企业官网建设流程全解析

简介：基于MATLAB平台的OFDM与LDPC联合仿真项目，为通信专业学生与科研人员提供了可运行的编码调制链路实现，帮助理解LDPC码在多载波传输中的纠错增益；工程主体由三个M脚本构成，主程序配合编码模块与译码模块完成半速率LDPC编译码。资源在M=4与M=16两种调制阶数下分别进行2e4帧仿真，单次解码迭代10次，通过仿真结果评估系统误码率与误帧率表现；压缩包内共9个文件，包括4个fig格式的BER与FER性能曲线图、2个存有完整仿真数据的mat文件，以及上述M源码，整体仅337KB。运行后可直接获得不同调制阶数下的性能对比结果，直观呈现LDPC编码对OFDM系统抗噪能力的提升，也有助于掌握软判决迭代译码、QAM映射及信道模拟等关键流程；轻量的代码和清晰的文件组织使其适合作为课程设计、毕业设计或无线通信研究中的验证参考，还可基于mat数据进一步绘制自定义图表。目前已有407人学习该资源。

1. OFDM 加 LDPC：这套 MATLAB 仿真到底在解决什么问题

拿到OFDM_with_LDPC这个项目名，做过物理层仿真的人应该立刻能读出三层信息：用 MATLAB 搭一条 OFDM 收发链路，在链路里嵌入 LDPC 信道编码，最后拿误码率曲线验证纠错增益。这是通信仿真里最经典、也最值得手工推一遍的组合——OFDM 负责把频率选择性信道拆成一组平坦子信道，LDPC 负责逼近香农极限，两者叠加正好踩在 WiFi、DVB-S2、5G NR 这些实际系统的核心位置。这篇笔记会从选型逻辑讲起，给出能直接改参数的收发链路代码，再把 Eb/N0 换算、循环卷积、LLR 极性这些最容易翻车的地方逐个拆开。适合刚做完调制解调实验、想往信道编码与多径方向走一步的从业者，也适合准备课程设计或面试手撕链路的人。

2. 为什么 OFDM 和 LDPC 是通信仿真的黄金组合：选型逻辑与参数起点

2.1 从多径衰落看 OFDM：IFFT 把一条难信道拆成一组好信道

无线信道里最头疼的不是噪声，而是多径。信号经过直射、反射、绕射多条路径到达接收机，每条路径的时延不同，叠加后会在频域形成深度衰落点。对一个单载波系统来说，一个深度零点就能毁掉整段数据；而 OFDM 的思路是反着来的——既然信道在频域是崎岖的，那就用很多个窄带子载波去分别通过它。每个子载波带宽很窄，窄到信道在它上面近似平坦，均衡就退化成每个子载波乘一个复数增益。

这个转换靠的是 IFFT/FFT 对：发端把 QPSK/QAM 符号排列在频域子载波上，IFFT 变成时域波形发出去；收端 FFT 再变回频域。实现上的代价极小，一个 128 点的 FFT 在现代 CPU 上是微秒级的事。真正要处理的是符号间干扰：多径时延会让上一个 OFDM 符号的尾巴叠进下一个符号。解决方法是循环前缀，把每个符号末尾的一段复制到开头，只要多径最大时延小于保护间隔，线性卷积在接收端取对位置后就等效成循环卷积，子载波之间的正交性就能保住。

这也是 OFDM 调参的第一原则：保护间隔大于最大时延扩展，子载波间隔大于多普勒扩展。仿真里后者通常不明显，但前者会直接影响你的 BER 曲线能不能降到目标值。

2.2 从纠错能力看 LDPC：稀疏校验矩阵与迭代译码的取舍

LDPC 是一种线性分组码，校验矩阵 H 是稀疏的，也就是每个校验方程只涉及很少几个码字比特。这种稀疏性让迭代译码成为可能：变量节点和校验节点之间互相传递置信度信息，多轮迭代后逼近最大似然译码的性能。在码长足够长时，LDPC 离香农极限只有零点几个 dB，这个增益在功率受限的链路里是决定性的。

和 Turbo 码相比，LDPC 的并行度更好，误码平台更低；和 RS 这类代数译码相比，LDPC 对随机错误和突发错误的抗击能力更均衡。代价是什么呢？译码复杂度在接收端。仿真里每一帧都要跑几十次迭代，每次迭代都要在稀疏矩阵上做消息传递，所以你会发现同样的 SNR 点，加了 LDPC 之后仿真时间翻了几十倍。工程上常用 min-sum 近似来降低计算量，也就是把校验节点的概率相乘退化成取最小绝对值，代价是零点几 dB 的性能损失。

选 LDPC 还是选别的码，取决于你的目标指标。如果只是想展示 OFDM 本身，BCH 或卷积码就够了；如果想要接近理论极限的瀑布区曲线，LDPC 是当前最省心的选择，因为 MATLAB 通信工具箱直接提供了 DVB-S2 标准的校验矩阵和编译码对象，不用自己手写迭代。

2.3 仿真参数的起点：码长、码率、子载波与保护间隔怎么定

我一般会先用一套“能跑动、能看出趋势”的参数起步，而不是一上来就追求标称性能。LDPC 部分用 DVB-S2 短帧，码长 16200，码率 1/2；这个长度既有明显的编码增益，译码速度又比 64800 长帧快一个量级。OFDM 部分用 128 点 FFT，其中 100 个子载波承载数据，剩下的置零或放导频；循环前缀取 32 个采样点，开销约 20%，符合实际系统 15% 到 25% 的常规区间。

整套参数的设计有个隐藏约束：一帧 LDPC 码字必须正好拆成整数个 OFDM 符号。16200 个码字比特，QPSK 每符号 2 比特，100 个数据子载波，那么每个 OFDM 符号承载 200 比特，81 个符号正好一帧。这个整除关系如果不满足，就得 padding，代码里会多出一堆边界判断，所以强烈建议一开始就把参数配好。

这套参数在 AWGN 信道下，BER 从 1e-1 到 1e-4 的瀑布区大约在 0.5 到 1.5 dB（Eb/N0）之间，视觉上非常直观。跑通之后再去换 16QAM、换 2/3 码率，才有对比的基础。

3. 在 MATLAB 里搭出完整的 OFDM-LDPC 收发链路

3.1 发射端实现：LDPC 编码、QPSK 映射、IFFT 与加 CP

发射端按“信息位 → 编码 → 符号映射 → 子载波装载 → IFFT → 加 CP”的顺序做。下面的配置脚本是整个仿真的地基，所有参数集中在这里改。

% config.m % LDPC 部分：DVB-S2 短帧，1/2 码率 N_ldpc = 16200; % 码长 rate = 1/2; % 码率 H = dvbs2ldpc(rate, 'short'); % 生成稀疏校验矩阵 encCfg = ldpcEncoderConfig(H); % 编码器配置 decCfg = ldpcDecoderConfig(H); % 译码器配置 K_info = N_ldpc * rate; % 信息位长度 = 8100 % 调制部分：QPSK M = 4; kMod = log2(M); % 每符号 2 比特 % OFDM 部分 Nfft = 128; % FFT 点数 Ndata = 100; % 数据子载波数，其余置零 Ncp = 32; % 循环前缀长度 nDataSym = N_ldpc / (Ndata * kMod); % 81：一帧码字 = 81 个 OFDM 符号 pilotGap = 9; % 每 9 个数据符号插 1 个导频符号 dataIdx = (Nfft - Ndata)/2 + 1 : (Nfft + Ndata)/2; % 数据子载波索引

dvbs2ldpc(rate, 'short')返回的是 DVB-S2 标准的稀疏校验矩阵，16200 码长下非零元素只有四万多个，存储和运算压力都不大。ldpcEncoderConfig和ldpcDecoderConfig把同一个 H 封装成编码、译码两个配置对象，保证两边用的是同一套校验关系。这里有个值得注意的点：nDataSym必须是整数，如果不是，说明 Ndata 与 kMod 的乘积不能整除码长，需要调整子载波数或者做比特填充。

接着写发射主函数。为了便于复用，我习惯把“一帧码字 → 发射波形”封装成一个函数，输入是信息位和噪声方差，输出是发射波形和原始码字，方便后面做 BER 统计。

% tx_frame.m function [txWave, codeword, infoBits] = tx_frame(encCfg, K_info, Ndata, Nfft, Ncp) % 生成一帧信息位并编码 infoBits = randi([0 1], K_info, 1); codeword = ldpcEncode(infoBits, encCfg); % (N_ldpc, 1) % QPSK 映射：每 2 bit 一个符号，第一位为 MSB symData = pskmod(codeword, 4, pi/4, 'InputType', 'bit', 'BitOrder', 'msb'); symData = reshape(symData, Ndata, []); % 每列对应一个 OFDM 符号 % 装载到子载波：中间放数据，两侧置零 ifftIn = complex(zeros(Nfft, size(symData, 2))); ifftIn(Ndata/2+1 : end-Ndata/2, :) = symData; % IFFT 转时域，并加循环前缀 ofdmSym = ifft(ifftIn, Nfft, 1); ofdmCp = [ofdmSym(end-Ncp+1:end, :); ofdmSym]; % 尾部复制到开头 txWave = ofdmCp(:); % 串行化输出 end

pskmod的'InputType', 'bit'让输入直接是比特向量，MATLAB 会自动按每 kMod 个比特分组；'BitOrder', 'msb'保证每个符号的第一位落在星座图的 MSB 位置，也就是 I 路。这里不能省略pi/4相位偏移，否则星座点在坐标轴上，LLR 公式的系数会变。ifftIn中间 100 个位置放数据，两侧各 14 个子载波置零，这是最常见的频谱掩蔽做法，也避免直流子载波上的信道估计麻烦。加 CP 用矩阵拼接[尾部; 整列]，比循环移位更直观，也不容易出错。

3.2 接收端实现：去 CP、FFT、LLR 计算与 LDPC 迭代译码

接收端先把串行波形还原成 OFDM 符号矩阵，丢掉循环前缀，做 FFT，然后对每个子载波计算软信息 LLR。AWGN 信道下不需要信道估计，但 LLR 公式里的噪声方差一定要用对，这是第一个最容易翻车的点。

% rx_awgn.m % 输入：rxWave 接收波形，noiseVar 噪声方差，decCfg 译码配置 function [decBits, llrOut] = rx_awgn(rxWave, noiseVar, decCfg, Nfft, Ncp) % 串并转换，去掉循环前缀，做 FFT rxMat = reshape(rxWave, Nfft + Ncp, []); rxOfdm = rxMat(Ncp+1:end, :); % 去掉 CP rxSym = fft(rxOfdm, Nfft, 1); % 变回频域 % 取出数据子载波 rxData = rxSym(dataIdx, :); % QPSK 软解调：I 路对应第一位，Q 路对应第二位 % 发送幅度为 1/sqrt(2)，LLR = 2 * y * conj(h) / noiseVar llrI = sqrt(2) * real(rxData) / noiseVar; llrQ = sqrt(2) * imag(rxData) / noiseVar; % 交织回码字顺序：LLR 向量长度 = N_ldpc llrOut = zeros(N_ldpc, 1); llrOut(1:2:end) = llrI(:); llrOut(2:2:end) = llrQ(:); % LDPC 迭代译码，最大迭代 50 次 decBits = ldpcDecode(llrOut, decCfg, 50); end

LLR 的推导基于 BPSK 等效：QPSK 的 I、Q 两路互不干扰，每一路都是一个幅度为1/sqrt(2)的 BPSK。接收值y里包含信号加噪声，LLR 等于2 * y * conj(h) / noiseVar。AWGN 下信道增益 h=1，所以剩下sqrt(2) * real(rx) / noiseVar。注意分母是噪声方差而不是噪声标准差，写错的话整个 LLR 会被放大或缩小，译码性能立刻劣化。ldpcDecode默认输出硬判决比特，和发端信息位直接比对就能算 BER。

这里还要强调一点：LLR 的正负号约定。pskmod的 Gray 映射下，星座点00在 I 路为正，1在 I 路为负，所以 LLR 越大代表该比特越可能是 0。如果收发两端位序约定不一致，译码器会拿到反的软信息，BER 稳定在 0.5 附近，这是后面避坑章要展开的典型问题。

3.3 主循环与误码率统计：把 BER 曲线从 1e-1 画到 1e-4

有了收发两端，主脚本负责扫描 SNR 并统计误码。为了 BER 曲线不过于抖动，每个 SNR 点至少要统计几千个错误比特；16200 码长、BER=1e-3 时每帧约 8 个错误比特，跑 20 帧就能画出稳定的曲线。

% run_ber_awgn.m EbN0dB_list = 0:0.5:3; % 扫描范围，瀑布区集中在这附近 nFrames = 20; % 每 SNR 点帧数 berVec = zeros(size(EbN0dB_list)); for s = 1:numel(EbN0dB_list) EbN0dB = EbN0dB_list(s); % 关键换算：Es/N0 = Eb/N0 + 10*log10(rate * kMod) EsN0dB = EbN0dB + 10*log10(rate * kMod); noiseVar = 10^(-EsN0dB/10); % 信号功率归一化为 1 时的噪声方差 errCnt = 0; for f = 1:nFrames [txWave, codeword, infoBits] = tx_frame(encCfg, K_info, Ndata, Nfft, Ncp); % 加性高斯白噪声 noise = sqrt(noiseVar/2) * (randn(size(txWave)) + 1j*randn(size(txWave))); rxWave = txWave + noise; [decBits, ~] = rx_awgn(rxWave, noiseVar, decCfg, Nfft, Ncp); errCnt = errCnt + sum(decBits ~= infoBits); end berVec(s) = errCnt / (nFrames * K_info); end semilogy(EbN0dB_list, berVec, 'o-'); grid on;

EsN0dB到noiseVar的换算隐含一个前提：发射信号功率归一化为 1。QPSK 星座点模长为 1，IFFT 后平均功率也近似为 1，所以noiseVar = 10^(-EsN0dB/10)才成立。如果你在发端做了功率缩放，这里必须同步缩放，否则曲线整体平移。码率 1/2 加 QPSK 时，rate * kMod = 1，Es/N0 和 Eb/N0 数值相等，很多人因此忽略了换算步骤，等换到 16QAM 或 2/3 码率时才发现曲线偏了几 dB。

3.4 没有新版本通信工具箱时怎么退而求其次

如果你的 MATLAB 环境里没有ldpcEncoderConfig这一组对象函数，常见做法是换用通信工具箱早期版本的encodeLDPC和decodeLDPC，接口不同但干的是同一件事。连早期版本都没有的话，就只能自研了：编码端用 QC-LDPC 的循环移位结构，译码端手写对数域置信传播。自研译码的核心是变量节点和校验节点之间的消息迭代，min-sum 近似后一轮更新的关键语句可以缩成这样：

% min-sum BP 译码单轮迭代的校验节点更新（示意） % V2C(j,i) 表示变量节点 i 传给校验节点 j 的 LLR % 对每个校验节点 j： % C2V(j,i) = prod(sign(V2C(j,:))) * min(abs(V2C(j,:))) % 实际实现时用 find(H) 拿到稀疏邻接关系，避免稠密矩阵

自研 BP 的坑在于数值范围和收敛性：概率域乘法容易下溢，必须在对数域做；min-sum 比和积算法省运算但性能差零点几 dB；迭代 5 次和 50 次的差距在低 SNR 下不明显，瀑布区才看得出来。所以没有工具箱时，我建议先把 AWGN 下的无编码 BER 跑对，再逐步加 LDPC，否则很难判断是 OFDM 的问题还是译码器的问题。

4. 按这个顺序验证仿真：三组实验让 BER 曲线长出瀑布区

4.1 第一组：理想信道闭环，先证明编码译码这半边没毛病

不要一上来就加噪声加多径。第一步把噪声方差设成 0，让发射波形原封不动进接收机，此时 LLR 的绝对值会很大，ldpcDecode应该一次迭代就收敛到零错误。

% 闭环验证：noiseVar 设为极小值，相当于理想信道 noiseVar = 1e-12; for f = 1:10 [txWave, codeword, infoBits] = tx_frame(encCfg, K_info, Ndata, Nfft, Ncp); [decBits, ~] = rx_awgn(txWave, noiseVar, decCfg, Nfft, Ncp); assert(isequal(decBits, infoBits), '闭环失败：编码译码链路有误'); end disp('理想信道闭环通过');

这段验证的价值在于隔离问题。如果这里就报错，问题几乎一定出在 LDPC 配置或位序映射上，和 OFDM 无关。常见错误是pskmod的BitOrder与 LLR 交织顺序不一致，导致译码器拿到的软信息和码字错位。闭环跑通后，再在发射波形上随便加个时延或相位旋转，你会发现不处理的话 BER 很差，这时候才轮到 OFDM 的同步和信道估计出场，问题边界就清晰了。

4.2 第二组：加 AWGN，调对 Eb/N0 到噪声方差的换算

AWGN 实验的目标是看到瀑布区：BER 在某个 SNR 附近快速下降，然后进入平缓区。扫描范围取 0 到 3 dB、步进 0.5 dB 通常足够。如果曲线整体比预期偏右 2 dB 以上，先检查换算公式，再看噪声是加在时域还是频域。

加噪声的位置有个细节：在时域波形上加噪声和在频域符号上加噪声，功率谱密度是等价的，但时域加噪声时，保护间隔和导频符号也带上了噪声，等效的每符号 SNR 计算方式不变。我习惯在时域加，因为后续换多径信道时，噪声和多径都在同一个位置加入，结构一致。

如果曲线高频抖动，增加帧数而不是增加 SN 点密度。20 帧在 BER=1e-3 时约统计 200 个错误比特，相对抖动已经能接受；如果只跑 3 帧，曲线会像锯齿一样没法看。

4.3 第三组：加多径信道，验证 CP 长度与导频估计

多径实验是 OFDM 仿真的分水岭。用一个三抽头信道，时延控制在 CP 长度内，然后用一个全导频符号做 LS 信道估计，对数据符号做频域均衡。逐符号过信道的代码比整帧卷积更不容易出错，因为每个符号独立截取，天然避免符号边界错位。

% 多径信道：3 个抽头，时延 0/1/3 个采样点 hChan = [1, 0, 0.6*exp(-0.3j), 0, 0.3*exp(-1.4j)]; % 长度 6，时延 < Ncp rxWaveF = zeros(size(txWave)); symIdx = 1; for colIdx = 1:nDataSym seg = txWave(symIdx : symIdx + Nfft + Ncp - 1); % 取一个带 CP 的符号 y = conv(seg, hChan); % 线性卷积 % 关键：从 Ncp+1 开始取 Nfft 点，等效循环卷积 rxWaveF(symIdx : symIdx + Nfft - 1) = y(Ncp+1 : Ncp+Nfft); symIdx = symIdx + Nfft + Ncp; end

接收端需要先做信道估计：在导频符号上，发端每个子载波放的是已知的 QPSK 序列，接收值除以发端值就得到每个子载波上的信道响应H_hat，然后用rxData ./ H_hat(dataIdx)完成均衡。这个 LS 估计器虽然简单，但足以恢复出接近 AWGN 的性能。注意多径时延必须小于 Ncp，否则信道冲激响应会跨越两个 OFDM 符号边界，循环卷积性质失效，均衡后仍然有残余干扰，BER 曲线会卡在某个平层上。

5. OFDM-LDPC 仿真避坑与排查：五个反复出现的翻车现场

5.1 译码后 BER 稳定在 0.5：LDPC 输入的 LLR 极性反了

现象：AWGN 下加再大的 SNR，BER 都在 0.5 附近，看起来像没编码。

原因：LLR 的正负约定和解调器映射不一致。比如pskmod用'msb'位序，但接收端交织 LLR 时把 Q 路放在了奇数位，或者星座相位偏移差了一个符号。

解决：先做理想信道闭环，然后人为反转所有 LLR 符号（llrOut = -llrOut）再译码，如果 BER 从 0.5 变成 0，说明极性整体反了，把映射或交织顺序修正过来即可。闭环测试要放在所有 SNR 扫描之前，这是我反复强调的顺序。

5.2 BER 曲线出现降不下去的错误平层

现象：BER 降到 1e-3 左右就停止下降，加大 SNR 也没用。

原因：两种最常见。一是多径信道的最大时延超过了 CP 长度，产生符号间干扰和载波间干扰，这种干扰随信号功率一起增大，所以是平层而不是瀑布；二是导频符号没有参与信道估计，或者均衡时用错子载波索引，导致数据符号上的信道失配。

解决：检查hChan最后一个非零抽头位置是否小于 Ncp；在频域均衡前，把H_hat画出来看是否是平滑曲线，如果有明显跳变，先检查导频序列和dataIdx是否对得上。LDPC 自身也有理论错误平层，但 16200 码长下通常低于 1e-5，不会在 1e-3 处暴露。

5.3 曲线整体向右偏了约 3dB：Es/N0 与 Eb/N0 混用

现象：BER 趋势正常、瀑布区斜率正常，但整条曲线比理论值差 3 dB 左右。

原因：EsN0dB = EbN0dB + 10*log10(rate*kMod)这一步被跳过，直接把 Eb/N0 当成 Es/N0 去算噪声方差。当rate*kMod=1时（1/2 码率加 QPSK）碰巧不暴露，一旦换 16QAM 或 3/4 码率，偏差立刻变成 3 dB 或 1.8 dB。还有一种情况是发射信号功率没归一化，功率放大一倍，等效 SNR 就高了 3 dB。

解决：在扫描脚本里把EsN0dB和noiseVar打印出来核对。发端 IFFT 后测一下mean(abs(txWave).^2)，应该在 1 附近；如果差得远，给txWave做功率归一化再进信道。

5.4 多径信道下 BER 反而比 AWGN 好：循环卷积没对齐

现象：多径实验的 BER 曲线低于 AWGN 曲线，或者多径下瀑布区出现异常陡降，看起来像是信道“帮忙”了。

原因：这不是信道变好了，而是接收端截取位置错了。线性卷积的结果里，有效数据段是从Ncp+1开始的，如果你从第 1 个采样点开始取，取到的是上一个符号的拖尾和瞬态响应，FFT 后得到的“频域符号”根本不是发端那个符号的循环卷积结果，均衡自然也是错乱的，但错乱方式可能让错误分布更均匀，BER 统计反而显得“正常”。

解决：严格按y(Ncp+1 : Ncp+Nfft)截取。验证方法是把多径信道设成单抽头h = [1]，此时代码应退化为 AWGN 结果；然后再加第二、第三个抽头，观察 BER 是否逐渐变差，而不是突然变好。

5.5 仿真慢到没法扫描 SNR：迭代次数和帧数失控

现象：一个 SNR 点要跑几分钟，整个扫描下来半小时起步。

原因：译码迭代设了 100 次以上，或者每个 SNR 点跑了几百帧，再或者误用 64800 长帧。LDPC 译码是稀疏矩阵上的迭代，16200 码长、50 次迭代每帧约几十毫秒，但如果把迭代提到 200 次，或换成 64800 码长，时间直接乘 4 到 8 倍。

解决：迭代次数设 20 到 50 就够了，瀑布区之外的高 SNR 区间可以少跑几帧，因为 BER 已经很低，多跑帧数对曲线形状影响不大。先用 5 帧快速验证代码逻辑，确认曲线形状正确后再把帧数提到 20，把迭代次数从 50 降到 20 观察性能损失，找到性能和速度的平衡点。

6. 从 AWGN 走向真实系统：三个值得投入的进阶方向

第一个方向是升级调制与码率配置。把 QPSK 换成 16QAM，LLR 计算从每路 BPSK 变成按星座点邻域求对数似然，同时rate*kMod的数值变了，Eb/N0 换算公式会自动拉开曲线间距。16QAM 比 QPSK 更接近真实系统的频谱效率，也能检验你对 LLR 公式的理解是否真的到位。

第二个方向是换 5G NR 的 LDPC。DVB-S2 的 H 矩阵是固定的，而 5G NR 用基矩阵加循环移位构造，支持任意码长和码率。MATLAB 里可以用nr5gLDPCEncode这类接口，或者自己按协议实现 QC-LDPC 编码。这个方向的收益是你能理解不同标准之间校验矩阵设计的差异，以及 rate matching 是怎么工作的。

第三个方向是导频和信道估计的精细化。块状全导频开销大，实际系统多用梳状导频，每个 OFDM 符号只在部分子载波上插导频，再通过插值得到完整信道响应。你可以做一个对比实验：同一组多径信道下，全导频、梳状导频加线性插值、以及加 MMSE 平滑滤波，三条 BER 曲线的差距能直观告诉你估计器复杂度的价值。另一个容易被忽略的验证技巧是，在调试信道估计器时先固定信道不变，用同一组hChan跑多个帧，排除随机性干扰，确认问题出在估计器本身而不是信道变化。

我自己做这类仿真有个习惯：每改一个参数，先看中间变量而不是只看最后 BER。比如加多径后先画H_hat和真实信道响应的对比，确认估计对了再去看 BER；AWGN 下先看无编码 BER 是否和理论 QPSK 曲线重合，再谈编码增益。这样出问题时永远能锁定在哪一级链路。这套 OFDM-LDPC 链路值得投入的地方不在代码本身，而在它给了你一个能反复拆装的实验台——把每个模块单独验证过、再组合起来，通信物理层里那些“玄学”问题就都变成可定位的工程问题了。希望帮到你。

本文还有配套的精品资源，点击获取