简介：面向无线通信与信号处理方向学习者，这份MATLAB程序资源聚焦多径效应仿真，旨在帮助理解多径衰落、时延扩展与频率选择性衰落对系统性能的影响。压缩包共4个文件，均为.m源代码脚本，整体大小仅2KB，体积小巧但模块清晰，便于分步运行与修改，适合MATLAB入门者对照学习。已有1536人学习下载。程序内容涵盖多径传播模型构建，如瑞利衰落与莱斯衰落信道，并配合QPSK/BPSK等调制方式完成信号发射、信道传输与接收处理；同时涉及FFT频谱分析以揭示频率选择性衰落，以及均衡器、信道估计与分集等抗多径技术。通过运行这些脚本，可直观观察多径效应引起的波形畸变与误码率变化，并可直接基于源码二次开发，用于课程设计、毕业设计或通信系统性能验证。

1. 多径效应为什么值得仿真：从一条曲线到一套信道模型的工程价值

多径效应是无线通信链路里绕不开的一道坎：发射机发出的信号，经过地面、楼宇、山体等物体的反射与散射，会以多条路径、多个时延、多个功率到达接收机，叠加之后的波形已面目全非，码间干扰和频率选择性衰落由此而来。真实环境里想单独测量多径影响，要么依赖外场测试，成本高、不可控；要么用仪表模拟，设备门槛又高。所以我更倾向于在 MATLAB 里把多径效应当成一个可控“变量”，通过仿真定量回答三个问题：时延扩展大到什么程度会让误码率明显恶化？信道的相干带宽如何决定系统是否需要均衡？不同的多径功率分布对接收机决策边界有什么影响？这篇文章就沿着这条路径，从信道建模原理讲到完整 QPSK 误码率仿真链路，让你既看到理论曲线，也看清实现过程中的边界和坑。适合正在做课程设计、毕业设计或通信链路预研的开发者参考。

2. 多径信道的数学底座：时延扩展、相干带宽与频率选择性衰落

2.1 多径的物理图景：每一条路径都是一次“信号复印”

假设发射端发送的是一个窄脉冲 p(t)，这个脉冲向四面八方传播，遇到高楼、地面、车辆后被反射或散射，接收端收到的就不再是一个干净脉冲，而是一串幅度不同、时延不同、相位不同的小脉冲。这正是无线信道的冲激响应 h(τ) 的直观含义：每条传输路径对应一个冲激分量，路径损耗决定幅度衰减 a_k，传播距离差决定时延 τ_k 和相位偏移 φ_k。于是多径信道在接收端的基带等效冲激响应可以写为：

h(τ) = Σ a_k · e^(jφ_k) · δ(τ - τ_k)

这里的 k 表示路径序号，δ(·) 是冲激函数。工程上常用抽头延迟线模型（TDL）来离散化这个表达式，把时间轴按照采样周期 Ts 切成若干抽头，每个抽头对应一个复系数。抽头间距就是 Ts，落在同一个采样点内的多条路径会被合并成一个等效径，这也决定了时延分辨率的上限。

实际信道中，路径数量和参数还会随时间缓慢变化——人走过、车辆移动、树叶摇动都会改变反射条件，所以严格写应该是 h(t, τ)。在 MATLAB 仿真里，我们通常会假设仿真时间尺度内信道是“块不变”的：一个数据块内信道冲激响应保持不变，块与块之间独立变化。这个假设简化了蒙特卡洛统计，也是后面使用 comm.RayleighChannel 时每次调用需要 reset 的理论依据。把这一点想清楚，就不会在统计误码率时犯状态不独立、结果偏乐观或偏悲观的低级错误。

2.2 三个核心参数：时延扩展、相干带宽与相干时间

描述多径信道，绕不开三个量。第一个是时延扩展，常用 RMS 时延扩展 τ_rms 来衡量，定义是所有路径功率加权时延的二阶中心矩开平方：

τ_rms = sqrt( (Σ P_k · τ_k²) / (Σ P_k) - ( (Σ P_k · τ_k) / (Σ P_k) )² )

其中 P_k 是第 k 条路径的平均功率。τ_rms 越大，说明能量在时间轴上铺得越开，符号间干扰的潜在风险越高。不同环境的 τ_rms 差别很大，做参数设计时不能拍脑袋。我这里列一组典型值：室内办公室环境大约 20~100 ns，室外宏小区约 100 ns~1 μs，山区或城市峡谷可达 10 μs 量级。你的系统符号周期和它一比，就知道自己是否站在危险区。

第二个是相干带宽 B_c，它和时延扩展互为倒数关系，工程上常用 B_c ≈ 1/(5·τ_rms) 估算，对应频率相关系数约 0.5 的带宽。信号带宽 B_s 远小于 B_c 时，各频率分量经历近似一致的增益和相位，信道表现为平坦衰落；B_s 远大于 B_c 时，信道对不同频率分量增益差异显著，波形被强烈扭曲，这就是频率选择性衰落。换句话说，判断一个系统是否被多径“重伤”，不是看绝对时延大小，而是看信号带宽与相干带宽的相对关系。

第三个是相干时间 T_c，它衡量信道随时间变化的快慢，与最大多普勒频移 f_d 有关：T_c ≈ 0.423 / f_d，而 f_d = v · f_c / c，v 是移动速度。如果符号周期远小于 T_c，一个符号内信道近似不变，称为慢衰落；反之符号还没发完信道就变了，出现时间选择性衰落。本文仿真主要关注时延维度的频率选择性，所以重点看前两个参数，多普勒设置保持一个较慢的值即可，避免时间维度和频率维度耦合，干扰结论的解读。

这三者的关系可以用一张参数表固化下来，方便对照。

理解了这套判断逻辑，后面设置仿真参数就有了依据：想演示平坦衰落，就让最大时延远小于符号周期；想演示频率选择性衰落，就让时延扩展跨越多个符号周期，并观察误码率曲线的错误平层。

3. 在 MATLAB 中建立多径信道模型：从抽头延迟线到瑞利信道对象

3.1 手工构造抽头延迟线信道：最小可复现代码

如果不想引入通信工具箱，或者希望完全掌握信道内部结构，手工构造抽头延迟线模型是最直接的做法。核心思路就是前面提到的：把时延按采样周期量化，把幅度和相位填到对应抽头上。下面这段代码用固定路径参数构造了一个多径信道冲激响应：

% 系统参数 fs = 10e6; % 采样率 10 MHz，采样周期 Ts = 0.1 us Ts = 1 / fs; sps = 10; % 每个符号的采样点数，后面过采样用 % 多径参数 tau = [0 0.3 0.7 1.5] * 1e-6; % 各路径时延，单位秒 pow_dB = [0 -3 -6 -10]; % 各路径平均功率，单位 dB % 时延量化为采样周期整数倍 tau_samp = round(tau / Ts); % 初始化冲激响应 h = zeros(1, max(tau_samp) + 1); % 逐路径填入复幅度 for k = 1:length(tau_samp) amp = 10^(pow_dB(k) / 20); % dB 功率转线性幅度 phase = exp(1j * 2 * pi * rand); % 随机相位，模拟反射路径 h(tau_samp(k) + 1) = h(tau_samp(k) + 1) + amp * phase; end % 查看冲激响应幅度 stem(0:length(h)-1, abs(h)); xlabel('抽头位置（采样周期数）'); ylabel('幅度'); title('手工构造的多径信道冲激响应');

这段代码的逻辑很直白：先把每条路径的时延除以采样周期并取整，得到它落在哪个抽头位置；再把该路径的功率从 dB 转成线性幅度，乘一个随机相位后累加到对应抽头上。这里有一个细节值得说明：amp = 10^(pow_dB(k)/20) 是把“平均功率的 dB 值”转成“幅度”的写法，因为功率是幅度的平方，所以换算时除以 20 而不是 10。随机相位模拟的是每条反射路径传播距离不同导致的相位差，如果不加相位，所有路径同相叠加，冲激响应幅度会被严重高估，偏离物理实际。

这段代码适合做教学验证和快速原型。它的优点是没有任何工具箱依赖，每一条路径的贡献都可以逐项检查，排错非常直观；缺点也很明显：没有多普勒频移，不能模拟信道随时间的变化；静态幅度假设也无法体现瑞利衰落中幅度的随机波动。所以更接近“固定多径信道”而非“衰落信道”。当你想看频率选择性对系统的影响，且信道变化不快时，这种静态模型往往已经足够得出结论；想更贴合移动场景，则应该用下一小节的标准信道对象。

3.2 用 comm.RayleighChannel 搭建标准瑞利衰落信道

通信工具箱里的 comm.RayleighChannel 是更工程化的选择，它把多径时延、路径功率、多普勒频移、信道归一化全部封装成参数化对象，还支持每个采样点的连续衰落输出。我一般建议在系统级仿真中用这个对象，原因有三：一是它内置了正确的复高斯随机过程，每条路径的幅度天然满足瑞利分布；二是支持多普勒频移，可以通过 MaximumDopplerShift 控制时间选择性；三是对象内部自动把时延离散化到采样网格上，省去手动取整的麻烦。

% 创建瑞利衰落多径信道对象 fs = 10e6; channel = comm.RayleighChannel( ... 'SampleRate', fs, ... % 采样率必须与系统一致 'PathDelays', [0 0.3 0.7 1.5]*1e-6, ... % 路径时延，单位秒 'AveragePathGains', [0 -3 -6 -10], ... % 路径平均功率，单位 dB 'MaximumDopplerShift', 10, ... % 最大多普勒频移 10 Hz 'NormalizePathGains', true, ... % 归一化总路径功率为 1 'RandomStream', 'mt19937ar with seed', ... % 可重复随机数流 'Seed', 42); % 固定种子，保证结果可复现

参数设置的几个要点需要展开。SampleRate 必须与发送端波形的采样率一致，否则时延会被按错误的采样网格离散化，导致实际信道和设计值不一致。PathDelays 和 AveragePathGains 是成对出现的，长度必须相同，分别描述各路径的到达时间与平均功率，这里的功率是长期平均意义上的，其随机波动由内部瑞利过程产生。MaximumDopplerShift 的单位是 Hz，10 Hz 对应步行速度；如果设为 0，信道退化为静态多径，与手工构造的模型等价。NormalizePathGains 设为 true 时，对象自动将所有路径总平均功率归一化为 1，这能保证信号经过信道后平均功率基本不变，后续加噪声时 SNR 的定义才不会被信道损耗干扰。

% 发射一个测试脉冲，观察信道输出 testSeq = [1; zeros(99, 1)]; % 单脉冲 + 尾随零 rxPulse = channel(testSeq); % 画信道冲激响应 figure; stem(0:length(rxPulse)-1, abs(rxPulse)); xlabel('采样点'); ylabel('幅度'); title('RayleighChannel 输出的冲激响应'); % 连续第二次调用，看信道是否在演化 rxPulse2 = channel(testSeq); hold on; stem(0:length(rxPulse2)-1, abs(rxPulse2), 'rx'); legend('第一次调用', '第二次调用');

上面的验证代码展示了两个关键行为：第一次调用时信道会按随机种子初始化一套冲激响应；第二次调用时由于多普勒频移的影响，信道系数已经变化，两次冲激响应不完全相同。这正是瑞利衰落的特征——信道不是静态的，每次使用都可能拿到不同的实现。如果读者希望每次程序从头运行得到相同结果，固定 Seed 即可；希望看到统计平均效果，则可以重置信道对象配合蒙特卡洛循环。

3.3 频域验证：信道建模是否正确的快速检查

时域冲激响应只能看到抽头位置和大小，看不出频率选择性。更常用的验证方式是直接画频域响应，观察深衰落点是否出现在预期的频点上。窄带信号的频点选择性，可以通过对信道冲激响应做 FFT 得到。

% 获取当前信道的冲激响应 impResp = rxPulse; % 上一步得到的信道冲激响应 Nfft = 1024; % FFT 点数 H_f = fft(impResp, Nfft); % 频域响应 f_axis = (0:Nfft-1) / Nfft * fs / 1e6; % 频率轴，单位 MHz figure; plot(f_axis, 20*log10(abs(H_f))); xlabel('频率 (MHz)'); ylabel('幅度 (dB)'); title('多径信道频域响应'); grid on; % 计算并标注 3 dB 衰落带宽的位置 [maxGain, maxIdx] = max(abs(H_f)); thresh = maxGain / sqrt(2); % -3 dB 门限 crossIdx = find(abs(H_f) > thresh, 1, 'last'); coherBandwidth = (crossIdx - maxIdx) / Nfft * fs; fprintf('估算的相干带宽约为 %.2f MHz\n', coherBandwidth / 1e6);

这个检查的意义在于把理论上的相干带宽与实际仿真实现对应起来。如果你设置了 1.5 μs 的最大时延，按互易关系估算相干带宽在几百 kHz 量级，那么 FFT 结果里第一个深衰落点应该在对应的频差附近出现。如果画出来深衰落点间距异常，多半是 PathDelays 或 SampleRate 设置不匹配，排查效率会高很多。

4. 从信道到系统：QPSK 调制信号过多径的误码率仿真

4.1 完整仿真链路与核心代码

信道建好之后，下一步就是把它放进完整的收发链路里评估系统性能。这里我以 QPSK 为例，过采样后经过多径信道，在接收端做匹配滤波和下采样，直接解调统计误码率。这样设置有两个好处：过采样保证了时延分辨率足以描述亚符号周期的多径结构；不做均衡则能直观看到多径带来的性能损失。

%% 系统参数 M = 4; % QPSK numBits = 2e6; % 仿真总比特数 sps = 10; % 每个符号 10 个采样点 fs = 10e6; % 采样率 10 MHz Rs = fs / sps; % 符号速率 1 Msps Tsym = 1 / Rs; % 符号周期 1 us snrRange = 0:2:20; % 符号信噪比范围 dB % 两组多径参数：轻度与重度 pathDelayCell = { ... [0 0.1e-6 0.2e-6], ... % 最大时延 0.2 个符号周期 [0 0.5e-6 1.5e-6 3.5e-6] }; % 最大时延 3.5 个符号周期 pathGainCell = { ... [0 -3 -6], ... [0 -2 -4 -8] }; legendCell = {'轻度多径', '重度多径'}; %% 双信道 BER 对比 for chIdx = 1:2 % 创建信道对象 channel = comm.RayleighChannel( ... 'SampleRate', fs, ... 'PathDelays', pathDelayCell{chIdx}, ... 'AveragePathGains', pathGainCell{chIdx}, ... 'MaximumDopplerShift', 10, ... 'NormalizePathGains', true, ... 'RandomStream', 'mt19937ar with seed', ... 'Seed', 100 + chIdx); berResult = zeros(size(snrRange)); for snrIdx = 1:length(snrRange) % 重置信道，使每个 SNR 点对应独立信道实现 reset(channel); % 1. 生成随机比特 dataBits = randi([0 1], numBits, 1); % 2. 比特映射到 QPSK 符号索引 (0~3) symIdx = dataBits(1:2:end) * 2 + dataBits(2:2:end); % 3. QPSK 调制 txSymbols = pskmod(symIdx, M, pi/4, 'gray'); % 4. 过采样：每个符号复制 sps 个采样点 txWave = rectpulse(txSymbols, sps); % 5. 经过多径信道 rxWave = channel(txWave); % 6. 添加 AWGN，按测量功率定义 SNR rxNoisy = awgn(rxWave, snrRange(snrIdx), 'measured'); % 7. 匹配滤波与下采样：对每 sps 个采样求平均 rxSymbols = intdump(rxNoisy, sps); % 8. QPSK 解调 rxSymIdx = pskdemod(rxSymbols, M, pi/4, 'gray'); % 9. 符号索引还原为比特 rxBits = zeros(numBits, 1); rxBits(1:2:end) = floor(rxSymIdx / 2); rxBits(2:2:end) = mod(rxSymIdx, 2); % 10. 误码率统计 berResult(snrIdx) = sum(dataBits ~= rxBits) / numBits; end semilogy(snrRange, berResult, '-o', 'LineWidth', 1.5, ... 'DisplayName', legendCell{chIdx}); hold on; end grid on; xlabel('SNR (dB)'); ylabel('BER'); legend('Location', 'southwest'); title('QPSK 经多径信道后的误码率（未均衡）');

这段代码的步骤含义值得逐一说明。比特到符号的映射用了简单的二进制拼接：dataBits(1:2:end) 是每个符号的高位，dataBits(2:2:end) 是低位，合成 0~3 的整数索引。pskmod 的第三个输入 pi/4 设置星座相位偏转，配合 'gray' 格雷映射，可以降低相邻符号误判时的误码率。rectpulse 实现零阶保持过采样，每个符号重复 sps 次，等效于脉冲成形前的离散基带信号。经过信道后，intdump 对每 sps 个连续采样求平均，相当于匹配滤波并下采样到符号速率。这里没有做定时同步，因为仿真中我们知道精确的符号边界；实际系统里需要同步模块，这是模型与真机的差异点之一。

关键参数调整的指导原则：numBits 决定误码率估计的置信度，2e6 比特在 BER=1e-4 时能观察到约 200 个误码，统计波动约正负 14%，基本够用；想要更平滑的曲线，可以把 numBits 提到 1e7，仿真时间会成比例增加。sps 决定时延分辨率，对于最大时延 3.5 μs 和符号周期 1 μs，sps=10 已经能分辨 0.1 μs 的路径间距；如果 sps 太小，小于一个采样周期的路径会被合并，时延扩展的细节丢失。snrRange 的选择要看目标 BER 范围，QPSK 理论误码率在 20 dB 时已经低于 1e-5，再往上推意义不大。

4.2 参数扫描：把时延扩展作为变量观察 BER 恶化

上面代码跑出来的结果，通常会让第一次接触多径仿真的开发者印象深刻：重度多径的 BER 曲线在高信噪比区域不再下降，形成一个错误平层，而这个平层正是频率选择性衰落导致的码间干扰造成的。轻度多径的 BER 接近 AWGN 信道下的理论值，因为最大时延 0.2 μs 只有符号周期的 1/5，能量主要集中在主径及其附近，符号间干扰很小。

要更精细地观察时延扩展的影响，可以把最大时延做成变量，循环扫描一组值，观察同一个 SNR 下 BER 随最大时延的变化。常见做法是固定路径数为 4 条、固定总功率归一化，只改变第 4 条路径的时延，从 0.2 μs 一直扫到 6 μs，每档跑一次仿真并记录 BER。这样画出的曲线能直接回答“时延大到多少，系统开始撑不住”这个问题，也方便你和理论分析里的相干带宽换算相互印证。

这里需要提醒一个易被忽略的细节：改变时延扩展时，如果只是把路径时延拉大，但没有重新归一化路径总功率，不同时延扩展配置下的 SNR 基准就不一致，比较结果会出现假象。所以在做参数扫描之前，先检查 NormalizePathGains 是否为 true，或者手工计算等效路径功率总和并校核。这是后续避坑章节里会展开的问题。

5. 多径仿真避坑指南：5 个高频翻车现场和排查思路

5.1 现象：频域信道响应画出来是乱的

做频域验证时，如果发现 FFT 结果和理论预估的衰落周期对不上，深衰落点位置与路径时延明显不符合互易关系，首先要怀疑时延离散化出了问题。PathDelays 里如果写了非采样周期整数倍的时延值，而系统又依赖手动离散化，那么实际落点会和你以为的落点不一致。

原因基本有两个：一是 SampleRate 设置与信号生成端不一致，导致时延对应的采样位置被错误缩放；二是手工量化时直接用 round，而不是考虑离散化后抽头功率合并的影响。解决方法是，先确认全链路共用一个 fs 常量，再把时延统一表示为采样间隔的整数倍，检查 round 之后的抽头间距是否仍符合物理预期。对于 comm.RayleighChannel，它内部已经做了近似离散化，但如果你对时延精度有苛刻要求，比如要精确模拟某个实际场景的测量数据，还是建议把 PathDelays 设置成采样周期的整数倍，避免内部插值带来额外误差。

5.2 现象：高信噪比下误码率掉不下去

重度多径的 BER 曲线在高信噪比出现平层，这本身不是 bug，而是频率选择性衰落的物理结果。但很多第一次跑这个仿真的开发者会误判为代码问题，反复调噪声模型，浪费大量时间。

真正的判断标准是先跑一条纯 AWGN 基线做对照。如果 AWGN 下 BER 曲线与理论值吻合，而多径信道下出现平层，且平层高度与时延扩展正相关，那就可以确认是码间干扰导致的。此时正确的工程出路是引入均衡器，而不是继续堆高 SNR。你甚至可以做一个简单实验：把发射信号改成恒包络的窄带正弦波，排除调制占用带宽的影响，再用 FFT 看频域响应，确认平层确实来自信道频率选择性而非仿真实现问题。

5.3 现象：信道输出功率与设置对不上

NormalizePathGains 设为 true 时，信道长期平均输出功率应该接近输入功率。但如果你用的是手工构造的抽头延迟线模型，很容易写出功率重复累加的代码：比如在多个抽头填值后，又额外把所有抽头幅度加起来做了一次归一化，结果把本来就正确的功率放大了。

原因还是对“平均功率”和“瞬时幅度”的换算不清晰。正确做法是：如果各路径功率以 dB 表示，先转成线性功率，再按幅度 = 开平方后的线性功率填入抽头；最后如果要归一化，用总功率而不是总幅度做除法。一个简单的验证方法是把一段随机信号输入信道，比较输入输出的平均功率，偏差超过 0.5 dB 就需要回头查归一化逻辑。信噪比的定义一旦被功率偏差污染，后面所有 BER 曲线都会失去意义。

5.4 现象：BER 曲线毛刺多，每次跑结果差很多

如果同样的代码跑两次，BER 曲线完全不同，尤其是低 BER 区间抖动剧烈，几乎可以断定是蒙特卡洛样本量不足。误码率估计的方差与误码个数成反比，要想在 BER=1e-5 处得到稳定估计，至少需要观察到几十个误码，也就是要求总比特数在 1e6~1e7 量级。但如果用了固定的随机种子，两次运行每次相同，不代表统计足够稳，只是说明可复现而已。

解决思路有两个方向。一是增加 numBits，这是最直接的；二是保持固定信道种子，只随机化数据比特，跑多次取平均，从方差上评估稳定性。对于时间紧的情况，可以先跑小样本量定位趋势，再在关键 SNR 点上加密样本。还要注意，用 comm.RayleighChannel 做连续流式调用时，信道本身在演化，不同 SNR 点的信道条件实际并不独立；如果对统计严格性有要求，每个 SNR 点写入 reset(channel) 是必须的。

5.5 现象：把瑞利信道当成了静态信道

有些开发者把 comm.RayleighChannel 当确定性滤波器使用，在多个 SNR 点之间不重置也不复位，结果所有 SNR 点共用同一段信道状态。这带来的问题是：轻度多径场景下性能可能偏乐观，因为信道恰好落在有利实现上；重度多径场景下则可能偏悲观。结论重复性差，且不方便分析。

正确做法是在每个 SNR 点循环开始处调用 reset(channel)，并把随机种子固定到信道对象的创建阶段。如果你想模拟时变信道下的平均性能，更合理的设计是外层用蒙特卡洛循环，内层对同一个信道实现传输多个数据块，再对所有块统计误码。这相当于每次仿真都包含多帧衰落，得到的 BER 才代表长期统计结果，而不是某个瞬时信道实现的偶然值。

6. 把多径仿真往前再推一步：眼图、均衡器与代码封装

6.1 用眼图直接看码间干扰

误码率是个统计数值，但调试时你更想直接看到码间干扰长什么样。眼图就是最直观的工具。把接收端下采样前的波形按符号周期切段叠加，就能看到“眼睛”的张开程度。多径越严重，眼睛闭得越快。

% 取一段接收波形画眼图 segmentLen = length(rxNoisy); % rxNoisy 来自上一节仿真 maxSyms = 400; % 只看前 400 个符号，避免画面过密 rxSeg = rxNoisy(1:maxSyms*sps); eyediagram(rxSeg, 2*sps); % 每 2 个符号周期显示一段

eyediagram 的第二个参数是每屏采样点数，这里设成 2 倍过采样因子，即每个眼图窗口展示 2 个符号周期。重度多径下你会看到眼睛几乎完全闭合，解调器靠抽样判决已经无法分辨符号；轻度多径下眼睛虽然张开但轮廓有模糊，边缘出现垂直方向的多余轨迹。这个画面配合 BER 平层数据，能帮你在报告中把结论讲得更可信。

6.2 加一个线性均衡器恢复性能

当确认多径是性能瓶颈后，下一步自然是验证均衡器的补偿效果。这里用通信工具箱的线性均衡器就能快速对比：

% 创建 LMS 线性均衡器 eq = comm.LinearEqualizer( ... 'Algorithm', 'LMS', ... 'NumTaps', 21, ... % 抽头数，需要覆盖最大时延扩展 'StepSize', 0.01, ... % 步长，影响收敛速度和稳态误差 'ReferenceTap', 11, ... % 中心抽头位置 'InputDelay', 5); % 用带噪声的接收序列训练均衡器 eqOut = eq(rxNoisy, txSymbols); % txSymbols 作为训练参考 % 训练完成后取均衡输出做后续解调

抽头数建议按最大时延扩展对应的采样点数再留 30% 余量：3.5 μs 时延对应约 35 个采样点，21 个抽头略紧张，实际可试 NumTaps=45。StepSize 太大会导致收敛后抖动大，太小则收敛慢；以 0.005~0.02 为起点调整。均衡后的 BER 曲线应当重新贴近无多径条件下的理论值，若仍有差距，优先检查参考信号延迟对齐和抽头数覆盖范围。这是我调试均衡器时踩得最多的坑：训练序列和参考序列没有对齐，均衡器永远学不到正确映射。

6.3 把多径仿真封装成可复用函数

当仿真链路稳定后，我会把整条链路封装成一个函数，输入是路径时延、路径功率、SNR 范围，输出是 BER 数据，方便以后对不同参数组合一键扫描。函数内部把信道创建、过采样、加噪、解调、误码统计全部串起来，只在参数校验处保留几个断言检查，比如 PathDelays 必须和 AveragePathGains 等长、采样率必须为正数等。封装的核心收益是，把你从反复复制代码的重复劳动中解放出来，把注意力集中在参数组合的设计上，比如对比不同时延扩展、不同路径数量、不同多普勒频移下的系统性能。我在接到的实际项目中，经常用这种封装让团队里做算法验证的同事快速跑出一组性能曲线，然后再下来讨论优化方向。

这个方向做久了你会形成一种直觉：看到一个新的信道模型，第一反应不是急着跑 BER，而是先算时延扩展、相干带宽，判断系统处于平坦衰落还是频率选择性衰落，再决定仿真参数怎么摆、均衡器要不要加。这种直觉的培养，正是反复做多径仿真最大的回报。希望这篇笔记能帮你在自己的项目里少走弯路，把更多的精力留给真正影响性能的算法设计本身。

本文还有配套的精品资源，点击获取