频率选择性衰落信道下多用户OFDM-DCSK系统的功率分配与MATLAB仿真

简介这套Matlab仿真代码针对频率选择性衰落信道下的多用户OFDM-DCSK功率分配问题其中OFDM即正交频分复用、DCSK即差分混沌键控。代码共11个文件包含10个.m脚本与1张PNG示意图压缩包仅35KB轻量易用已有140人学习下载。资源专为通信工程、电子信息、数学等专业学生打造可支撑课程设计、期末大作业或毕业设计。采用参数化编程注释明细、编程思路清晰无需额外工具箱即可直接运行配套案例数据便于快速复现仿真同时兼容Matlab 2014/2019a/2024a等多个版本方便不同环境使用。脚本覆盖单用户/多用户性能对比、用户数增长、功率分配迭代及误码率曲线绘制等方向能帮助读者深入理解频率选择性衰落对系统性能的影响掌握多用户功率分配算法的完整实现思路并为后续改进或扩展研究提供基础。1. 频率选择性衰落信道中多用户 OFDM-DCSK 系统的功率分配先别急着点开 matlab 代码包“频率选择性衰落信道中多用户 OFDM-DCSK 系统的功率分配”这个标题扔进搜索框最常命中的是一个 MATLAB 代码包rar 压缩包里装着主程序、信道脚本和几份参考资料。你把代码从网盘拉下来在 matlab 2023b 里点开才发现大多例程只在等功率或 AWGN 下能跑一旦换成频率选择性信道误码率就开始“吊车尾”。这里的问题不在 OFDM也不在混沌而在功率分配——深衰落子载波该给多少功率强弱用户之间如何权衡是这套 OFDM-DCSK 能否真正落地的分水岭。我按自己的复现顺序讲一遍模型、代码、参数和翻车记录。读者是打算做混沌调制或非相干 OFDM 仿真的研究生以及刚拿到 rar 包但不知道从哪改起的工程师。看完你可以直接把它改成你自己的仿真框架。2. 从 DCSK 到 OFDM-DCSK先建对频率选择性信道模型2.1 DCSK 在频率选择性信道里的困境DCSK差分混沌键控的基本思想很朴素把一个比特拆成两段混沌信号前半段是参考后半段是携带数据比特的混沌信号数据为 1 时后半段与前半段相同为 0 时取反。接收端不需要信道估计不需要载波同步只要把前后两段做相关再判符号就能恢复数据。这是它在低功耗、低成本场景里受欢迎的根本原因。问题也出在这个相关上。频率选择性信道的多径时延如果比较长参考信号会通过多径叠加到后面的数据段上造成符号间干扰ISI同时数据段的拖尾也会污染下一帧的参考。相关不再只对应一个比特而是把前后几个路径的能量都卷了进来。结果是误码率出现平台加大发射功率也压不下去。OFDM-DCSK 的常规做法是让每个子载波独立承载一个 DCSK 符号流。发送端把混沌参考和数据样本放到同一个子载波上用 OFDM 的循环前缀去吸收多径时延。这样在每个子载波里原来的频率选择性衰落被打散成了复数常数增益 H_nDCSK 的相关可以在频域做既保留了非相干接收的优点也不用面对多径 ISI。代价是子载波之间增益差异很大有的子载波落进深度衰落信噪比可能比平均水平低一个量级。多用户接入则在这个框架上做子载波分组每个用户分到一段连续子载波或者按交错方式分配。用户之间由子载波的正交性天然隔离不需要额外的多用户检测。功率分配要解决的问题变成总功率有限不同用户的子载波增益不同谁该多给谁该少给或者干脆不给。2.2 频率选择性信道的离散模型与子载波增益计算仿真里最常用的是抽头延迟线模型。信道冲激响应写成离散形式h(n) Σ_{l0}^{L-1} a_l δ(n - l)其中 L 是多径抽头数a_l 是第 l 条路径的复增益。为了贴近真实场景路径功率通常按指数衰减越晚到的路径平均功率越低。OFDM 系统的子载波间距和采样率确定后每个子载波上的等效信道就是 h(n) 的 N 点离散傅里叶变换H_n Σ_{l0}^{L-1} a_l e^{-j2π n l / N}这条式子写出来简单但做仿真时大部分人第一个踩的坑是信道归一化。如果 h 的总能量不为 1H_n 的平均幅度就不是 1后面算信噪比、算注水的 gamma 参数全会偏。我习惯先把 h 归一化到单位能量再去做 FFT。下面是生成子载波增益的 MATLAB 函数可以直接放到代码包的主目录里function H per_subcarrier_channel(N, L) % N: FFT 长度也就是子载波总数 % L: 多径抽头数每个抽头间隔一个采样周期 % 返回 H(1:N)每个子载波上的复信道增益 h (randn(1, L) 1j * randn(1, L)) / sqrt(2); % 复高斯抽头 pdp exp(-(0:L-1) / L); % 指数功率延迟谱 h h .* sqrt(pdp); % 每条路径按功率加权 h h / norm(h); % 总能量归一化到 1 H fft(h, N); % 补零后做 FFT end说明一下参数N 是 OFDM 子载波数也是 FFT 点数L 是多径抽头数抽头间隔取一个采样周期避免引入小数倍延迟让 fft 结果更干净。pdp 用 exp(-l/L) 衰减L 越大信道越平坦L 越小频率选择性越强。norm(h)是欧几里得范数归一化后 h 的能量为 1这样 Hn 的平均模值大约为 1做信噪比计算时不会整体偏移。有些代码包里会直接用H fft(h, N)但 h 没有归一化结果不同信道长度下误码率曲线差好几个 dB这不是调制的问题是能量定义不统一的问题。2.3 子载波增益分布决定了功率分配的方向在 OFDM-DCSK 仿真里接收端经过 CP 删除和 FFT 后每个子载波上的输入输出关系可以近似写成Y_n H_n X_n W_n这里 W_n 是频域噪声。对某一条多径信道随便画一下 abs(H).^2 随子载波索引的变化就能看到有些子载波处于深谷增益可能比峰值低 10 dB 以上。如果所有子载波等功率发送处在峡谷里的子载波信噪比会非常差对应的用户误码率被拉高。功率分配的目的就是根据 abs(H_n).^2 重新分配各子载波功率。经典注水算法会把更多功率投到增益好的子载波上少给甚至不给深衰落子载波。这个思路直接套在单用户系统上没问题多用户系统里还要考虑用户之间的公平性后面第四章单独讲。3. 用 MATLAB 把多用户功率分配跑通注水算法与 OFDM-DCSK 帧结构3.1 代码文件怎么拆主仿真入口写在哪个文件拿到 rar 包之后先不要急着把所有代码塞进一个脚本。我一般按五个文件拆这样改参数和换算法都不用手忙脚乱params.m集中定义 N、K、beta、cp_len、L、P_total 等参数channel_gen.m生成 H 和 hwaterfill.m注水功率分配ofdm_dcsk_link.m发送、信道、接收的核心链路run_sim.m主仿真入口循环跑 BER画曲线主仿真入口只需要调用两个函数一个算功率一个跑链路。先用一个小脚本来验证代码能跑通再逐步加蒙特卡洛循环。3.2 注水功率分配函数的 MATLAB 实现注水算法的目标是在总功率约束下最大化容量结果是把功率分配给“信道噪声比”较高的子载波。每个子载波上的等效信道噪声比定义为gamma_n abs(H_n)^2 / N0N0 是噪声功率谱密度仿真里就是频域每个子载波上的噪声方差。功率分配的解是p_n max(mu - 1/gamma_n, 0)mu 是水位线需要满足总功率约束 sum(p_n) P_total。mu 没有闭式解用二分法找。function p waterfill(gamma, P_total) % 标准注水功率分配 % gamma : 子载波信道噪声比向量长度 N % P_total : 总发射功率 % 返回 p : 分配给每个子载波的功率 gamma gamma(:); % 统一成列向量 N length(gamma); gamma(gamma 0) eps; % 避免除零深度为零当作极小值 mu_lo 1 / max(gamma); % 最低水位 mu_hi P_total 1 / min(gamma); % 一个足够高的水位上界 for it 1:200 mu (mu_lo mu_hi) / 2; p max(mu - 1 ./ gamma, 0); if abs(sum(p) - P_total) 1e-8 break; elseif sum(p) P_total mu_lo mu; % 功率不够水位抬高 else mu_hi mu; % 功率超了水位压低 end end p max(mu - 1 ./ gamma, 0); % 最终功率负数截断为 0 end这段代码的关键在于 mu_lo 和 mu_hi 的选取。mu_lo 取 1/max(gamma)保证任何子载波上 p 至少可能为 0mu_hi 取 P_total 加 1/min(gamma)在极端深衰落时足够大。200 次迭代对二分查找完全是够用的大部分情况几十次就收敛了。调用时直接传 abs(H).^2 / N0。注意 gamma 里不能有负值所以先把小于等于 0 的用 eps 替代对结果的影响可以忽略。这样分配完的 p 之和与 P_total 的误差在 1e-8。3.3 多用户 OFDM-DCSK 的发送和接收核心链路下面这段代码模拟多用户 OFDM-DCSK 系统的一轮传输包括比特生成、混沌参考生成、子载波功率映射、频域信道叠加和 DCSK 相关判决。为了聚焦功率分配逻辑这里用频域等效信道也就是默认 CP 足够长且同步理想。function [ber, p, H] sim_multiuser_ofdm_dcsk(N, K, N_sub_user, beta, L, P_total, EbN0_dB) % 参数说明 % N : OFDM 子载波总数 % K : 用户数 % N_sub_user : 每个用户占用的子载波数总子载波数 K*N_sub_user % beta : DCSK 参考段长度每比特共 2*beta 个 OFDM 符号 % L : 多径抽头数 % P_total : 总发射功率 % EbN0_dB : 比特信噪比单位 dB N_sub K * N_sub_user; % 实际使用的子载波数 sub_alloc cell(K, 1); for k 1:K sub_alloc{k} (k-1)*N_sub_user (1:N_sub_user); % 连续子载波分组 end H per_subcarrier_channel(N, L); % 生成子载波频域增益 noise_var 10^(-EbN0_dB / 10); % 噪声功率 gamma abs(H(1:N_sub)).^2 / noise_var; % 只对有用户的部分做功率分配 p waterfill(gamma, P_total); % 注水功率 % 随机产生每个用户 1 个比特 bits randi([0 1], K, 1); bits_mod 2 * bits - 1; % 0 映射为 -11 映射为 1 % 混沌参考序列先用高斯白噪声代替混沌序列 c_ref randn(K, beta); % 每个用户一个 beta 长的参考段 % 构造发送频域符号 X大小 N_sub x 2*beta X complex(zeros(N_sub, 2*beta)); for k 1:K idx sub_alloc{k}; for t 1:beta X(idx, t) sqrt(p(idx)) .* c_ref(k, t); X(idx, tbeta) sqrt(p(idx)) .* c_ref(k, t) .* bits_mod(k); end end % 频域等效信道加复高斯噪声 Y H(1:N_sub). .* X sqrt(noise_var/2) * (randn(size(X)) 1j * randn(size(X))); % DCSK 相关判决 bit_hat zeros(K, 1); for k 1:K idx sub_alloc{k}; corr real(sum(sum(Y(idx, 1:beta) .* conj(Y(idx, beta1:2*beta)), 2), 1)); bit_hat(k) double(corr 0); end ber mean(bit_hat ~ bits); % 这一轮仿真的误比特个数 end先看发送端。X 的行是子载波列是时间。前 beta 列放参考段后 beta 列放数据段。我这里用 randn 生成高斯序列代替真正的混沌序列因为 randn 的序列均值为零、方差为 1与混沌序列的统计特性接近先把链路跑通再换 logistic 映射或 Chebyshev 映射都行。功率 p 是按子载波给出的每个用户所占用子载波的功率来自 waterfill 的结果。这实现的是子载波间功率分配也就是频域功率控制而不是用户级功率控制。接收端相关判决那三行要拆开看。Y(idx, 1:beta)取该用户所有子载波上的参考段Y(idx, beta1:2*beta)取数据段。两者共轭相乘先对子载波维求和再对时间维求和得到一个相关值 corr。大于 0 判为比特 1否则判为比特 0。由于数据段由参考段乘以 bits_mod正的 bits_mod 会让相关为正负的会让相关为负所以判决是无偏的。这段代码里没有显式的 IFFT 和循环前缀操作是因为频域等效模型的计算结果和完整 OFDM 链路在 CP 足够长时完全一致。真实系统验证时再补成时域模型原理我在最后一章讲。3.4 主仿真脚本与蒙特卡洛循环单次调用 sim_multiuser_ofdm_dcsk 只能得到一个比特的判决结果要画 BER 曲线必须跑蒙特卡洛。需要注意的是每轮都要重新生成 H 和混沌序列否则只是测了某一条固定信道下的噪声平均。N 64; % 子载波总数 K 4; % 用户数 N_sub_user 16; % 每个用户 16 个子载波 beta 16; % DCSK 参考长度 L 6; % 多径抽头数 P_total 1; % 总功率归一化为 1 EbN0_dB 0:2:12; ber_user zeros(K, length(EbN0_dB)); trials 500; for i 1:length(EbN0_dB) ber_tmp zeros(K, 1); for t 1:trials [ber_one, ~, ~] sim_multiuser_ofdm_dcsk(N, K, N_sub_user, beta, L, P_total, EbN0_dB(i)); ber_tmp ber_tmp ber_one; end ber_user(:, i) ber_tmp / trials; end semilogy(EbN0_dB, mean(ber_user, 1), o-);因为每轮只给每个用户发一个比特trials 要足够大否则曲线抖动得厉害。简单起见可以改成每轮发几十个比特统计误码个数再累加这比多跑几轮更快。实际 I 建议把 sim 函数改成“每个用户一次发 N_bit 个比特”然后把相关判决改成矩阵运算效率会高很多。4. 调参数也是调性能功率分配里的迭代公差、用户公平性和信道参数4.1 影响功率分配结果的五个关键参数参数常见取值它影响什么N子载波数64频率分辨率子载波越多单个子载波带宽越窄频域增益越平坦L多径抽头数6 左右信道频率选择性强度L 越大不同子载波增益差异越大cp_len大于等于 L-1CP 不够长会直接破坏 OFDM 子载波正交性betaDCSK 参考长度832扩频增益beta 越大相关越平滑BER 越低但有效速率越低N0噪声功率10^(-EbN0/10)它直接进入 gamma 计算N0 一旦算错功率分配结果整体偏移cp_len 没有出现在 sim 函数里但实际 OFDM 链路里它是最容易埋雷的参数。频率选择性信道最大时延超过 CP前一个 OFDM 符号的拖尾会落到后一个符号的 FFT 窗口里子载波正交性被破坏。DCSK 相关对象变成了混着前后符号的混合体BER 曲线会迅速拉平。我的经验是 cp_len 最少取 L2留出一点裕度。beta 对功率分配的影响比较隐蔽。beta 越大每个比特分散到更多 OFDM 符号上频域相关时噪声被平滑得更多。也就是说在功率分配固定时beta 提高会让所有用户整体 BER 下降但它不会改变不同子载波之间的相对好坏。功率分配算法本身只依赖 gammagamma 与 beta 无关。4.2 注水算法的两个必调边界二分容差与迭代上限第 3 章 waterfill 函数里有三个数字按下去值得你自己调一调mu_lo、mu_hi 和 1e-8 容差。mu_lo 取 1/max(gamma) 是理论下限mu_hi 我给的非常宽是 P_total 加 1/min(gamma)。如果信道里有一个子载波增益特别小min(gamma) 会非常小mu_hi 会非常大二分查找前期要白白折半好多次。这不会让结果出错但会让 200 次迭代的最后一两次精度受到影响。可以改成 mu_hi P_total 1 / max(gamma)在绝大多数仿真里也够用收敛速度更快。迭代上限 200 次不是随便写的。二分法的收敛速度按区间宽度指数下降mu_lo 到 mu_hi 的范围即使大 100 倍40 次迭代也足够把误差压到 1e-8 以下。200 次纯粹是防止极端情况下死循环。如果这段代码跑得很慢问题通常不在迭代次数而是 gamma 向量很短时 for 循环里反复创建临时变量可以改成直接向量化。容差 1e-8 是绝对误差P_total 如果设成 1这个容差是够的。如果你把 P_total 设成 10001e-8 会过于严格导致迭代 200 次都不 break最后返回的 p 总功率误差仍在可接受范围但浪费了大量算力。更稳妥的做法是用相对误差abs(sum(p) - P_total) 1e-8 * P_total。4.3 用户公平性纯注水会饿死弱用户标准注水只看单个子载波的 gamma不看它属于哪个用户。如果一家用户的信道整体很差它占用子载波的 gamma 排在最末位很可能分不到任何功率。这在仿真里表现为某个用户的 BER 一直 0.5其他用户曲线正常。这时需要从“最大化和速率”转向“最大化最小用户速率”或“比例公平”。一种常见做法是把注水公式改成乘以用户权重 w_kp_n max(mu - 1 / (w_k * gamma_n), 0)w_k 取值大则该用户会被优先分配。w_k 1 时退化为标准注水。权重更新的常见做法是迭代每轮仿真后统计各用户速率把速率低的用户权重调大速率高的调小重复几次。这个迭代在频率选择性信道里通常跑 5 到 10 轮就能稳定。在 MATLAB 代码包里真正难的不是写这个加权注水而是判断当前算法是不是“假公平”。我见过不少代码在等功率下所有用户曲线一致但一开加权注水反而差别变大原因是权重没有归一化到同一个功率尺度。权重应满足平均关系 sum(w_k) / K 1否则总功率约束被破坏。代码里可以在每次更新权重后做一次归一化w w / mean(w)。5. 避坑手册多用户 OFDM-DCSK 仿真里最常见的 5 个翻车点5.1 误码率被卡在 0.5相关判决永远判负现象BER 固定为 1或者稳定在 0.5不管信噪比怎么调都上不去。原因DCSK 的数据段和参考段在构造时乘反了或者比特映射搞反。代码里 bits_mod 为 1 时相关为正为 -1 时相关为负如果 bits_mod 的定义是 0 对应正相关那判决结果会和真实比特正好相反。解决先打印一次相关值 corr 和真实 bits逐行核对。最简单的方法是临时去掉噪声并设置信道为 H 全 1跑一帧看判决是否完全一致一致再开启噪声和真实信道。5.2 功率分配后总功率不等于设定值现象输出 p 求和后比 P_total 大或小百分之几。原因waterfill 函数里的容差为绝对 1e-8当 P_total 很大时循环永远不满足条件最后直接返回最后一步的 p而最后一步的 p 可能还是在误差边界上。另一种原因是 gamma 里有负数或 NaN导致 max 函数忽略异常值。解决把退出条件改成相对误差同时检查 gamma 里所有值是否是有限正数。可以在 waterfill 函数开头加一行 assert(all(isfinite(gamma)), gamma 存在非有限值)。5.3 不同用户 BER 曲线差异大得离谱现象注水功率分配后三个用户 BER 性能好的发紫第四个用户一直很差但信道增益看起来并没有那么悬殊。原因子载波分配和功率分配的位置索引不一致。常见的翻车写法是功率分配时用了 H(1:N_sub)而给第四个用户分配子载波时用了 H(17:32) 之外的索引两者错位导致第四个用户拿到的“功率”其实来自别的子载波。解决打印 p 和 abs(H(1:N_sub)).^2 两个向量按用户分组求和确认每个用户总功率与对应子载波增益确实匹配。尤其在代码包从原作者的 32 子载波改成 64 子载波时这种索引错误最隐蔽。5.4 打开 rar 包里的 .m 文件中文注释乱码现象在 matlab 2023b 中打开下载的 .m 文件注释是一堆乱码运行还报“输入字符串无效”。原因源码文件是 GBK 编码保存的MATLAB 的编辑器和运行环境在某些系统语言下默认按 UTF-8 解析。这是中文网络流传代码包的老毛病和代码逻辑无关。解决把该 .m 文件用文本编辑器打开另存为 UTF-8 编码或者直接删掉注释里的中文只保留英文注释。运行一般不受影响乱码只影响阅读。如果文件里出现字符串常量里的中文另存为 UTF-8 后还要检查 MATLAB 能正确识别。5.5 真机运行报找不到 msvcp140.dll 或者 mex 文件无法加载现象代码包里有 .mexw64 文件运行时一调用就报“由于找不到 msvcp140.dll无法继续执行代码”。原因mex 文件是别人机器上编译的依赖的 Visual C 运行库和你本机不一致或者 MATLAB 版本跨得太远。mex 文件必须与你的 MATLAB 版本严格匹配不是所有 rar 包里的 mex 都能直接用。解决自己重新编译。如果找不到源码就直接跳过 mex 调用用纯 .m 脚本实现相同功能。对 OFDM-DCSK 的仿真来说几乎没有必须用 mex 的环节纯 .m 代码在 64 子载波下跑几千次也不算太慢。6. 让结果可信验证功率分配增益的两个对比实验和一个调试习惯验证功率分配做得好不好最直接的办法是拿它跟等功率分配放在同一组信道里对比。定义等功率分配为 p_equal P_total / N_sub保持系统参数完全相同只改功率向量分别统计误码率。如果注水效果好深衰落用户和平均用户之间的 BER 差距会明显缩小整体 BER 曲线也会比等功率低一到两格。这里要特别注意蒙特卡洛次数必须一致否则曲线低可能是统计抖动不是算法功劳。第二个实验是验证“分配结果是否真的跟随信道”。把信道 H 的某个子载波人为衰减到接近零再看对应子载波的分配功率应该是 0。用这个办法可以快速判断 waterfill 函数有没有抽象对了信道。同样如果把某用户全组的 gamma 都乘 0.5功率分配后这组的平均功率应当下降但也别降成零否则公平性需要调整。我自己的习惯是“黄金路径”调试法。所有多用户仿真都先跑一个简化到最低配置的版本单用户、单子载波、无噪声、无信道衰落确认 DCSK 相关能完美恢复比特然后打开噪声确认 BER 在 0 dB 附近不会出现 0.5 的异常平台再加入频率选择性信道确认 H 的频率选择性可以通过注水被补偿最后才上多用户分组和公平性约束。每一步只引入一个变量出问题时能立刻锁定在哪一层。平时改代码包时我也会做一个简单测试固定同一组 H把功率分配 p 打印出来存成 .mat换一个算法比如把注水替换成均等功率时再导出一次用 abs 和 diff 对比两次功率分配的差异。这样的验证比单纯看误码率曲线更直接因为误码率是几百次随机的平均值而功率分配差异是确定性的能更早发现问题。最后说一句我自己的习惯每次修改仿真代码我会先跑一次只有两比特的小循环使用一个固定随机种子打印每一步中间变量。等到中间变量全部与手算一致才把它改成蒙特卡洛长循环跑完。这个习惯帮我省下来的调试时间远比写代码本身多。希望帮到你。本文还有配套的精品资源点击获取