编码 OFDM 通信系统完整解析：从 16QAM 调制到 Viterbi 译码

编码 OFDM 通信链路详解：从比特发送到数据恢复

前言

OFDM（正交频分复用）被广泛应用于 Wi-Fi、4G/5G、数字电视以及宽带无线通信系统中。

很多 OFDM 教程只介绍 IFFT、循环前缀和 FFT，却忽略了一个实际通信系统还必须解决的三个问题：

如何检测传输错误？
如何对抗噪声和多径衰落？
接收机如何完成同步、频偏校正和信道均衡？

本文结合下图中的编码 OFDM 链路，完整分析数据从发射机进入信道，再由接收机恢复的全过程。

系统主要参数如下：

FFT 点数：64
循环前缀长度：16
有效子载波：52
数据子载波：48
导频子载波：4
调制方式：16QAM
信道编码：码率 R=1/2R=1/2R=1/2、约束长度 K=7K=7K=7 的卷积码
生成多项式：171/133171/133171/133（八进制）
信道模型：平坦、3 径或 5 径多径信道
载波频偏：约 ±200∼250 kHz\pm200\sim250\text{ kHz}±200∼250 kHz
信噪比：15～30 dB

一、系统总体结构

整个编码 OFDM 系统可以分为三个部分：

text 复制代码

原始数据
   ↓
发射机：CRC → 信道编码 → 交织 → 16QAM → 导频 → IFFT → CP
   ↓
无线信道：多径衰落 + 载波频偏 + 噪声
   ↓
接收机：同步 → 频偏校正 → 去CP → FFT → 信道估计
        → 均衡 → 软解调 → 解交织 → Viterbi译码 → CRC
   ↓
恢复数据

发射机负责给数据增加保护并生成 OFDM 波形；信道负责模拟真实无线环境；接收机则需要估计并补偿信道带来的各种失真。

二、OFDM 发射机处理流程

1. 生成原始数据

发射端首先生成一段随机二进制数据，作为待传输的有效载荷：

b $n$ ∈{0,1} b $n$ \in\{0,1\} b $n$ ∈{0,1}

在仿真中使用随机数据有两个好处：

可以比较发送数据与接收数据，计算误码率；
可以通过多次随机试验评估系统性能。

在真实系统中，这些数据可能来自语音、视频、传感器或者网络数据包。

2. 添加 CRC32

CRC32 用于检测接收数据是否发生错误。

发送端根据有效载荷计算 32 位 CRC，并将其附加到数据尾部：

Packet=Payload∥CRC32 \text{Packet}=\text{Payload}\parallel\text{CRC32} Packet=Payload∥CRC32

其中，符号 ∥\parallel∥ 表示数据拼接。

需要注意的是，CRC 只能检错，不能纠错。真正负责纠错的是后面的卷积编码和 Viterbi 译码。

接收端重新计算 CRC：

CRC 一致：数据包大概率正确；
CRC 不一致：数据包存在错误，需要丢弃或重传。

因此，CRC 通常用于统计误包率 PER，而不仅仅是误码率 BER。

3. 卷积编码

图中的卷积编码器参数为：

K=7,R=12 K=7,\qquad R=\frac{1}{2} K=7,R=21

生成多项式为：

G0=1718,G1=1338 G_0=171_8,\qquad G_1=133_8 G0=1718,G1=1338

码率 R=1/2R=1/2R=1/2 表示每输入 1 bit，编码器输出 2 bit。

例如：

text 复制代码

输入：1 0 1 1
输出：xx xx xx xx

输出数据量约为输入数据量的两倍，因此降低了有效传输速率，但提高了抗噪声能力。

约束长度 K=7K=7K=7 表明当前编码结果不仅取决于当前输入，还与之前若干输入有关。接收端可以利用这种关联，通过 Viterbi 算法恢复最可能的原始比特序列。

4. 块交织

卷积码比较擅长纠正分散的随机错误，但无线信道经常产生连续错误。

例如，某个频率区域发生深衰落时，相邻子载波上的多个比特可能同时出错。块交织器通过重新排列编码比特，将相邻比特分散到不同位置。

假设编码数据按行写入矩阵：

$b0b1b2b3b4b5b6b7b8$ \begin{bmatrix} b_0 & b_1 & b_2 \\ b_3 & b_4 & b_5 \\ b_6 & b_7 & b_8 \end{bmatrix} b0b3b6b1b4b7b2b5b8

然后按列读出：

b0,b3,b6,b1,b4,b7,b2,b5,b8 b_0,b_3,b_6,b_1,b_4,b_7,b_2,b_5,b_8 b0,b3,b6,b1,b4,b7,b2,b5,b8

经过无线信道后，即使出现一段连续错误，接收端解交织后，这些错误也会被分散，从而提高 Viterbi 译码的成功率。

5. 16QAM 调制

经过编码和交织的比特被送入 16QAM 调制器。

16QAM 一共有 16 个星座点，因此每个复数符号可以携带：

log⁡216=4 bit \log_2 16=4\text{ bit} log216=4 bit

例如，一组比特可能按照 Gray 编码映射为：

text 复制代码

0000 → -3-3j
0001 → -3-1j
0011 → -3+1j
0010 → -3+3j

实际使用时通常还需要进行功率归一化。若星座点取值为 ±1\pm1±1 和 ±3\pm3±3，平均符号能量为 10，因此可除以 10\sqrt{10}10 ：

Xnorm=X10 X_{\text{norm}}=\frac{X}{\sqrt{10}} Xnorm=10 X

Gray 映射可以保证相邻星座点通常只相差 1 bit，从而降低误符号造成的比特错误数量。

16QAM 的频谱效率高于 BPSK 和 QPSK，但星座点之间距离更近，因此对噪声、频偏和信道估计误差更加敏感。

6. 插入导频

系统共有 52 个占用子载波，其中：

48 个用于传输数据；
4 个用于发送导频。

导频是收发双方都已知的符号。接收机通过比较导频的发送值和接收值，估计无线信道对信号造成的幅度衰减与相位旋转。

可以将频域 OFDM 符号表示为：

X $k$ ={Xd $k$ ,k∈DXp $k$ ,k∈P0,其他位置 X $k$ = \begin{cases} X_d $k$ , & k\in\mathcal{D}\\ X_p $k$ , & k\in\mathcal{P}\\ 0, & \text{其他位置} \end{cases} X $k$ =⎩ ⎨ ⎧Xd $k$ ,Xp $k$ ,0,k∈Dk∈P其他位置

其中：

D\mathcal{D}D 为数据子载波集合；
P\mathcal{P}P 为导频子载波集合；
未使用的子载波被置零。

64 个子载波中没有全部投入使用，是为了保留直流子载波和频带两侧的保护子载波。

7. 64 点 IFFT

完成子载波映射后，通过 64 点 IFFT 将频域符号转换成时域波形：

x $n$ =164∑k=063X $k$ ej2πkn/64 x $n$ =\frac{1}{64} \sum_{k=0}^{63}X $k$ e^{j2\pi kn/64} x $n$ =641k=0∑63X $k$ ej2πkn/64

IFFT 将多个彼此正交的子载波合成为一个时域 OFDM 符号。

这些子载波在频域上存在重叠，但由于它们相互正交，接收端仍然可以使用 FFT 将其分离。这也是 OFDM 具有较高频谱利用率的重要原因。

8. 添加循环前缀

系统的循环前缀长度为 16。发送端将时域 OFDM 符号最后 16 个采样点复制到符号前面：

xCP= $x\[48$ ,...,x $63$ ,x $0$ ,...,x $63$ ] x_{\mathrm{CP}}= $x\[48$ ,\ldots,x $63$ ,x $0$ ,\ldots,x $63$ ] xCP= $x\[48$ ,...,x $63$ ,x $0$ ,...,x $63$ ]

添加循环前缀后的符号总长度为：

64+16=80 64+16=80 64+16=80

循环前缀主要有两个作用：

减少多径造成的符号间干扰；
将信道线性卷积转化为有效区间内的循环卷积。

只要信道最大时延扩展不超过循环前缀长度，接收机就可以在频域使用单抽头均衡器补偿信道。

其代价是增加了传输开销。本系统的循环前缀开销为：

1664=25% \frac{16}{64}=25\% 6416=25%

三、无线信道模型

图中的信道同时考虑了多径、载波频偏和噪声。

1. 多径信道

多径信道可以表示为：

h $n$ =∑l=0L−1hlδ $n-τl$ h $n$ =\sum_{l=0}^{L-1}h_l\delta $n-\\tau_l$ h $n$ =l=0∑L−1hlδ $n-τl$

其中：

hlh_lhl 为第 lll 条路径的复数增益；
τl\tau_lτl 为对应路径时延；
LLL 为路径数量。

图中支持三种情况：

平坦信道；
3-tap 多径信道；
5-tap 多径信道。

平坦信道主要改变整体幅度和相位；多径信道则会使不同子载波经历不同的衰减，从而形成频率选择性衰落。

2. 载波频偏

发射机与接收机的本振频率不可能完全一致，同时用户移动也可能带来多普勒频移，这些因素都会产生载波频偏 CFO。

带有频偏的接收信号可以表示为：

r $n$ =s $n$ ej2πΔfn/Fs r $n$ =s $n$ e^{j2\pi\Delta f n/F_s} r $n$ =s $n$ ej2πΔfn/Fs

其中：

Δf\Delta fΔf 为载波频偏；
FsF_sFs 为采样率。

CFO 会造成：

星座图持续旋转；
子载波之间的正交性被破坏；
产生载波间干扰 ICI；
接收误码率明显升高。

因此，接收机必须在 FFT 前进行频偏估计与校正。

3. 高斯白噪声

信道还会加入复高斯白噪声：

y $n$ =(x∗h) $n$ ej2πΔfn/Fs+w $n$ y $n$ =(x*h) $n$ e^{j2\pi\Delta f n/F_s}+w $n$ y $n$ =(x∗h) $n$ ej2πΔfn/Fs+w $n$

其中：

w $n$ ∼CN(0,σ2) w $n$ \sim\mathcal{CN}(0,\sigma^2) w $n$ ∼CN(0,σ2)

图中的仿真信噪比范围为 15～30 dB，可以用于观察系统误码率和误包率随信噪比的变化。

四、OFDM 接收机处理流程

1. Schmidl-Cox 包检测与同步

接收机首先需要确定数据包从哪里开始。

Schmidl-Cox 算法使用具有重复结构的训练序列完成包检测和粗定时同步。假设训练符号由两个相同的长度为 LLL 的序列构成，其延迟相关值为：

P(d)=∑m=0L−1r∗ $d+m$ r $d+m+L$ P(d)=\sum_{m=0}^{L-1} r^* $d+m$ r $d+m+L$ P(d)=m=0∑L−1r∗ $d+m$ r $d+m+L$

接收信号能量为：

R(d)=∑m=0L−1∣r $d+m+L$ ∣2 R(d)=\sum_{m=0}^{L-1}|r $d+m+L$ |^2 R(d)=m=0∑L−1∣r $d+m+L$ ∣2

同步度量可写为：

M(d)=∣P(d)∣2R2(d) M(d)=\frac{|P(d)|^2}{R^2(d)} M(d)=R2(d)∣P(d)∣2

当滑动窗口进入重复训练序列时，相关度量会明显增大。接收机根据该特征检测数据包，并估计 OFDM 符号的起始位置。

如果定时位置错误，FFT 窗口会发生偏移，严重时将破坏子载波正交性。

2. CFO 估计

Schmidl-Cox 的相关结果不仅可以用于定时，还可以估计粗载波频偏。

由于训练序列前后两部分相同，它们之间的相位差主要来自 CFO：

ϕ^=arg⁡(P(d)) \hat{\phi}=\arg(P(d)) ϕ^=arg(P(d))

进而可估计频偏：

Δf^=ϕ^Fs2πL \widehat{\Delta f} =\frac{\hat{\phi}F_s}{2\pi L} Δf =2πLϕ^Fs

该方法存在一定估计范围限制，因此工程系统有时还会增加短训练序列和长训练序列，分别完成粗频偏与细频偏估计。

3. NCO 频偏校正

获得频偏估计值后，接收机使用数控振荡器 NCO 产生反向旋转信号：

rc $n$ =r $n$ e−j2πΔf^n/Fs r_c $n$ =r $n$ e^{-j2\pi\widehat{\Delta f}n/F_s} rc $n$ =r $n$ e−j2πΔf n/Fs

理想情况下，校正后的残余频偏接近零。

这一处理应当在 FFT 之前完成。因为严重 CFO 会产生 ICI，仅在 FFT 后修正公共相位并不能完全消除其影响。

4. 去除循环前缀

完成同步和频偏校正后，接收机删除每个 OFDM 符号前面的 16 个循环前缀采样，只保留后面的 64 个有效采样点。

如果符号起始位置正确，并且信道最大时延小于 CP 长度，去除 CP 后便可对有效数据执行 FFT。

5. 64 点 FFT

接收机使用 64 点 FFT，将时域信号转换回频域：

Y $k$ =∑n=063y $n$ e−j2πkn/64 Y $k$ =\sum_{n=0}^{63} y $n$ e^{-j2\pi kn/64} Y $k$ =n=0∑63y $n$ e−j2πkn/64

在循环前缀足够长且同步准确的情况下，每个子载波近似满足：

Y $k$ =H $k$ X $k$ +W $k$ Y $k$ =H $k$ X $k$ +W $k$ Y $k$ =H $k$ X $k$ +W $k$

这意味着复杂的时域多径卷积被转换成了频域上的逐子载波乘法，大幅降低了均衡复杂度。

6. 基于导频的 LS 信道估计

在导频位置，发送符号 Xp $k$ X_p $k$ Xp $k$ 是已知的，因此可以采用最小二乘法估计信道：

H^ $kp$ =Y $kp$ Xp $kp$ \hat{H} $k_p$ =\frac{Y $k_p$ }{X_p $k_p$ } H^ $kp$ =Xp $kp$ Y $kp$

由于只有 4 个导频，而数据子载波有 48 个，因此还需要通过线性插值、样条插值或其他方法获得所有数据子载波上的信道估计值。

LS 算法优点是结构简单、计算量低；缺点是没有充分利用噪声统计信息，在低信噪比下估计误差较大。

若需要进一步提高性能，可以考虑：

MMSE 信道估计；
DFT 降噪；
时频二维插值；
判决反馈信道跟踪。

7. 软均衡

最简单的迫零均衡形式为：

X^ $k$ =Y $k$ H^ $k$ \hat{X} $k$ =\frac{Y $k$ }{\hat{H} $k$ } X^ $k$ =H^ $k$ Y $k$

但当 ∣H^ $k$ ∣|\hat{H} $k$ |∣H^ $k$ ∣ 很小时，迫零均衡会放大噪声。因此实际系统可以使用 MMSE 均衡：

X^ $k$ =H^∗ $k$ ∣H^ $k$ ∣2+σn2/EsY $k$ \hat{X} $k$ =\frac{\hat{H}^* $k$ } {|\hat{H} $k$ |^2+\sigma_n^2/E_s} Y $k$ X^ $k$ =∣H^ $k$ ∣2+σn2/EsH^∗ $k$ Y $k$

软均衡不仅需要输出估计符号，还应保留该子载波的可靠度信息，使后续软解调器知道哪些符号更可信。

8. 16QAM 软解调

硬判决解调直接将接收符号映射为 0 或 1，会丢失置信度信息。

软解调则为每一个比特计算对数似然比 LLR：

L(bi)=ln⁡P(bi=0∣Y)P(bi=1∣Y) L(b_i) =\ln \frac{P(b_i=0\mid Y)} {P(b_i=1\mid Y)} L(bi)=lnP(bi=1∣Y)P(bi=0∣Y)

其绝对值表示判决置信度：

LLR 绝对值越大，判决越可靠；
LLR 接近 0，表示该比特难以确定；
LLR 的正负表示更倾向于 0 还是 1，具体符号约定由实现决定。

使用 max-log 近似后：

L(bi)≈1σ2 $mins\inSi1∣Y-s∣2-mins\inSi0∣Y-s∣2$ L(b_i)\approx \frac{1}{\sigma^2} \left $\\min_{s\\in S_i\^1}\|Y-s\|\^2 -\\min_{s\\in S_i\^0}\|Y-s\|\^2 \\right$ L(bi)≈σ21 $s\inSi1min∣Y-s∣2-s\inSi0min∣Y-s∣2$

软信息可以显著提高 Viterbi 译码性能，尤其是在中低信噪比条件下。

9. 解交织

接收机按照与发送端相反的排列规则重新组织 LLR。

需要特别注意：软接收机解交织的是一组 LLR，而不是已经完成硬判决的 0、1 序列。LLR 的顺序改变，但数值和符号应完整保留。

如果发送端和接收端的交织尺寸或索引规则不一致，即使信道完全没有噪声，也无法正确译码。

10. 软输入 Viterbi 译码

Viterbi 算法根据卷积码的状态转移关系，寻找累计路径度量最小或概率最大的路径。

对于约束长度 K=7K=7K=7 的卷积码，编码器状态数为：

2K−1=64 2^{K-1}=64 2K−1=64

相比硬输入 Viterbi，软输入译码器使用 LLR 或量化软值计算分支度量，能够利用接收信号的可靠度，因此通常具有更好的译码性能。

实现时还应注意：

编码器是否使用尾比特归零；
Viterbi 回溯长度；
生成多项式的位序；
LLR 正负号定义；
编码器与译码器的初始、终止状态。

这些参数只要有一项不一致，就可能出现无法译码的问题。

11. CRC 校验与有效载荷输出

Viterbi 输出译码比特后，接收机分离有效载荷和 CRC，并重新计算 CRC32。

text 复制代码

CRC 正确 → 输出 Payload
CRC 错误 → 丢弃该数据包

至此，接收机完成了从 IQ 采样到原始数据的全部恢复过程。

五、系统吞吐率分析

每个 OFDM 符号包含 48 个数据子载波。采用 16QAM 时，每个子载波携带 4 bit，因此调制后每个 OFDM 符号携带：

48×4=192 bit 48\times4=192\text{ bit} 48×4=192 bit

卷积码码率为 1/21/21/2，所以对应的信息比特约为：

192×12=96 bit 192\times\frac{1}{2}=96\text{ bit} 192×21=96 bit

考虑 16 点循环前缀后，OFDM 的时间利用率为：

ηCP=6464+16=0.8 \eta_{\mathrm{CP}} =\frac{64}{64+16} =0.8 ηCP=64+1664=0.8

如果只考虑卷积编码和 CP，不考虑 CRC、前导、导频占用等额外开销，则相对于全部 64 个子载波的理论比特利用率为：

η=4864×4×12×6480=1.2 \eta =\frac{48}{64} \times4 \times\frac{1}{2} \times\frac{64}{80} =1.2 η=6448×4×21×8064=1.2

即平均每个时域采样约承载 1.2 个有效信息比特。实际净吞吐率还需要扣除前导、CRC、包间隔和可能的填充比特。

六、建议的仿真调试顺序

完整链路模块较多，如果一开始就同时加入多径、频偏和噪声，很难快速定位故障。建议按照以下顺序调试。

第一阶段：验证基础收发链路

关闭噪声、多径和频偏，只测试：

text 复制代码

16QAM → IFFT → CP → 去CP → FFT → 16QAM解调

此时误码率应当为零。

第二阶段：验证编码链路

加入：

text 复制代码

卷积编码 → 交织 → 解交织 → Viterbi译码

无噪声情况下，译码结果仍应完全正确。

第三阶段：加入 AWGN

扫描不同 SNR，观察 BER 曲线是否随 SNR 增大而下降，同时比较：

未编码与卷积编码；
硬判决与软判决。

第四阶段：加入多径

加入 3-tap 或 5-tap 信道，验证：

CP 长度是否足够；
导频索引是否一致；
信道估计是否正确；
均衡后星座是否恢复。

第五阶段：加入频偏和同步

最后加入 CFO、前导和 Schmidl-Cox 同步，观察：

包检测成功率；
定时位置误差；
CFO 估计误差；
校正前后的星座图；
最终误包率。

七、常见问题

1. 无噪声时仍然出现误码

优先检查：

FFT 与 IFFT 是否使用相同的移位规则；
子载波索引是否一致；
16QAM 映射和解映射是否匹配；
交织和解交织是否严格互逆；
卷积码生成多项式的位序是否一致。

2. 频偏校正后星座图仍在旋转

可能原因包括：

CFO 估计符号方向写反；
NCO 校正指数正负号错误；
采样率或训练序列长度代入错误；
仍存在残余频偏或公共相位误差。

3. 均衡后部分子载波噪声很大

这通常意味着对应子载波位于信道深衰落区域。迫零均衡在除以很小的 ∣H $k$ ∣|H $k$ |∣H $k$ ∣ 时会严重放大噪声，可以改用 MMSE 均衡。

4. Viterbi 输出完全错误

重点检查：

171/133171/133171/133 是否按八进制处理；
LLR 的正负定义是否正确；
编码器是否添加尾比特；
译码器初始状态是否匹配；
回溯长度是否足够。

5. BER 不高，但 CRC 经常失败

BER 统计的是比特错误比例，而 CRC 判断的是整个数据包是否存在错误。即使一包只错了 1 bit，CRC 也会将其判为错误包。因此长数据包的 PER 通常明显高于 BER。

八、总结

本文分析的编码 OFDM 系统并不只是一个 IFFT/FFT 模型，而是一条较完整的数字通信链路：

CRC32 负责检错；
卷积码与 Viterbi 负责纠错；
交织负责分散突发错误；
16QAM 提高频谱效率；
导频用于估计信道；
IFFT/FFT 实现多载波调制；
循环前缀对抗多径；
Schmidl-Cox 完成包检测和粗同步；
CFO 估计与 NCO 校正恢复子载波正交性；
软均衡与软解调为译码器保留可靠度信息。

这套架构覆盖了 OFDM 物理层中最核心的处理模块，也非常适合作为 MATLAB、Python、GNU Radio、DSP 或 FPGA 链路实现的基础框架。