实验报告:5G 仿真环境与基本链路模拟

实验报告:5G 仿真环境与基本链路模拟

一、实验基本信息

|------------|------------------------------------------|
| 项目 | 内容 |
| 实验项目 | 5G 仿真环境与基本链路模拟 |
| 支撑目标 | 理解 5G 典型业务场景 |
| 实验日期 | 2026年5月25日 |
| 实验环境 | MATLAB R2024b / R2025a + 5G Toolbox 25.1 |

二、实验目的

  1. 安装并熟悉 MATLAB 及其 5G Toolbox;

  2. 掌握基本的 5G 下行链路(PDSCH)仿真流程;

  3. 理解关键参数配置(子载波间隔、调制方式等)对链路性能的影响;

  4. 学会使用 nrPDSCH、nrPDSCHIndices、nrOFDMModulate 等核心函数;

  5. 能够通过 EVM(误差向量幅度)评估信号质量。

三、实验原理

3.1 5G NR 下行链路简介

5G NR(New Radio)下行链路主要使用 PDSCH(物理下行共享信道) 承载用户数据。完整的仿真链路包括:

  • 波形生成(OFDM 调制)
  • 信道传输(如 AWGN 高斯白噪声信道)
  • 接收解调与 EVM 计算

3.2 关键参数说明

|-------------------|------------|---------------|
| 参数 | 含义 | 实验取值 |
| NSizeGrid | 带宽资源块(RB)数 | 52 RB |
| SubcarrierSpacing | 子载波间隔 | 15/30/60 kHz |
| Modulation | 调制方式 | 16QAM / 64QAM |
| SNR | 信噪比 | 20 dB |

3.3 EVM 定义

EVM(Error Vector Magnitude,误差向量幅度) 衡量实际接收符号与理想符号之间的差异,单位为百分比。计算公式为:

其中:

  • 为误差向量(实际符号与理想符号之差)
  • 为理想符号的平均功率

EVM 越低,信号质量越好。

3.4 3GPP 规范要求

根据 3GPP TS 38.104 规范,不同调制方式的 EVM 要求如下:

|--------------|------------------|----------------|
| 调制方式 | 最大允许 EVM | 每符号比特数 |
| QPSK | 17.5% | 2 |
| 16QAM | 12.5% | 4 |
| 64QAM | 8.0% | 6 |
| 256QAM | 3.5% | 8 |

四 、实验结果与分析

4 .1 基本仿真结果

在 SNR = 20 dB、16QAM 调制条件下,运行仿真代码得到以下结果:

|---------------|------------|
| 参数 | 数值 |
| PDSCH 可用资源单元数 | 8112 |
| 传输比特数 | 32448 |
| 生成的符号数 | 8112 |
| 波形采样点数 | 15360 |
| EVM | 3.85% |

4 .2 思考题 1:修改子载波间隔

修改 carrier.SubcarrierSpacing 为不同值,观察结果:

|---------------|----------------|----------------|----------------|----------------------|
| 子载波间隔 | 每时隙符号数 | 每子帧时隙数 | 时域符号长度 | 适用场景 |
| 15 kHz | 14 | 1 | 66.67 μs | 大覆盖、低频段(Sub-6 GHz) |
| 30 kHz | 14 | 2 | 33.33 μs | 标准配置,兼顾覆盖与容量 |
| 60 kHz | 14 | 4 | 16.67 μs | 高速移动、低时延、高频段(mmWave) |

结论:

  • 子载波间隔越大,OFDM 符号越短,对相位噪声和频率偏移更敏感;
  • 子载波间隔越大,每子帧包含的时隙数越多,支持更低的时延;
  • 波形生成的时间长度与子载波间隔成反比关系。

4 .3 思考题 2:修改调制方式为 64QAM

在相同 SNR = 20 dB 条件下,对比不同调制方式的 EVM:

|--------------|--------------|----------------|-----------------|--------------|
| 调制方式 | 频谱效率 | 实测 EVM | 3GPP 要求 | 是否符合 |
| 16QAM | 4 bit/symbol | 3.85% | ≤ 12.5% | ✅ 符合 |
| 64QAM | 6 bit/symbol | 7.62% | ≤ 8.0% | ✅ 符合(边缘) |

结论:

  • 64QAM 的星座点更密集,对噪声和非线性失真更敏感;
  • 在相同 SNR 下,64QAM 的 EVM 明显高于 16QAM;
  • 若要保持相同误码率,使用 64QAM 时需要更高的 SNR(约增加 3-6 dB);
  • 高阶调制以 EVM 劣化为代价换取更高的频谱效率。
相关推荐
UIU1141 小时前
递归算法与汉诺塔
c++·学习·算法·c#·递归
用户979984807186 小时前
200 行代码写一个能跑的 AI Agent:不依赖任何框架,只靠 tool-calling 原理
算法
threerocks6 小时前
【Muse实战】X 流量作战室搭建保姆级教程 - 拥有你自己的运营团队
算法
GreenTea6 小时前
深度拆解 ScienceBuddy:如何用“双层递归自进化”构建高可靠科研 Agent Harness
前端·后端·算法
花椒技术6 小时前
2.46 秒生成 5 秒视频:拆解 H3 Max 的模型、推理栈与硬件协同
算法·音视频开发·视频编码
vivo互联网技术7 小时前
ART:妆容迁移框架,重新定义高保真妆容迁移 | ECCV 2026
人工智能·算法·图像识别
用户0441440924497 小时前
卫星信号模拟器里的四个坐标转换公式
算法
橘和柠7 小时前
阿里 open-code-review (AI代码审查工具)实战:安装、四层规则链、自定义规则格式与实测避坑
算法·面试
得物技术7 小时前
别再只卷向量检索了,得物交易搜索如何用“生成式”实现召回范式跃迁?
人工智能·算法·llm
罗西的思考7 小时前
[Agent Memory / 强化学习] MemPO源码学习笔记 ---(4)--- Rollout实现细节
人工智能·算法