基于Simulink的2x2 MIMO-OFDM通信链路仿真系统

资 源 简 介

本项目在MATLAB/Simulink环境下完整搭建并实现了一个2发2收（2x2）的MIMO-OFDM无线通信物理层链路。系统旨在模拟和分析现代宽带无线通信的核心传输机制，涵盖了从信源编码到信宿恢复的完整过程。 系统首先生成随机二进制比特流，通过QAM调制器进行星座映射，随后利用空间复用技术将数据分布到两个发射分支。 在每个发送分支中，系统执行标准的OFDM调制流程，包括导频符号插入、快速反傅里叶变换（IFFT）将频域信号转为时域，以及添加循环前缀（CP）以消除多径传播带来的符号间干扰（ISI）。 信号经

详 情 说 明

基于Simulink物理层逻辑的2x2 MIMO-OFDM通信链路仿真系统

项目介绍

本项目实现了一个完整的2x2多输入多输出（MIMO）正交频分复用（OFDM）宽带无线通信物理层仿真系统。该系统参照现代无线通信标准（如WiFi、4G/5G），在MATLAB环境下通过代码逻辑模拟了从二进制比特流发送到接收端恢复的全过程。系统重点展示了MIMO空间复用技术如何提升吞吐量，以及OFDM技术如何利用循环前缀（CP）对抗多径衰落带来的符号间干扰（ISI）。

功能特性

• 多天线架构：采用2个发送天线和2个接收天线（2x2 MIMO）的空间复用配置。
• 高效调制方案：支持16-QAM高阶调制，实现高频谱效率的数据传输。
• 稳健的信道处理：采用64点FFT/IFFT的OFDM体制，支持循环前缀插入，有效克服频率选择性衰落。
• 复杂信道模拟：内置3径瑞利衰落信道模型，综合考虑多径时延、空间增益和加性高斯白噪声（AWGN）。
• 双重均衡技术：实现了迫零（ZF）和最小均方误差（MMSE）两种线性均衡算法，用于空间流分离。
• 全方位可视化：提供误码率（BER）性能曲线、星座图、信道频率响应及信号功率谱密度（PSD）分析。

系统要求

• MATLAB R2020a 或更高版本
• Communications Toolbox（通信工具箱）
• Signal Processing Toolbox（信号处理工具箱）

使用方法

1. 解压项目文件并启动MATLAB。
2. 将当前工作路径切换至项目所在文件夹。
3. 在命令行窗口输入相应的运行命令启动仿真。
4. 程序将自动执行从SNR=0dB到20dB的逐点仿真，并在完成后弹出四个关键性能分析图表。
5. 控制台会实时输出最后一步仿真得到的ZF均衡与MMSE均衡下的误码率数值。

详细功能实现逻辑

系统仿真严格遵循物理层信号处理流程，具体逻辑如下：

1. 信号生成与星座映射

系统首先针对两个发射天线各生成一组随机二进制比特流。随后使用 qammod 函数将比特流映射为16-QAM符号，并采用平均功率归一化处理，确保发送总功率的一致性。

2. OFDM帧结构构建

在频域上，系统对每个发射分支的符号进行整理。除了数据子载波外，还在特定的位置索引（12, 26, 40, 54）手动插入导频符号（1+1j），这些导频被植入64个子载波中，为后续的信道处理打下基础。

3. 时域变换与循环前缀

通过 ifft 函数将频域OFDM符号转为时域信号。为了消除多径传播导致的ISI，系统在每个OFDM符号的前端复制并添加了16个采样点的循环前缀（CP）。

4. MIMO衰落信道模型

这一部分是仿真的核心。系统构建了一个包含3条路径的瑞利衰落模型。信号通过 conv 函数与信道抽头系数进行卷积，模拟了多径时延效应。2x2的空间架构则通过矩阵运算模拟了两个发送端到两个接收端之间的相互干扰。

5. 噪声注入与接收

在信号到达接收天线后，根据设定的信噪比（SNR）使用 awgn 函数添加高斯白噪声，模拟真实无线环境中的电器噪声。

6. OFDM解调

接收端接收到叠加信号后，首先切割去掉循环前缀，然后通过 fft 变换恢复到频域。此时的信号包含了信道衰落和空间交叉干扰。

7. MIMO检测与信道均衡

系统执行频域均衡：

• 信道提取：系统从信道模型中提取时域抽头，转换到频域获取信道频率响应 $H$。
• ZF均衡：使用信道矩阵的伪逆进行空域检测，旨在完全抵消干扰，但在低SNR时容易放大噪声。
• MMSE均衡：在检测矩阵中引入噪声功率项 $sigma^2$，在抵消干扰和噪声放大之间寻求最佳平衡点。

8. 恢复与性能评估

均衡后的符号送入 qamdemod 进行解调恢复成对比特流。通过对比发送和接收的比特序列，计算并记录两个均衡算法在不同SNR下的误码率。

关键算法与实现细节分析

• 信道多径模拟：代码中定义了 nPaths = 3，这意味着每个天线链路都包含三个独立衰落的径。这种处理比简单的单径信道更能测试OFDM应对频率选择性衰落的性能。
• 理想信道估计逻辑：仿真中利用了 fft(H_paths, nFFT) 的方式直接获取精确的信道状态信息（CSI）。这被视为理想估计逻辑，用于评估均衡算法在最优条件下的性能边界。
• MMSE均衡器细节：MMSE算法通过 (H'H + sigma2 * I) H' 实现，其中 sigma2 根据当前的SNR实时计算。这比ZF更具有实际参考意义。
• 功率谱密度分析：利用 pwelch 函数分析接收信号，展示了OFDM信号特有的矩形频率特征，体现了多载波传输的频谱利用率。
• 性能可视化：程序生成的BER曲线对比了ZF和MMSE。通常在高SNR区MMSE退化为ZF，而在低SNR区MMSE性能明显优于ZF，这与理论预期完全一致。