简介直接序列扩频DSSS在BPSK、QPSK与16QAM三种常用调制方式下的Matlab仿真资源包属于信号处理与通信仿真领域面向高校本科、硕士阶段从事教研学习的学生及科研人员用于理解扩频通信原理、调制方式对比以及Matlab实现方法。压缩包共8个文件其中4个m脚本分别实现bpsk、qpsk、qam以及三者联合对比的qam_qpsk_bpsk仿真2个txt文件提供使用说明与license许可信息2个png为仿真咨询及更多代码关注引导图整体仅466KB轻量紧凑目录结构一目了然。资源兼容Matlab 2014/2019a内含可直接运行的代码及运行结果已有160人学习下载。通过复现实验可快速掌握DSSS扩频解扩、星座映射、误码率统计等关键环节对比不同调制阶数下的性能差异也可作为课程设计或毕业设计的参考基础适合希望深入理解直接序列扩频的初学者与进阶者。1. 处理 BPSK、QPSK 和 16QAM 调制的 DSSS 工程包先盯紧码相位对齐处理一个同时包含 BPSK、QPSK 和 16QAM 调制的 DSSS 工程包时最麻烦的不是调制方式本身而是扩频码的相位对齐。很多人在单调制下把链路调得很好一切换到 16QAM 就发现误码率突然抬高原因大多是接收端本地扩频码与发送端相差了半个码片。DSSS 的全称是直接序列扩频它用远高于符号速率的码片速率把信号带宽展宽换取处理增益和抗干扰能力。BPSK、QPSK、16QAM 决定了每个符号携带多少比特而 DSSS 决定了每个符号被多少个码片覆盖。这套工程包的核心价值在于在同一个基带框架下切换调制阶数并让解扩、同步、AGC 和信道估计参数跟着变。适合需要做抗干扰通信波形验证、软件无线电原型开发或者准备在 AD9361 一类射频前端上跑通完整收发链路的人员。2. BPSK、QPSK、16QAM 与 DSSS 的调制映射和扩频增益计算2.1 扩频码生成m 序列的自相关特性决定同步可靠性DSSS 的扩频码常用 m 序列因为它有尖锐的自相关峰。m 序列由线性反馈移位寄存器生成本原多项式决定序列长度。码长N2^r-1r 是寄存器阶数。比如 r7 得 127 位码r15 得 32767 位码。处理增益等于10*log10(N)所以 127 位码大约有 21dB 增益32767 位码有 44dB。工程包里通常包含多个码长配置目的就是让你在带宽和增益之间折中。生成 m 序列的常见做法是先给出多项式系数和初始状态。以下是一段可以直接运行的 Python 代码生成 7 阶 m 序列并画出它的自相关import numpy as np import matplotlib.pyplot as plt def msequence(poly, state, seq_len): reg state[:] seq [] for _ in range(seq_len): out reg[-1] seq.append(out) feedback 0 for i in range(len(poly)): if poly[i] and reg[i]: feedback ^ 1 reg [feedback] reg[:-1] return np.array(seq) poly [1, 1, 1, 0, 0, 0, 1] # x^7 x^3 1 state [1, 0, 0, 0, 0, 0, 1] seq msequence(poly, state, 127) seq_bipolar 2*seq - 1 corr np.correlate(seq_bipolar, seq_bipolar, modefull) plt.stem(corr[126:130]) # 只看主峰附近 plt.xlabel(lag (chips)) plt.ylabel(correlation) plt.show()这里的反馈逻辑是每个抽头输出按异或累加抽头位置由本原多项式决定。注意 m 序列周期是 127自相关主峰是 127旁瓣只有 -1这个特性让接收端能用滑动相关做码相位捕获。参数调整上如果你想用 Gold 码代替 m 序列只需要把两个不同的 m 序列逐位异或得到的互相关上限更低适合多址场景。工程包里如果标注了“preferred pair”指的就是两个具有良好互相关的本原多项式。2.2 调制映射与扩频的两种实现方式BPSK 把比特映射成1/-1QPSK 把两个比特映射成复平面上的±1±j16QAM 把四个比特映射成幅度和相位都不同的 16 个点。DSSS 扩频有两种常见做法一种是符号级乘法即先做星座映射得到复数符号再乘以一个复数扩频序列另一种是比特级异或在调制映射之前把数据比特与扩频码异或再一同进行星座映射。两种方式等价但工程实现上有差别。符号级乘法保留调制符号功率恒定方便功率归一化比特级异或更接近直接序列扩频的原始定义而且便于纠错编译码结合。以下代码演示了 BPSK 和 16QAM 在做符号级扩频时的差异# 生成连续 4 个 BPSK 符号 bpsk_symbols np.array([1, -1, 1, 1]) # 扩频码取 11 位 Barker 码转为双极性 barker np.array([1, 1, 1, -1, -1, -1, 1, -1, -1, 1, -1]) # 扩频操作每个符号重复 11 次后逐位相乘 spread_bpsk np.repeat(bpsk_symbols, len(barker)) * np.tile(barker, len(bpsk_symbols)) print(spread_bpsk[:11], spread_bpsk[11:22])对 QPSK 和 16QAM扩频码可以作用在复平面上。16QAM 符号幅度有 3 种乘以 ±1 码片时幅度翻转但星座点网格会随码片旋转接收端解扩时要把连续的码片累加回去平均幅度才能恢复。参数上要注意16QAM 的每个符号功率不是常量做扩频时必须先对整个映射表做能量归一化否则接收端 AGC 会把码片幅度压错导致高阶星座严重变形。调制方式每符号比特数典型码长(码片/符号)处理增益(dB)接收门限 Eb/N0(dB)BPSK112721约 8QPSK212721约 816QAM412721约 13这里的门限值是在 AWGN 信道、未加纠错编码下的参考值。16QAM 需要更高的 Eb/N0因为欧氏距离更近。2.3 扩频增益、数据速率与带宽三者如何约束扩频增益的定义是码片速率除以符号速率。假定信道带宽固定为 10MHz码片速率也固定为 10Mcps。用 BPSK 时符号率可以做到 78.7ksps数据速率约 78.7kbps用 16QAM 时符号率同样受限于扩频码长但符号率只有 78.7ksps 时数据速率可以到 315kbps。也就是说同等的处理增益下16QAM 牺牲的是解调门限换来更高的频谱效率。但工程包里通常还会给出一个“最小码片速率”限制。原因是射频前端和 ADC 的采样率有限AD9361 这类器件在 10MHz 带宽下可以跑但如果你选择 32767 码片倍的扩频码符号率会低到几百 Hz此时载波跟踪环必须特别窄否则频偏会把信噪比吃掉。我一般会先用以下公式估算链路预算处理增益 Gp 10*log10(码片速率 / 符号速率) 接收机灵敏度 热噪声功率 噪声系数 所需Eb/N0 - Gp拿这个公式代入 16QAM你会发现当码长很大时扩展增益抵消了高阶调制的门限最终灵敏度可能反而比 QPSK 更好。这正是把三种调制放在同一个 DSSS 框架里的意义用码长换数据速率而不是一味追星座图的距离。3. 搭建可在 BPSK、QPSK、16QAM 间切换的 DSSS 收发链路3.1 发射端数据链路数据包结构、扩频和脉冲成形完整发射端的基本顺序是数据比特加扰 → 调制映射 → 串行扩频 → 根升余弦成形 → 数字上变频。工程包中常见的参数包括sf_len扩频因子、rolloff滚降系数、sps每个码片的采样点数。以下代码给出一个可切换调制方式的基带发端函数def dsss_tx(bits, sf_len, modulation, sps8, rolloff0.25): # 1. 调制映射 if modulation BPSK: map_table [1, -1] symbols np.array([map_table[b] for b in bits]) elif modulation QPSK: # 每 2 比特映射一个复数符号 pairs bits.reshape(-1, 2) map_table { (0,0): 11j, (0,1): -11j, (1,0): 1-1j, (1,1): -1-1j } symbols np.array([map_table[tuple(p)] for p in pairs]) elif modulation 16QAM: # 每 4 比特按格雷码映射幅度归一化因子 sqrt(10) 放这里 map_table { (0,0,0,0): -3-3j, (0,0,0,1): -3-1j, (0,0,1,1): -33j, (0,0,1,0): -31j, # 其余按格雷码补齐 } quads bits.reshape(-1, 4) symbols np.array([map_table[tuple(q)] for q in quads]) / np.sqrt(10) # 2. 用长度为 sf_len 的 m 序列做符号级扩频 pn msequence([1,1,1,0,0,0,1], [1,0,0,0,0,0,1], sf_len) pn 2*pn - 1 chips np.repeat(symbols, sf_len) * np.tile(pn, len(symbols)) # 3. 上采样 RRC 成型滤波省略滤波器设计仅示意 t np.arange(0, len(chips)*sps) / sps rrc_pulse np.sinc(t) * np.cos(np.pi*rolloff*t) / (1 - (2*rolloff*t)**2) tx_signal np.convolve(np.repeat(chips, sps), rrc_pulse, modesame) return tx_signal / np.max(np.abs(tx_signal))这段代码里扩频是跟在星座映射后面的所以 16QAM 的幅度信息会直接码片化。成形滤波器的作用是限制带宽但也会引入群延迟这对 16QAM 的判决影响比 QPSK 更大。参数上sps取 8 时定时误差分辨率是 1/8 码片足够满足大多数硬件平台rolloff取 0.25 是带宽和峰值因子的折中。发射链路中还有一个容易忽略的点数据包前导。你需要在有效载荷前插入一段固定的双极性序列接收端靠它完成码相位捕获。工程包里通常称它为 preamble长度必须大于扩频码的周期否则相关峰不唯一。我在调试时会把 preamble 直接设成整段扩频码这样捕获性能最稳定。3.2 接收端解扩与解调相干解调前的三步对齐接收端比发送端难很多。假设已经完成下变频得到基带信号剩下的步骤是码片定时同步、载波偏差补偿、解扩后星座判决。最简单的实现方式用相关峰捕获代码逻辑如下def acquisition(rx_signal, pn_seq, sps): # 下采样到码片速率 chip_samples rx_signal[::sps] # 用本地 pn_seq 做滑动互相关 corr np.abs(np.convolve(chip_samples, np.conj(pn_seq[::-1]))) peak_index np.argmax(corr) peak_value corr[peak_index] # 相关峰与次峰比值用于判断是否捕获成功 sorted_peaks np.sort(corr)[-2:] ratio sorted_peaks[1] / sorted_peaks[0] if sorted_peaks[0] 0 else 0 if peak_value 3 * np.std(corr): return peak_index, ratio else: return -1, ratio这段代码的关键是本地码序列方向要与发射端一致。convolve中pn_seq[::-1]是匹配滤波的等效实现比逐点滑动相乘快得多。捕获完成后再用延迟锁定环跟踪码相位的变化因为晶振偏差会让码片在长时间传输后慢慢漂移。解扩这一步需要在正确的码相位处把 127 个码片累加成一个符号。代码上就是按捕获到的索引把数据切片成块再逐块与本地码点乘求和def despread(chips, pn_seq, idx): aligned chips[idx: idx len(pn_seq)] symbol_est np.sum(aligned * pn_seq) / len(pn_seq) return symbol_est如果发射端已经做过幅度归一化这里得到的symbol_est可以直接送到星座映射表做判决。对于 16QAM判决边界是 I 和 Q 轴上的0和±2在归一化坐标下。对于 QPSK只需要判断极性。3.3 用 AD9361 做射频前端时BPSK 到 16QAM 要额外查三个地方热门器件 AD9361 在软件无线电设备里很常见它本身只负责射频到基带的转换不包含 DSSS 解扩。你在跑这个工程包时如果连着 AD9361要重点查三处。第一是直流偏置。BPSK 调制信号有很强的频谱分量零频附近容易受本振泄漏干扰。AD9361 的自带直流校正算法在某些增益设置下会把信号也当成直流消掉造成星座图原点偏移。建议关掉自动直流校正改用固定直流补偿值。第二是 IQ 不平衡。QPSK 和 16QAM 对 IQ 幅度不一致很敏感。16QAM的星座点离原点越远IQ 不平衡造成的 EVM 就越明显。可以在 FPGA 里加一阶 Gram-Schmidt 补偿或者用 AD9361 的 TX quadrature calibration 在发射端先调平。第三是采样速率设计。AD9361 的最大基带带宽通常足够宽但你要保证 ADC 采样率是码片速率的整数倍并且让数字下变频后的信号恰好是两倍过采样。这样接收端的定时同步实现最简单。很多工程包在仿真里跑得好硬件上不行就是栽在这三个细节上。4. 参数配置与同步机制码相位捕获、频偏容忍度和 AGC 设定4.1 码相位捕获的工程实现滑动相关与 FFT 并行搜索捕获阶段最怕的是长码。假如扩频码长度是 1023符号率又低用滑动相关遍历 1023 个相位会非常慢。常见做法是把接收信号和本地码做分段 FFT 快速相关一次并行算出所有相位。具体思路是把接收码片序列和本地码序列都做 FFT相乘后 IFFT得到循环互相关。这样只要做一次 FFT 和一次 IFFT就能得到所有延迟点的相关值。对多普勒频偏常见搜索策略是分频点搜每一路频点做一次快速相关。工程包里的acquisition函数如果带doppler_list参数就是在叠加剧载波搜索。以下是一段基于 FFT 的快速捕获伪代码def fft_acquisition(rx_chips, pn_seq): N len(rx_chips) pn_padded np.concatenate([pn_seq, np.zeros(N - len(pn_seq))]) R np.fft.fft(rx_chips) P np.fft.fft(np.conj(pn_padded)) corr np.fft.ifft(R * P) peak np.argmax(np.abs(corr)) return peak, np.abs(corr[peak])如果在多普勒较大场景比如无人机通信扩频码长 1023、载波 2.4GHz频偏 10kHz 时相关峰会明显降低。此时要先用一段未扩频的导频做载波粗同步或者用三步搜索先以 2kHz 步进扫频找到最大相关峰后再用锁频环细调。接收机同步参数设置上我常用的经验值是捕获检测门限设为噪声均值加 6 倍标准差码相位搜索步长取半个码片多普勒搜索步长取符号速率的一半以内。如果超过这个范围16QAM 的接收质量会先于扩频相关峰崩溃。4.2 载波同步对调制阶数的敏感度BPSK 可以用平方环去调制QPSK 要用四次方环16QAM 则只能用决策导向环。原因是高阶调制不具备恒定的相位旋转对称性。工程包里如果同时支持三种调制载波环路必须跟着切换每次切换调制方式都要重置环路滤波器的带宽和鉴相器增益。调制方式相位误差容忍度推荐环路噪声带宽鉴相器类型BPSK约 ±20°0.1~0.2 Rc极性判决QPSK约 ±10°0.05~0.1 Rc四次方差16QAM约 ±3°0.02~0.05 Rc判决辅助上表里的Rc是码片速率。16QAM 的相位误差容忍度低是因为星座点之间的角度不再均匀相等。如果你发现 16QAM 误码率有平底先看载波相位估计是不是抖动太大而不是盲目把环路带宽调宽。环路带宽调宽会引入更多噪声导致相位抖动反而上升。关于频偏的影响DSSS 的码片速率较高时频偏对解扩相关峰的相位旋转是逐码片累积的。一个码片时间内的相位旋转超过 30°相关问题峰就会显著下降。因此接收端通常在解扩前做一个选频偏补偿。AD9361 自带数字基带 NCO可以设置Rx NCO frequency为正或负频偏值配合粗频偏估计把残余频偏压到环路带宽以内。4.3 功率归一化与 AGC16QAM 的平均功率计算16QAM 的星座点功率不均最大点功率是最小点的 9 倍。发射端如果不做归一化在数字域里会出现削峰在射频端会触发 AGC 的过度压缩。通常的归一化因子是星座平均功率开根号。以标准 16QAM 格雷映射为例所有符号的功率平均值是 10。代码里实现是qam16_points np.array([x 1j*y for x in [-3,-1,1,3] for y in [-3,-1,1,3]]) avg_power np.mean(np.abs(qam16_points)**2) norm_factor np.sqrt(avg_power) qam16_norm qam16_points / norm_factor接收端 AGC 的目标是让解扩后的符号功率接近归一化参考。对 BPSK 和 QPSK星座点都在单位圆上AGC 可以盯住期望信号功率1。对 16QAM由于幅度不是恒定值AGC 要盯住平均功率而不是峰值功率。工程包里如果有两个 AGC 目标值分别对应恒包络与多幅度调制这是设计者考虑到了这一点。AGC 环路的时间常数也要随调制方式调整。BPSK 可以接受慢 AGC因为它不存在幅度维度。16QAM 的幅度波动本身是信息所以 AGC 必须慢于符号率至少低于符号率 20 倍否则它会把你想要的幅度变化抹掉。参数上我一般设环路带宽为符号率的 1/50这样既能补偿信道慢衰落又不会吃掉信号幅度。5. 验证误码率、抗干扰指标并规避三个常见误用5.1 在 AWGN 信道下做蒙特卡洛仿真比较桥接曲线拿到这个工程包后第一件事不是上硬件而是先跑一遍自带或自己写的 Monte Carlo 仿真确认三种调制的 BER 曲线符合理论知识。仿真时固定扩频码长度为 127逐个信噪比点累积误码事件直到置信度达到要求。下面是一段简化流程for ebno_db in np.arange(0, 16, 2): n_bit_error 0 n_total_bit 0 for _ in range(200): bits np.random.randint(0, 2, 5000) tx dsss_tx(bits, 127, 16QAM, sps8) # 加 AWGN根据 Eb/N0 和扩频增益计算噪声功率 noise_power np.var(tx) / (10**((ebno_db) / 10)) rx tx np.sqrt(noise_power) * np.random.randn(len(tx)) # 解扩与判决这里需要同步对齐省略步骤 rx_bits rx_dsss_bit(rx) n_bit_error np.sum((rx_bits ! bits)[:len(rx_bits)]) ber n_bit_error / (5000 * 200)结论是16QAM 的 BER 曲线会比 QPSK 陡得多在 BER1e-3 处大约需要高 4~5dB 的 Eb/N0。如果你的结果比这个差值大得多那么问题多半在同步链路的默认参数只对 QPSK 调优过。打开工程包中config.yaml或init_params.m核对modulation字段对应的phase_noise_bandwidth和agc_target。5.2 抗窄带干扰验证方法DSSS 的抗干扰能力来自扩频增益。验证方法是在发射信号上叠加一个窄带单音干扰频率放在通带中心干扰功率比信号功率高 10dB此时 BPSK 应能正常工作。依次切换到 QPSK 和 16QAM观察 BER 抬升的速度。干扰方式干扰频偏BPSK 的干扰容限QPSK 的干扰容限16QAM 的干扰容限单音0约 Gp4dB约 Gp4dB约 Gp4dB单音0.5Rc约 Gp-1dB约 Gp-2dB约 Gp-6dBLFM扫频总带宽约 Gp-3dB约 Gp-5dB约 Gp-8dB这里的干扰容限是指 BER 保持在 1e-3 时干扰信号与噪声功率的比值上限。观察表中的规律非零频偏干扰对 16QAM 的影响更严重因为 16QAM 同时依赖幅度而干扰会与幅度噪声混合。若工程包里配有 notch filter 模块可以在解扩之前先滤掉单音效果会好很多。5.3 三个常见误用码相位复用、滤波器延迟、调制切换瞬态误用一把同一个扩频码用作不同调制方式的扩频序列却忽略码片对齐。16QAM 对定时偏移更敏感半个码片的偏移在 BPSK 下可能只损失 0.8dB在 16QAM 下会损失好几个 dB。因此验证时不能只跑 BER还要解出码相位的相关峰宽度看是不是处于允许范围内。误用二根升余弦滤波器的群延迟忘记补偿。接收端解扩前如果直接用下变频后的信号与本地码相关发射端和接收端各自成形滤波器会引入整体群延迟通常等于sps * (filter_order / 2)。我一般会先对tx_signal和rx_signal做一次对齐计算出固定延迟值再把它写到解扩器的起始偏移里。误用三调制方式切换瞬间 AGC 和环路未复位。从 BPSK 切换到 16QAM 时如果 AGC 的积分器还带着 BPSK 的功率参考会导致首帧星座图幅度过大。正确做法是在 FPGA 或脚本里检测modulation_change标志同时重置 AGC 寄存器、环路滤波器和码捕获状态机。工程包里如果提供了reset_all_sync()这类函数就要在调制切换时先调用它再发送训练序列。最后一个建议在把参数改乱之前先跑一遍工程包自带的回归测试。把三种调制的 BER 曲线和码相位捕获概率保存成基线之后每动一个参数就用diff对照新结果和基线。这样你改的是扩频码还是 AGC哪一步拖累了 16QAM一眼就能看出来。本文还有配套的精品资源点击获取
