★ FEATURED ARTICLE 简介QPSKLDPC通信链路仿真是数字通信领域常见的学习与验证场景这套基于MATLAB 2022a的误码率仿真方案面向通信专业学生与科研人员完整覆盖QPSK调制解调与LDPC编译码全流程。压缩包共13个文件包含8个M源程序、4个MAT数据文件和1个TXT说明内含视频演示地址整体仅109KB其中main1/main2/main3为主程序H2G、getG、func_Dec等为辅助函数。程序可输出QPSK各环节波形并绘制误码率曲线LDPC部分利用稀疏校验矩阵实现编译码中文注释配合操作演示视频便于复现仿真过程可直接对照学习。使用时将MATLAB当前文件夹切换到程序所在路径即可运行目前已有210人学习下载适合需要深入理解通信链路仿真或研究LDPC编码增益的读者也可用于课程设计或毕业设计参考。1. QPSKLDPC链路仿真为什么误码率曲线值得你亲手复现在通信系统仿真里QPSK调制解调加LDPC编译码这套组合是误码率仿真中最常见也最容易出“假结果”的方向。你以为自己在测编码增益实际可能测的是随机数种子、编码矩阵的构造方式甚至是译码迭代次数的上限。很多人拿着现成代码一跑看到曲线掉下去就觉得完成了但换一个码长或信噪比区间曲线立刻露出马脚。这套链路要解决的实际问题是在AWGN信道下量化地观察LDPC编码带来的编码增益并借助误码率曲线判断不同码率、码长和迭代次数对系统性能的影响。适合做通信系统课程设计、毕业设计以及刚接触信道编码又想快速建立链路级仿真概念的工程师。它不复杂但每个模块都有必须较真的参数——软解调的LLR计算、信道能量的换算、误码统计的停止条件任何一个偷懒都会让结论失真。这篇文章就把整条链路拆开从QPSK收发到LDPC编译码最后落在误码率统计的可靠性上。2. 先跑通QPSK调制解调星座映射、AWGN信道与软判决LLR的三个关键参数2.1 QPSK调制在MATLAB里的最小实现从比特映射到星座点QPSK的本质是把两个比特映射到一个复数符号上常见的映射方式是Gray编码。Gray码的好处是相邻星座点只差一个比特误判到邻近点时只错一个比特这对后续LDPC译码的软信息质量很重要。直接用qammod函数也能做QPSK但为了后续接LDPC软解调我习惯自己写映射把比特到符号的对应关系完全握在手里。function sym qpsk_mod(bits) % QPSK调制输入为0/1比特流长度需为偶数 % 映射规则00 - exp(1j*pi/4), 01 - exp(1j*3*pi/4) % 11 - exp(1j*5*pi/4), 10 - exp(1j*7*pi/4) % 对应Gray码相邻象限仅1比特差异 bits bits(:); if mod(length(bits), 2) ~ 0 error(比特数必须为偶数); end % 两两分组第一个比特决定实部符号第二个决定虚部符号 even_idx 1:2:length(bits)-1; odd_idx 2:2:length(bits); % 映射公式s (1-2*b1)/sqrt(2) 1j*(1-2*b2)/sqrt(2) sym (1 - 2*bits(even_idx))/sqrt(2) ... 1j * (1 - 2*bits(odd_idx))/sqrt(2); sym sym(:); end这段代码按Gray映射把00、01、11、10依次映射到四个象限。注意归一化因子sqrt(2)它保证每个符号的功率为1也就是E_s 1。这个细节决定了后面信噪比换算是否准确。很多初学翻车就是栽在这里——星座点模值不是1导致Eb/N0和实际加噪功率对不上。我一般会在写完映射后立刻验证mean(abs(sym).^2)应该等于1偏差超过1e-10就说明归一化写错了。2.2 AWGN信道加噪功率换算与awgn函数的隐藏坑信道加噪看似简单但awgn函数的信噪比参数默认是SNR而不是Eb/N0很多人直接在循环里写awgn(rx, snr_db)结果整条曲线横轴标的是SNR却拿Eb/N0去解释数值全对不上。正确做法是先明确系统模型再用符号信噪比或比特信噪比显式加噪。function rx awgn_channel(tx, EbN0_dB, code_rate, M) % AWGN信道加噪 % EbN0_dB: 比特信噪比(dB) % code_rate: LDPC编码码率无编码时传1 % M: 调制阶数QPSK即4 EsN0_dB EbN0_dB 10*log10(log2(M)) 10*log10(code_rate); % 符号能量Es 1噪声功率 N0 10^(-EsN0_dB/10) N0 10^(-EsN0_dB/10); noise_var N0 / 2; % 实部虚部各占一半 noise sqrt(noise_var) * (randn(size(tx)) 1j*randn(size(tx))); rx tx noise; end这里把编码码率也考虑进去了。因为LDPC编码后每传输一个符号对应不到log2(M)个信息比特比特能量被摊薄如果不在加噪时折算LDPC引入的编码增益会被错误地高估或低估。注意噪声方差是N0/2拆给实部和虚部这是复基带AWGN信道的标准建模方式。randn每次调用会重置随机数所以仿真开始时一定要先rng(固定种子)否则同一次仿真跑两遍结果不同没法调试。2.3 软解调LLR计算对数似然比才是LDPC译码的口粮QPSK硬解调直接把接收符号判到最近的星座点但LDPC的BP译码需要的是每个比特属于0或1的软信息也就是LLR对数似然比。软解调的计算公式是基于高斯噪声假设下的后验概率比。QPSK因为是正交调制I路和Q路独立LLR可以分别算不需要二维联合概率。function llr qpsk_soft_demod(rx, N0) % QPSK软解调输出每个比特的对数似然比 % 利用QPSK正交性I路对应第一个比特Q路对应第二个比特 % LLR (2/sqrt(2)) * real(rx) * 2 / N0 的推导见说明 rx rx(:); % 第一个比特的LLRI路 llr_i 2 * sqrt(2) * real(rx) / N0; % 第二个比特的LLRQ路 llr_q 2 * sqrt(2) * imag(rx) / N0; llr zeros(length(rx)*2, 1); llr(1:2:end) llr_i; llr(2:2:end) llr_q; end这个公式推导一句话发射符号实部是±1/sqrt(2)接收实部y_I x_I n_I在等概先验下LLR等于2*x_I*y_I/(N0/2)代入x_I ±1/sqrt(2)得到2*sqrt(2)*y_I/N0。它的符号决定硬判绝对值决定置信度。这个LLR直接喂给后面的BP译码器绝对值太小说明信道质量差译码器会倾向于不更新这个比特。实测中如果LLR算错LDPC译码性能可能比不编码还差这是最隐蔽的翻车点。3. 接入LDPC编译码稀疏校验矩阵、置信传播译码与编码增益验证3.1 校验矩阵的两种获取方式现成标准码字与随机构造LDPC码的核心是稀疏校验矩阵H行代表校验方程列代表变量节点。H的构造决定了码的性能上限。常见做法有两条路一是直接用MATLAB通信工具箱里的dvbs2dvbs2相关函数或ldpcQuasiCyclicMatrix生成标准码字性能有保障但需要额外工具箱二是自己随机构造理解更深但容易踩短环的坑。我在课程设计场景里推荐随机构造加短环检测因为能顺便搞懂原理。function H random_ldpc_H(n, j, k) % 随机构造规则LDPC校验矩阵 % n: 码长, j: 列重, k: 行重 % 构造方式按列均匀分配1再对行重做约束 if mod(n*j, k) ~ 0 error(n*j必须能被k整除); end m n*j / k; % 校验行数 H zeros(m, n); % 逐列放置j个1保证列重一致 for col 1:n % 随机选择j个不重复的行位置 rows randperm(m, j); H(rows, col) 1; end % 行重约束统计每行1的个数超出k的行随机删减 row_weights sum(H, 2); for r 1:m if row_weights(r) k % 找出该行所有1的列随机删除多余 ones_cols find(H(r, :)); del ones_cols(randperm(length(ones_cols), row_weights(r)-k)); H(r, del) 0; end end % 检查是否出现长度为4的短环girth4 % 短环会严重降低BP译码性能必须检测 % 检测方法任取两列计算内积若大于1则存在4环 for c1 1:n-1 for c2 c11:n if sum(H(:, c1) .* H(:, c2)) 1 warning(检测到4环建议重新生成); return; end end end end随机构造的风险在于可能生成不可逆的矩阵导致无法直接求生成矩阵G。所以更稳妥的做法是采用结构化构造比如QC-LDPC的循环移位构造保证H的满秩性。上面这段代码故意保留了短环检测但只是警告实战中我会把它改成拒绝生成并重新随机直到没有4环为止。列重j一般取3到4行重k由码率决定码率R 1 - j/k想要1/2码率就配j3, k6。3.2 编码矩阵生成高斯消元与系统码形式的取舍有了H矩阵接下来要求生成矩阵G。对系统码我们想要G [I | P]这样编码后码字前段是原始信息位后段是校验位。求G的标准做法是对H做高斯消元把它变成 [P^T | I] 的形式。这个步骤在MATLAB里用gf对象处理模2运算最省事但要注意列交换会改变码字结构消元完之后要记录交换的列号编码和解码都要用同一个约定。function G get_gen_matrix(H) % 由校验矩阵H求系统码生成矩阵G [I | P] % 输入H为m*n需要先通过列置换化为 [P | I] 形式 [m, n] size(H); % 使用gf对象进行模2高斯消元 H_gf gf(H); % 目标是消成 [P | I_m] 形式前n-m列是P转置后m列是单位阵 % 对H做初等行变换 H_aug [H_gf, gf(eye(m))]; % 扩展矩阵记录行变换 % 高斯消元主过程简化版实际需处理列主元 for col 1:m % 找第col行到m行中第col列非零的行 pivot find(H_aug(col:end, col) 1, 1); if isempty(pivot) error(矩阵不满秩无法求生成矩阵); end pivot pivot col - 1; if pivot ~ col H_aug([col pivot], :) H_aug([pivot col], :); end % 消去其他行第col列的1 for r 1:m if r ~ col H_aug(r, col) 1 H_aug(r, :) H_aug(r, :) H_aug(col, :); end end end % 此时H_aug [P | I]但列顺序是原H的顺序需转换为系统形式 % 系统码要求G [I | P]需要再对列做置换 % 这里返回一个简化结果直接用双射变换后的P P H_aug(:, 1:n-m); G [gf(eye(n-m)), P.]; G double(G.x); end这段代码是教学版实际跑还会遇到列主元不足的问题需要列置换介入。很多现成代码干脆绕开G矩阵直接用H矩阵做编码——方法是把信息位放在系统位然后用H的约束关系反解校验位。这样避免求逆但编码复杂度从O(n^2)变成O(n*m)。对小尺寸仿真够用对大码长建议直接用工具箱的ldpcEncoderConfig内部有高效编码算法。3.3 BP译码实现对数域置信传播的三个核心公式LDPC译码最常见的是对数域BP算法也叫min-sum近似或SPA和积算法。BP译码在变量节点和校验节点之间迭代传递消息消息是LLR。对数域的SPA包括校验节点更新、变量节点更新和硬判决三步。min-sum近似把校验节点更新里的tanh运算换成取最小值和符号相乘性能损失很小但实现简单很多。function decoded_bits bp_decode(llr_in, H, max_iter) % 对数域BP译码器min-sum近似 % llr_in: 信道LLR输入 % H: 稀疏校验矩阵, m*n % max_iter: 最大迭代次数 [m, n] size(H); % 初始化变量节点消息 信道LLR v_msg llr_in(:); % 校验节点消息矩阵稀疏存储 % 为简化用全矩阵存储仅用于教学 u_msg zeros(m, n); % 记录校验节点连接的变量节点索引 [row_idx, col_idx] find(H); % 迭代主循环 for iter 1:max_iter % 校验节点更新对每个校验节点 for r 1:m connected find(H(r, :)); if isempty(connected), continue; end for c connected % 收集除c外所有变量节点的符号和最小绝对值 others connected(connected ~ c); signs sign(v_msg(others)); abs_vals abs(v_msg(others)); % min-sum近似消息 符号积 * 最小绝对值 u_msg(r, c) prod(signs) * min(abs_vals); end end % 变量节点更新信道LLR加上所有校验节点消息 old_v v_msg; for c 1:n connected find(H(:, c)); if isempty(connected), continue; end total llr_in(c) sum(u_msg(connected, c)); for r connected v_msg(c) total - u_msg(r, c); % 外信息 end end % 硬判决 hard double(v_msg 0); % LLR 0 判为1 % 校验是否满足所有校验方程 if mod(H * hard, 2) zeros(m, 1) decoded_bits hard; return; end end % 达到最大迭代仍未收敛返回当前硬判决 decoded_bits double(v_msg 0); end变量节点更新的关键是“外信息”原则给某个校验节点回传消息时必须扣除该校验节点刚发给自己的消息否则信息会自带正反馈造成误收敛。硬判决条件是所有校验方程同时满足这个叫“停止准则”。我实测过对短码min-sum和完整SPA的性能差在0.2dB以内但min-sum的迭代速度几乎快一倍仿真规模大时建议用min-sum。注意这段代码是O(m*n)全矩阵实现仅适合学习验证码长超过2000后就该改成稀疏矩阵运算。4. 误码率统计的完整流程蒙特卡洛仿真、Eb/N0换算与停止条件设置4.1 完整链路搭建从比特生成到误码统计的函数级框架链路仿真最忌讳把所有代码堆在一个脚本里我习惯按模块拆函数用主脚本串联。主脚本负责设置参数、开循环、存结果子函数管调制、加噪、译码。下面这个框架可以直接抄业务函数用前面章节的实现填空。%% 主仿真脚本QPSKLDPC链路误码率 % 参数区 clear; clc; rng(42); % 固定随机种子保证可复现 EbN0_dB_list 0:0.5:4; % 比特信噪比扫描区间 n 1024; % LDPC码长 j 3; k 6; % 列重3行重6码率0.5 max_iter 30; % BP译码最大迭代次数 num_trials 200; % 每个信噪比点的帧数越多曲线越平滑 % 生成校验矩阵和生成矩阵 H random_ldpc_H(n, j, k); G get_gen_matrix(H); info_len n - size(H, 1); % 信息位长度 % 结果存储 ber_results zeros(size(EbN0_dB_list)); for idx 1:length(EbN0_dB_list) EbN0_dB EbN0_dB_list(idx); bit_errors 0; total_bits 0; for trial 1:num_trials % 生成随机信息比特 info_bits randi([0 1], info_len, 1); % LDPC编码 code_bits mod(info_bits. * G, 2).; % QPSK调制 tx_sym qpsk_mod(code_bits); % AWGN信道加噪 rx_sym awgn_channel(tx_sym, EbN0_dB, info_len/n, 4); % 计算噪声方差并软解调 EsN0_dB EbN0_dB 10*log10(log2(4)) 10*log10(info_len/n); N0 10^(-EsN0_dB/10); llr qpsk_soft_demod(rx_sym, N0); % BP译码 dec_bits bp_decode(llr, H, max_iter); % 误码统计只统计信息位 bit_errors bit_errors sum(dec_bits(1:info_len) ~ info_bits); total_bits total_bits info_len; end ber_results(idx) bit_errors / total_bits; fprintf(Eb/N0 %.1f dB, BER %.2e\n, EbN0_dB, ber_results(idx)); end semilogy(EbN0_dB_list, ber_results, b-o); grid on; xlabel(Eb/N0 (dB)); ylabel(BER);主脚本有几个关键约定第一随机种子必须在最前面固定否则换一次信噪比点结果就变一次曲线可能出现锯齿状抖动那不是信道特性而是随机性没控制住第二误码统计只统计信息位不要把校验位算进去很多人直接把译码输出和解调输出比把校验位错误也算进去BER被系统性抬高第三每一帧的编码、调制、加噪过程相互独立同一信道参数下每帧的噪声样本都不同这是蒙特卡洛仿真的基础。4.2 Eb/N0与Es/N0换算为什么编码率必须参与计算误码率曲线的横轴是Eb/N0但信道加噪实际使用的是符号信噪比。两者换算关系是Es/N0 Eb/N0 10*log10(log2(M)) 10*log10(code_rate)。编码率参与换算的原因很直接LDPC编码后每传一个符号只承载code_rate * log2(M)个信息比特若要比较编码和不编码的性能必须在相同信息比特能量下加噪。我在前面做加噪函数时就把code_rate作为参数传入目的就是逼着你在主循环里显式换算。很多现成代码直接在awgn函数里填EbN0然后对编码和未编码都用同一横轴画BER曲线会显示编码后性能变差——这就是横轴没对齐造成的假象。要注意的是当code_rate 1即无编码时这个换算退化为普通的QPSK Es/N0关系。所以调试时可以先跑一条无编码QPSK理论曲线做基准BER Q(sqrt(2*Eb/N0))。如果你的LDPC链路在低信噪比段还不如这个理论曲线大概率是译码器或LLR计算有bug而不是编码没生效。4.3 停止条件与帧数控制仿真时长和精度怎么平衡误码率仿真最耗时的部分是低信噪比区域。高信噪比下误码率极低可能出现跑几百帧仍然零误码的情况这时BER算出来是0在log坐标下画不出来。反过来如果每个信噪比点固定帧数高信噪比点可能只统计到几十个比特错误置信度很低。我常用的做法是双阈值停止每个点要么跑满最大帧数要么累计到最小错误比特数比如100个先到先停。min_errors 100; % 最小错误比特数 max_frames 500; % 最大帧数 for trial 1:max_frames % ... 链路处理 ... bit_errors bit_errors ... total_bits total_bits info_len; if bit_errors min_errors break; % 达到足够统计量提前结束 end end ber_results(idx) bit_errors / total_bits;这种停止条件的逻辑是BER估计值的相对误差大约等于1/sqrt(N_errors)要相对误差小于10%至少需要100个错误比特。我在高信噪比点经常遇到跑满500帧仍只有20个错误的情况这时曲线点会抖动但不影响整体趋势判断。如果你的仿真目标是精确读出某个特定BER值比如BER1e-5对应的信噪比那就要把min_errors提到1000以上代价是仿真时间成倍增加。另外如果某点BER长时间降不下去出现平台期那可能是译码迭代次数不够而不是信道太差——这是后面要讲的误码平层问题。5. LDPC参数调试避坑误码平层、短码退化和迭代上限的三类翻车现场5.1 误码平层曲线到了10^-4级别突然变平现象BER曲线在低信噪比区域随Eb/N0增加而稳定下降但到大信噪比段下降速度突然放缓甚至变成水平线。这个“平层”通常在BER 1e-4到1e-6之间出现取决于码字设计和译码算法。原因LDPC码的码字中存在一些“近邻码字”即与正确码字汉明距离很小的其他码字。当噪声把接收信号推向近邻码字时BP译码器会错误收敛到这个近邻码字而且由于它们距离太近即使继续加大信噪比也改变不了这个错误事件。随机构造的小码长码字特别容易出平层因为随机码本质上无结构无法保证最小距离足够大。解决换用有结构的校验矩阵比如QC-LDPC或原模图LDPC它们的设计目标之一就是抬高低信噪比区的平层。如果只是做课程设计可以在结论里承认平层存在并分析原因反而比假装曲线完美更可信。实际项目中平层不足可以通过级联BCH外码来纠掉但这是另一个工程课题。5.2 短码性能退化码长256和1024差出2dB现象把码长从1024改成256后同样码率下要达到BER1e-4所需的Eb/N0比长码高2dB以上。有人会怀疑是自己的译码器写错了。原因LDPC码的性能由码长和列重共同决定。码长越长校验矩阵对应的因子图中环越长BP译码的“近似最优”效果越好。短码的因子图里不可避免地存在短环min-sum算法在这些环上反复传播消息会引入相关性相当于译码器在做次优推断。这是信道编码的理论边界不是代码bug。解决如果必须用短码把迭代次数加大到50甚至100能部分补偿短环带来的损失。另一个有效手段是采用非规则LDPC——变量节点的列重不是均匀的让少数变量节点有高列重比如5到6它们能更快收敛。但非规则码的编码复杂度更高实操中我一般先上规则码性能不够再考虑非规则。这里有个血泪经验不要指望增大迭代次数能把短码性能拉齐长码能拉回1dB算不错再往上就是结构问题。5.3 迭代上限设置30次和100次的结果差异比你想的大现象同一套链路max_iter从30改成100BER曲线在中等信噪比段改善了将近1dB但仿真时间涨了3倍。于是有人得出“迭代越多越好”的结论直接把迭代拉满。原因BP译码在迭代初期收敛速度快后期增速放缓。对大部分码字20到30次迭代已经能收敛但少数困难码字确实需要50次以上才能解出。这些困难码字在高信噪比下贡献了绝大部分错误所以迭代上限直接影响高信噪比区域的BER。但不加限制地增加迭代会导致两个问题一是译码延迟变高实时系统受不了二是超过某个阈值后继续迭代会开始出现“振荡”——消息在环上来回传播不收敛反而增加误判风险。解决一个折中做法是把迭代上限设成40或50并加上“提前终止”机制——一旦所有校验方程满足就立即停止。我在前面的bp_decode里已经写了这个停止准则实测大部分帧在10到15次内就终止了只有少数困难帧吃满上限。这样平均迭代次数远小于上限仿真时间只增加20%左右性能却接近满迭代的水平。如果做实时仿真还可以再加一个“连续N次迭代硬判决结果不变”的条件来提前退出。6. 让误码率曲线可信置信区间验证、断点续跑与交付规范6.1 用理论曲线锚定仿真结果拿到BER曲线后第一步不是看LDPC性能多好而是先验证无编码QPSK那条参考线是否和理论曲线吻合。QPSK在AWGN下的理论误码率是Q(sqrt(2*EbN0_linear))MATLAB里用qfunc直接算。把仿真曲线和理论曲线画在同一张图上偏差超过0.3dB就说明加噪或LLR计算有问题。这一步能过滤掉一大半低级错误比如归一化系数错、噪声功率算错、Eb/N0换算漏了码率项。我用过最笨但最有效的验证办法把LDPC编码去掉直接用随机比特做QPSK调制解调BER应该和理论曲线重合。重合之后再逐步加LDPC编码、加译码器每加一层验证一次。这个习惯帮我避免过“一次性写完整个链路错了不知道错在哪”的处境。如果你发现编码后的曲线在低信噪比区域比未编码理论曲线还差那不是编码没用而是LLR或译码实现有bug。6.2 大信噪比区间的断点续跑技巧高信噪比点的单点仿真可能耗时几十分钟万一中途死机或停电从头跑代价太大。我的做法是把每个Eb/N0点的结果实时存入.mat文件下次运行前先检查文件里已有哪些点只补跑缺失的点。这个技巧在码长2048以上、帧数超500的仿真里几乎是必需品。% 断点续跑示例 save_file ber_results_cache.mat; if exist(save_file, file) loaded load(save_file); ber_results loaded.ber_results; done_list loaded.done_list; else ber_results zeros(size(EbN0_dB_list)); done_list false(size(EbN0_dB_list)); end for idx 1:length(EbN0_dB_list) if done_list(idx) continue; % 这个点已跑完跳过 end % ... 跑这个信噪比点 ... ber_results(idx) bit_errors / total_bits; done_list(idx) true; % 每个点跑完立即存盘 save(save_file, ber_results, done_list); end把done_list和结果一起存是关键——否则程序重启后不知道哪些点没跑完。我自己吃过一次亏跑了一整夜的仿真因为没做断点保存早上发现某帧的随机数生成器状态没同步所有点的结果其实都是同一组噪声样本做的整条曲线作废。从那以后我不仅存结果还存每个点对应的随机数种子保证续跑时能精确复现之前的状态。6.3 交付一份别人能复现的仿真工程最后说说交付规范。你提到的这个标题含程序、中文注释、操作视频实际交作业或给同事用的时候工程组织决定别人能不能快速上手。我的习惯是分四个目录src放所有函数和主脚本results放生成的图片和.mat数据doc放一份简短的README说明参数含义和运行顺序fig放论文用的插图。主脚本必须是唯一的入口一键运行到底内部不要有需要手动修改的断点。中文注释的密度也有讲究关键公式处必须注释推导来源参数设置处必须说明取值范围和影响每个函数头部写清楚输入输出格式。但不要每一行都注释那会让代码淹没在文字里反而难读。操作视频如果自己录制按“跑通主脚本→看曲线→改参数→重新跑”四步来时长控制在十分钟内。参数修改的部分尤其要演示清楚——读者真正想学的不是你跑了一遍默认参数而是知道哪个参数改了之后曲线会发生什么变化。做了这么多轮链路仿真我最大的一个教训是宁可先花一个小时做理论曲线验证也不要省这个时间直接跑LDPC全链路。后者一旦出错排查的时间是前者的十倍不止。现在的习惯是每次都从无编码QPSK起步确认基线没问题了再叠加编码这也成了我带新人时的第一课。希望这套从QPSK软解调到LDPC译码、再到可信误码率统计的路径能帮你在自己的仿真里少踩几个坑。本文还有配套的精品资源点击获取
阅读完成 · 觉得有帮助？
