Matlab 16QAM完整调制解调 误码率，误符号率，awgn信道，匹配滤波

16QAM调制解调这事儿，说难不难但细节特别容易翻车。咱们今天用Matlab整点活，从信号生成到误码率统计走个完整流程，过程中可能遇到的坑点我直接摔几个跟头给你们看。

先搞调制部分。核心是把4个二进制位映射到一个复平面上：

M = 16; % 星座点数
k = log2(M); % 每个符号携带的比特数
data = randi([0 1], 10000*k, 1); % 生成随机二进制数据流

% 比特分组转十进制
symbols = bi2de(reshape(data, k, [])', 'left-msb');
% 16QAM调制
constellation = qammod(symbols, M, 'UnitAveragePower', true);

这里有个隐藏陷阱——'UnitAveragePower'参数要是没开，星座点平均功率会变成1.25，后面Eb/N0计算直接崩盘。调制后的信号长这样：

scatterplot(constellation);
grid on;
title('16QAM星座图');

这时候看到的16个点应该均匀分布在四个象限，每个象限四个点呈3x3网格缺中心点的结构。

加AWGN信道时得注意能量换算：

EbNo = 15; % 信噪比设置
snr = EbNo + 10*log10(k); % 关键转换公式
rxSig = awgn(constellation, snr, 'measured');

这里很多人会直接用EbNo直接当SNR用，结果误码率高得离谱。实际SNR要加上10*log10(每个符号的比特数)，因为能量是按符号算的。

匹配滤波千万别简单用矩形窗：

rolloff = 0.35; % 滚降系数
span = 10; % 滤波器符号长度
sps = 4; % 每个符号采样点数
rctFilt = rcosdesign(rolloff, span, spps);

% 上采样后滤波
upSampled = upsample(rxSig, sps);
filtered = conv(upSampled, rctFilt, 'same');

% 最佳采样点选择
demodSig = filtered(span*sps/2+1:sps:end-span*sps/2);

这里卷积后要掐头去尾，取中间有效部分。有个骚操作是用'same'参数自动对齐，但实际工程中得严格计算时延补偿。

解调时直接硬判决：

demodSymbols = qamdemod(demodSig, M, 'UnitAveragePower', true);
ber = sum(data ~= de2bi(demodSymbols, k, 'left-msb')(:)) / numel(data);
ser = sum(symbols ~= demodSymbols) / numel(symbols);

注意误码率和误符号率的区别——一个符号错误可能对应多个比特错误。比如星座图中相邻点可能只有1比特差异，对角线可能差2-3比特。

跑完整个流程后，把EbNo从0到20扫一遍，画出来的曲线应该是这样的：

figure;
semilogy(EbNo_range, BER, 'r-o', EbNo_range, SER, 'b-x');
legend('误码率','误符号率');
xlabel('Eb/N0 (dB)');
ylabel('错误率');
grid on;

典型现象是误符号率曲线永远在误码率下方，毕竟一个符号错可能带崩多个比特。当EbNo超过13dB后，16QAM的误码率会断崖式下降，这时候要是你的曲线没这趋势，赶紧检查匹配滤波的滚降系数是不是设太大了。

最后说个实战技巧：用parfor循环跑蒙特卡洛仿真时，记得把随机数种子分开设置，不然并行跑出来的结果全是相关的。还有更狠的——直接调用GPU加速，把qammod改成gpuArray版，速度能提升十多倍，不过笔记本显卡可能会抗议。