企业官网建设流程全解析

简介：一份面向5G通信波形设计研究者与通信专业学生的MATLAB仿真包，聚焦OFDM、FBMC、UFMC三种多载波调制方式的对比分析。基于MATLAB 2022A平台，内含三个独立m脚本（Runme_OFDM.m、Runme_FBMC.m、Runme_UFMC.m），分别实现三种调制技术的基带仿真，运行后可输出误码率曲线与频谱对比图；另附一个avi格式操作录像，详细演示从路径设置到执行出图的全过程，零基础也能照做。压缩包共4个文件，整体仅2.32MB，轻量易用；代码注释完整，便于理解算法参数与信号处理流程。资源已有1174人学习下载，适合入门5G多载波技术、完成课程设计或快速验证想法时参照。执行时需确保MATLAB左侧当前文件夹与程序所在目录一致，视频中有针对性说明。

1. 三种波形摆在面前，先想清楚仿真为了回答什么问题

做 5G 物理层仿真的人，迟早会在 OFDM、FBMC、UFMC 这三个缩写面前停下来。OFDM 是 LTE 和 5G NR 真正用的波形，FBMC 和 UFMC 是学术界和工业界长期研究的替代方案。问题在于，很多人的第一次仿真只是把三个发射机分别跑出星座图，然后发现 FBMC 的误码率好像更差，就得出结论说 OFDM 最好。这个结论很危险，因为三种波形的差异根本不在星座图上，而在频谱利用率、同步鲁棒性和对异步用户的容忍度上。这篇文章的目标，是把你真正需要对比的维度拆开，用一套可复现的 MATLAB 代码把三条链路搭起来，并且把仿真操作录成视频，方便你回看参数改动前后的差异。适合系统算法工程师、物理层测试人员和做波形研究的同学，尤其是要在一个月内给出选型结论的人。

2. 先搭 OFDM 仿真框架：循环前缀、同步和信道估计一起考虑

2.1 OFDM 发送端：从比特流到带循环前缀的时域信号

OFDM 的发送端链路是另外两种波形的参照系，先把这条链路写清楚。下面这段代码实现一个完整的发送端，包括 QAM 映射、串并转换、IFFT、加循环前缀。这里直接把子载波数、循环前缀长度和调制阶数定义成参数，方便后面复用。

%% OFDM 发送端参数 Nfft = 64; % FFT 点数，等于子载波总数 CpLen = 16; % 循环前缀长度，按 1/4 符号长度设定 M = 4; % 4QAM，每符号 2 bit numSym = 100; % OFDM 符号数 dataLen = Nfft * numSym * log2(M); % 总比特数 %% 发送端 bits = randi([0 1], dataLen, 1); % 随机比特流 symbols = qammod(bits, M, 'InputType', 'bit'); % QAM 调制 symbols = reshape(symbols, Nfft, numSym); % 串并转换，每列一个 OFDM 符号 % IFFT 之后加循环前缀 ifftOut = ifft(symbols, Nfft); % 对每列做 IFFT txSignal = [ifftOut(end-CpLen+1:end, :); ifftOut]; % 把尾部复制到头部 txSignal = txSignal(:); % 并串转换

代码里qammod的 ``InputType设置为'bit'，直接吃比特流，省去手动分组。循环前缀是从每个符号尾部截取CpLen个采样点复制到头部，这样做保持了 IFFT 输出的周期性，在接收端做线性卷积时能把信道变成循环卷积，从而允许用单抽头均衡器恢复数据。注意CpLen` 必须大于信道的最大时延扩展，否则会产生符号间干扰和子载波间干扰。一般工程里 CP 长度取 FFT 点数的 1/8 到 1/4，5G NR 里普通子载波间隔是 1/16 左右，这里选 1/4 是为了在仿真里留足余量。

2.2 接收端对齐：符号定时与频偏校正的 MATLAB 实现

OFDM 接收端第一步不是解调，而是找到每个符号的边界。没有对齐的符号定时会让 FFT 窗口跨在两个符号之间，星座图直接糊掉。最常用的盲同步方法是利用循环前缀的相关性：因为 CP 是符号尾部的复制，所以滑动相关会在正确的符号边界处出现峰值。频偏估计则利用 CP 与尾部之间的相位差。

%% 基于循环前缀的符号定时与频偏估计 rxSignal = noisySignal; % 假设已经加完噪声 L = length(rxSignal); corr = zeros(L - Nfft - CpLen, 1); for n = 1:length(corr) % 计算相距 Nfft 的两个窗口的相关系数 windowA = rxSignal(n : n + CpLen - 1); windowB = rxSignal(n + Nfft : n + Nfft + CpLen - 1); corr(n) = abs(sum(windowA .* conj(windowB))); end [~, symStart] = max(corr); % 相关峰位置即符号起始点 % 频偏估计：利用 CP 与尾部间相位差 phaseDiff = angle(mean(conj(rxSignal(symStart:symStart+CpLen-1)) ... .* rxSignal(symStart+Nfft:symStart+Nfft+CpLen-1))); freqOffset = phaseDiff / (2 * pi * Nfft); % 归一化频偏 compSignal = rxSignal .* exp(-1j * 2 * pi * freqOffset * (0:L-1)');

滑动相关窗口长度为CpLen，每次移动一个采样点，计算两个窗口的共轭相关。峰值位置symStart就是第一个符号的起始点。频偏估计的公式是利用相隔Nfft的两个采样点之间相位差正比于频偏的原理，理想情况下这个相位差为 0，有频偏时变成2 * pi * freqOffset * Nfft / Nfft，归一化后就得到频率偏移量。补偿时用复指数相乘，频率轴上整体搬移。这里必须注意，频偏估计算法在高信噪比下才接近 Cramer-Rao 下界，低信噪比时会出现大偏差，建议在仿真时加上限幅处理。

2.3 信道估计与均衡：LS 估计在 OFDM 里的代价

信道估计最常用的是最小二乘方法，在导频子载波上做除法得到信道频率响应，然后插值到全部子载波。实际系统中导频是离散分布的，这里为了简化，直接在全部子载波上放置导频符号便于展示原理。

%% LS 信道估计与均衡 pilotIdx = 1:4:Nfft; % 每隔 4 个子载波放一个导频 dataIdx = setdiff(1:Nfft, pilotIdx); % 其余子载波传数据 knownPilot = qammod(randi([0 1], length(pilotIdx)*numSym, 1), M, 'InputType', 'bit'); knownPilot = reshape(knownPilot, length(pilotIdx), numSym); % 假设收到的是经过信道的频域信号 freqRx pilotRx = freqRx(pilotIdx, :); pilotTx = knownPilot; H_est = pilotRx ./ pilotTx; % LS 估计 % 线性插值到全部子载波 H_full = interp1(pilotIdx, H_est, 1:Nfft, 'linear', 'extrap'); eqData = freqRx ./ H_full; % 零迫使均衡

pilotIdx选 1:4:64，共 16 个导频子载波。LS 估计就是直接相除，没有噪声统计信息，因此噪声大时估计误差大。插值用interp1，'linear'是线性插值，'extrap'是外推超出范围的点。实际系统中常用二阶插值或基于 DFT 的插值，后者能平均掉部分噪声。均衡用的是迫零准则，即直接除以信道估计值。如果信道有深衰落导致H_full接近 0，均衡后噪声会被放大，这是零迫使均衡的固有缺陷，可以换成 MMSE 均衡器来折中，MMSE 需要估计噪声方差。

3. FBMC 仿真：滤波器组的核心是原型滤波器和 OQAM

3.1 为什么 FBMC 不需要循环前缀：频域交错的代价

FBMC 最大的卖点是没有循环前缀，而是用精心设计的滤波器组让每个子载波的旁瓣快速衰减。OFDM 使用矩形窗导致频域出现 sinc 形状的旁瓣，衰减速度只有约 13 dB 每倍频程，所以需要 CP 来对抗时延扩展。FBMC 把每个子载波都用长滤波器成形，频域旁瓣衰减可以达到 40 dB 以上。但代价是相邻子载波之间不再保持严格正交，只能用偏移 QAM，即实部和虚部错开半个符号周期，来换取实域正交性。

3.2 PHYDYAS 原型滤波器设计：重叠因子 K 如何决定旁瓣衰减

PHYDYAS 滤波器是 FBMC 里最常见的原型滤波器，设计时给定重叠因子 K，滤波器长度是 K 倍符号长度。K 越大滤波器频域越集中，但延迟越大。工程选型一般 K=4，因为 K=4 时旁瓣衰减已经超过 40 dB，再增大收益有限。

%% PHYDYAS 原型滤波器设计 K = 4; % 重叠因子，可选 2、3、4 N = Nfft; % 子载波数 taps = K * N; % 滤波器长度 % PHYDYAS 系数表 coefs = [1, sqrt(2)/2, 0, -sqrt(2)/2]; % K=4 时的前 4 个系数 p = zeros(taps, 1); p(1:N) = coefs(1); p(N+1:2*N) = coefs(2); p(2*N+1:3*N) = coefs(3); p(3*N+1:4*N) = coefs(4); p = p / sqrt(sum(p.^2)); % 归一化能量

频域里观察这个滤波器，主瓣宽度约为单个子载波带宽，第一个旁瓣已经低于主瓣 40 dB。这个滤波器在每个子载波上都要用一次，所以发射机复杂度是 OFDM 的 K 倍。参数coefs的值取自 PHYDYAS 论文的频域采样系数，K=4 对应[1, 0.707, 0, -0.707]，奇数位为 0 是因为滤波器在频域有对称性。后续设计 K=2 时系数换成[1, 1]，K=3 时换成[1, sqrt(2)/2, 0]。

3.3 OQAM 调制与综合滤波器组：实部/虚部错开半个符号

FBMC 用 OQAM 把复符号拆成两路，分别调制实部和虚部，且虚部比实部延迟半个符号周期。这样在接收端提取实部时，来自相邻符号和相邻子载波的干扰是纯虚部，取实部就能消除。OQAM 映射的核心是符号分裂和时延。

%% OQAM 映射 numFBSym = 2 * numSym; % FBMC 符号数是 OFDM 的 2 倍 oqamSymbols = zeros(N, numFBSym); % 把复符号拆成实部和虚部，间隔放置 oqamSymbols(:, 1:2:end) = real(symbols); oqamSymbols(:, 2:2:end) = 1j * imag(symbols); % 相邻子载波的虚部乘以 (-1)^(n+m) 以维持实域正交 for m = 0:N-1 for n = 0:numFBSym-1 phase = (-1)^(m + n); oqamSymbols(m+1, n+1) = oqamSymbols(m+1, n+1) * phase; end end

符号倍增意味着同样比特率下符号速率减半，滤波器组的输出逐符号叠加，重叠部分就是相邻符号的影响。乘以(-1)^(m+n)这步是 OQAM 的关键细节之一，它让相邻子载波之间的干扰在取实部时互相抵消。很多人 FBMC 仿真误码率高，八成是漏了这个符号因子。

用filter函数实现综合滤波器组，把每个子载波的数据经过原型滤波器，再频移相加。发射信号长度是普通 OFDM 的约 K 倍，因此仿真时要注意时间对齐。

%% 综合滤波器组（合成端） txFbmc = zeros(taps + (numFBSym-1)*N, 1); for m = 0:N-1 filterOut = filter(p, 1, oqamSymbols(m+1, :).'); % 把滤波后信号搬移到对应子载波频率 modSignal = filterOut .* exp(1j * 2 * pi * m / N * (0:length(filterOut)-1)'); txFbmc = txFbmc + modSignal; end

重叠相加在循环里隐式完成，filter保留了滤波器内部的延迟状态，所以上一次的输出末尾和当前滤波输出自然叠加。如果手写重叠相加，需要自己维护一个累加器，这里 MATLAB 的签名状态设计刚好省掉这一步。exp(1j*2*pi*m/N*...)是每个子载波的频移，它和滤波一起等效于把原型滤波器搬到对应频段。

3.4 FBMC 接收端：匹配滤波与实部提取

接收端用同一个原型滤波器做匹配滤波，然后下变频、取实部。因为 OQAM 的虚部干扰在取实部时被消除，所以不需要进行复杂的均衡设计。下面给出核心解调代码。

%% FBMC 解调 rxFbmc = rxSignal; % 接收信号 rxSym = zeros(N, numFBSym); for m = 0:N-1 % 下变频到基带 downConv = rxFbmc .* conj(exp(1j * 2 * pi * m / N * (0:length(rxFbmc)-1)')); % 匹配滤波 filtOut = filter(flipud(p), 1, downConv); % 采样，采样点取每符号中间 idx = flow + round(taps/2) : N : length(filtOut); rxSym(m+1, :) = filtOut(idx(1:numFBSym)); end % 取实部并恢复 0/1 比特 rxReal = real(rxSym); % 去除相位因子 for m = 0:N-1 for n = 0:numFBSym-1 rxReal(m+1, n+1) = rxReal(m+1, n+1) * (-1)^(m+n); end end dataOut = [rxReal(:, 1:2:end); rxReal(:, 2:2:end)]; bitsOut = qamdemod(dataOut, M, 'OutputType', 'bit');

匹配滤波用的是flipud(p)，也就是原型滤波器的翻转版本。FBMC 的最佳接收应当是匹配滤波而不是直接用原型滤波，因为匹配滤波最大化信噪比。采样点取符号中心，是因为原型滤波器的群延迟特性让脉冲能量在中心最集中。实部提取前不要做均衡，FBMC 对频选信道的均衡要比 OFDM 复杂得多，这既是它的弱点也是研究热点，仿真里一般先假设理想同步和理想信道，把重点放在滤波器组本身。

4. UFMC 仿真：子带滤波是复杂度与性能的折中

4.1 UFMC 的系统结构：加窗不再需要 CP，但滤波器变短

UFMC 的思路介于 OFDM 和 FBMC 之间：把整个频带分成若干子带，每个子带用一个短滤波器滤波，而不是像 FBMC 那样每个子载波一个长滤波器。这样既抑制了旁瓣，又不需要 OQAM，复杂度也远低于 FBMC。UFMC 不需要 CP，但需要两个连续符号之间加一段保护间隔，通常是零填充，用来吸收滤波器延迟。

4.2 切比雪夫窗与子带滤波器设计

UFMC 的滤波器通常是基于窗函数设计，最常见的窗是切比雪夫窗，因为可以指定旁瓣衰减。滤波器长度为子带带宽的约 2 倍，太长会引入过多的符号间干扰，太短则旁瓣抑制不足。滤波器的通带和过渡带需要严格贴合子带宽度。

%% UFMC 子带滤波器设计 numSubbands = 4; % 子带数量 subbandSize = Nfft / numSubbands; % 每子带子载波数 filterLen = 32; % 滤波器长度，按经验取子带长度的一半以上 SidelobeAtten = 40; % 旁瓣衰减 dB % 切比雪夫窗做 FIR 设计 windowedFilter = zeros(filterLen, numSubbands); for sb = 1:numSubbands % 频域通带范围对应子带位置 cutoffLow = (sb-1) * subbandSize / Nfft; cutoffHigh = sb * subbandSize / Nfft; % 标准 FIR 设计 filt = fir1(filterLen-1, [cutoffLow cutoffHigh], chebwin(filterLen, SidelobeAtten)); % fir1 返回的是行向量，转置后存放 windowedFilter(:, sb) = filt(:); end

fir1是标准基于窗函数的 FIR 设计函数，第三个参数传入切比雪夫窗作为窗函数。chebwin的SidelobeAtten参数直接控制旁瓣衰减，40 dB 相当于不影响相邻子带时能容忍约 1% 的功率泄漏。代码里每子带的滤波器频率范围按子带边界均分计算。实际中相邻子带之间的过渡带会有交叠，这个交叠是 UFMC 与 OFDM 相比额外获得的抑制效果。如果发现频谱旁瓣仍然偏高，优先增大SidelobeAtten，而不是增加滤波器长度，因为滤波器长度增加会扩展时延。

4.3 UFMC 发送与接收的 MATLAB 通路

UFMC 的发送端结构是：每个子带先做 IFFT，然后经过子带滤波器，最后所有子带累加。接收端做整个频段的 FFT，然后通过导频估计每个子带的频响。接收端不需要逐个滤波器匹配，这是和 FBMC 最大的区别。

%% UFMC 发送端 numUFMCSym = numSym; % 与 OFDM 符号数一致 txUfmc = zeros(Nfft + filterLen - 1, numUFMCSym); txUfmc = zeros(Nfft + filterLen - 1, numUFMCSym); for n = 1:numUFMCSym ufmcSymbol = zeros(Nfft, 1); for sb = 1:numSubbands % 取出该子带对应的频域数据 bandIdx = (sb-1)*subbandSize + 1 : sb*subbandSize; bandData = symbols(bandIdx, n); % 对应部分填入频域 ufmcSymbol(bandIdx) = bandData; % 然后做 IFFT 并滤波 timeBand = ifft(ufmcSymbol); % 该子带时域信号 filteredBand = conv(timeBand, windowedFilter(:, sb)); % 子带滤波 % 累加，长度对齐 txUfmc(1:length(filteredBand), n) = txUfmc(1:length(filteredBand), n) + filteredBand; end end txUfmc = txUfmc(:);

这里用conv做滤波，输出长度是Nfft + filterLen - 1，所以每个符号之间不需要额外加 CP，符号间的前后延展就是滤波器长度造成的。接收端直接把整个数据做 FFT，因为滤波器长度远小于符号长度，可以近似认为子带滤波不影响子载波正交性，只需要做一步简单的频域均衡。

%% UFMC 接收端 rxUfmc = rxSignal; % 接收信号 % 分段，每段长度 Nfft，符号周期为 Nfft rxSeg = reshape(rxUfmc(1:numSym*Nfft), Nfft, numSym); freqRxUfmc = fft(rxSeg, Nfft); % 使用导频估计频响再均衡 pilotRxUfmc = freqRxUfmc(pilotIdx, :); H_ufmc = pilotRxUfmc ./ knownPilot; % 对每个子带做独立均衡 H_fullUfmc = interp1(pilotIdx, H_ufmc, 1:Nfft, 'linear', 'extrap'); eqUfmc = freqRxUfmc ./ H_fullUfmc; bitsOutUfmc = qamdemod(eqUfmc, M, 'OutputType', 'bit');

UFMC 接收端的均衡与 OFDM 几乎一样，只是数据段长度不再包括 CP，而是靠滤波器自身吸收多径。因此低时延场景下 UFMC 比 OFDM 有明确的效率优势。注意这里没有做任何同步，真实环境中符号边界必须通过前导或者零填充段检测。

4.4 与 OFDM 共用信道估计：UFMC 的导频映射

UFMC 导频同样是插在特定子载波上，与 OFDM 兼容。但由于子带滤波会在导频周围产生频率扩展，导频子载波不能位于子带边缘，否则估计会有偏差。常见做法是每个子带内偏离 2-3 个子载波放置导频，这样能避开滤波器边缘的过渡带。在写导频图案时，把这个偏移写死，而不是简单用1:4:Nfft。

%% UFMC 导频放置：避开子带边缘 pilotIdxUfmc = []; for sb = 1:numSubbands bandStart = (sb-1)*subbandSize + 1; % 取子带中间位置放置导频 pilotInside = bandStart + floor(subbandSize/4) : subbandSize/2 : bandStart + subbandSize - floor(subbandSize/4); pilotIdxUfmc = [pilotIdxUfmc, pilotInside]; end

这样设计导频图案后，在 10 MHz 带宽、30 kHz 子载波间隔下，子带边缘效应的影响可以忽略。如果强行用均匀导频，频谱泄漏会在导频位置引入额外误差，导致均衡后的星座点出现系统性偏转。

5. 同一套信噪比下对比三种波形：频谱、PAPR 与误码率

5.1 统一仿真基准：参数、信道和同步策略怎么对齐

三种波形仿真对比时，容易犯的错误是各自用各自觉得友好的参数，结果比出来没有说服力。我一般会把参数统一成同一组：子载波 64、调制方式 16QAM、信道用 5 径衰落模型、信噪比从 0 dB 扫到 20 dB。FBMC 使用 OQAM 时，实际数据速率和 OFDM 相同，因为符号率翻倍但每符号一半数据。UFMC 的滤波器长度为 32，FBMC 的 K=4，CP 长度为 16。

下面这张表给出推荐的统一参数，直接复制到仿真脚本顶部即可。

5.2 频谱泄漏与带外辐射的定量对比

频谱泄漏是三种波形最直观的差异。用pwelch估计功率谱密度，放在一张图里对比。

%% 频谱对比 fs = Nfft; % 采样率近似于子载波数 [psdOfdm, f] = pwelch(txSignal, 256, 128, 512, fs, 'centered'); [psdFbmc, ~] = pwelch(txFbmc, 256, 128, 512, fs, 'centered'); [psdUfmc, ~] = pwelch(txUfmc, 256, 128, 512, fs, 'centered'); plot(f, 10*log10(psdOfdm), 'b', f, 10*log10(psdFbmc), 'r', ... f, 10*log10(psdUfmc), 'g', 'LineWidth', 1.2); legend('OFDM', 'FBMC', 'UFMC'); xlabel('频率 (Hz)'); ylabel('PSD (dB)');

从频谱图上可以更直观地看到几种差异。OFDM 在频带外有明显的旁瓣起伏，衰减慢，在归一化频率 ±0.5 附近仍有较高功率泄漏。FBMC 在主瓣外几乎没有能量，特别适合非连续频谱的场景。UFMC 介于两者之间，在子带边缘有明显过渡但不至于有长拖尾。如果在工程设计里决定用非连续频谱资源块，FBMC 可以省掉额外的滤波器硬件。

5.3 BER 曲线对比与复杂度估算

误码率曲线要跑蒙特卡洛仿真。OFDM 和 UFMC 的均衡方式相近，FBMC 需要理想信道假设才能保持性能。下面给出 BER 仿真主循环的骨架，使用统一信道。

%% 误码率仿真循环 snrRange = 0:5:20; berOfdm = zeros(size(snrRange)); berFbmc = zeros(size(snrRange)); berUfmc = zeros(size(snrRange)); numTrials = 50; for i = 1:length(snrRange) snr = snrRange(i); berSum = zeros(3, 1); for trial = 1:numTrials % 生成信道：5 径瑞利多径 chGain = (randn(1,5) + 1j*randn(1,5)) / sqrt(5); % 发送经过信道并加噪声 rxOfdm = filter(chGain, 1, txSignal); rxOfdm = awgn(rxOfdm, snr, 'measured'); % OFDM 解调并统计误码率 berSum(1) = berSum(1) + sum(bits ~= bitsOutOfdm) / length(bits); % 同样处理 FBMC 和 UFMC end berOfdm(i) = berSum(1) / numTrials; % ... end semilogy(snrRange, berOfdm, 'bo-', snrRange, berFbmc, 'r^-', snrRange, berUfmc, 'gs-');

跑完可以看到，在没有同步误差的理想信道条件下，OFDM 和 UFMC 的 BER 接近，FBMC 则需要更高的信噪比才能达到同样误码率，因为 OQAM 的实部提取在频选信道下会产生额外干扰。但这不是说 FBMC 差，而是因为 FBMC 的均衡问题没有在仿真里解决。复杂度方面，在 MATLAB 里用tic/toc统计运行时间：OFDM 最快，UFMC 比 OFDM 慢约 1.5 倍，FBMC 慢 3-4 倍。

5.4 从仿真结论反推选型：什么场景用 FBMC，什么场景用 UFMC

从仿真结果看，三种波形的取舍其实很清楚。FBMC 适合频谱资源碎片化严重的场景，比如认知无线电或动态频谱共享，因为它的旁瓣抑制能有效保护相邻的空闲频段，不需要额外的频谱感知保护带。UFMC 适合机器通信和低时延场景，它不牺牲频谱效率但复杂度可控，尤其适合短包突发传输。OFDM 依然是最稳的选择，它对同步误差容忍度最高，所以 5G NR 才会继续用它。

对于具体工程落地，我更多会把仿真重心放在实际信道的鲁棒性检验上，而不是单纯比 BER。要加入 CFO、时偏、相位噪声等非理想因素，才能看出波形选型差异的真正价值。

6. 把仿真过程录成操作视频：MATLAB 录像与注释模板

6.1 用 VideoWriter 录制实时绘图

做仿真时，中途改动一个参数重新跑一遍，往往要几分钟甚至更久。把仿真过程录下来，尤其是波形对比和参数变化前后效果，能提升效率也方便多人协作。MATLAB 里用VideoWriter配合getframe录制实时图窗口变化。

%% 录制仿真过程 videoFile = VideoWriter('waveform_comparison.avi'); videoFile.FrameRate = 10; % 每秒钟 10 帧 open(videoFile); for snrIdx = 1:length(snrRange) % 更新当前图形 semilogy(snrRange(1:snrIdx), berOfdm(1:snrIdx), 'bo-', ... snrRange(1:snrIdx), berFbmc(1:snrIdx), 'r^-', ... snrRange(1:snrIdx), berUfmc(1:snrIdx), 'gs-'); xlim([0 max(snrRange)]); ylim([1e-4 0.5]); drawnow; % 捕获当前帧并写入视频 frame = getframe(gcf); writeVideo(videoFile, frame); end close(videoFile);

把getframe放在绘图之后、drawnow之前容易录到旧画面，所以先drawnow再getframe。帧率不是越高越好，10 FPS 左右人眼看起来清晰且文件体积不会太大。录制结束后用close(videoFile)释放文件句柄，否则后续无法打开该文件。

6.2 代码注释模板：让别人不看录像也能复现

录像能辅助讲解，但代码注释才是长期可维护的关键。我习惯在每个函数头部写清楚参数单位、取值范围和由来，并在关键步骤标出如果修改会带来什么副作用。下面给出一个推荐的函数头注释模板。

function [ber, h] = compare_waveforms(snrDb, channelPath) % compare_waveforms 对比 OFDM/FBMC/UFMC 在指定信道下的误码率 % 输入参数: % snrDb - 信噪比，单位 dB，建议范围 0 到 20 % channelPath - 信道冲激响应，大小为 1xL，需归一化功率 % 输出参数: % ber - 1x3 数组，分别为 OFDM、FBMC、UFMC 的误码率 % h - 频域信道估计算法的句柄，便于后续扩展 % 依赖函数: % phydyas_filter，ufmc_filter_design % 版本: 2024-12-01 初版

模板里写清楚版本日期，方便回溯。参数取值范围要精确，比如snrDb写建议范围 0 到 20，而不是“任意值”，这样使用者会主动考虑边界情况。仿真的核心是参数可复现，所以注释的优先级高于代码本身。

用 MATLAB 的live script导出 HTML 报告，也可以把录像、代码和结果整合在一个文件里分享给团队。做法是在实时编辑器里插入按钮运行不同参数组，脚本运行完后自动生成对比图和视频文件，这样团队其他人不需要手动改参数就能看到完整过程。

本文还有配套的精品资源，点击获取