简介：正交频分复用是现代无线通信的核心调制技术，在无线局域网、第四代及第五代移动通信、数字电视广播等领域都有广泛应用。针对此类系统的频谱分析需求，这份程序包提供了从正交频分复用符号生成、逆傅里叶变换到频谱可视化的完整实现路径，其核心脚本模拟多个子载波在频域上的正交叠加，同时加入信道衰落与噪声模型。最终生成的频谱结果图展示频域功率分配、子载波间隔设计以及多径效应引起的载波间干扰，帮助使用者直观理解正交频分复用系统的频谱效率优势与抗衰落机理。压缩包内共有两个文件，分别为一个可运行的脚本源文件与一张频谱图样例，整体体积仅十六千字节，轻量精炼，便于快速部署和二次修改；借助这份源码，学习者可自行调整关键参数，观察不同信道条件下的频谱变化。目前已有三百四十九人下载学习，适合通信工程课程实验、毕业设计或算法预研，是掌握频分复用原理与正交频分复用频谱特性的实用参考资料。
1. 为什么大家都在盯OFDM频谱：一个.zip里藏着的关键信息
搞无线通信的应该都有过这种体验：拿到一个OFDM相关的MATLAB源码包，先不急着跑通，第一件事就是看它生成的频谱图。OFDM频谱不是画出来好看的，它直接告诉你子载波间隔、循环前缀设计、加窗方式、频偏补偿这些参数到底有没有做对。这个标题里反复出现的“ofdm频谱”“频分复用”“频谱图”，指的就是一个能跑出真实OFDM频域表现的MATLAB源码包，里面包含一个可执行的脚本和一个TIFF格式的结果图。对做4G/5G物理层仿真、做Wi-Fi基带算法验证、或者刚入门OFDM想理解频谱效率的人来说，这份资源的价值在于：你能看到一个最小可复现的OFDM发射链路在频域长什么样。适合两类人：一类是刚接触OFDM、想通过绘图理解子载波正交性的学生；另一类是需要在现有系统上快速验证参数设计的工程师。这篇文章我会把OFDM频谱背后的计算逻辑、脚本参数、MATLAB跑通步骤和踩坑点全部拆开讲。
2. OFDM频谱的底层逻辑：正交性、IFFT与频谱效率的关系
2.1 频分复用到OFDM：从“物理隔离”到“正交隔离”
传统频分复用（FDM）把整个频带切成多个子频段，每个子频段之间要留出保护间隔，否则相邻子信道会互相干扰。这个保护间隔直接吃掉了一部分宝贵的频谱资源——这就是为什么传统FDM的频谱利用率上不去。OFDM的改变在于：它不再依赖物理上的频率间隔来隔离子信道，而是利用子载波之间的正交性让它们在频谱上互相重叠。你去看OFDM频谱图，会看到一个个sinc形状的谱线，每个谱线的峰值正好落在其他谱线的零点上，这就是所谓“正交叠加”。从频分复用的角度理解，OFDM是把一个宽带信道划分成N个窄带子信道，每个子信道只承载一路低速数据流。因为窄带信道的时域扩展远大于符号周期，多径时延带来的频率选择性衰落被转化成了平坦衰落，接收端就不需要复杂的均衡器。这只是理论上的好处，实际OFDM频谱是否好看，取决于IFFT点数、子载波映射方式、循环前缀和加窗函数的配合。MATLAB源码包里的ofdmpinpu.m脚本，本质就是把你看到的这些理论参数落到一行行可执行代码上。
2.2 IFFT如何把数据送上频域：时域符号与频域谱线的对应关系
OFDM调制最核心的一步，是把本来在频域上定义的调制符号（QPSK、16QAM等）通过IFFT变换到时间域发送。如果从教科书视角看，OFDM的发射端要做的事是：把比特流映射成复数符号，串并转换后映射到N个子载波上，然后做N点IFFT，加上循环前缀，再经DAC发送。这里初学者最容易绕晕的是“频域数据”和“IFFT”的关系。许多科普会说“把数据放在频域，IFFT到时域发送”，但注意：这里的“频域”是基带数字信号处理意义上的频域，不是现实世界无线电波的频率。真正发到空口中的频谱，是在时域信号做FFT之后才能看到的。当你用MATLAB跑完IFFT得到时域采样序列，再对这段序列做N点FFT，绘制的频谱图会呈现出N个独立的谱峰，每个谱峰对应一个子载波，位置等于子载波编号乘以子载波间隔。这个间隔Δf = fs / N，其中fs是采样率，N是IFFT点数，同时也是子载波总数。频谱效率的定义由此而来：OFDM符号速率为1/T，T是符号周期（包含循环前缀），总带宽约等于N×Δf加上一定的滚降余量，所以它能做到接近奈奎斯特极限的频带利用率。
2.3 ofdmpinpu.m脚本拆解：从参数初始化到绘图输出的完整流程
拿到源码包后先看文件结构，通常会有一个.m脚本和一个.tif图像文件。脚本里的核心变量一般是N_subcarrier（子载波总数）、cp_len（循环前缀长度）、mod_order（调制阶数）和fs（采样率）。以下是我根据OFDM频谱生成常见做法给出的等效代码结构，便于对照你手头的文件理解逻辑。
% OFDM频谱生成核心流程 N_sub = 64; % 子载波总数 cp_len = 16; % 循环前缀长度 mod_order = 4; % QPSK调制，每个符号2bit fs = 1e6; % 采样率 1MHz data_bits = randi([0 1], N_sub*mod_order, 1); % 随机比特 symbols = qammod(data_bits, mod_order, 'InputType', 'bit'); % QPSK映射，得到N_sub个复数符号 ifft_out = ifft(symbols, N_sub); % N点IFFT得到时域符号 tx_signal = [ifft_out(end-cp_len+1:end), ifft_out]; % 添加循环前缀，复制尾部cp_len个样点 spectrum = fftshift(fft(tx_signal, N_sub*4)); % 做4倍过采样FFT，便于观察谱形 f_axis = linspace(-fs/2, fs/2, length(spectrum)); plot(f_axis, 20*log10(abs(spectrum)/max(abs(spectrum)))); xlabel('频率 (Hz)'); ylabel('归一化功率 (dB)');这段代码分成四个逻辑块：第一块是参数声明，N_sub和cp_len是OFDM频谱形态的关键，N_sub决定谱线的疏密，cp_len完全不改变频谱形状但影响符号时间；第二块把随机比特映射成QPSK符号，注意这里符号数量必须等于N_sub，否则IFFT就报维度错误；第三块是IFFT和加循环前缀的时域组装，加循环前缀是在时域上复制尾部到头部，这在频域上等效于对每个子载波乘一个相位因子，不干扰正交性；第四块用fftshift把零频移到中间，绘图用dB坐标能同时看清楚带内纹波和带外衰减。如果源码包里的tif图与上述代码在谱峰数量或带宽上有差异，优先检查N_sub和fs是否一致。
3. 跑通ofdmpinpu.m：环境准备、参数调试与频谱图复现
3.1 最小可运行环境与文件清单确认
OFDM频谱生成这种级别的MATLAB脚本，不需要额外安装通信工具箱，基础MATLAB环境就足够。但需要注意一点：脚本用到了randi和qammod，randi属于基础函数，qammod依赖Communications Toolbox。如果MATLAB没有这个工具箱，脚本会在qammod这一行报错“Undefined function 'qammod'”。替代方案是把QPSK映射改成手动实现，用exp(jpi/4(0:3))预先定义四个星座点，再按索引取值即可。拿到压缩包后先解压，确认包含以下两类核心文件。
| 文件 | 类型 | 用途 |
|---|---|---|
| ofdmpinpu.m | 源代码文件 | 生成OFDM时域信号并绘制频谱 |
| ofdmpinputu.tif | TIFF图像 | 脚本运行后输出的频谱图参考 |
3.2 子载波数量、循环前缀长度与采样率的联动关系
这三个参数不是独立变量。子载波数量N_sub决定IFFT长度，采样率fs决定子载波间隔Δf = fs / N_sub。如果你的脚本设置fs = 1MHz、N_sub = 64，那么Δf就是15.625kHz——这个数值很接近LTE的一个子载波间隔15kHz，可能是作者有意设置的。改变任何一个参数，频谱图的横轴和谱线密度都会变化：把N_sub从64改成128，在同一个fs下子载波间隔减半，频谱图上的sinc谱峰间距变密一倍；保持N_sub不变、把fs翻倍，子载波间隔翻倍，谱峰间距变宽一倍。调试时建议固定fs，只改N_sub来观察谱线密度变化，不要两个变量同时调。循环前缀长度cp_len与频谱图没有直观对应关系，它只影响时域符号长度，但会影响频谱图的“平滑度”：cp_len越大，FFT观测窗口内的有效符号点数越多，频谱旁瓣衰减看起来更干净。建议调试时把cp_len从0、8、16逐步增加，分别绘制频谱图对比，你会看到带外泄漏的细微变化——这是在教科书上看不到的实际体验。
3.3 TIFF图像导出的标准做法与分辨率控制
源码里如果只有plot命令，没有exportgraphics或print，那tif图可能是作者单独用导出功能手动保存的。要在自己的环境中保存一张与ofdmpinputu.tif同风格的频谱图，推荐用以下方式，保证图片清晰度和坐标轴标注不丢。
figure('Position', [100 100 1200 600]); plot(f_axis, 20*log10(abs(spectrum)/max(abs(spectrum))), 'LineWidth', 1.2); grid on; xlabel('频率 (Hz)', 'FontSize', 12); ylabel('归一化功率 (dB)', 'FontSize', 12); title('OFDM频谱（64子载波 QPSK）', 'FontSize', 14); exportgraphics(gcf, 'ofdmpinputu.tif', 'Resolution', 300);这里exportgraphics是MATLAB R2020a之后推荐的图像导出函数，Resolution参数设为300保证印刷级别清晰度。注意plot中LineWidth为1.2，太粗会把sinc谱线的零点细节模糊掉。如果没有exportgraphics（老版本），用print(gcf, '-dtiff', '-r300', 'ofdmpinputu.tif')效果一样。运行这段代码后生成的tif文件会包含完整的坐标轴、网格和标题信息，与源码包里的参考图做对比，大到谱峰位置、小到旁瓣起伏，都应该一一对应。
3.4 从频谱图能读出哪些系统设计信息
当脚本顺利跑出OFDM频谱图后，你需要养成“看图说话”的能力。一张标准的OFDM频谱图上有三类信息值得注意：第一类是通带内的N个谱峰，它们的包络形状接近一个矩形，矩形的高度代表未调制子载波的功率电平，矩形宽度约等于N_sub×Δf；第二类是带外的滚降特性，理想OFDM频谱在子载波边界处有sinc旁瓣泄漏，旁瓣电平只比主瓣低约13dB，这个现象是OFDM被诟病带外辐射的来源，也是需要加窗处理的根本原因；第三类是图中是否出现不对称，如果频谱图的左右两边功率出现明显倾斜，说明存在频偏或IFFT点数与子载波映射不匹配。对照源码包里的tif图，检查这些特征点的位置是否符合你设置的参数。比如64个子载波、fs=1MHz，通带范围应该落在±31.25kHz附近，公有旁瓣出现在±40kHz左右。如果看到谱峰数量不对或通带宽度偏离计算值，可以直接判定参数设置出了问题。
4. OFDM频谱生成的常见问题与排查手册
4.1 频谱图出现大量“毛刺”，峰值不清晰
现象：绘制出来的频谱图不是干净的sinc谱线，而是布满了细碎的毛刺，整个频谱看起来像噪声，通带边界不明确。原因：大多数情况下是在IFFT之后没有加循环前缀，或者cp_len设成了0。循环前缀把多径时延产生的符号间干扰（ISI）吸收掉，时域信号变成连续的OFDM符号流，频谱才会平滑；没有CP的OFDM符号之间存在相位跳变，FFT看到的等效加窗变成矩形截断，频谱自然就毛糙。另一种可能是IFFT输入存在直流分量，即symbols里的某个位置出现了0值映射，导致频谱中心出现陷零。解决：先在时域上检查ifft_out的实部和虚部波形，若符号之间有明显断裂，补上循环前缀；再检查symbols向量是否每个元素都是非零复数，如有零值，改为随机映射的非零星座点。我是把这两项检查写成一个自检步骤，每次跑频谱前都强制过一遍。
4.2 换了子载波数量后频率轴坐标与谱峰位置对不上
现象：N_sub从64改成128后，频谱图的横轴范围没有变化，谱峰却挤在一起，看起来像是“频谱图被压缩了”。原因：频率轴的计算用的还是旧的N_sub，或者f_axis长度是根据length(spectrum)生成的，但spectrum长度随N_sub变了，而横轴范围仍是[-fs/2, fs/2]，于是谱峰密度变化反映不到坐标上。解决：始终用length(spectrum)动态生成频率轴，不要手工写死数组长度。正确的做法是f_axis = linspace(-fs/2, fs/2, length(spectrum)); 让频率点数与FFT输出点数完全一致。另外要记住一个隐含关系：做了4倍过采样FFT后，频谱图中的谱峰视觉间距会比实际子载波间隔窄，这是插值效果，不是参数错误。
4.3 增加循环前缀后频谱变差，旁瓣更大
现象：明明理论说循环前缀会让频谱更干净，实际加了CP之后带外旁瓣反而升高。原因：很多人把循环前缀加到了整个符号块上，而不是每个OFDM符号尾部。对单符号帧做CP，相当于在时域上把一个短信号复制拼接成长信号，产生周期性重复，FFT后会在特定频率位置叠加出不真实的谱线。当cp_len大于符号长度，或者CP添加的位置从头部复制而非尾部复制时，就会出现这种“加CP反而更差”的反直觉结果。解决：检查CP拼接顺序是否正确：先取ifft_out的最后cp_len个样点，放在序列最前面，再拼接完整的ifft_out，即[ifft_out(end-cp_len+1:end), ifft_out]。如果脚本写成了[ifft_out, ifft_out(1:cp_len)]，头部添加会破坏循环移位关系，频谱必然异常。这个坑我踩过不止一次，后来每次改CP代码都先跑一个1子载波的测试帧验证频谱是否还对称。
4.4 保存的TIFF图像打开后全黑或坐标轴缺失
现象：MATLAB命令行没有报错，但输出tif文件打开是黑底白线的粗糙图像，坐标轴文字、网格线全部丢失，尺寸也只有默认的560×420像素。原因：使用了老旧的print命令且没有指定分辨率和尺寸，默认输出只有含线条内容的位图，不带UI坐标。或者figure的Visible属性为off且未设置renderer。解决：在figure创建时指定Position和Renderer，导出时用exportgraphics指定300dpi。若一定要用print，必须写成print(gcf, '-dtiff', '-r300', 'ofdmpinputu.tif')，并且预先figure('Renderer','painters')保证矢量输出。最后再提醒一句：tif是位图格式，把坐标文字转为图形后会损失矢量信息，若要放大检查频谱细节，建议导出两次，一次tif用于文档，一次fig格式保存原始数据。
5. 让OFDM频谱更接近真实通信场景：加噪声、多径和加窗的影响
5.1 AWGN信道下的频谱表现：频谱看不出噪声但星座图会暴露
加噪声到底对OFDM频谱图有没有影响？直觉上有，实际操作中直接看FFT幅度谱很难分辨信噪比变化，因为FFT平均效应把白噪声功率摊薄在整条谱线上。我做了一个对比实验：对一个64子载波的OFDM信号分别设置SNR=10dB和SNR=30dB，画在同一个坐标下的频谱图，两条曲线几乎重合。这是因为FFT的每根谱线的噪声功率是总噪声功率的1/N，N越大单根谱线噪声越低。所以在教学演示中，有人会故意把噪声功率加大到离谱程度（比如SNR=-5dB），让频谱本身都被噪声抬高，看起来才能直观对比——但真实通信系统不会在这种状态下工作。因此，如果你看到某份源码在频谱图上画了多条不同SNR的曲线，大概率是作者做了某种SNR归一化，或者是用了Welch周期图法做功率谱密度估计，不是直接对时域信号做FFT的结果。
5.2 多径信道下的频谱凹陷：频率选择性衰落直观可见
多径信道对OFDM频谱的影响，才是真正值得做可视化验证的实验。将时域OFDM信号通过一个两径信道（主径增益1、延迟径增益0.5、延迟16个采样点），接收信号频谱会出现明显的周期凹陷，凹陷间隔与多径延迟成反比：延迟200ns，凹陷间隔约为5MHz；延迟50ns，凹陷间隔拉大到20MHz。在MATLAB中复现这个效果的代码逻辑如下。
% 两径信道对OFDM频谱的影响 h = [1, zeros(1, 15), 0.5]; % 16个采样点延迟的第二径 rx_signal = conv(tx_signal, h); % 时域卷积等效多径信道 rx_spectrum = fftshift(fft(rx_signal, N_sub*4)); % 接收端频谱与发射端频谱对比 hold on; plot(f_axis, 20*log10(abs(rx_spectrum)/max(abs(rx_spectrum))), 'r--'); legend('发射频谱','接收频谱');这段代码的坑在于conv之后信号长度变成N_sub+cp_len+16-1，直接做FFT会导致频谱分辨率发生变化，因此我在代码里对FFT点数做了补零，用N_sub*4实际上是不够的——应该用length(rx_signal)再补零到最近的2的幂。更稳妥的做法是rx_signal = rx_signal(1:length(tx_signal))，截断到原长度。截断会引入截断效应，但频谱凹陷的位置和周期只是主特征，不影响定性判断。多径信道产生的频谱凹陷就是OFDM接收端频域均衡要补偿的对象，你会在均衡器设计里回头看这张频谱图来设定均衡器频响目标。
5.3 加窗对频谱滚降的改善：RRC窗与升余弦窗的取舍
前面提到OFDM频谱图中sinc旁瓣只有-13dB，这在频谱掩码要求严格的场景下是不合格的。实际OFDM系统会在发送端加窗函数来压低旁瓣。下面这段代码展示了升余弦窗的效果，在用MATLAB复现时重点关注窗函数长度和滚降系数对频谱掩蔽的改善程度。
% 升余弦窗改善OFDM频谱滚降 window = hann(N_sub, 'periodic'); % 周期Hann窗，长度与子载波数相同 windowed_symbols = symbols .* window; ifft_windowed = ifft(windowed_symbols, N_sub); spectrum_windowed = fftshift(fft(ifft_windowed, N_sub*4)); plot(f_axis, 20*log10(abs(spectrum_windowed)/max(abs(spectrum_windowed))));这里windowed_symbols是直接在频域对每个子载波的符号做加权，等效于把发送脉冲整形。加了Hann窗之后，第一旁瓣电平从-13dB压低到-31dB左右，但代价是有效子载波的通带边缘被软化，频谱利用率下降。实际系统中选择升余弦窗（RRC），通过滚降因子α控制带宽开销，α=0时就是矩形窗，α=1时带宽翻倍。你需要根据系统指标权衡：α取0.2时旁瓣抑制约20dB，带宽只增加10%，这是常见的工程折中。把这个实验做完后再对照项目里的原始频谱图，你会理解为什么基础OFDM频谱图看上去方方正正、毫无圆角——那其实是不加窗的理想情况，现实中没人敢直接用它发射。
5.4 子载波功率分配不均时的频谱包络：从“平顶”到“阶梯”
OFDM频谱还有一个经常被忽略的可视化维度——子载波之间的功率分配。5G NR里不同子载波可能承载不同功率密度的信号（比如数据子载波与导频子载波功率偏移），这种差异会直接反映在频谱图的包络上。默认的频谱图把所有子载波等功率激励，包络是平顶；如果给某些子载波乘上0.5的幅度因子，对应位置的sinc谱峰会降低约6dB，频谱图上会看到凹陷的“阶梯”。这个特性可以帮助快速验证子载波映射是否正确。我做功率分配测试时会在频谱图上叠加一条理想包络曲线，然后观察实际谱峰是否贴着包络走。如果有个别谱峰远远高于包络，不是功率分配的问题，而是频偏导致能量泄漏到了相邻子载波，这是下一章的进阶技巧要解决的问题。
6. 进阶技巧：凭一张频谱图判断频偏、滚降与CP长度设计是否合理
频谱图的用途不只是事后观察，它实际上是OFDM系统调参的“仪表盘”。我在每次跑完仿真脚本后，会先用以下三个目测指标快速定位问题，再回代码里逐一排查。
第一步，看谱峰对称性判断频偏。理想的OFDM频谱以零频为中心左右对称。如果谱峰整体向左偏移，说明存在正的载波频偏（CFO）；向右偏移则为负频偏。偏移量与频偏大小成线性关系：每个子载波间隔Δf对应一个完整的谱峰位移，所以粗略看谱峰移动了多少个间隔，就能估算频偏是Δf的几分之几。这里有个容易被忽略的细节：FFT点数越多，这个目测的精度越高。如果你只做了N_sub点FFT，谱峰间距就是1个FFT bin，偏移半个bin根本看不出来；把FFT点数放大到4倍，分辨率提升为Δf/4，才能看清小数倍频偏。我在调试中会把FFT点数设为子载波数的8倍，这样目测精度足够支撑第一步判断。
第二步，看通带边缘的滚降斜率判断加窗质量。未加窗的OFDM频谱在通带边缘呈陡峭的垂直跌落，且第一旁瓣明显可见。加了升余弦窗后，边缘变成平滑斜坡，斜坡的斜率与滚降系数α直接相关：α越大，斜坡越缓，带外衰减越快。如果你在频谱图中看到边缘处有一个“台阶状”过渡带，这不是窗函数的效果，而是成形滤波器与子载波映射不匹配——比如用了RRC滤波器但时域上没做上采样。正常的加窗OFDM频谱，通带边缘不存在平台段，应是连续单调下降的曲线。这个判断做多了之后，我基本可以不用MATLAB的窗函数参数，直接目测频谱图反推出α值在哪个区间。
第三步，看通带内的平坦度判断CP设计。循环前缀不会改变频谱的总体包络，但会影响通带内每个子载波附近的相位连续性。如果频谱图通带内出现周期性波纹，波纹间隔对应符号时长，这时首先怀疑CP长度不是符号尾部的整数倍。我常用的验证手法是：把cp_len分别设为0、16、32、64，跑四张频谱图叠加对比。CP为0时通带波纹最深，CP越长波纹越浅，直到CP大于最大多径时延后波纹基本消失。这不是FFT泄漏造成的，而是符号间相位不连续带来的频谱杂散。所以举一个例子说明：如果项目源码的tif图中通带里有规则波纹，而你又没改过cp_len，那一定是生成这张图时的CP长度设置偏小或直接没加。回到ofdmpinpu.m把cp_len加大到16或再大，现有频谱图特征变化的方向就能反向验证你的CP设置是否合理。
有一次我在调一个64子载波的系统，频谱图始终在右侧多出一个小尖峰，排查了半小时以为是频偏问题，后来才发现是IFFT输入中有一个索引值不小心写成了N_sub+1，造成了子载波映射越界。从那以后我每次拿到OFDM频谱图，都会先把谱峰数一遍确认与N_sub一致，再谈其他参数优化。这个方法虽然土，但能挡住至少一半的低级错误。希望帮到你。
本文还有配套的精品资源，点击获取
