCO_OFDM的信号模型和参数边界
很多第一次接触DCO_OFDM的人会把它理解成「给OFDM信号加个直流分量」这么简单，实际没那么轻松。直流偏置加多少、削波怎么处理、偏置电平怎么归一化，这几个参数直接决定系统性能。这一章把DCO_OFDM的信号模型拆开，讲清楚偏置和削波的数学关系，以及为什么参数不能随手填。
2.1 双极性OFDM波形和LED工作区之间的矛盾
OFDM基带信号是大量子载波叠加的结果，时域波形近似高斯分布，正负半周对称。传统射频系统可以处理双极性信号，因为射频载波本身是交流信号，负半周能正常传输；但LED不行，它工作在强度调制/直接检测（IM/DD）模式下，输出是光功率，物理上不可能为负。如果直接把OFDM信号送到LED，负半周会被完全截止，产生严重的非线性失真，星座点会向内收缩，子载波间正交性被破坏，系统性能断崖式下跌。
要解决这个问题，业界有几种思路。一种是只保留奇数子载波、让时域信号变成单极性的ACO-OFDM，代价是频谱效率减半；另一种就是DCO-OFDM，加直流偏置把波形整体抬到非负区间，频谱效率不损失，代价是偏置本身消耗额外光功率。DCO-OFDM适合带宽效率要求高、光功率预算相对宽裕的场景，这也是VLC系统里DCO方案更常见的原因。
从信号模型看，DCO-OFDM发射端做的事情就是：对频域数据符号做IFFT得到双极性时域信号，加上直流偏置，再经过限幅处理得到非负信号驱动LED。这个过程的数学表达是：
% 发射端：IFFT后加直流偏置并限幅 x_time = ifft(x_freq, N_fft); % 双极性OFDM时域信号 x_time = x_time / max(abs(x_time)); % 峰值归一化，便于统一处理偏置电平 x_dco = x_time + B_dc; % 叠加直流偏置 x_clip = min(max(x_dco, 0), 2 * B_dc); % 下限削波到0，上限削波到2倍偏置这段代码里，峰值归一化不是可选项。DCO-OFDM的偏置电平通常用归一化偏置量来定义，不归一化的话偏置参数没法跨系统通用。B_dc是直流偏置电平，单位是归一化幅度；min/max限幅把负向波形削掉，但削波会引入噪声，限幅越狠，噪声越大，这是DCO-OFDM和ACO-OFDM性能差异的核心来源。
2.2 归一化偏置和削波噪声的权衡
DCO-OFDM性能好坏几乎全看偏置电平怎么选。偏置太小，负向削波严重，削波噪声大；偏置太大，光功率浪费多，接收端信噪比反而下降。文献里常用的是相对信号标准差σ来定义偏置，一般取2到3倍σ。偏置取3σ时，负向削波概率低于0.1%，削波噪声可以忽略；偏置取2σ时，削波噪声开始显现但频谱效率不变。
我在实际仿真里一般这么处理：先算IFFT后信号的方差，再按目标偏置倍数生成直流偏置。也就是说，偏置不是拍脑袋写个常数，而是和信号功率挂钩的。这样做的好处是，换OFDM子载波数、换调制阶数后，偏置参数的物理含义不会变。
当然偏置电平也不是越大越好。LED的线性工作区有限，偏置太大导致信号摆幅超过LED动态范围，顶部也会被截止，产生上限削波。所以DCO-OFDM的偏置选择本质是个权衡问题：偏置高了省削波噪声但费光功率，偏置低了省光功率但削波噪声大。仿真时可以先跑偏置从1σ到4σ的误码率曲线，找到当前信道条件下的最优工作点。
2.3 DCO-OFDM和ACO-OFDM怎么选
选DCO还是ACO，取决于系统对频谱效率和光功率的取舍。我用过两次ACO方案做对比实验，印象很深：ACO-OFDM把数据放在奇数子载波上，偶数子载波用来消除负半周，时域信号天然非负，不需要加偏置，光功率效率高；但一半的子载波被牺牲掉，频谱效率只有DCO的一半。DCO-OFDM所有子载波都能传数据，带宽效率翻倍，但直流偏置的光功率成本摆在那里。
| 对比项 | DCO-OFDM | ACO-OFDM |
|---|---|---|
| 数据子载波利用率 | 全部子载波 | 仅奇数子载波 |
| 频谱效率 | 高 | 低（约为DCO的一半） |
| 直流偏置 | 需要，消耗光功率 | 不需要 |
| 削波噪声 | 偏置不足时有 | 无偏置削波 |
| 实现复杂度 | 低 | 低 |
| 适用场景 | 带宽受限、光功率充裕 | 光功率受限、带宽充裕 |
对大多数VLC室内场景来说，LED光功率预算相对充足，带宽反而紧张，所以DCO-OFDM更常用。如果你的仿真目的是比较两种方案的性能差异，可以把这两个.m文件里的发射端改造成ACO版本，只保留奇数子载波、去掉直流偏置，接收端做对应的子载波提取，这个改造后面会讲到。
3. VLC信道建模：VLC_channel_2021.m里的IM/DD信道长什么样
OFDM链路在有线传输里已经非常成熟，但在可见光通信里，信道建模往往是仿真结果是否可信的关键。VLC_channel_2021.m这个文件做的事情就是把室内VLC信道抽象成一个能接进OFDM链路的模型。理解这个信道的特征，比写代码本身更重要。
3.1 IM/DD信道和射频信道的三个本质差异
第一个差异：射频信道传的是电磁场的幅度和相位，VLC的IM/DD信道传的是光强度。LED通过改变驱动电流来改变光强，接收端光电二极管输出电流正比于接收光功率，整个过程是「强度调制-直接检测」。这意味着信道响应都是实值的，而且必须是正实数，DC分量在系统里扮演重要角色。
第二个差异：多径产生的机制不同。射频多径来自建筑物、地面、墙体对电磁波的反射、绕射，VLC多径主要来自LED光在墙壁、天花板、家具表面的漫反射。LED通常朝向天花板或桌面，发射的是朗伯辐射模式的光束，接收端收到的除了视距（LOS）分量，还有大量一次反射、二次反射分量。
第三个差异：噪声模型不同。射频系统噪声主要来自接收机热噪声和外部干扰，VLC接收端噪声除了热噪声，还有强烈的散粒噪声，而且散射噪声功率和接收光电流成正比。强光下散粒噪声主导，弱光下热噪声主导。仿真里通常会把两者合并成高斯噪声处理，但噪声功率和信号强度是耦合的，这点很多新手会忽略。
3.2 朗伯辐射模型与信道冲激响应
VLC_channel_2021.m里最常见的信道建模思路是基于朗伯辐射模型（Lambertian emission）。LED被视为朗伯辐射源，发光强度随发射角θ按cos(θ)^m变化，其中m由LED半功率角决定；接收端光电探测器则用有效探测面积和视场角（FOV）来描述。视距路径的直流增益公式是：
% 视距信道增益计算（常见做法） m = -log(2) / log(cos(deg2rad(half_power_angle))); % 朗伯辐射阶数 H_los = (m + 1) * A_det / (2 * pi * d^2) * cos(phi)^m * cos(psi);这个公式就是朗伯辐射模型的信道直流增益。half_power_angle是LED半功率角，典型值60度；A_det是光电探测器有效面积，常见参数是1平方厘米左右；d是LED到接收端的距离；phi是发射仰角，psi是接收端入射角。算出来的H_los是一个标量增益，通常会小于1，因为光功率在空间传播中会摊薄。
实际信道建模比这个公式复杂的地方在于反射分量。常见做法是把房间墙壁划分成很多小块，每个小块看作一个二次朗伯辐射源，计算LED到墙面小块的增益、墙面反射率、墙面小块到接收端的增益，全部累加起来得到完整信道冲激响应。这部分的计算量很大，所以VLC_channel_2021.m里应该有对应的循环累加逻辑，仿真时要注意反射阶数设多少——阶数太高跑得慢，阶数太低信道又不准。
3.3 信道归一化：和OFDM链路对接前必须做的一步
这是我实际跑仿真时踩过的一个坑：VLC信道冲激响应的增益非常小，通常只有10^-5量级，直接接进OFDM链路后，接收信号幅度小到没法看，误码率曲线全部飘掉。原因就是信道没归一化。
一般做法是把信道冲激响应除以它的DC增益（所有抽头之和），让信道直流增益变成1，这样信道只影响信号的频率选择性，不影响整体功率，接收端的信噪比才能由发射信号功率和噪声功率独立控制。具体操作是：
% 信道归一化：让直流增益为1 h_chan = vlc_channel_2021(...); % 生成原始信道冲激响应 h_norm = h_chan / sum(h_chan); % 除以直流增益，保留频率选择性代码里的sum(h_chan)就是信道的直流增益。归一化之后，信道的频率响应在高频处会有衰减，但整体能量不会造成信号幅度异常。如果你发现仿真里BER曲线在低信噪比段比理论值差很多但高信噪比段又正常，大概率就是这一步没做对。
4. DCO_OFDM_2021.m收发链路拆解：从比特到误码率的数字信号处理流程
这两个文件里最核心的就是DCO_OFDM_2021.m，它包含了完整的发射端处理和接收端恢复流程。这一章按信号流向把链路拆开，每段代码说什么、参数怎么改、改完什么后果，一次讲清楚。
4.1 发射端：比特流到光强度信号的完整变换
发射端做的事情可以概括成六步：比特生成、符号映射、子载波分配、IFFT、加CP、加偏置限幅。核心代码如下：
% 发射端参数配置 N_fft = 1024; % IFFT点数，决定子载波总数 N_used = 900; % 实际使用的数据子载波数，留一部分空子载波保护 M = 16; % QAM调制阶数，16-QAM CP_len = 64; % 循环前缀长度，要大于信道冲激响应长度 B_dc_sigma = 3; % 直流偏置，相对信号标准差3倍 % 比特生成和QAM调制 bits = randi([0 1], N_used * log2(M), 1); % 生成长度为子载波数*每符号比特数的随机比特 symbols = qammod(bits, M, 'gray', 'InputType', 'bit'); % 格雷映射QAM调制 % 子载波分配和厄米特对称 data_freq = zeros(N_fft, 1); data_freq(1:N_used/2) = symbols(1:N_used/2); % 正频率部分放数据 data_freq(N_fft-N_used/2+1:N_fft) = conj(symbols(end:-1:N_used/2+1)); % 负频率共轭对称 % 注意：直流子载波和边缘子载波留空，用于简化接收端处理 % IFFT得到双极性时域信号 x_time = ifft(ifftshift(data_freq)) * sqrt(N_fft); % 功率归一化IFFT % 加循环前缀 x_cp = [x_time(end-CP_len+1:end); x_time]; % 把时域信号尾部拷贝到头部 % 加直流偏置并限幅 std_x = std(x_cp); % 计算信号标准差 x_bias = x_cp + B_dc_sigma * std_x; % 叠加直流偏置 x_dco = min(max(x_bias, 0), 2 * B_dc_sigma * std_x); % 下限削波到0，上限削波到2倍偏置这段代码有几个细节值得注意。
首先是厄米特对称。IFFT的输入必须是共轭对称的，才能保证输出是实信号，这在光通信里是硬性要求。数据放在正频率子载波上，负频率对应放置共轭，直流子载波和边缘子载波空置。N_used设置成900而不是1024，就是为了留出保护带宽，降低滤波器实现难度。
其次是IFFT功率归一化。MATLAB的ifft默认不缩放，直接对频域数据进行IFFT后时域功率和频域功率不一致，导致后面计算信噪比时对不上。乘上sqrt(N_fft)是常见做法，让IFFT前后的能量保持一致。很多新手在这里翻车——星座图幅度看起来对，但BER曲线整体偏移。
第三是偏置和限幅。B_dc_sigma = 3表示直流偏置等于3倍信号标准差，限幅下限设置在0，上限在2倍偏置。这组参数是DCO-OFDM的典型配置，实测BER性能接近理论值。
4.2 接收端：光电流到比特流的逆向恢复
接收端是发射端的逆向过程：去掉循环前缀、FFT、信道均衡、QAM解映射、BER统计。
% 接收端处理 % y_dco是经过信道和加噪的光强度信号，y_elec是光电转换后的电信号 % 去掉循环前缀 y_no_cp = y_elec(CP_len+1:end); % 去掉直流偏置，恢复双极性信号 y_ac = y_no_cp - B_dc_sigma * std_x; % 这里的std_x是发射端算好的标准差 % FFT变换回频域 Y_freq = fftshift(fft(y_ac)) / sqrt(N_fft); % 提取数据子载波 Y_data = Y_freq(1:N_used/2); % 信道估计和均衡（使用已知训练序列的最小二乘估计） H_est = Y_train ./ X_train; % 训练序列频域响应估计 Y_eq = Y_data ./ H_est; % 迫零均衡 % QAM解映射和误码率统计 rx_bits = qamdemod(Y_eq, M, 'gray', 'OutputType', 'bit'); err = sum(rx_bits ~= bits); BER = err / length(bits);接收端最容易被忽略的是直流偏置的去除。直流偏置在IFFT变换后全部落在了频域直流子载波上，理论上不会干扰数据子载波；但实际仿真时，如果发射端加偏置后进行了限幅，限幅操作会把一部分偏置的能量泄漏到非零子载波上，所以严格的链路是发射端限幅前要记录偏置值，接收端精确减掉。
均衡部分用的是迫零均衡，直接用训练序列估计信道频响，然后用除法还原信号。信道噪声大时，迫零均衡会放大噪声，换成MMSE均衡（最小均方误差均衡）性能更好，代价是多算一些矩阵运算。这两个文件里大概率是迫零均衡，你想优化BER曲线的话，把H_est的除法改成MMSE公式是一个立竿见影的方向。
4.3 与VLC信道串联时要改的几个参数
把发射端、信道、接收端串起来后，有几个参数必须相互匹配，否则链路跑不通或者结果不干净。我列了一个参数对照表，这是我调参时的基准：
| 参数 | 典型值 | 改大的后果 | 改小的后果 |
|---|---|---|---|
| N_fft（IFFT点数） | 1024 | 子载波间隔变窄，对同步要求更高 | 子载波间隔变宽，频谱利用率下降 |
| N_used（数据子载波） | 900 | 频谱效率提升，峰均比变大 | 保护带宽增多，频谱效率下降 |
| CP长度 | 64 | 抗多径能力增强，频谱效率下降 | 多径干扰增加，星座图发散 |
| B_dc_sigma（偏置倍数） | 3 | 削波噪声减小，光功率浪费增大 | 削波噪声增大，星座图向内收缩 |
| QAM阶数 | 16 | 频谱效率翻倍，抗噪能力大幅下降 | 频谱效率下降，BER显著降低 |
CP长度和信道冲激响应长度必须匹配。VLC_channel_2021.m生成的信道如果有大量反射分量，冲激响应会拉长，CP长度就要同步加大。判断方法很简单：先跑一次信道，画出冲激响应，看它的能量包络持续多少点，CP长度至少要超过这个长度，否则符号间干扰会把BER曲线的高信噪比段拉平——这是最典型的「信道和CP不匹配」症状。
5. 避坑与常见问题：DCO_OFDM仿真里的五个高频翻车点
DCO-OFDM链路不长，但能出错的地方一点不少。下面五个问题是实际跑仿真时最容易遇到、排查起来最花时间的，每个都按「现象 → 原因 → 解决」来说。
5.1 星座图整体旋转，但旋转角度不固定
现象：接收端星座图看起来是正常的QAM网格，但整体旋转了一个随机角度，每次仿真旋转角度都不同，误码率高。
原因：符号定时偏移。OFDM系统对符号同步很敏感，定时点偏了，频域会出现一个相位旋转，旋转量和子载波序号成正比。这个仿真里如果发射端加CP、接收端去CP的位置对不齐，就会出这个问题。
解决：在接收端加一个符号定时同步模块，用一个已知的训练序列滑动相关找最佳定时点。也可以用循环前缀自相关方式做粗同步。最简单的方式是把发射端的符号索引和接收端严格对齐，但实际系统中训练序列的方式才是正路。
5.2 低信噪比段BER比理论值差一大截，高信噪比段正常
现象：BER曲线在低SNR段明显高于理论曲线，高SNR段逐渐贴合，中间有个明显的拐点。
原因：直流偏置的电光噪声没有建模正确。DCO-OFDM里光信号是强度，接收端散粒噪声功率正比于光电流，光功率越大噪声越大。如果仿真里用的是固定噪声功率而忽略了散粒噪声跟信号功率的耦合，低SNR段的BER就会偏差。
解决：把噪声模型改成信号相关噪声：先算平均光功率，再按散粒噪声公式算噪声方差，加噪声时用这个和信号强度耦合的方差。具体公式里sigma_noise^2 = 2*q*I_ph*B这类参数可以按接收端光电探测器参数来算。
5.3 高SNR段BER曲线拉平，怎么加功率都下不去
现象：SNR已经加到很高了，BER停在某个值不再下降，出现地板效应。
原因：两个可能。一是CP长度不足，信道多径能量泄漏到下一个OFDM符号，产生符号间干扰；二是削波噪声成为底噪。DCO-OFDM即使偏置取3σ，限幅操作仍会引入少量噪声，这个噪声在高SNR段就是地板。
解决：先检查CP长度和信道冲激响应长度的关系，把信道冲激响应画出来看尾部能量。排除多径干扰后，再增大B_dc_sigma到4或5，看BER地板是否下移。如果下移了，说明是削波噪声限制的，那就需要在偏置电平和光功率之间重新找平衡，而不是一味加发射功率。
5.4 接收端忘记去掉直流偏置，星座图整体偏移
现象：星座图四个象限的质心整体往一个方向偏移了，解调后的符号错误集中在外围点。
原因：发射端加的直流偏置在接收端没有被减掉。偏置经过FFT后主要落在直流子载波上，但实际因为限幅会产生泄漏，泄漏出来的直流分量会对所有子载波叠加一个固定偏移。
解决：接收端必须用发射端的偏置参数做一次减法，而且顺序要在FFT之前。注意减法用的是B_dc_sigma * std_x这个值，不是偏置倍数本身。如果发射端做了限幅，偏置还要用限幅后的实际均值来算，不能直接用理论值。我一般会在发射端把x_dco的均值记录下来传给接收端，这样最稳妥。
5.5 IFFT缩放因子重复归一化导致功率错乱
现象：星座图幅度明显不对，BER曲线整体平移了几个dB，但曲线形状正常。
原因：IFFT前后的功率没有归一化好。ifft本身不带缩放，有些人为了防止数据溢出在前端乘了1/sqrt(N_fft)，接收端FFT后再乘一次sqrt(N_fft)，乘除因子用错了地方，信号功率就偏了。
解决：统一约定：发射端ifft后乘sqrt(N_fft)，接收端fft后乘1/sqrt(N_fft)，两边配套使用。更稳妥的做法是先不用缩放因子，直接用fft和ifft的默认行为，然后在计算SNR时统一折算信号功率和噪声功率——只要你归一化逻辑一路一致，最后结果就是对的。
6. 进阶：把两个.m文件跑成一组完整的BER曲线
单次仿真的误码率只能说明一个点，不能说明系统性能。把两个.m文件组合起来，跑一组不同SNR下的BER曲线，才算真正把系统仿真做完整。
% BER曲线仿真框架 SNR_dB = 0:2:20; % 扫描0到20dB，步进2dB BER_list = zeros(size(SNR_dB)); for snr_idx = 1:length(SNR_dB) % 对每个SNR点重复若干次，统计平均误码率 total_bits = 0; total_errs = 0; for trial = 1:100 % 发射端处理（参数同第4章） % VLC信道处理（归一化后的信道卷积） % 加噪声：噪声功率由SNR和信号功率计算 % 接收端恢复 % 累计比特数和错误比特数 end end这个框架里，SNR的定义很关键。光通信里SNR通常指电信号的信噪比，即E_b/N_0或E_s/N_0。跑曲线前先确认发射端信号功率是怎么归一化的，再反推噪声方差，否则曲线整体平移几个dB是常事。每轮仿真至少跑100次独立试验，误码率低时跑500次，不然误差太大，曲线的抖动会盖过性能差异。
跑完曲线后，和AWGN信道下的理论误码率对比。16-QAM在AWGN下的理论BER是berawgn函数可以直接算的，把DCO-OFDM的BER曲线和理论曲线放在同一张图上：如果两者在低SNR段接近、在高SNR段有一定差距（受削波噪声和信道频率选择性影响），说明链路是正常的；如果整体偏离超过1-2dB，检查偏置归一化、信道归一化和IFFT缩放。
多组实验的扩展方向也很好做。把B_dc_sigma改成1到5的数组，跑一组BER对比，可以画出「偏置电平-所需SNR」的关系曲线，这是DCO-OFDM论文里最常见的图之一。或者把16-QAM换成4-QAM、64-QAM，观察不同调制阶数对最优偏置的影响。更进一步的改造是接一个MMSE均衡器替代迫零均衡，看看能否把高SNR段的地板压下去。这套升级做完，这份资源基本就被吃透了。
两个.m文件我前前后后跑了很多遍，最大的教训是：每次改参数前，先把第4章那张参数表的耦合关系过一遍，CP长度动了就查信道冲激响应，偏置倍数动了就查削波噪声和BER地板，IFFT缩放因子动了就一定保证发射端和接收端同步改。从那以后，我每次新拿一套OFDM的仿真工程，都强制先跑一遍完整链路确认无误码，再逐个叠加信道、偏置和噪声，从来不指望一次直接跑出完美曲线。希望这些踩过的坑能帮到你。
本文还有配套的精品资源，点击获取
