很多做通信方向的同学一开始都是从公式推导和理论分析入手等到真正想验证一个调制解调方案、看一条误码率曲线或者要把算法搭成可复现的系统时往往都会回到 MATLAB 和 Simulink。尤其在企业工程项目里“先建模型再跑仿真最后生成代码”这一套流程已经成了数字通信系统开发很成熟的落地方式。本文将以“通信系统建模与仿真”为主线围绕 MATLAB/Simulink 环境从概念、工具箱准备、通信建模基础知识到完整的 BPSK 数字通信系统实战再到 OFDM 扩展、App Designer 集成、C 代码生成与 MIL 测试等工程化话题展开。内容兼顾新手入门的可读性和工程落地的实用性Matlab/Simulink 通信仿真相关的知识点都会尽量覆盖到。1. 通信系统建模与仿真为什么要用 MATLAB/Simulink1.1 什么是通信系统建模与仿真通信系统建模与仿真简单来说就是把一个通信链路的发射机、信道、接收机抽象成可用数学描述、可编程实现的模型然后在计算机里模拟信号从发送到接收的完整过程。它解决的问题很直接在真实硬件和真实信道环境还不具备条件时先在软件层面验证算法是否可行、性能是否达标。一个典型数字通信系统包含以下几部分信源产生待传输的二进制数据或模拟信号。信道编码增加冗余提高抗干扰能力。调制映射将比特映射为符号例如 BPSK、QPSK、16QAM。脉冲成形限制信号带宽常用升余弦滤波器。信道叠加噪声、衰落、多径、频偏等影响。匹配滤波与同步完成定时同步、载波同步。解调与判决恢复出符号和比特。信道译码利用冗余纠错输出最终数据。仿真的核心价值在于可以精确控制信道参数比如信噪比、多径时延、多普勒频移可以快速对比不同算法的性能差异也可以在进入硬件实现前提前发现设计缺陷。1.2 MATLAB 与 Simulink 在通信仿真中的分工很多读者会问一个问题通信仿真到底用 MATLAB 脚本就够了还是必须用 Simulink我的观点是两者不是替代关系而是互补关系。MATLAB 脚本适合算法验证、批量仿真、理论曲线对比。优点是灵活写起来快适合做 Monte Carlo 误码率仿真。Simulink适合系统级建模、模块化组织、信号流可视化、以及后续的代码生成和硬件在环测试。对于复杂系统Simulink 的可视化调试能力比一大段脚本强很多。实际工程中通常是 MATLAB 脚本做前期的快速原型验证Simulink 做系统级模型搭建和集成测试最后再通过 Embedded Coder 生成 C/C 代码部署到硬件上。1.3 典型应用场景通信系统建模与仿真的应用范围很广常见包括无线通信链路仿真如 LTE/5G 物理层链路。卫星通信链路预算与干扰分析。水下声通信、可见光通信。雷达信号处理与通信一体化仿真。通信系统与电池管理系统、四旋翼飞控等多物理域系统联合仿真。例如Simulink 不仅可以做通信建模还可以和 Simscape 结合做电池建模也可以和航空航天工具箱联合做四旋翼滑模控制仿真。但本文聚焦在通信这个核心主题上。2. 环境准备与工具箱配置2.1 需要的 MATLAB 工具箱通信系统建模与仿真需要以下基础工具箱工具箱主要用途MATLAB 基础脚本、矩阵运算、绘图Simulink系统级图形化建模Communications Toolbox调制解调、信道模型、编码、误码率分析DSP System Toolbox滤波器设计、信号处理、频谱分析Signal Processing Toolbox波形生成、滤波、谱估计Embedded Coder可选生成嵌入式 C/C 代码如果要做 5G、LTE 相关仿真还需要 5G Toolbox 或 LTE Toolbox。做代码生成则需要 Simulink Coder 和 Embedded Coder。2.2 版本选择与安装建议MATLAB 目前是每年两个版本的节奏比如 R2024a、R2024b、R2025a、R2025b。不同版本之间部分工具箱功能会有调整。通信系统建模相关的核心模块在近几个版本中变化不算大但安装时需要注意以下两点如果使用学校或公司的许可证优先选择与系统环境兼容的版本。Simulink 模型文件存在兼容性问题高版本可以打开低版本模型但低版本无法直接打开高版本保存的模型。所以团队协作时建议统一版本。操作系统的选择上Windows 下安装最省心大部分教程都基于 Windows。Linux 下也可以运行比如 R2025b Linux 版本但要注意显卡驱动、虚拟内存配置。有些用户在虚拟机上跑 MATLAB 会比较慢这时候可以调整虚拟机 CPU 核数和内存分配或者考虑原生安装。2.3 仿真工作目录规划通信系统建模不是一次性脚本建议按项目结构管理文件project_root/ ├── models/ # 存放 .slx 模型文件 ├── scripts/ # 存放 MATLAB 脚本 ├── functions/ # 存放自定义函数 ├── results/ # 存放仿真结果和图片 └── data/ # 存放输入数据或信道参数在 MATLAB 中可以用cd切换到工作目录或者使用addpath(functions)将函数目录加入路径。这个习惯对于后续做批量实验和团队协作非常重要。3. Simulink 通信系统建模基础知识3.1 通信系统建模的抽象层次在 Simulink 中建模通信系统首先需要选择抽象层次比特级建模信号以比特流形式处理适合研究编码、交织、协议层算法。符号级建模信号以调制符号形式处理适合研究调制、信道、均衡。波形级建模信号以采样波形的形式处理更接近真实硬件适合研究滤波器、同步、射频失真。不同抽象层次对应不同的采样率和模块选择。初学者最容易犯的错误是把比特级和波形级混在一起导致采样率设置混乱。3.2 Simulink 常用通信模块在 Simulink 库浏览器中Communications Toolbox 提供了大量通信模块。以下是通信系统建模中最常用到的模块模块功能Bernoulli Binary Generator生成随机二进制比特流Random Integer Generator生成随机整数符号BPSK Modulator BasebandBPSK 基带调制QPSK Modulator BasebandQPSK 基带调制Rectangular QAM Modulator Baseband矩形 QAM 调制AWGN Channel加性高斯白噪声信道Rayleigh Channel瑞利衰落信道Discrete-Time Scatter Plot离散时间星座图显示Constellation Diagram星座图Error Rate Calculation误码率统计Discrete-Time Eye Diagram眼图显示这些模块在 Communications Toolbox 中都可以直接拖拽使用。3.3 信号表示与采样率设计Simulink 通信建模中采样率设计是最容易出错的地方。在波形级仿真中必须明确两个关键参数符号速率Symbol Rate每秒传输的符号数单位 Baud。每符号采样数Samples Per Symbol每个符号周期内采样的点数。它们的关系是采样率 符号速率 × 每符号采样数例如符号速率为 1 kHz每个符号采样 8 个点那么采样率为 8 kHz。在设计升余弦滤波器时需要根据每符号采样数来设置滤波器参数。在 Simulink 中可以用 Sample Time 参数来控制模型的采样时间。例如采样率 8 kHz 对应采样时间 1/8000 秒。当多个模块的采样率不一致时Simulink 会自动插入采样率转换模块Rate Transition但手动控制更可靠。3.4 从 MATLAB 脚本驱动 Simulink 模型在批量仿真中我们通常不会每次手动打开 Simulink 修改参数而是通过 MATLAB 脚本批量设置参数并运行。核心方式是使用set_param和sim函数。% 打开模型 modelName bpsk_system; open_system(modelName); % 设置 AWGN 信道的 SNR 参数 set_param([modelName /AWGN Channel], SNR, 10); % 设置仿真时间 set_param(modelName, StopTime, 1000); % 运行仿真 simOut sim(modelName);这里[modelName /AWGN Channel]是 Simulink 中模块的路径。每个模块的名字必须与模型中实际名称完全一致否则会报错。4. 完整实战BPSK 数字通信系统仿真4.1 需求分析我们来搭建一个完整的 BPSK 数字通信系统包含随机二进制信源BPSK 基带调制AWGN 信道BPSK 基带解调误码率统计星座图与误码率曲线这是通信系统建模与仿真中最经典的入门实战也是很多课程作业的基础模型。4.2 创建 Simulink 模型打开 MATLAB在命令行输入simulink打开 Simulink 库浏览器然后新建一个空白模型保存为bpsk_system.slx。接下来在模型中添加模块并连接Bernoulli Binary GeneratorCommunications Toolbox → Sources生成二进制比特流。BPSK Modulator BasebandCommunications Toolbox → ModulationBPSK 调制。AWGN ChannelCommunications Toolbox → Channels添加高斯白噪声。BPSK Demodulator BasebandCommunications Toolbox → ModulationBPSK 解调。Error Rate CalculationCommunications Toolbox → Comm Sinks误码率统计。Constellation DiagramCommunications Toolbox → Comm Sinks星座图显示。模块连接关系如下Bernoulli Binary Generator → BPSK Modulator Baseband → AWGN Channel → BPSK Demodulator Baseband → Error Rate Calculation 其中 - BPSK Modulator Baseband 的输出接 AWGN Channel 输入 - AWGN Channel 的输出同时送 BPSK Demodulator Baseband 和 Constellation Diagram - Bernoulli Binary Generator 的输出同时送 Error Rate Calculation 的 Tx 端口 - BPSK Demodulator Baseband 输出送 Error Rate Calculation 的 Rx 端口 - Error Rate Calculation 的输出接 Display 模块Simulink → Sinks4.3 发射机子系统在实际工程中为了提高模型可读性会把发射机封装成子系统。右键选中信源和调制模块选择 “Create Subsystem from Selection”得到Transmitter子系统。子系统内部包含Bernoulli Binary GeneratorProbability of a zero 设为 0.5输出为帧格式。BPSK Modulator BasebandPhase offset 设为 0。这里要注意BPSK 调制将二进制比特 0/1 映射为星座点1/-1输出为复数基带信号。4.4 信道与噪声AWGN Channel 模块的参数设置是核心SNRdB设置为变量例如snr_var方便脚本批量修改。Signal to noise ratio这里可以选择 SNR、Eb/No 等参数。如果选择 Eb/No需要结合每比特能量和噪声功率谱密度来设置。Input signal power默认为 1表示归一化信号功率。由于 BPSK 的星座点是 1/-1平均功率为 1。所谓 AWGN 信道就是信号在传输过程中叠加服从高斯分布的加性噪声。Simulink 中的 AWGN Channel 模块可以自动根据设置的 SNR 计算噪声方差。在参数设置中如果将 SNR 参数写成一个变量名那么在脚本中通过set_param修改变量值再运行仿真就能快速得到不同信噪比下的误码率。4.5 接收机子系统接收机包含 BPSK Demodulator Baseband 和 Error Rate Calculation。BPSK Demodulator Baseband 判决策略是接收符号的实部大于 0 判为 1实部小于 0 判为 0。如果相位偏移设置为 0则直接对实部判决即可。Error Rate Calculation 模块有三个端口Tx发送的原始比特序列。Rx接收端判决后的比特序列。输出端口输出[误码率, 误码数, 总比特数]。为了对齐发送端和接收端的延迟可以在发送路径上适当添加 Delay 模块。BSPK 调制解调本身不引入延迟但在加入滤波器后会存在时延需要根据滤波器群延迟进行补偿。4.6 运行仿真在模型中双击显示模块然后点击运行按钮。仿真结束后Display 模块会显示当前的误码率。 Constellation Diagram 会显示接收信号的星座点分布。当 SNR 较大时星座点聚集在 1 和 -1 附近SNR 较小时星座点会散开。不过单次运行只是验证模型是否正确。要得到可靠的误码率曲线需要进行多次蒙特卡洛仿真并对不同 SNR 值分别运行。4.7 误码率曲线绘制MATLAB 脚本在实际项目中更常用的做法是使用 MATLAB 脚本批量运行 Simulink 模型并将结果绘制成 BER-SNR 曲线。下面是一个完整的脚本示例% 文件scripts/run_ber_simulation.m clear; clc; close all; % 打开模型 modelName bpsk_system; open_system(modelName); % 设置仿真时间 set_param(modelName, StopTime, 100000); % 要仿真的 Eb/No 范围dB EbNoVec 0:2:10; % 启动显示记录误码率 berSim zeros(length(EbNoVec), 1); for idx 1:length(EbNoVec) % 设置当前 Eb/No set_param([modelName /AWGN Channel], SNR, num2str(EbNoVec(idx))); % 运行仿真并获取结果 simOut sim(modelName); % 从 Error Rate Calculation 输出获取误码率 % 这里假设 Error Rate Calculation 的输出连接到名叫 BER 的 To Workspace 模块 berSim(idx) simOut.ber(1); fprintf(Eb/No %.1f dB, BER %.5f\n, EbNoVec(idx), berSim(idx)); end % 理论误码率曲线 berTheory berawgn(EbNoVec, psk, 2, nondiff); % 绘图 figure; semilogy(EbNoVec, berSim, bo-, LineWidth, 1.5); hold on; semilogy(EbNoVec, berTheory, r*-, LineWidth, 1.5); grid on; xlabel(Eb/No (dB)); ylabel(Bit Error Rate); title(BPSK 在 AWGN 信道下的误码率性能); legend(仿真结果, 理论值, Location, southwest);需要说明的是上面的脚本中我们假设模型里 Error Rate Calculation 模块连接了一个 To Workspace 模块变量名为ber。如果实际模型没有这个模块需要手动添加。To Workspace 模块参数设置Variable nameberSave formatTimeseries 或 Array。推荐使用 Array方便读取。此外蒙特卡洛仿真中如果每个 SNR 点只跑一次结果会有波动。为了得到平滑的曲线建议每个 SNR 点运行多次取平均或者设置较长的仿真时间。4.8 纯 MATLAB 方式的 BPSK 仿真除了 Simulink也可以用纯 MATLAB 脚本实现 BPSK 误码率仿真。这种方法更适合算法快速验证。% 文件scripts/bpsk_matlab_demo.m clear; clc; close all; % 参数设置 numBits 1e6; % 仿真比特数 EbNoVec 0:2:10; % Eb/No 范围dB ber zeros(length(EbNoVec), 1); for idx 1:length(EbNoVec) % 生成随机二进制比特 data randi([0 1], numBits, 1); % BPSK 调制0 - -1, 1 - 1 txSymbols 2 * data - 1; % 计算噪声方差 EbNoLin 10^(EbNoVec(idx) / 10); noiseVar 1 / (2 * EbNoLin); % 添加 AWGN 噪声 noise sqrt(noiseVar) * randn(numBits, 1); rxSymbols txSymbols noise; % 判决 rxBits rxSymbols 0; % 计算误码率 bitErrors sum(data ~ rxBits); ber(idx) bitErrors / numBits; end % 理论误码率 berTheory berawgn(EbNoVec, psk, 2, nondiff); % 绘图 figure; semilogy(EbNoVec, ber, bo-, LineWidth, 1.5); hold on; semilogy(EbNoVec, berTheory, r*-, LineWidth, 1.5); grid on; xlabel(Eb/No (dB)); ylabel(Bit Error Rate); title(BPSK AWGN 信道误码率仿真MATLAB 脚本); legend(仿真结果, 理论值, Location, southwest);运行后可以看到仿真曲线与理论值基本吻合。当 Eb/No 增大到 10 dB 时误码率已经非常低。这个纯 MATLAB 脚本是理解 BPSK 原理的最直接方式建议同学们在搭 Simulink 模型之前先用脚本跑通这样后续模型有问题时也更容易定位。5. 进阶OFDM 系统建模与仿真思路5.1 OFDM 的基本原理OFDM正交频分复用是现代无线通信系统的基础技术之一WiFi 和 4G/5G 都基于它。它的核心思想是将一个高速数据流分成多个低速子流分别调制到一组正交的子载波上并行传输。OFDM 的关键处理环节包括串并转换与子载波映射QAM 调制IFFT逆傅里叶变换将频域符号转换为时域信号添加循环前缀 CP经过信道后接收端去掉 CPFFT 将时域信号恢复为频域符号信道估计与均衡5.2 Simulink 中 OFDM 建模要点在 Simulink 中搭建 OFDM 系统较常用的方式是使用 Communications Toolbox 中的 OFDM 相关模块OFDM ModulatorOFDM DemodulatorOFDM Modulator 参数配置包括FFT size子载波总数如 64、256。NumGuardBandCarriers保护带子载波数。Cyclic prefix length循环前缀长度。PilotCarrierIndices导频子载波索引。如果不想使用自带模块也可以直接用 MATLAB Function 或者 MATLAB 脚本加 Simulink 模块混合实现。5.3 与 MATLAB 脚本结合的验证方式OFDM 系统复杂度较高一般建议先在 MATLAB 脚本中完成浮点验证再迁移到 Simulink 中做定点化和代码生成。一个简单的 OFDM MATLAB 仿真流程如下% 文件scripts/ofdm_demo.m clear; clc; close all; % OFDM 参数 NFFT 64; % FFT 点数 numSym 100; % OFDM 符号数 M 4; % QPSK 调制阶数 cpLen 16; % 循环前缀长度 EbNo 20; % Eb/NodB % 生成随机数据 data randi([0 M-1], NFFT, numSym); % QPSK 调制 txQam pskmod(data, M, pi/4); % IFFT ifftOut ifft(txQam, NFFT); % 添加循环前缀 txSignal [ifftOut(end-cpLen1:end, :); ifftOut]; % 串行输出 txSignal txSignal(:); % 添加 AWGN 噪声 Es mean(abs(txSignal).^2); EbNoLin 10^(EbNo/10); N0 Es / (log2(M) * EbNoLin); noise sqrt(N0/2) * (randn(size(txSignal)) 1i*randn(size(txSignal))); rxSignal txSignal noise; % 接收端处理 rxSignal reshape(rxSignal, NFFTcpLen, numSym); rxSignal rxSignal(cpLen1:end, :); fftOut fft(rxSignal, NFFT); % QPSK 解调 rxData pskdemod(fftOut, M, pi/4); % 计算误码率 ber sum(sum(data ~ rxData)) / (NFFT * numSym); fprintf(OFDM QPSK 系统误码率: %.5f\n, ber);这个示例没有包含信道估计和均衡实际系统中还需要加入导频和均衡模块。6. 工程化扩展App Designer 集成、代码生成与 MIL 测试6.1 使用 App Designer 实时显示仿真结果在很多课程设计和工程项目中都希望把 Simulink 仿真结果实时显示在 GUI 界面上。MATLAB 的 App Designer 可以和 Simulink 模型联合使用在 App 中点击按钮运行 Simulink 仿真并将仿真结果显示在坐标区。核心思路是使用sim函数在 App 回调中运行模型然后把结果赋值给 App 中的 UIAxes 组件。% App Designer 中的按钮回调函数示例 function RunButtonPushed(app, event) % 设置模型参数 modelName bpsk_system; % 从输入框获取 SNR 值 snrVal app.SNRInputEditField.Value; set_param([modelName /AWGN Channel], SNR, num2str(snrVal)); % 运行仿真 set_param(modelName, StopTime, 1000); simOut sim(modelName); % 将接收信号绘制到 App 的坐标区 plot(app.UIAxes, real(simOut.rxSignal)); end要让 Simulink 模型能输出信号给 App Designer需要在模型中添加 To Workspace 模块把关心的信号如接收信号、星座点保存到工作区。这样在 App 中就能通过simOut获取。6.2 Simulink 模型 C 代码生成Simulink 通信模型除了仿真还可以生成 C/C 代码部署到嵌入式平台。这是通信算法从原型验证走向硬件实现的关键一步。代码生成的基本流程在 Simulink 模型配置参数中选择求解器为 Fixed-step。在 Code Generation 页面选择系统目标文件比如ert.tlcEmbedded Real-Time 目标。确保模型中的模块支持代码生成。点击 Build 按钮生成代码。通信模型中要特别注意必须使用固定步长求解器。模型中不能包含部分仅仿真模块如部分显示模块。数据类型建议显式指定可以使用定点化工具将浮点模型转换为定点模型。提到.tlc文件这是 Simulink 代码生成目标文件的后缀。用户也可以自定义 TLC 文件实现特定硬件平台的适配。不过对大多数用户来说直接使用 Embedded Coder 自带的目标文件即可。6.3 Simulink 的 MIL 测试在基于模型的设计流程中MILModel In the Loop测试是最早阶段的验证手段。它的核心思想是在 Simulink 环境中直接测试模型功能是否符合需求验证其行为是否和设计预期一致。MIL 测试通常在以下环节使用需求验证确认模型实现正确。覆盖率分析检查模型中的分支、条件是否被充分覆盖。与后续 PILProcessor in the Loop、HILHardware in the Loop结果对比。Simulink Test 工具箱提供了测试管理、覆盖率分析等功能。在通信系统项目中可以用 Signal Editor 模块注入不同的测试信号用 Simulink Test 编写测试用例。6.4 外部模式与信号对象Simulink 外部模式External Mode是一个很有用的功能它允许 Simulink 模型与硬件实时通信。在外部模式下Simulink 模型运行在目标硬件上同时可以实时查看和修改参数。通信系统调试中外部模式常用于实时调参。Simulink 信号对象Simulink.Signal用于在模型层面指定信号的数据类型、初值、存储类等属性。它可以帮助在代码生成时精确控制变量在目标硬件上的存储方式。在大型通信项目中信号对象是团队协作时保证接口一致性的重要工具。% 创建信号对象 sigObj Simulink.Signal; sigObj.DataType double; sigObj.InitialValue 0; sigObj.Tunable on;但信号对象属于相对进阶的内容初学者可以先了解概念在做代码生成项目时再深入。7. 常见问题与排查思路通信系统建模与仿真运行中经常遇到各种问题下面整理一份高频问题排查表问题现象常见原因解决思路仿真结果误码率远大于理论值采样率设置错误或信噪比参数配置不当检查 Symbol rate 和 Samples per symbol 关系确认 SNR/EbNo 参数形式Error Rate Calculation 报长度不匹配发送端和接收端存在延迟导致端口信号长度不一致在发送路径上添加 Delay 模块调整延迟时间对齐信号仿真速度非常慢采样率过高或仿真时间太长合理设置最大步长使用帧处理方式提高效率必要时用加速模式Constellation Diagram 不刷新显示模块刷新周期设置过长或仿真时间太短降低显示刷新频率或延长仿真时间set_param 报错找不到模块模块名称拼写错误或路径中包含中文/空格检查模型中的实际模块名称确认路径层级Simulink 打开模型很慢模型过大或路径配置有问题清理 MATLAB 路径关闭不必要的工具箱R2022b 版本出现 Error 9 错误常见为系统兼容性或 JVM 问题更新到最新补丁修改 MATLAB 启动参数检查系统临时目录代码生成时模块不支持部分显示模块不适用于代码生成删除或替换为 To Workspace检查模块属性如果遇到模型运行结果不符合预期建议按以下顺序排查先用 Display 模块查看关键信号是否存在。再检查模块的采样时间设置是否一致。然后对比 MATLAB 脚本结果和 Simulink 结果逐步模块化定位。8. 最佳实践与工程建议8.1 建模规范模型命名要清晰比如用Tx、Rx、Channel等前缀区分。常用参数使用 MATLAB 工作区变量用set_param统一管理。子系统封装时将参数提升到子系统 Mask 层面。为模型添加注释说明关键设计决策和参数来源。8.2 仿真性能优化通信系统仿真通常计算量很大优化手段包括使用帧处理方式。将多个符号组成一帧减少模块调用次数。在模型配置参数中启用 Simulink Accelerator 模式。使用 To Workspace 保存结果避免频繁使用 Display 和 Scope 显示因为图形刷新很耗资源。批量仿真时使用parfor并行运行多个 SNR 点的仿真。8.3 结果可复现性仿真结果的可复现性在学术和工程中都很重要设置随机数种子例如rng(2025);保证每次仿真噪声序列相同。保存仿真使用的模型版本、MATLAB 版本和关键参数。将仿真结果保存为.mat文件并附带说明。8.4 版本兼容与团队协作团队协作时建议统一 MATLAB/Simulink 版本。使用 Git 做模型版本管理虽然.slx模型文件是二进制格式但仍然可以纳入版本库管理不便于 diff 但能追踪变更记录。建立模型评审流程提交前检查模型规范。8.5 安全边界与数据备份通信系统建模往往涉及大量参数调整和长时间仿真。对生产环境的变更需要谨慎大改模型前先复制备份。涉及批量仿真或长耗时任务时先跑少量样本验证。在正式代码生成前完成完整的 MIL 测试并保留测试记录。9. 总结与下一步学习路线9.1 本文核心要点本文围绕 MATLAB/Simulink 通信系统建模与仿真这一主题整理了从基础概念到工程化落地的完整知识框架理解通信系统建模与仿真的核心层次。掌握 BPSK 系统在 Simulink 中的搭建流程和参数设置。完成了 MATLAB 脚本和 Simulink 两种方式的误码率仿真对比。了解了 OFDM 系统建模的基本思路。掌握了 App Designer 集成、C 代码生成、MIL 测试等工程化扩展方向。整理了常见问题排查和最佳实践。9.2 继续深入的方向如果这篇文章的内容你已经完全掌握接下来可以按以下方向继续深入更复杂的调制方式从 BPSK 扩展到 QPSK、8PSK、16QAM、64QAM对比不同调制方式下的频谱效率和误码率性能。信道模型扩展研究瑞利信道、莱斯信道、频率选择性衰落信道下的系统性能。同步技术在 Simulink 中实现载波同步、符号定时同步理解实际接收机的同步环路。信道编码将卷积码、Turbo 码、LDPC 码引入系统观察编码增益。5G NR 链路级仿真尝试使用 5G Toolbox 完成一个完整的 5G 下行链路仿真。硬件在环结合软件无线电硬件或 DSP 开发板将 Simulink 模型部署到真实硬件上运行。通信系统建模与仿真是一门需要大量动手练习的学问。建议你从本文的 BPSK 实战开始把模型自己搭建一遍再逐步增加复杂功能。动手过程中遇到的每一个报错都是加深理解的机会。如果本文对你有帮助可以收藏备用也欢迎在实际建模中多尝试不同的模块和参数组合。