企业官网建设流程全解析

简介：数字通信系统中，调制解调与误码率分析是衡量链路性能的核心环节，而OOK作为最基础的幅度键控方式，因其实现简单、功耗极低，在物联网、RFID和可见光通信中仍被广泛采用。理解OOK的信号模型与相干/非相干解调原理，掌握蒙特卡洛仿真中的噪声功率换算、滤波器群延迟补偿及判决门限优化，是确保仿真曲线与理论公式吻合的关键。在实际工程中，Eb/N0的定义、过采样率的选择、随机种子的设置都会直接影响误码率统计的可靠性。本文从通信原理与工程实践结合的角度，系统梳理OOK调制解调仿真链路的搭建方法，并针对仿真中常见的低信噪比偏移、高信噪比平台效应等问题给出排查思路，帮助学习者快速定位误差来源，顺利复现理论性能曲线。 最近整理一个OOK调制与误码率仿真工程时发现，很多人拿到“OOK调制仿真.zip”这类工程包后，跑出来的误码率曲线和理论公式对不上，又不知道从哪排查。OOK看起来是数字调制里最简单的一种——发载波表示1，不发载波表示0，但真正把它放到蒙特卡洛仿真里，涉及载波同步、噪声功率换算、门限判决、滤波器群延迟这一整条链路，任何一个环节差一点，误码率就偏一个数量级。这篇就围绕OOK信号调制、误码率验证和仿真工程搭建展开，结合我实际调试的过程，把原理、参数、公式还有踩过的坑一次说清楚。适合正在做通信原理课程设计、毕业设计，或者刚接触调制解调仿真的同学参考。

1. OOK没你想的那么简单：先从调制原理说起

1.1 开关键控的本质：0和1与载波的通断

OOK全称是On-Off Keying，开关键控。它本质上是幅移键控ASK的一个特例，只是把“幅度变化”简化成“有载波”和“没载波”两种状态。发送二进制1时，输出一段正弦载波；发送二进制0时，输出为零。发射信号在数学上可以写成一个非常干净的形式：

s(t) = A·cos(2πfct)·m(t)

其中A是载波幅度，fc是载波频率，m(t)是单极性不归零码序列，取值为0或1。注意这里的m(t)是单极性的，这是OOK和BPSK最本质的区别——BPSK用双极性±1映射，两个符号在信号空间里的欧氏距离是2√Eb；OOK用单极性0和1映射，同样平均比特能量下，两个符号的距离只有√(2Eb)左右，比BPSK少了约3dB。

这个3dB差距在误码率曲线上体现得非常直观：相同Eb/N0条件下，相干OOK的误码率大约是BPSK在信噪比低3dB时的水平。换句话说，同样要达到10^-4误码率，OOK需要多付出约3dB的发射功率。

但这并不妨碍OOK在工程中的地位。它的调制器实现成本极低，可以用一个开关直接控制射频通断，发射端几乎不需要线性放大链路，这对功耗敏感的设备非常友好。接收端也可以采用包络检波的方式，连载波同步都不用做，电路简单可靠。RFID、可见光通信、物联网唤醒接收机，到现在仍然大量用OOK，就是因为它能在极低功耗和极简硬件下完成通信任务。

1.2 相干解调与非相干解调的取舍

OOK的接收方式分两大类。相干解调需要本地产生与发送端同频同相的本振信号，与接收信号相乘后进行低通滤波，在码元中心采样判决。由于有了相干载波，判决门限的理论最优值是A/2，性能相对较好。

非相干解调则用包络检波，接收信号经过带通滤波后取包络，再与门限比较。它不需要载波同步，实现简单，但性能比相干解调差一些，而且门限优化更麻烦，因为瑞利噪声包络的均值会让最佳门限偏离A/2。

从误码率仿真角度，两种解调我建议都做一遍，一方面可以互相印证接收链路是否正确，另一方面能直观看到相干和非相干的性能差距到底有多大。很多教材只说“非相干比相干差”，但差多少、在哪个信噪比区间开始拉开差距，只有跑完曲线才有体感。

2. 仿真链路这样搭，理论曲线才对得上

2.1 从随机比特到基带波形：码元成形和过采样参数

仿真第一步是确定系统参数。我用的是一组比较常规的参数：码元速率Rb = 1kbps（OOK每个比特对应一个码元），载波频率fc = 10kHz，采样率fs = 100kHz。这样每个码元有100个采样点，每个载波周期有10个采样点，既保证了波形分辨率，又不至于让仿真数据量过大。

有人喜欢把采样率设得很高，觉得这样“更真实”，但过采样率太高会显著放大噪声功率的换算误差。每个码元100个采样点对误码率仿真已经够了，再高只是徒增计算量。如果有频谱分析需求，比如观察OOK信号的旁瓣结构，那可以适当提高采样率，但误码率统计阶段没必要。

发射端信号生成的流程是这样的：先用randi([0 1], N, 1)生成随机比特序列，然后通过repmat或者kron把每个比特扩展成100个采样点，得到单极性矩形脉冲波形。再乘以载波cos(2*pi*fc*t)就完成了调制。

这里的矩形脉冲成型值得多说一句。矩形脉冲的频谱sinc函数旁瓣滚降很慢，如果放在带限信道里会产生严重的码间串扰，所以很多教材建议用升余弦滤波器成型。但在误码率仿真中，如果信道是理想高斯白噪声信道、接收端也没有带限滤波器引入ISI，直接用矩形脉冲反而能更干净地验证调制解调本身的误码性能。如果想研究带限信道下的误码特性，那就需要把成型滤波器和匹配滤波器一起纳入仿真，那是另一个更复杂的题目。

2.2 从Eb/N0到噪声功率：这一步算错全盘皆输

这是仿真里最容易出错、也最容易被忽视的一步。很多同学直接调用awgn(rx_signal, snr, 'measured')，以为填了信噪比就完事了，结果跑出来的误码率曲线要么整体偏离理论值，要么在高信噪比区间莫名其妙地“躺平”。

问题在于awgn函数的SNR定义在采样点信号功率与噪声功率之比上，单位是dB，而误码率曲线的横轴通常是Eb/N0。两者之间存在一个和过采样率、带宽有关的换算关系，如果没搞清楚就直接用，噪声功率往往会差出几倍。

我自己更习惯手动加噪声，因为每一步都看得见、可控。推导过程是这样的：设每个比特的能量为Eb，Eb/N0用γ表示，则噪声单边功率谱密度N0 = Eb/γ。在采样率fs下，实带通信号的总噪声功率为N0·fs/2，因此离散噪声序列的方差σ² = N0·fs/2。

换算到采样点方差：

σ² = (Eb / γ) × fs / 2 = (信号平均功率 / Rb) × fs / (2γ)

如果信号平均功率归一化为1，Rb = 1000，fs = 100000，那么当γ = 1（即0dB）时，σ² = 1 × 100000 / (2 × 1000 × 1) = 50。也就是说，在Eb/N0 = 0dB时，噪声标准差约为7.07，远大于信号幅度1，接收波形会完全淹没在噪声里，误码率接近0.5。这个数值看似夸张，但它是正确的——因为过采样率100意味着噪声在传输带宽内聚集了很大的总功率。

在MATLAB中，加噪代码可以这么写：

Eb = mean(sig_mod.^2) / Rb; % 由调制信号实测每比特能量 N0 = Eb / (10^(EbN0_dB/10)); % 计算单边噪声谱密度 noise = sqrt(N0 * fs / 2) * randn(size(sig_mod)); % 高斯白噪声 rx_sig = sig_mod + noise;

这里有个小细节：Eb = mean(sig_mod.^2) / Rb算出来的是信号总功率除以比特率，前提是信号功率已经包含了OOK的占空比效应。因为OOK有一半时间不发送载波，实际平均功率是载波功率的一半，所以直接按整个序列统计平均功率是没问题的，不需要额外乘系数。

2.3 接收端解调和判决：同步、滤波、门限的工程细节

接收端我分别实现了相干解调和非相干解调两条支路。

相干解调的第一步是载波同步。在理想仿真中可以假设接收端本地载波与发送端完全同频同相，直接用cos(2*pi*fc*t)和接收信号相乘。相乘之后信号包含一个2fc的高频分量和一个基带分量，需要用一个低通滤波器把基带分量滤出来。这里我用了一个50阶的FIR低通滤波器，截止频率设为1.5倍的码元速率，也就是1500Hz左右。这样既能保留基带信号的主瓣，又能滤掉2fc附近的分量。

滤波器群延迟是个大坑。普通filter函数会对信号引入固定延迟，如果延迟量不是整数个采样点，判决时刻就偏了。我用filtfilt做零相位滤波，彻底避开这个问题。如果要模拟实时系统，那就得把群延迟算出来并在判决时刻做补偿。

判决的方式是每个码元中心取一个采样点，与门限比较。理论最优门限是A/2，也就是载波幅度的一半。发射端载波幅度A是已知的，仿真时可以直接用这个理论值。但如果要看工程上的效果，可以用训练序列估算门限，或者对接收波形做统计：取接收信号包络的均值，再乘以一个经验系数。

非相干解调更简单：用hilbert求解析信号，取模得到包络，然后在每个码元中心采样判决。注意包络检波在低信噪比时会出现门限偏置，因为噪声包络服从瑞利分布，均值不为零。此时最优门限会高于A/2，大约在A/2加上噪声包络均值附近。仿真时如果一直用理论值A/2，低信噪比段的误码率会比理论偏高。常规做法是先根据无信号时的噪声功率估算一个修正项，再加到门限上，能明显改善低信噪比段的曲线对齐。

3. 误码率曲线背后：理论公式与仿真结果的互验

3.1 高斯信道下两种解调的理论边界

在加性高斯白噪声信道下，相干OOK的理论误码率是：

Pb = Q(√(Eb/N0))

非相干OOK的理论误码率是：

Pb = 0.5·exp(−Eb/(2N0))

这两个公式的推导在通信原理教材里都有，核心思路是把OOK看成二维信号空间里距离不同的两个点，判决区域由门限划分。需要留意的是，这个误码率公式成立的前提是等概率发送0和1，且接收端采用最优门限。如果你的仿真里0和1的占比不是严格各半，比如前1000个比特全是1，那误码率会明显偏离理论值。所以仿真一定要用随机比特流，并且数据长度足够长，让0和1的比例接近1:1。

从公式还能看出来，非相干OOK的误差概率是负指数衰减，相干是Q函数的平方根衰减。在低信噪比区域，两者差距不到1dB，但在高信噪比区域，Q函数衰减速度略快于指数衰减，所以差距会缓慢扩大到1~2dB。这也是为什么很多实际OOK系统选择非相干接收——在功耗和复杂度面前，1~2dB的性能损失完全可以接受。

3.2 仿真结果复盘：曲线对齐的检验方法

跑仿真时，我一般每个Eb/N0点统计误码率，横轴范围选0~14dB，步进2dB。每个点的比特数选择要看目标误码率：如果预期误码率在10^-5量级，至少要发10^6个比特，并且保证错误比特数不少于100个，否则统计置信度不足，仿真曲线会剧烈抖动。

我实测过，当错误比特数只有20-30个时，误码率的随机波动能到±30%，够让人误判性能了。经验法则是：预期误码率是10^-p，那么仿真比特数至少取10^(p+2)，让错误比特数在最差情况下也能上百。

这个表格是我跑完一次中规模仿真得到的数量级对照。可以看到10dB之前，仿真和理论对齐得不错，10dB以后因为错误比特数太少，仿真值开始出现明显波动，这属于统计误差而不是仿真链路有bug。如果想看到10^-7级别的曲线，就需要发10^8个比特，单点运行时间就可能要几分钟到十几分钟，需要量力而行。

判断仿真结果是否可靠，还有一个更直观的办法：把仿真和理论曲线画在同一个对数坐标图里，看它们是否整体平行并且偏差小于一个可接受的范围。如果某个信噪比点突然偏离，而其他点正常，优先怀疑该点是不是随机种子恰好导致错误比特数异常偏少；如果整条曲线都平行偏移，那就要回到噪声功率换算这一步去找问题。

4. 仿真工程里踩过的坑：一次完整排查记录

4.1 低信噪比时仿真误码率偏高，问题出在哪

我最初跑出来的相干OOK误码率在低信噪比段一直比理论值偏高10%左右。刚开始怀疑是门限取的不对，后来换了好几组门限也没有明显改善，直到把判决采样点的位置打印出来才意识到问题。

我原本在滤波后直接用每个码元的第一个采样点做判决，而FIR滤波器是有群延迟的。虽然我用filtfilt做了零相位滤波，但当时的代码实际上用的是普通filter，信号整体往后平移了25个采样点。结果判决时刻取到了码元边界附近，前一个码元的拖尾叠了进来，等效于引入了码间串扰。在低信噪比时这种叠加让判决统计量偏离了理论假设，误码率自然偏高。

修复方式很直接：要么用filtfilt，要么在判决时把滤波器群延迟计算出来，从采样索引里减去。filtfilt的代价是不能实时处理，但仿真阶段无所谓。换成零相位滤波之后，低信噪比段的误码率马上就和理论对齐了。

4.2 高信噪比时误码率不再下降的隐藏原因

还有一个更隐蔽的坑出现在高信噪比段。当时跑非相干OOK，发现Eb/N0到14dB以后，误码率曲线不再下降，稳定在10^-5左右上不去了。第一反应是噪声没加对，但检查了很多遍代码逻辑都没发现问题。

后来把解调后的序列逐个对比，发现错误比特全部出现在“1→0”的方向上，也就是发送1被误判成了0，但发送0几乎没有被误判成1。再往前查，问题出在载波采样点数上。我用的是每个码元100个采样点，载波周期10个采样点，本来整好。但生成的载波相位是从0开始的，而码元起始位置也和载波起始位置对齐了，于是每个码元内载波的初始相位总是固定的。如果某个码元的判决点恰好落在载波过零附近，采样值很小，在低信噪比时直接就被判成0了。

这类错误和信噪比无关，属于结构性误判，所以高信噪比下也不会消失，表现为曲线“躺平”。解决方法是把码元起始相位随机化，或者在发射端让载波相位在每个码元边界不连续。更工程化的说法是，仿真里的0和1判决不应该依赖载波的绝对相位，否则就引入了发射端和接收端都控制不了的随机性。我最后把载波相位设成随机初相，跑出来的曲线就正常了。

4.3 随机种子和蒙特卡洛次数：结果波动不算真实性能差异

蒙特卡洛仿真的一个天然问题是结果带随机性。同一个信噪比点，同样的代码，跑两次结果可能差出半个数量级。尤其在误码率比较低的时候，错误比特数少了，波动特别明显。我见过不少人拿一次仿真的结果就下结论，说某两个方案孰优孰劣，其实那点差距完全在统计噪声范围内。

建议的做法是：每个信噪比点至少跑3次，取平均；如果某一次结果异常偏离均值，单独看它的错误比特数，如果少于30个，直接加大比特数重跑。另外，用固定的随机种子可以让结果可复现，这是仿真工程的底线。我习惯用rng(2024)这种固定种子，每次跑结果一致，排查bug的时候尤其有用。

最后，如果你要发论文或者写报告，仿真曲线最好附上理论曲线作为参照。审稿人和老师不太关心你的仿真绝对精度，但一定关心你的仿真和理论是不是对得上。对不上，说明仿真链路有隐藏问题，论文里的任何性能结论都缺乏可信度。

5. 从仿真到工程：OOK误码率分析还能迁移到哪

5.1 为什么老调制方式在现代系统里依然吃香

仿真做完，很多人会问一个问题：OOK这么老、性能又不如BPSK，现在还有什么用？答案恰恰藏在它“性能一般”的特点背后——它足够简单，简单到可以用极低功耗和极低成本实现。

典型的例子是可见光通信。LED本身就是一个天然的OOK发射机，亮表示1，灭表示0，驱动电路只需要控制LED的开关，不需要复杂的IQ调制器。接收端用光电二极管加跨阻放大器，包络检波直接恢复数据。在几Mbps以下的低速场景，OOK是光通信链路里最主流的调制方式。

另一个例子是唤醒接收机。很多IoT节点平时处于休眠状态，只有收到特定唤醒信号才进入全速工作。唤醒接收机如果做完整的载波同步和相干解调，功耗会达到毫瓦级别，OOK包络检波则能把功耗压到微瓦级别。为了这几十倍的功耗差距，牺牲1~2dB灵敏度是完全划算的。

还有一个场景是RFID，无源标签本身没有能量来源，所有功耗都靠读写器发射的射频能量供给。OOK调制方式允许标签在接收数据的同时间歇性地反射载波，电路极其简单，这也是为什么OOK在这个领域一直没被淘汰。

5.2 仿真框架怎么改造成其他调制方式

做完了OOK仿真，稍微改几行代码就能扩展到其他调制方式，这个小框架的复用价值比想象中大得多。

比如把单极性不归零码改成双极性不归零码，其他环节几乎不动，就变成了BPSK仿真。此时理论误码率变成Pb = Q(√(2Eb/N0))，比相干OOK好3dB。你可以把两条曲线画在一起，直观感受单极性和双极性在信号空间里的距离差异。

再比如把码元映射改成频域搬移，用f1和f2两个载频分别表示0和1，接收端改成两个支路取判决，就是2FSK仿真。如果你想把仿真扩展到QPSK、16QAM这类多进制调制，就需要把实带通信号换成复基带表示，接收端的判决也从一维门限变为二维星座图判决。但整体的蒙特卡洛统计框架、Eb/N0换算方法、随机种子管理都是可以复用的。

我在实际修改中觉得最值得体验的扩展是加一个简单信道模型，比如多径衰减或频率偏移，看OOK的误码率会怎么恶化。OOK在频率偏移面前比较脆弱，因为频偏会让矩形脉冲的包络产生周期性纹波，而包络检波对这类纹波几乎无法区分。做完这个实验，你对OOK的适用边界会有更深入的理解，而不是只停留在“它比BPSK差3dB”这种书面上。

调试这个仿真工程，我最深的体会是：误码率仿真看起来只是“发比特、加噪声、统计错误”三件事，但真正花时间的不是这三件事本身，而是把同步、滤波、门限、噪声功率这些细节都处理到和理论模型一致。这些细节在教科书里往往一句话带过，但到了代码里就是一个个决定成败的分岔路口。如果你也正在跑OOK的误码率仿真，先把噪声功率换算这一关过了，再把接收端的采样点位置打出来确认一下，整条曲线的可信度会立刻上一个台阶。

本文还有配套的精品资源，点击获取