企业官网建设流程全解析

简介：这份资源面向通信工程、电子信息类专业学生及数字通信初学者，聚焦连续相位调制（CPM）在MATLAB环境下的原理验证与仿真实现，帮助读者理解调制指数、符号速率与信息速率之间的关系，并掌握MSK、GMSK等典型CPM方案的建模思路。压缩包共7个文件，全部为m脚本，整体约2KB，涵盖参数配置、信号生成、性能分析与结果可视化等模块，结构紧凑，便于逐文件阅读与二次修改。已有296人学习下载，适合作为课程实验或自学练手的参考素材。读者可借助这些脚本完成CPM信号的相位累加、滤波处理与星座图绘制，并结合高斯白噪声信道模拟观察误码表现，从而把抽象的调制理论落到可运行的代码上，快速建立对CPM通信链路的直观认识。

1. 从一份 CPM.rar 说起：连续相位调制到底解决了什么问题

如果你手头正好有一个叫CPM.rar的压缩包，里面大概率躺着一套 MATLAB 的 CPM 调制仿真脚本——可能是某个通信原理课程设计，也可能是水声通信、卫星通信项目里抽出来的调制模块。CPM，全称 Continuous Phase Modulation，连续相位调制，它要解决的核心问题很朴素：如何在功率受限、带宽受限的信道上，把数据送得更远、更省频谱，同时不让功放因为包络跳变而失真。和 PSK、QAM 这类相位可以突变的调制方式不同，CPM 的相位是连续变化的，这个「连续」二字直接决定了它的频谱旁瓣衰减极快，带外泄漏小，对非线性功放友好。它适合谁？做水声通信、深空通信、物联网低功耗链路、软件无线电的工程师，以及正在啃《现代水声通信原理与 MATLAB 应用》这类教材、需要把公式落成波形的研究生。这一章先把 CPM 的数学骨架和 MATLAB 里的落地路径讲清楚，后面几章再一步步把CPM.rar里那套东西复现出来。

CPM 的一般表达式可以写成：

s(t) = sqrt(2E/T) * cos(2πf_c t + φ(t, I) + φ0)

其中 φ(t, I) 是携带信息的相位，它由调制指数 h、脉冲成形函数 g(t) 和符号序列 I 共同决定。关键点在于 φ(t, I) 是连续的，哪怕符号在切换，相位也不会跳变。这个连续性带来两个直接好处：一是频谱效率，二是可以用限幅器或非线性功放而不产生严重的频谱再生。代价是接收端要做序列检测，因为当前符号的相位状态和前面若干符号有关，这就是 CPM 的「记忆性」。理解这一点，后面写 MATLAB 代码时才知道为什么要用 Viterbi 或者 BCJR 做解调，而不是简单的一符号一判决。

在 MATLAB 里做 CPM，常见做法有三条路：一是用 Communications Toolbox 自带的comm.CPMModulator和comm.CPMDemodulator系统对象，适合快速验证；二是自己从相位递推公式写起，适合理解原理和改参数；三是用cpmmod、cpmdemod这类老函数，兼容旧代码但灵活性差。CPM.rar里那套脚本，我猜多半是第二条路——自己写相位累加，因为只有这样才能把 h、L、g(t) 这些参数完全握在手里。接下来就从参数选型开始，把这条路走通。

2. CPM 参数选型：h、L、M 和脉冲成形怎么定

2.1 调制指数 h 和关联长度 L 的取舍

调制指数 h 决定了相位每符号增量的大小。h 越大，相位变化越快，频谱越宽，但符号间距离越大，误码性能越好。h 越小，频谱越紧凑，但接收端区分状态越困难。常见取值有 h=0.5（MSK 类）、h=1/3、h=1/4，以及各种有理数 h=p/q，因为有理数 h 能让相位状态有限，接收端可以用有限状态机处理。如果 h 是无理数，相位状态无限多，实际系统没法做网格搜索，所以工程上几乎只用有理数 h。

关联长度 L 表示一个符号的脉冲成形影响多少个符号周期。L=1 叫全响应 CPM，相位只和当前符号有关，接收端简单但频谱一般；L>1 叫部分响应 CPM，频谱更紧凑，但接收端要记忆 L 个符号，复杂度指数上升。我一般建议新手从 L=1、h=0.5 开始，跑通后再试 L=2 或 L=3，观察频谱和误码率的变化。CPM.rar里如果同时有L=1和L=3的脚本，那作者大概率是在对比部分响应的收益。

2.2 脉冲成形函数 g(t) 的三种常见形式

g(t) 是相位脉冲，它的积分就是频率脉冲。常见形式有：

在 MATLAB 里，REC 脉冲最容易写，就是一个长度为 L 的矩形窗；RC 需要按升余弦公式生成；GMSK 则要先做高斯滤波再积分。CPM.rar里如果出现gmsk字样，那多半是 GMSK 的变体。选哪种取决于你的频谱模板有多严。水声通信里常用 RC 或 GMSK，因为带外泄漏必须压得很低。

2.3 用 MATLAB 生成相位脉冲和相位轨迹

下面这段代码演示如何生成 REC 和 RC 的相位脉冲，并画出相位轨迹。你可以直接抄进 MATLAB 跑。

% 参数设置 M = 2; % 进制数，2 表示二进制 CPM h = 0.5; % 调制指数 L = 3; % 关联长度 sps = 8; % 每符号采样点数 N = 20; % 符号数 T = 1; % 符号周期，归一化 % 生成 REC 相位脉冲 t_pulse = linspace(0, L*T, L*sps); g_rec = ones(1, L*sps) / (L*sps); % 矩形，面积归一化为 1/2? 注意归一化 % 生成 RC 相位脉冲 beta = 0.3; % 滚降系数 g_rc = zeros(1, L*sps); for i = 1:length(t_pulse) ti = t_pulse(i); if ti < 0 || ti > L*T g_rc(i) = 0; elseif ti < (1-beta)*T/2 g_rc(i) = 1; elseif ti < (1+beta)*T/2 g_rc(i) = 0.5 * (1 + cos(pi/(beta*T) * (ti - (1-beta)*T/2))); else g_rc(i) = 0; end end g_rc = g_rc / sum(g_rc); % 归一化，使总面积为 1 % 生成随机符号序列 data = randi([0 M-1], 1, N); % 映射为 ±1（二进制 CPM） symbols = 2*data - 1; % 相位累加 phase = zeros(1, N*sps); current_phase = 0; for k = 1:N % 当前符号对应的相位增量 for j = 1:sps idx = (k-1)*sps + j; % 简化：用 g_rec 的累加近似 current_phase = current_phase + 2*pi*h*symbols(k)*g_rec(min(j, length(g_rec))); phase(idx) = current_phase; end end % 画相位轨迹 figure; plot(phase); xlabel('采样点'); ylabel('相位 (rad)'); title('CPM 相位轨迹 (REC, h=0.5, L=3)'); grid on;

这段代码的关键在相位累加那几行。2*pi*h*symbols(k)*g_rec(...)是相位增量的离散近似，实际连续时间公式是积分，离散化后用求和代替。注意g_rec的归一化：相位脉冲的积分应该是 1/2（对于二进制 CPM），但这里为了画图方便做了简单归一化，真正做误码率仿真时要严格按sum(g)*dt = 1/2来。参数sps决定采样率，一般取 8 或 16，太小会引入离散化误差，太大浪费计算。L越大，g_rec越长，相位累加时要注意索引不要越界。

提示：如果你用comm.CPMModulator，它内部已经处理好了归一化，但自己写代码时归一化错了，误码率曲线会整体偏移，这是最常见的翻车点之一。

3. 从零写一个 CPM 调制器：相位递推与波形生成

3.1 相位状态网格的构建

CPM 的相位状态不是连续的，而是离散的。对于有理数 h=p/q，相位状态在 2π 周期内有 q 个可能值（如果考虑符号记忆，还要乘以 M^(L-1)）。构建网格是写解调器的前提。在 MATLAB 里，可以用一个结构体数组表示每个状态，字段包括当前相位、历史符号。下面是一个简化的网格构建示例。

% 构建 CPM 相位状态网格 p = 1; q = 2; % h = p/q = 0.5 M = 2; % 二进制 L = 3; % 关联长度 num_states = q * M^(L-1); % 状态数 states = struct('phase', {}, 'history', {}); for i = 0:q-1 for j = 0:M^(L-1)-1 idx = i * M^(L-1) + j + 1; states(idx).phase = 2*pi*i/q; % 将 j 转换为 M 进制历史符号 hist = zeros(1, L-1); temp = j; for k = 1:L-1 hist(k) = mod(temp, M); temp = floor(temp / M); end states(idx).history = hist; end end % 显示前几个状态 for i = 1:min(5, num_states) fprintf('状态 %d: 相位 = %.2f rad, 历史 = %s\n', ... i, states(i).phase, mat2str(states(i).history)); end

这段代码构建了所有可能的相位状态。q是 h 的分母，M^(L-1)是历史符号的组合数。状态总数随 L 指数增长，L=3、M=2、q=2 时是 8 个状态，还能接受；L=5 时就是 32 个，L=7 时 128 个，再大就不适合用网格搜索了。实际工程中如果 L 很大，会用简化算法如 reduced-state sequence detection。CPM.rar里如果 L 不超过 3，那网格法完全够用。

3.2 用相位递推生成调制波形

有了状态网格，调制就是根据输入符号在网格上转移，并生成对应的波形。下面这段代码把符号序列映射成 CPM 波形。

% 生成 CPM 调制波形 sps = 8; % 每符号采样点数 N = 100; % 符号数 data = randi([0 M-1], 1, N); symbols = 2*data - 1; % 二进制映射为 ±1 % 预生成相位脉冲（REC，L=3） g = ones(1, L*sps) / (L*sps); % 注意：这里面积归一化为 1，实际应为 1/2 % 相位累加 phase = zeros(1, N*sps); current_phase = 0; for k = 1:N for j = 1:sps idx = (k-1)*sps + j; % 当前符号对相位的贡献 current_phase = current_phase + 2*pi*h*symbols(k)*g(min(j, length(g))); phase(idx) = current_phase; end end % 生成复基带波形 fc = 10; % 载波频率（归一化） t = (0:N*sps-1) / sps; waveform = exp(1j * phase); % 画频谱 figure; pwelch(waveform, [], [], [], sps, 'centered'); title('CPM 信号功率谱密度');

这里waveform = exp(1j * phase)是复基带信号，实际发射时要乘上exp(1j*2*pi*fc*t)再取实部。pwelch用来估计功率谱，你可以看到 CPM 的旁瓣衰减比 QPSK 快很多。参数sps影响频谱估计的精度，一般取 8 以上。g的长度是L*sps，相位累加时用min(j, length(g))防止越界，但更严谨的做法是把g对齐到每个符号的起始位置，而不是简单截断。这个细节在CPM.rar里如果处理得不好，频谱会出现异常毛刺。

注意：相位累加时，每个符号的贡献应该从该符号周期的起始点开始，持续 L 个符号周期。上面代码简化成每个采样点都加，实际实现要用卷积或状态机。如果你发现频谱旁瓣降不下去，先检查这里。

4. CPM 解调：Viterbi 算法在 MATLAB 里怎么落地

4.1 分支度量的计算

CPM 解调的核心是 Viterbi 算法，它在状态网格上搜索最优路径。分支度量是接收信号与预期信号之间的欧氏距离。对于每个状态转移，预期信号由当前状态相位、历史符号和当前输入符号共同决定。下面代码计算分支度量。

% 计算分支度量 % 假设接收信号为 rx（长度 N*sps），已同步 % 对于每个时刻 k，每个状态 s，每个输入符号 m，计算度量 num_states = q * M^(L-1); metrics = zeros(num_states, N); % 累积度量 survivor = zeros(num_states, N); % 幸存路径 % 初始化 metrics(:, 1) = 0; for k = 2:N for s = 1:num_states best_metric = inf; best_prev = 0; for m = 0:M-1 % 根据状态 s 和历史符号，计算预期相位 % 这里简化：假设状态 s 的相位已知，输入 m 产生新相位 expected_phase = states(s).phase + 2*pi*h*(2*m-1); expected_symbol = exp(1j * expected_phase); % 取接收信号对应段 rx_seg = rx((k-1)*sps+1 : k*sps); % 计算欧氏距离 metric = sum(abs(rx_seg - expected_symbol).^2); % 更新累积度量 total_metric = metrics(s, k-1) + metric; if total_metric < best_metric best_metric = total_metric; best_prev = s; end end metrics(s, k) = best_metric; survivor(s, k) = best_prev; end end % 回溯 [~, final_state] = min(metrics(:, N)); decoded = zeros(1, N); current_state = final_state; for k = N:-1:2 decoded(k) = current_state; current_state = survivor(current_state, k); end decoded(1) = current_state;

这段代码是 Viterbi 的骨架，但做了大量简化。实际实现中，状态转移不是简单加一个相位，而是要根据历史符号和输入符号重新计算相位增量，并且要考虑脉冲成形的影响。expected_phase的计算需要查表或实时计算，不能只加一个常数。rx_seg的长度是sps，但 CPM 的符号间干扰会跨越多个符号周期，所以预期信号应该用完整的相位轨迹生成，而不是单个复指数。这些细节决定了误码率性能，CPM.rar里如果解调部分写得比较粗糙，误码率曲线可能比理论值差 2-3 dB。

4.2 用 MATLAB 自带对象做交叉验证

自己写的解调器对不对，可以用comm.CPMDemodulator交叉验证。下面代码演示如何用系统对象做同样的解调。

% 使用 MATLAB 自带 CPM 调制解调器 mod = comm.CPMModulator('ModulationOrder', M, ... 'BitInput', true, ... 'FrequencyPulse', 'Rectangular', ... 'ModulationIndex', h, ... 'PulseLength', L, ... 'SymbolMapping', 'Binary'); demod = comm.CPMDemodulator('ModulationOrder', M, ... 'BitOutput', true, ... 'FrequencyPulse', 'Rectangular', ... 'ModulationIndex', h, ... 'PulseLength', L, ... 'SymbolMapping', 'Binary', ... 'TracebackDepth', 16); % 生成数据 data = randi([0 1], 1000, 1); modSignal = mod(data); % 加噪声 rxSignal = awgn(modSignal, 10, 'measured'); % 解调 demodData = demod(rxSignal); % 计算误码率 [~, ber] = biterr(data(1:length(demodData)), demodData); fprintf('误码率: %.4f\n', ber);

comm.CPMModulator和comm.CPMDemodulator是 MATLAB 官方实现，参数设置和你的自定义代码应该一致。如果两者误码率差很多，说明你的自定义代码有问题。TracebackDepth是 Viterbi 的回溯深度，一般取 5L 到 10L，太小会损失性能，太大增加延迟。FrequencyPulse可以选'Rectangular'、'Raised Cosine'、'Gaussian'等，和你的g(t)对应。SymbolMapping选'Binary'或'Gray'，二进制 CPM 一般用'Binary'。

提示：用awgn加噪声时，'measured'选项会根据信号功率自动计算噪声功率，但 CPM 是恒包络信号，功率恒定，所以也可以直接指定 SNR。如果误码率曲线在高 SNR 下出现地板，检查相位同步和定时同步，这两个是 CPM 解调的玄学问题。

5. 避坑与排查：CPM 仿真里最容易翻车的 5 个地方

5.1 相位脉冲归一化错误导致误码率整体偏移

现象：误码率曲线形状正常，但整体比理论值差 3-6 dB，或者在高 SNR 下无法降到零。 原因：g(t)的积分没有归一化到 1/2（对于二进制 CPM），导致实际调制指数偏离设定值。调制指数偏大或偏小都会让接收端的状态网格和实际信号不匹配。 解决：在生成g(t)后，强制g = g / sum(g) * 0.5，确保sum(g) = 0.5。如果是多进制，归一化到(M-1)/2或其他正确值。用trapz做数值积分验证。

5.2 采样率不足导致频谱混叠

现象：频谱在高频端出现异常抬升，或者误码率随sps增加而改善。 原因：sps太小，比如取 2 或 4，相位累加的离散化误差大，频谱旁瓣被混叠掩盖。 解决：sps至少取 8，推荐 16。对于 GMSK 这种带外衰减极快的，sps要取 16 以上。可以用resample做上采样，但最好在生成阶段就设够。

5.3 Viterbi 回溯深度不够导致误码率地板

现象：低 SNR 时误码率正常，高 SNR 时误码率不再下降，出现地板。 原因：TracebackDepth太小，Viterbi 没有足够深度回溯到正确路径。 解决：TracebackDepth设为5*L到10*L。对于 L=3，取 15 到 30。如果还不行，检查状态网格是否完整，有没有漏掉某些历史符号组合。

5.4 定时同步偏差导致星座图旋转

现象：解调输出的星座图（复基带）出现旋转，误码率对定时偏差敏感。 原因：CPM 是恒包络，但相位对定时非常敏感。采样点偏离最佳时刻会引入额外相位偏移。 解决：在解调前做定时同步，可以用早迟门或 Mueller-Muller 算法。MATLAB 里可以用comm.SymbolSynchronizer。如果只是仿真，确保接收端和发送端的采样时钟完全一致，或者用interp1做插值对齐。

5.5 用错脉冲成形类型导致频谱不达标

现象：频谱旁瓣衰减比预期慢，或者带外泄漏超标。 原因：FrequencyPulse选错，比如该用'Gaussian'却用了'Rectangular'，或者 RC 的滚降系数beta设得太小。 解决：根据频谱模板选脉冲。水声通信常用 RC，beta取 0.3-0.5；GSM 用 GMSK，BT取 0.3。在 MATLAB 里用pwelch看频谱，和模板对比，不达标就换脉冲或调参数。

6. 进阶技巧：用相位轨迹验证和加速仿真

6.1 用相位轨迹图快速定位调制问题

相位轨迹是 CPM 最直观的调试工具。把发送端和接收端（解调后重建）的相位轨迹画在一起，如果两条线分叉，说明解调出错。下面代码演示如何画对比图。

% 画发送和接收相位轨迹对比 figure; subplot(2,1,1); plot(phase_tx, 'b'); hold on; plot(phase_rx, 'r--'); legend('发送相位', '接收相位'); title('相位轨迹对比'); xlabel('采样点'); ylabel('相位 (rad)'); grid on; subplot(2,1,2); plot(phase_tx - phase_rx); title('相位误差'); xlabel('采样点'); ylabel('误差 (rad)'); grid on;

如果相位误差在某个符号后突然变大，检查那个符号对应的状态转移。常见问题是历史符号索引错位，或者g(t)的截断位置不对。这个技巧比看误码率曲线快得多，尤其适合调试部分响应 CPM。

6.2 用查表法加速 Viterbi

Viterbi 的瓶颈是分支度量计算。如果每次都要重新生成预期波形，仿真会非常慢。我一般会预计算所有状态转移的预期波形，存成矩阵，运行时直接查表。下面是一个示例。

% 预计算分支度量表 num_trans = num_states * M; branch_waveforms = zeros(num_trans, sps); for s = 1:num_states for m = 0:M-1 idx = (s-1)*M + m + 1; % 根据状态 s 和输入 m 生成预期波形 expected_phase = states(s).phase + 2*pi*h*(2*m-1); branch_waveforms(idx, :) = exp(1j * expected_phase * ones(1, sps)); end end % 运行时直接查表 for k = 2:N rx_seg = rx((k-1)*sps+1 : k*sps); for s = 1:num_states for m = 0:M-1 idx = (s-1)*M + m + 1; metric = sum(abs(rx_seg - branch_waveforms(idx, :)).^2); % ... 更新累积度量 end end end

查表法能把仿真速度提高 5-10 倍，尤其当sps较大时。注意branch_waveforms的生成要严格按相位递推公式，不能简化。如果内存不够，可以只存相位值，运行时再算复指数，但那样会慢一些。

6.3 用 MATLAB 的parfor并行化误码率扫描

误码率仿真通常要扫多个 SNR 点，每个点跑很多帧。用parfor可以并行化。下面是一个框架。

snr_range = 0:2:12; ber = zeros(size(snr_range)); parfor i = 1:length(snr_range) snr = snr_range(i); error_count = 0; total_bits = 0; for frame = 1:100 data = randi([0 1], 1000, 1); modSignal = mod(data); rxSignal = awgn(modSignal, snr, 'measured'); demodData = demod(rxSignal); [~, e] = biterr(data(1:length(demodData)), demodData); error_count = error_count + e; total_bits = total_bits + length(demodData); end ber(i) = error_count / total_bits; end semilogy(snr_range, ber, 'o-'); xlabel('SNR (dB)'); ylabel('BER'); grid on;

parfor要求循环体独立，这里每个 SNR 点独立，所以没问题。注意mod和demod是系统对象，在parfor里每个 worker 会复制一份，内存够就行。如果帧数很多，可以把frame循环也并行化，但那样通信开销大，一般只并行 SNR 点。

6.4 一个我常犯的错误

我刚开始做 CPM 时，总以为相位连续就是「相位不能跳」，结果在写代码时把每个符号的相位增量直接累加，忘了脉冲成形会跨符号。后来发现频谱怎么调都不对，才回去检查g(t)的卷积。现在我的习惯是：每写一个 CPM 脚本，先画相位轨迹，再画频谱，最后跑误码率。三步都对了，才敢说这个脚本能用。希望帮到你。

本文还有配套的精品资源，点击获取