简介这份资源是2024年全国大学生电子设计竞赛C题「无线传输信号模拟系统」的江苏省第一名完整方案面向备赛电赛的本科生、研究生及电子设计爱好者尤其适合需要攻克DDS信号生成、调幅波合成与多径传输模拟等难点的中高级选手。方案以STM32F407ZGT6为核心通过DDS产生四路频率与相位相对独立的信号分别作为直达与多径AM信号的载波和调制信号并独立控制幅值与相移利用DAC提供偏置经加法器与AD835乘法器得到调幅波再通过运放放大至目标幅值范围多径信号额外经PE4302程控增益器调节增益后合路输出。压缩包共约2000个文件以1096个C源文件、831个头文件为主辅以txt说明、md笔记及少量Python、JSON、CPP脚本整体约83.75MB目录结构便于按模块查阅。目前已有2279人学习下载读者可从中获取完整赛题实现思路、调幅波生成与增益控制细节以及可复用的嵌入式工程代码适合对照复盘与二次开发。1. 从一道电赛题说起无线传输信号模拟系统到底要做什么每年电赛季总有一道题让控制类和通信类的同学同时头疼——无线传输信号模拟系统。2024年C题就是这样一个典型要求模拟无线信道中的信号传输过程在发射端产生特定调制信号经过模拟信道后由接收端解调还原并且要能定量控制信噪比、衰减、频偏这些信道参数。听起来像是通信原理实验课的升级版但真正动手做起来你会发现它横跨了信号生成、信道建模、实时处理和参数测量四个领域任何一个环节掉链子最后解调出来的星座图就是一锅粥。我带过两届电赛队伍也看过不少拿省一甚至国奖的方案。这类题目的核心难点不在于某个单点技术有多深而在于系统级联后的信噪比预算和实时性约束。发射端DAC出来的信号经过信道模拟器再进入接收端ADC中间任何一级的噪声、杂散、量化误差都会累积。很多队伍在单独测试每个模块时指标都漂亮一联调就翻车星座点糊成一片误码率下不去。这篇方案拆解就是围绕这个痛点展开的适合正在准备电赛或者做类似通信系统课程设计的同学参考。2. 系统总体方案零中频架构与四大模块的职责划分2.1 为什么选零中频而不是超外差无线传输信号模拟系统的架构选择本质上是在复杂度、成本和性能之间找平衡。常见的方案有超外差和零中频两种。超外差架构把射频信号先搬到一个中频再处理镜像抑制和邻道选择性好但需要本振、混频器、中频滤波器这一整套链路对电赛四天三夜的周期来说调试量太大。零中频架构直接把基带信号搬到射频省掉了中频级链路短、元件少缺点是直流偏移和I/Q不平衡会直接影响EVM。我一般会建议队伍选零中频原因很实际电赛的评分重点在系统功能和参数可控性不是射频前端的极限性能。零中频架构下用一片AD9361或者类似的射频捷变收发器就能覆盖70MHz到6GHz的频率范围通道带宽可以软件配置省去了大量硬件调试时间。把精力集中在基带信号处理和信道模拟算法上性价比更高。2.2 四大模块的职责与接口定义整个系统拆成四个模块发射端基带处理、信道模拟、接收端基带处理、人机交互与参数测量。每个模块的职责和接口必须提前定死不然后期联调就是灾难。发射端基带处理负责产生调制信号。以QPSK为例需要完成比特流生成、串并转换、星座映射、脉冲成型滤波、上变频到中频。输出给DAC的数据是I/Q两路采样率通常选在10MSPS到30MSPS之间。这里有个血泪经验脉冲成型滤波器的滚降系数不要设得太小0.35是个稳妥的选择太小会导致峰均比升高DAC后面的放大器容易进入非线性区。信道模拟模块是整道题的核心。它要模拟三样东西加性高斯白噪声、多径衰落、频偏。AWGN用Box-Muller算法生成高斯随机数按目标信噪比叠加到信号上。多径用抽头延迟线模型抽头系数可以预设也可以实时计算。频偏就是在时域乘一个复指数频率偏移量由用户设定。这个模块的输入是发射端送来的I/Q数据输出是叠加了信道损伤的信号。接收端基带处理做相反的事下变频、匹配滤波、符号同步、载波恢复、判决解调。符号同步用Gardner算法载波恢复用Costas环。这两个算法的环路带宽需要仔细调太宽了噪声进来太窄了锁不住。人机交互模块用OLED或者串口屏显示星座图、误码率、信噪比这些关键指标同时提供按键或者触摸来调整信道参数。3. 信道模拟的工程实现从AWGN到多径衰落的代码落地3.1 AWGN生成与信噪比精确控制高斯白噪声的生成看起来简单但要精确控制信噪比有几个细节容易踩坑。首先是噪声功率的计算基准必须和信号功率在同一个观测窗口内统计。其次是高斯随机数的生成方法Box-Muller是最常用的但要注意它一次生成两个独立的高斯变量别浪费了。import numpy as np def awgn_channel(signal, snr_db): 对输入信号添加高斯白噪声 signal: 复数基带信号形状为(N,) snr_db: 目标信噪比单位dB 返回: 添加噪声后的信号 # 计算信号平均功率 signal_power np.mean(np.abs(signal) ** 2) # 由信噪比反推噪声功率 snr_linear 10 ** (snr_db / 10.0) noise_power signal_power / snr_linear # 生成复高斯噪声实部和虚部各占一半功率 noise np.sqrt(noise_power / 2) * ( np.random.randn(len(signal)) 1j * np.random.randn(len(signal)) ) return signal noise这段代码的关键在noise_power / 2这个系数。复高斯噪声的总功率是实部功率加虚部功率如果直接对实部和虚部都用sqrt(noise_power)总功率就翻倍了信噪比会差3dB。这个坑我在第一次做信道模拟时踩过星座图看起来只是稍微散了一点但误码率测试怎么都过不了后来用功率计一测才发现噪声功率高了整整一倍。3.2 多径衰落模型的抽头延迟线实现多径衰落的本质是信号经过不同路径到达接收端各路径的时延和衰减不同。抽头延迟线模型把这种物理过程抽象成有限个抽头每个抽头对应一条路径的复增益和时延。class MultipathChannel: def __init__(self, delays, gains): delays: 各路径时延单位采样点数列表 gains: 各路径复增益列表 self.delays delays self.gains gains self.buffer np.zeros(max(delays) 1, dtypecomplex) def process(self, sample): 逐样本处理适合实时流式数据 # 新样本移入缓冲区头部 self.buffer np.roll(self.buffer, 1) self.buffer[0] sample # 各路径加权求和 output 0j for delay, gain in zip(self.delays, self.gains): output gain * self.buffer[delay] return output这个实现是逐样本处理的适合在FPGA或者DSP上做实时流式处理。如果是在PC上做离线仿真可以用卷积一次性算完效率更高。抽头系数可以固定也可以根据多普勒频移实时更新。电赛题目里通常要求模拟静态多径和动态多径两种场景静态的用固定抽头就行动态的需要用Jakes模型或者简单的正弦波叠加来生成时变抽头。3.3 频偏引入与补偿的对称设计频偏在时域上就是乘一个复指数实现很简单但补偿端的对称设计才是关键。发射端引入的频偏是exp(j*2*pi*f_offset*t)接收端补偿时要用exp(-j*2*pi*f_offset_est*t)其中f_offset_est是估计出来的频偏。如果估计不准星座图会旋转QPSK的四个点会变成四个圆弧。def apply_frequency_offset(signal, fs, freq_offset): 对信号施加频偏 signal: 输入复数信号 fs: 采样率 freq_offset: 频偏值单位Hz t np.arange(len(signal)) / fs return signal * np.exp(1j * 2 * np.pi * freq_offset * t)频偏的估计用Costas环或者基于FFT的粗估计加细估计。Costas环的环路带宽一般取符号率的1%到5%具体值要看频偏范围和噪声水平。频偏大的时候环路带宽要宽一点否则锁不住噪声大的时候要窄一点否则抖动太大。这个参数没有标准答案需要根据实际场景调。4. 接收端同步与解调符号定时和载波恢复的联调技巧4.1 Gardner符号同步算法的参数整定Gardner算法是一种非数据辅助的符号定时同步方法每个符号只需要两个采样点计算量小适合实时实现。它的核心思想是利用相邻符号的过零点来提取定时误差。class GardnerTimingRecovery: def __init__(self, samples_per_symbol, loop_bw): self.sps samples_per_symbol self.mu 0.0 # 插值相位 self.integral 0.0 # 环路滤波器积分项 self.kp loop_bw * 0.1 # 比例增益经验值 self.ki loop_bw * 0.01 # 积分增益经验值 self.prev_sample 0j self.prev_symbol 0j def update(self, sample): 输入一个采样点输出同步后的符号 # 定时误差检测 error (sample - self.prev_symbol).real * self.prev_sample.real # 环路滤波 self.integral self.ki * error correction self.kp * error self.integral # 更新插值相位 self.mu correction # 这里省略了具体的插值计算实际实现需要用Farrow结构 self.prev_sample sample return self.mu环路带宽loop_bw的选取是个玄学。太宽了定时抖动大星座点发散太窄了收敛慢前几百个符号可能都锁不住。我一般会从0.01开始试观察星座图的收敛速度如果1000个符号内还锁不住就加大到0.02如果锁住了但星座点很散就减到0.005。这个调试过程没有捷径只能反复试。4.2 Costas环载波恢复的锁定检测Costas环用于载波相位恢复对QPSK信号鉴相器的输出是I路和Q路的乘积。锁定的判断可以通过观察鉴相器输出的均值是否趋近于零来实现。class CostasLoop: def __init__(self, loop_bw, fs, symbol_rate): self.phase 0.0 self.freq 0.0 self.alpha loop_bw * 0.1 self.beta loop_bw * 0.01 self.lock_counter 0 self.locked False def update(self, sample): # 相位旋转 rotated sample * np.exp(-1j * self.phase) # QPSK鉴相器 error np.sign(rotated.real) * rotated.imag - \ np.sign(rotated.imag) * rotated.real # 环路滤波 self.freq self.beta * error self.phase self.freq self.alpha * error # 锁定检测连续N个符号误差均值小于阈值 if abs(error) 0.1: self.lock_counter 1 else: self.lock_counter 0 if self.lock_counter 100: self.locked True return rotated锁定检测很重要因为电赛评分时会看系统能不能自动判断同步状态。如果Costas环没锁上解调出来的比特全是错的但系统如果不知道就会一直输出错误结果。加一个锁定指示没锁的时候输出全零或者特定的同步头反而能体现系统的完整性。4.3 联调时的信噪比预算分配接收端联调最容易出现的问题是单独测发射端EVM很好单独测信道模拟噪声功率准确单独测接收端环路的锁定范围够宽。但一联调误码率就是下不去。这时候要做一个信噪比预算表把每一级的噪声系数和增益都列出来看看哪一级吃掉了最多的裕量。环节噪声来源典型噪声系数对信噪比的贡献DAC输出量化噪声理论SNR6.02N1.76N14时约86dB发射端滤波器截断误差可忽略取决于字长信道模拟算法噪声由目标SNR决定主要可控项ADC输入量化噪声理论SNR6.02N1.76N12时约74dB接收端处理算法损耗1-2dB环路失锁时急剧恶化这张表的作用是帮你定位瓶颈。如果目标信噪比是20dB而ADC的量化信噪比只有74dB那ADC不是瓶颈。但如果接收端算法的实现损耗有3dB那实际到达解调器的信噪比就只有17dB误码率会比理论值差一个数量级。5. 避坑与常见问题联调阶段最容易翻车的五个点5.1 星座图糊成一团但误码率正常现象星座图上四个点明显发散但误码率测试结果却很好。原因通常是显示刷新率太低星座图是多个符号周期叠加的结果如果符号同步没完全锁定每个符号的采样点位置在漂移叠加出来就是糊的。但误码率统计的是判决后的比特只要采样点还在判决区域内比特就是对的。解决方法是降低星座图的显示刷新率或者只显示锁定后的符号。5.2 信噪比设置值和实测值差3dB现象软件里设置信噪比20dB但用频谱仪测出来只有17dB。原因在复高斯噪声的功率分配上实部和虚部各分了一半功率如果代码里没有除以2噪声总功率就翻倍了。这个坑前面提过但每年都有队伍踩。解决方法是写一个功率检测函数在加噪声前后分别统计信号功率确认信噪比计算无误。5.3 频偏补偿后星座图旋转现象加了频偏补偿但星座图还是慢慢旋转。原因是频偏估计有残差或者Costas环的积分项没有正确累积。频偏补偿是乘法操作如果估计值有1Hz的误差1秒后相位就差了360度。解决方法是先用FFT做粗估计把频偏降到1Hz以内再用Costas环做细跟踪。粗估计的精度取决于FFT点数1024点FFT在1MSPS采样率下的频率分辨率约1kHz不够的话可以补零到4096点。5.4 多径信道下符号同步失锁现象AWGN信道下同步正常切到多径信道就失锁。原因是多径导致符号间干扰Gardner算法的过零点检测被破坏了。解决方法是在符号同步之前加一个自适应均衡器用LMS算法消除多径影响。均衡器的阶数取多径时延扩展的2到3倍步长因子取0.01左右。如果多径时延不大也可以把Gardner的环路带宽调宽一点牺牲一些抖动性能换取锁定能力。5.5 实时处理时数据吞吐量不够现象离线仿真一切正常改成实时流式处理后误码率飙升。原因是处理一帧数据的时间超过了帧周期缓冲区溢出导致丢帧。解决方法是先做时间预算统计每个模块处理一个样本需要的时钟周期数乘以采样率看是否超过处理器的主频。如果超了要么降低采样率要么把计算量大的模块放到FPGA里做硬件加速。我一般会在设计初期就用示波器测每个模块的耗时留出至少30%的裕量。6. 验收与答辩怎么用一套测试流程证明系统达标验收和答辩是两回事。验收是证明系统能跑答辩是证明你懂为什么能跑。很多队伍系统做得不错但答辩时被问几个参数就露馅了问题出在没有一套完整的测试记录。我一般会要求队伍准备三样东西一张系统框图、一张测试数据表、一段演示视频。系统框图不用太花哨把四个模块和关键接口标清楚就行。测试数据表要覆盖所有要求的指标每个指标至少测三个点比如信噪比从0dB到30dB每隔5dB测一次误码率画成曲线。演示视频要包含参数调整的过程比如从AWGN切换到多径从无频偏切换到有频偏展示系统能实时响应。答辩时最容易被问到的几个问题信噪比是怎么定义的噪声功率怎么校准的符号同步的环路带宽怎么选的为什么选这个值多径模型的抽头系数怎么来的能不能模拟时变多径系统的实时性怎么保证的最坏情况下的处理延迟是多少。这些问题没有标准答案但如果你能说出自己的取舍逻辑比如“环路带宽选0.01是因为在1000个符号内能锁定同时抖动在可接受范围内”评委就会认可。还有一个技巧准备一个“故障演示”。故意把信噪比调到很低让星座图完全散开然后展示系统能自动检测到失锁并报警。这比只展示成功案例更能体现系统的鲁棒性。评委看了一天的成功演示突然看到一个能处理失败的印象分反而更高。从那以后我每次带队伍都强制要求他们在答辩前走一遍完整的测试流程把每个指标的测试方法和数据都记录在案。希望这些经验能帮到正在准备电赛或者类似通信系统设计的你。本文还有配套的精品资源点击获取
简介这份资源是2024年全国大学生电子设计竞赛C题「无线传输信号模拟系统」的江苏省第一名完整方案面向备赛电赛的本科生、研究生及电子设计爱好者尤其适合需要攻克DDS信号生成、调幅波合成与多径传输模拟等难点的中高级选手。方案以STM32F407ZGT6为核心通过DDS产生四路频率与相位相对独立的信号分别作为直达与多径AM信号的载波和调制信号并独立控制幅值与相移利用DAC提供偏置经加法器与AD835乘法器得到调幅波再通过运放放大至目标幅值范围多径信号额外经PE4302程控增益器调节增益后合路输出。压缩包共约2000个文件以1096个C源文件、831个头文件为主辅以txt说明、md笔记及少量Python、JSON、CPP脚本整体约83.75MB目录结构便于按模块查阅。目前已有2279人学习下载读者可从中获取完整赛题实现思路、调幅波生成与增益控制细节以及可复用的嵌入式工程代码适合对照复盘与二次开发。1. 从一道电赛题说起无线传输信号模拟系统到底要做什么每年电赛季总有一道题让控制类和通信类的同学同时头疼——无线传输信号模拟系统。2024年C题就是这样一个典型要求模拟无线信道中的信号传输过程在发射端产生特定调制信号经过模拟信道后由接收端解调还原并且要能定量控制信噪比、衰减、频偏这些信道参数。听起来像是通信原理实验课的升级版但真正动手做起来你会发现它横跨了信号生成、信道建模、实时处理和参数测量四个领域任何一个环节掉链子最后解调出来的星座图就是一锅粥。我带过两届电赛队伍也看过不少拿省一甚至国奖的方案。这类题目的核心难点不在于某个单点技术有多深而在于系统级联后的信噪比预算和实时性约束。发射端DAC出来的信号经过信道模拟器再进入接收端ADC中间任何一级的噪声、杂散、量化误差都会累积。很多队伍在单独测试每个模块时指标都漂亮一联调就翻车星座点糊成一片误码率下不去。这篇方案拆解就是围绕这个痛点展开的适合正在准备电赛或者做类似通信系统课程设计的同学参考。2. 系统总体方案零中频架构与四大模块的职责划分2.1 为什么选零中频而不是超外差无线传输信号模拟系统的架构选择本质上是在复杂度、成本和性能之间找平衡。常见的方案有超外差和零中频两种。超外差架构把射频信号先搬到一个中频再处理镜像抑制和邻道选择性好但需要本振、混频器、中频滤波器这一整套链路对电赛四天三夜的周期来说调试量太大。零中频架构直接把基带信号搬到射频省掉了中频级链路短、元件少缺点是直流偏移和I/Q不平衡会直接影响EVM。我一般会建议队伍选零中频原因很实际电赛的评分重点在系统功能和参数可控性不是射频前端的极限性能。零中频架构下用一片AD9361或者类似的射频捷变收发器就能覆盖70MHz到6GHz的频率范围通道带宽可以软件配置省去了大量硬件调试时间。把精力集中在基带信号处理和信道模拟算法上性价比更高。2.2 四大模块的职责与接口定义整个系统拆成四个模块发射端基带处理、信道模拟、接收端基带处理、人机交互与参数测量。每个模块的职责和接口必须提前定死不然后期联调就是灾难。发射端基带处理负责产生调制信号。以QPSK为例需要完成比特流生成、串并转换、星座映射、脉冲成型滤波、上变频到中频。输出给DAC的数据是I/Q两路采样率通常选在10MSPS到30MSPS之间。这里有个血泪经验脉冲成型滤波器的滚降系数不要设得太小0.35是个稳妥的选择太小会导致峰均比升高DAC后面的放大器容易进入非线性区。信道模拟模块是整道题的核心。它要模拟三样东西加性高斯白噪声、多径衰落、频偏。AWGN用Box-Muller算法生成高斯随机数按目标信噪比叠加到信号上。多径用抽头延迟线模型抽头系数可以预设也可以实时计算。频偏就是在时域乘一个复指数频率偏移量由用户设定。这个模块的输入是发射端送来的I/Q数据输出是叠加了信道损伤的信号。接收端基带处理做相反的事下变频、匹配滤波、符号同步、载波恢复、判决解调。符号同步用Gardner算法载波恢复用Costas环。这两个算法的环路带宽需要仔细调太宽了噪声进来太窄了锁不住。人机交互模块用OLED或者串口屏显示星座图、误码率、信噪比这些关键指标同时提供按键或者触摸来调整信道参数。3. 信道模拟的工程实现从AWGN到多径衰落的代码落地3.1 AWGN生成与信噪比精确控制高斯白噪声的生成看起来简单但要精确控制信噪比有几个细节容易踩坑。首先是噪声功率的计算基准必须和信号功率在同一个观测窗口内统计。其次是高斯随机数的生成方法Box-Muller是最常用的但要注意它一次生成两个独立的高斯变量别浪费了。import numpy as np def awgn_channel(signal, snr_db): 对输入信号添加高斯白噪声 signal: 复数基带信号形状为(N,) snr_db: 目标信噪比单位dB 返回: 添加噪声后的信号 # 计算信号平均功率 signal_power np.mean(np.abs(signal) ** 2) # 由信噪比反推噪声功率 snr_linear 10 ** (snr_db / 10.0) noise_power signal_power / snr_linear # 生成复高斯噪声实部和虚部各占一半功率 noise np.sqrt(noise_power / 2) * ( np.random.randn(len(signal)) 1j * np.random.randn(len(signal)) ) return signal noise这段代码的关键在noise_power / 2这个系数。复高斯噪声的总功率是实部功率加虚部功率如果直接对实部和虚部都用sqrt(noise_power)总功率就翻倍了信噪比会差3dB。这个坑我在第一次做信道模拟时踩过星座图看起来只是稍微散了一点但误码率测试怎么都过不了后来用功率计一测才发现噪声功率高了整整一倍。3.2 多径衰落模型的抽头延迟线实现多径衰落的本质是信号经过不同路径到达接收端各路径的时延和衰减不同。抽头延迟线模型把这种物理过程抽象成有限个抽头每个抽头对应一条路径的复增益和时延。class MultipathChannel: def __init__(self, delays, gains): delays: 各路径时延单位采样点数列表 gains: 各路径复增益列表 self.delays delays self.gains gains self.buffer np.zeros(max(delays) 1, dtypecomplex) def process(self, sample): 逐样本处理适合实时流式数据 # 新样本移入缓冲区头部 self.buffer np.roll(self.buffer, 1) self.buffer[0] sample # 各路径加权求和 output 0j for delay, gain in zip(self.delays, self.gains): output gain * self.buffer[delay] return output这个实现是逐样本处理的适合在FPGA或者DSP上做实时流式处理。如果是在PC上做离线仿真可以用卷积一次性算完效率更高。抽头系数可以固定也可以根据多普勒频移实时更新。电赛题目里通常要求模拟静态多径和动态多径两种场景静态的用固定抽头就行动态的需要用Jakes模型或者简单的正弦波叠加来生成时变抽头。3.3 频偏引入与补偿的对称设计频偏在时域上就是乘一个复指数实现很简单但补偿端的对称设计才是关键。发射端引入的频偏是exp(j*2*pi*f_offset*t)接收端补偿时要用exp(-j*2*pi*f_offset_est*t)其中f_offset_est是估计出来的频偏。如果估计不准星座图会旋转QPSK的四个点会变成四个圆弧。def apply_frequency_offset(signal, fs, freq_offset): 对信号施加频偏 signal: 输入复数信号 fs: 采样率 freq_offset: 频偏值单位Hz t np.arange(len(signal)) / fs return signal * np.exp(1j * 2 * np.pi * freq_offset * t)频偏的估计用Costas环或者基于FFT的粗估计加细估计。Costas环的环路带宽一般取符号率的1%到5%具体值要看频偏范围和噪声水平。频偏大的时候环路带宽要宽一点否则锁不住噪声大的时候要窄一点否则抖动太大。这个参数没有标准答案需要根据实际场景调。4. 接收端同步与解调符号定时和载波恢复的联调技巧4.1 Gardner符号同步算法的参数整定Gardner算法是一种非数据辅助的符号定时同步方法每个符号只需要两个采样点计算量小适合实时实现。它的核心思想是利用相邻符号的过零点来提取定时误差。class GardnerTimingRecovery: def __init__(self, samples_per_symbol, loop_bw): self.sps samples_per_symbol self.mu 0.0 # 插值相位 self.integral 0.0 # 环路滤波器积分项 self.kp loop_bw * 0.1 # 比例增益经验值 self.ki loop_bw * 0.01 # 积分增益经验值 self.prev_sample 0j self.prev_symbol 0j def update(self, sample): 输入一个采样点输出同步后的符号 # 定时误差检测 error (sample - self.prev_symbol).real * self.prev_sample.real # 环路滤波 self.integral self.ki * error correction self.kp * error self.integral # 更新插值相位 self.mu correction # 这里省略了具体的插值计算实际实现需要用Farrow结构 self.prev_sample sample return self.mu环路带宽loop_bw的选取是个玄学。太宽了定时抖动大星座点发散太窄了收敛慢前几百个符号可能都锁不住。我一般会从0.01开始试观察星座图的收敛速度如果1000个符号内还锁不住就加大到0.02如果锁住了但星座点很散就减到0.005。这个调试过程没有捷径只能反复试。4.2 Costas环载波恢复的锁定检测Costas环用于载波相位恢复对QPSK信号鉴相器的输出是I路和Q路的乘积。锁定的判断可以通过观察鉴相器输出的均值是否趋近于零来实现。class CostasLoop: def __init__(self, loop_bw, fs, symbol_rate): self.phase 0.0 self.freq 0.0 self.alpha loop_bw * 0.1 self.beta loop_bw * 0.01 self.lock_counter 0 self.locked False def update(self, sample): # 相位旋转 rotated sample * np.exp(-1j * self.phase) # QPSK鉴相器 error np.sign(rotated.real) * rotated.imag - \ np.sign(rotated.imag) * rotated.real # 环路滤波 self.freq self.beta * error self.phase self.freq self.alpha * error # 锁定检测连续N个符号误差均值小于阈值 if abs(error) 0.1: self.lock_counter 1 else: self.lock_counter 0 if self.lock_counter 100: self.locked True return rotated锁定检测很重要因为电赛评分时会看系统能不能自动判断同步状态。如果Costas环没锁上解调出来的比特全是错的但系统如果不知道就会一直输出错误结果。加一个锁定指示没锁的时候输出全零或者特定的同步头反而能体现系统的完整性。4.3 联调时的信噪比预算分配接收端联调最容易出现的问题是单独测发射端EVM很好单独测信道模拟噪声功率准确单独测接收端环路的锁定范围够宽。但一联调误码率就是下不去。这时候要做一个信噪比预算表把每一级的噪声系数和增益都列出来看看哪一级吃掉了最多的裕量。环节噪声来源典型噪声系数对信噪比的贡献DAC输出量化噪声理论SNR6.02N1.76N14时约86dB发射端滤波器截断误差可忽略取决于字长信道模拟算法噪声由目标SNR决定主要可控项ADC输入量化噪声理论SNR6.02N1.76N12时约74dB接收端处理算法损耗1-2dB环路失锁时急剧恶化这张表的作用是帮你定位瓶颈。如果目标信噪比是20dB而ADC的量化信噪比只有74dB那ADC不是瓶颈。但如果接收端算法的实现损耗有3dB那实际到达解调器的信噪比就只有17dB误码率会比理论值差一个数量级。5. 避坑与常见问题联调阶段最容易翻车的五个点5.1 星座图糊成一团但误码率正常现象星座图上四个点明显发散但误码率测试结果却很好。原因通常是显示刷新率太低星座图是多个符号周期叠加的结果如果符号同步没完全锁定每个符号的采样点位置在漂移叠加出来就是糊的。但误码率统计的是判决后的比特只要采样点还在判决区域内比特就是对的。解决方法是降低星座图的显示刷新率或者只显示锁定后的符号。5.2 信噪比设置值和实测值差3dB现象软件里设置信噪比20dB但用频谱仪测出来只有17dB。原因在复高斯噪声的功率分配上实部和虚部各分了一半功率如果代码里没有除以2噪声总功率就翻倍了。这个坑前面提过但每年都有队伍踩。解决方法是写一个功率检测函数在加噪声前后分别统计信号功率确认信噪比计算无误。5.3 频偏补偿后星座图旋转现象加了频偏补偿但星座图还是慢慢旋转。原因是频偏估计有残差或者Costas环的积分项没有正确累积。频偏补偿是乘法操作如果估计值有1Hz的误差1秒后相位就差了360度。解决方法是先用FFT做粗估计把频偏降到1Hz以内再用Costas环做细跟踪。粗估计的精度取决于FFT点数1024点FFT在1MSPS采样率下的频率分辨率约1kHz不够的话可以补零到4096点。5.4 多径信道下符号同步失锁现象AWGN信道下同步正常切到多径信道就失锁。原因是多径导致符号间干扰Gardner算法的过零点检测被破坏了。解决方法是在符号同步之前加一个自适应均衡器用LMS算法消除多径影响。均衡器的阶数取多径时延扩展的2到3倍步长因子取0.01左右。如果多径时延不大也可以把Gardner的环路带宽调宽一点牺牲一些抖动性能换取锁定能力。5.5 实时处理时数据吞吐量不够现象离线仿真一切正常改成实时流式处理后误码率飙升。原因是处理一帧数据的时间超过了帧周期缓冲区溢出导致丢帧。解决方法是先做时间预算统计每个模块处理一个样本需要的时钟周期数乘以采样率看是否超过处理器的主频。如果超了要么降低采样率要么把计算量大的模块放到FPGA里做硬件加速。我一般会在设计初期就用示波器测每个模块的耗时留出至少30%的裕量。6. 验收与答辩怎么用一套测试流程证明系统达标验收和答辩是两回事。验收是证明系统能跑答辩是证明你懂为什么能跑。很多队伍系统做得不错但答辩时被问几个参数就露馅了问题出在没有一套完整的测试记录。我一般会要求队伍准备三样东西一张系统框图、一张测试数据表、一段演示视频。系统框图不用太花哨把四个模块和关键接口标清楚就行。测试数据表要覆盖所有要求的指标每个指标至少测三个点比如信噪比从0dB到30dB每隔5dB测一次误码率画成曲线。演示视频要包含参数调整的过程比如从AWGN切换到多径从无频偏切换到有频偏展示系统能实时响应。答辩时最容易被问到的几个问题信噪比是怎么定义的噪声功率怎么校准的符号同步的环路带宽怎么选的为什么选这个值多径模型的抽头系数怎么来的能不能模拟时变多径系统的实时性怎么保证的最坏情况下的处理延迟是多少。这些问题没有标准答案但如果你能说出自己的取舍逻辑比如“环路带宽选0.01是因为在1000个符号内能锁定同时抖动在可接受范围内”评委就会认可。还有一个技巧准备一个“故障演示”。故意把信噪比调到很低让星座图完全散开然后展示系统能自动检测到失锁并报警。这比只展示成功案例更能体现系统的鲁棒性。评委看了一天的成功演示突然看到一个能处理失败的印象分反而更高。从那以后我每次带队伍都强制要求他们在答辩前走一遍完整的测试流程把每个指标的测试方法和数据都记录在案。希望这些经验能帮到正在准备电赛或者类似通信系统设计的你。本文还有配套的精品资源点击获取
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
