简介一份面向无线通信研究者和学生的 MATLAB 仿真源码包围绕 MIMO-OFDM 系统中的 OFDM-SFBC空频分组编码实现展开完整覆盖从发送端 OFDM 调制、多径信道建模到接收端信号检测与解码的仿真链路。压缩包共 13 个文件包含 12 个 .m 源码文件和一个说明文件总大小约 10KB代码按功能拆分为 SFBC 主控、调制器、Rayleigh/Jakes 信道生成、ZF/OSIC 检测以及软判决 SML 解码等模块便于分步查看和调试。当前已有 135 人学习使用。通过该源码可以直观理解 MIMO 系统中 SFBC 编码如何利用空间与频率分集对抗衰落掌握接收机中线性检测器与软解码的实现思路并可调整参数开展性能对比实验。无论是分析误码率曲线还是改造信道模型与编码方式这套源码都能提供直接可运行的实验基线适合作为课程设计、毕业设计或科研初期的起点工具。1. OFDM-SFBC 不是把 Alamouti 搬个家MIMO-OFDM 里它解决的是“车在动、信道在变”的硬问题先说一个反直觉的结论OFDM-SFBC 在 MIMO-OFDM 系统里一点都不提升峰值速率甚至要比单发多收的系统多占一倍的导频开销但它依然是 LTE、WiFi 和各类自组物理层里最绕不开的发射分集方案。原因很直接——小区边缘用户拿不到足够的信噪比基站侧又未必有可靠的信道反馈去做闭环预编码此时唯一能稳定拿到分集增益的办法就是让发射端不依赖任何反馈靠空频编码本身把可靠性抬上去。我见过太多人第一次接触 OFDM-SFBC 时把它当成“Alamouti 编码换到 OFDM 里跑一遍”然后栽在同一个坑里SFBC 的两个符号不是在时间上挨着而是在频率上挨着它利用的是相邻子载波之间的信道相关性而不是相邻 OFDM 符号之间的时间相关性。这一个差异决定了它对多普勒不敏感、对多径时延扩展敏感也决定了资源分配、导频设计和信道估计插值全都得跟着改。这篇笔记就沿着“原理 → 发射端 → 接收端 → 参数边界 → 踩坑 → 验证”往下走目标是你读完能自己在 MATLAB 或 Python 里把一条 2×1 的 OFDM-SFBC 链路跑通并且知道跑出来之后怎么确认它是对的。2. 为什么 SFBC 放在频域而不是时域STBC 的困境和 OFDM 的“平坦信道幻觉”2.1 OFDM 把频率选择性信道切成一组平坦子信道却把 Alamouti 拖进了新约束OFDM 的核心动作是把宽带信道切成若干窄带子载波每个子载波上的信道在符号时间内近似平坦于是均衡退化成单抽头除法。这个特性对数据检测是好事但当你准备把 Alamouti 编码搬进来时要意识到一个隐藏前提Alamouti 在时域工作时要求信道在两个符号时间内保持不变而 OFDM 天然把时间维度让位给了符号块相邻 OFDM 符号之间信道很容易因为多普勒而波动。于是人们把目光转向频率维度。OFDM 把宽带变成一堆窄带子载波那么相邻两个子载波上的复增益只要载波间隔小于信道的相干带宽就高度相关。SFBC 正是把这个“相近性”当作编码空间把两个发射天线上、两个相邻子载波上的资源组合成一个编码块。这相当于把 Alamouti 的时域正交结构搬到了“子载波对”这个频率间隔上。付出的代价是它要求相邻子载波信道近似相等这一点在地面移动场景下通常成立但也埋下了第 5 章要讲的边界坑。2.2 2×1 SFBC 的编码矩阵与解码展开用两行展开把“正交性”看明白以 2 发射天线、1 接收天线为例设两个待发送的 QAM 符号为 d0、d1占用的资源是两根发射天线上的第 k 和第 k1 号子载波。两行两列的映射关系写成天线 0子载波 k 发 d0子载波 k1 发 -conj(d1)天线 1子载波 k 发 d1子载波 k1 发 conj(d0)接收端在子载波 k 和 k1 上拿到的频域符号分别是Y(k) h0(k)*d0 h1(k)*d1 n0 Y(k1) -h0(k1)*conj(d1) h1(k1)*conj(d0) n1其中 h0、h1 是两个发射天线到接收天线的频域信道响应。解码端用估计到的信道做线性合并r0 conj(h0(k))*Y(k) h1(k1)*conj(Y(k1)) r1 conj(h1(k))*Y(k) - h0(k1)*conj(Y(k1))把 Y(k) 和 Y(k1) 代进去展开r0 里 d0 的系数是 |h0(k)|² |h1(k1)|²d1 的系数是 conj(h0(k))h1(k) - h1(k1)conj(h0(k1))。当信道在相邻子载波上完全相等即 h0(k)h0(k1)、h1(k)h1(k1) 时d1 的系数精确抵消为零d0 和 d1 被完美分离。这就是 Alamouti 频域形式的全部秘密它不是靠干扰消除而是靠相邻子载波信道相等这个假设让交叉项在代数上自己消失。参数上需要关注的是这个合并后的等效信噪比约等于 (|h0|²|h1|²) 乘单资源信噪比再除以噪声方差也就是说分集阶数是 2 而不是 4。后续做软解调时r0 的噪声方差近似为 σ²(|h0(k)|²|h1(k1)|²)做星座软比特之前一定要先做这个归一化否则高阶 QAM 的 LLR 会带进系统性偏差这一步很多初学实现会漏掉。2.3 STBC 和 SFBC 的本质区别一个靠时间相关一个靠频率相关STBC 是把上面的编码块放到两个连续的 OFDM 符号时间上解码端要求信道在两个符号之间基本不变。问题是当终端移动速度上来比如 350 km/h 下多普勒频移超过 600 HzOFDM 符号间隔约 71.4 微秒时符号间信道相位旋转已经相当可观STBC 的正交假设直接破功。SFBC 把同样的正交结构换到频率维度相邻子载波间隔只有 15 kHz通常远小于信道相干带宽这个频率相邻性受移动速度的影响远比时间相邻小所以高铁和高速移动场景下SFBC 往往是比 STBC 更可靠的选择。代价则是它对多径时延扩展敏感如果信道在相邻子载波上差异明显SFBC 的正交性就会退化成残余干扰。所以选型时的判断框架是——移动速度快就选 SFBC多径特别深且子载波间隔偏大时再看是否值得用闭环预编码替代它。3. 在 MIMO-OFDM 链路上落地 SFBC从发射端映射到接收端解码3.1 发射端QAM 调制、成对分组、天线与子载波的二维资源映射先约定一套最小可运行系统的参数子载波数 64其中 48 个为数据子载波子载波间隔 15 kHz循环前缀取常规 4.7 微秒调制方式从 QPSK 到 16QAM 可切。发射天线数为 2接收天线数为 1即 2×1 配置不引入信道编码用原始 BER 来验证 SFBC 本身的行为。发射端的处理顺序是先把比特映射成 QAM 符号得到一串长度为偶数的复数符号序列然后每两个符号组成一组送入 SFBC 编码器。编码器拿到 d0、d1 后按上一章的两行两列关系输出一个形状为 (2, 2, 2) 的张量三个维度分别是组内索引、子载波索引、天线索引。import numpy as np def sfbc_encode(symbols): # symbols: 一维复数数组长度为偶数 # 返回: shape (num_groups, 2, 2) # 第1维: 编码组序号 # 第2维: 天线序号 # 第3维: 组内子载波序号 assert len(symbols) % 2 0 pairs symbols.reshape(-1, 2) d0 pairs[:, 0] d1 pairs[:, 1] # 天线0: [d0, -conj(d1)] # 天线1: [d1, conj(d0)] out np.zeros((pairs.shape[0], 2, 2), dtypecomplex) out[:, 0, 0] d0 out[:, 0, 1] -np.conj(d1) out[:, 1, 0] d1 out[:, 1, 1] np.conj(d0) return out这里有一个新手最容易犯的功率问题同一对符号在两根天线上各发一次若不归一化等效发射功率会比单发多 3 dB接收端做解调时星座图会被放大AGC 或导频估计会跟着出偏差。正确的做法是编码输出统一乘 1/sqrt(2)让每个编码块的总功率等于单个符号的功率。实现时我把归一化放到 IFFT 之后做功率归一也行但更推荐在编码输出上直接乘这样后续做 PAPR 统计和峰均比时数值才对得上。接下来把编码结果映射到频域资源网格上。资源网格的形状是 (天线数, 子载波数, 符号数)。SFBC 只在频率维度占用连续两个子载波所以在时间维度上每个块占据一个 OFDM 符号位置。def map_sfbc_to_grid(encoded, n_carriers, n_symbols): # encoded: (num_groups, 2, 2) # 返回: (2, n_carriers, n_symbols) grid np.zeros((2, n_carriers, n_symbols), dtypecomplex) n_groups encoded.shape[0] assert n_groups * 2 n_carriers, carrier count must hold all SFBC pairs for i in range(n_groups): k 2 * i grid[0, k, 0] encoded[i, 0, 0] * 0.7071 grid[0, k 1, 0] encoded[i, 0, 1] * 0.7071 grid[1, k, 0] encoded[i, 1, 0] * 0.7071 grid[1, k 1, 0] encoded[i, 1, 1] * 0.7071 return grid导频子载波绝不能和 SFBC 对共享。如果导频插在第 k 个子载波上那么第 k 和 k1 号子载波构成的编码块就必须整体挪位置否则导频处的信道估计会被数据污染解码端相邻子载波的信道功率还会出现突变。常见做法是每 4 个子载波插入一个导频数据子载波编号重新编排确保每个 SFBC 对都落在两个连续的数据子载波上这个细节我在第 5 章的踩坑部分会再展开。3.2 接收端LS 信道估计、相邻子载波合并、软输出 LLR接收端完成去 CP、FFT 之后在资源网格上先做信道估计。最基础的是 LS 估计在导频子载波上把接收符号除以已知导频值得到导频位置的频域响应再沿频率方向做线性插值得到所有数据子载波上的信道估计值。SFBC 解码要求每个子载波都有独立的 h0、h1 估计这是最基本的前提。def sfbc_decode(received_grid, h_est, noise_var): # received_grid: (n_carriers,) # h_est: (2, n_carriers) 两个发射天线的信道响应 # noise_var: 标量噪声方差估计值 n_pairs received_grid.shape[0] // 2 symbols_est np.zeros(n_pairs * 2, dtypecomplex) for i in range(n_pairs): k 2 * i y0 received_grid[k] y1 received_grid[k 1] h0k h_est[0, k] h1k h_est[1, k] h0k1 h_est[0, k 1] h1k1 h_est[1, k 1] # Alamouti 线性合并且归一化功率 r0 np.conj(h0k) * y0 h1k1 * np.conj(y1) r1 np.conj(h1k) * y0 - h0k1 * np.conj(y1) gain0 np.abs(h0k) ** 2 np.abs(h1k1) ** 2 gain1 np.abs(h1k) ** 2 np.abs(h0k1) ** 2 symbols_est[2 * i] r0 / max(gain0, 1e-12) symbols_est[2 * i 1] r1 / max(gain1, 1e-12) return symbols_est这段代码的关键是 r0 和 r1 的合并方式r0 把天线 1 在子载波 k1 上的贡献通过共轭对齐到 d0 上r1 则把天线 0 在子载波 k1 上的贡献通过负号对齐到 d1 上。合并完成后用增益项归一化等效于最大比合并输出符号的星座图应当和原始 QAM 星座重合。噪声方差的修正放在软解调阶段处理高阶 QAM 时把每个符号的 LLR 除以 gain0 或 gain1否则 16QAM 解出来的软比特幅度随信道波动译码器会错误地信任低信噪比比特。实际工程里我通常会再加一步频域插值优化如果导频间隔是 4 个子载波那么一个导频两个数据子载波之间用线性插值算出来的信道可能带有插值噪声。正确做法是先用 LS 得到导频位置信道再用加窗的频域插值或基于 DFT 的去噪估计把噪声压缩掉再把插值后的信道送给 SFBC 解码。第 5.2 节会专门讲插值方向选择不当导致什么后果。4. 2×2、4 天线的扩展与信道参数边界决定这套方案跑多远的三个约束4.1 从 2×1 到 2×2接收分集和发射分集是怎么叠加的2×1 的 SFBC 只获得了发射分集分集阶数为 2。实际系统中接收端往往不止一根天线比如手机有两个接收天线、基站侧有四到八个。扩展方式非常机械每个接收天线独立做一次 2×1 的 Alamouti 合并然后把各路 r0 相加、各路 r1 相加再做归一化。以 2 发射、2 接收为例接收天线 0 把信道记为 h00、h10接收天线 1 把信道记为 h01、h11。那么 r0_total r0_ant0 r0_ant1其中 r0_ant0 conj(h00k)yk0 h10k1conj(yk1_0)r0_ant1 conj(h01k)yk0_1 h11k1conj(yk1_1)。合并后的等效增益变为四个信道响应幅值平方之和即 |h00|²|h10|²|h01|²|h11|²分集阶数变成 2×24。这里要注意的是每路合并时的噪声方差不同直接相加会破坏最优合并的权重。严格做法是按各天线噪声方差加权或者在做完每路归一化后再相加二选一都行但最忌讳的是不归一化直接加总那会让强噪声天线主导结果。4.2 四根发射天线怎么办SFBCFSTD 的子载波块切换四根发射天线的场景没有直接的四阶正交码可以用工程上最常见的做法是 SFBCFSTD即频率切换发射分集。思路是把四个天线分成两组天线 0/1 在一组子载波上做 SFBC天线 2/3 在另一组子载波上做 SFBC两组子载波在频率上交替错开。具体映射是第 k 和 k1 号子载波上天线 0/1 发送 SFBC 编码块 A天线 2/3 静默第 k2 和 k3 号子载波上天线 2/3 发送 SFBC 编码块 B天线 0/1 静默。这样每个编码块只占两个子载波但整个系统用四个子载波承载两个数据符号。解码端只需根据子载波位置选择对应天线对做合并复杂度几乎不增加代价是频谱效率减半。这个方案在 LTE 的 4 天线开环发射分集里被广泛使用实现时最需要注意的地方在于子载波分组要对齐资源块边界不能让编码块横跨两个物理资源块的边缘否则资源分配和调度器会打架。4.3 决定性参数子载波间隔、相干带宽、多径时延扩展的三角关系SFBC 的性能取决于一个物理量相邻子载波信道响应的相关系数。它由信道相干带宽和子载波间隔的比值决定。相干带宽大约为多径时延扩展的倒数常用近似 Bc ≈ 1/(5τrms)其中 τrms 是均方根时延扩展。参数典型值对 SFBC 的影响子载波间隔LTE 15 kHzWiFi 312.5 kHz间隔越大相邻子载波相关性越差时延扩展 τrms典型市区 0.1~1 μs越小相关性越好SFBC 增益越接近理论值相干带宽 Bc≈ 1/(5τrms)需满足 Bc 远大于子载波间隔多普勒频移30 km/h 时约 55 Hz对 SFBC 影响小对 STBC 是致命伤用一个具体的数来感受量级LTE 子载波间隔 15 kHz市区时延扩展约 200 ns此时相干带宽约 1 MHz相邻子载波之间信道响应几乎一致SFBC 的性能损失可以忽略。但当信道变成山区大时延扩展场景τrms 达到 5 μs相干带宽缩到 40 kHz和子载波间隔 15 kHz 已经在同一量级此时相邻子载波的信道差异开始变得不可忽略解码之后会出现残差干扰。我们在做室外大覆盖测试时按 MIMO 信道容量图像去画不同时延扩展下的分集增益曲线能看到从 1 μs 到 5 μs 之间增益明显塌陷。所以判断 SFBC 能不能用先查两件事子载波间隔多大、信道时延扩展在什么量级比上线前调那些编码参数更关键。5. 落地必踩的 5 个坑从资源粒度到信道估计插值5.1 数据子载波数量是奇数SFBC 成对映射失败现象代码跑起来没报错但频谱图上出现个别子载波数据全错误码率曲线出现平层怎么提高信噪比都压不下去。原因SFBC 要求每两个符号占两个子载波如果资源网格里分配的数据子载波数是奇数最后一个符号找不到配对子载波实现时若直接把它复制到两个子载波上或者丢掉它都会破坏编码结构。解决在资源分配阶段强制数据子载波数为偶数或者在调制符号流末尾补一个虚拟符号编码后在解码端丢弃。我习惯在发射端加一个断言检查符号数是否是偶数并且设一个 dummy_symbol 标志位做穿透这样至少能保证错误在发射端暴露而不是在接收端造成难查的偶发误码。5.2 信道估计插值方向选错把相邻子载波的信道差异抹平了现象用 16QAM 时 BER 在高信噪比下不随 SNR 下降星座图上看解码点围绕中心收缩外围点全部内卷。原因接收端做信道估计时先用导频在时间方向插值再在频率方向插值或者干脆把频率方向插值做得过于平滑导致相邻子载波的信道估计趋于相同。表面看这满足了 SFBC 的“相邻子载波相同”假设但真实信道在强多径下相邻子载波是有差异的过度平滑等于把频率选择性信息滤掉了解码合并时的信道匹配度下降。解决频率方向插值要能跟踪真实信道变化导频间隔不大于相干带宽的一半。工程上我在导频间距 4 子载波时用线性插值已经够用但如果导频间距拉到 6 个及以上就改用基于 DFT 的去噪估计先反变换到时域把噪声分量清零再变回来这样既保相邻子载波的真实差异又压噪声。5.3 两发射支路功率失衡星座收缩和 SNR 虚高同时出现现象两发配置下实测 BER 和理论曲线差 2~3 dB但用信道估计算出来的 SNR 很正常BER 却是平的。原因两路发射链路的射频前端增益不同或其中一路天线线缆损耗过大导致 h0 和 h1 的真实接收功率严重不均衡。SFBC 的合并增益是 |h0|²|h1|²弱支路被强支路掩盖后分集阶数退化为接近 1所谓分集增益名存实亡。解决上线前用单发单收模式分别打同步序列检查两路的接收功率差是否在 1 dB 以内解码时也建议在 r0 的增益系数上做一个最小值门限当 gain0 过小时强制拉高 LLR 的底噪参数避免软译码器对两路非均衡的情况过于乐观。血泪经验是这个坑最容易出现在硬件联调阶段软件仿真是不会暴露的。5.4 把 SFBC 当空分复用复杂度上去了吞吐一点没动现象有团队把 2×2 SFBC 和 2×2 空分复用混淆以为两根天线能带来两倍吞吐结果跑出性能发现速率没变误码率还比单流高。原因SFBC 属于空间分集编码维度完全用于对抗衰落不携带额外信息比特。空分复用则把两根天线当成两个并行管道换取吞吐。两者的数学框架完全不同SFBC 的 Alamouti 结构决定了它在同一时刻同一频段只传两个符号而不是四个。解决需求是提升速率时立即转向空分复用方案并考虑增加接收天线数和反馈参数需求是补覆盖、守 BLER 时SFBC 才是对的。判断基准很简单看调度目标里的瓶颈是吞吐还是可靠性以及终端是否能反馈可靠的 CSI。SFBC 不是万能药它和空分复用在 MIMO-OFDM 里是并列关系不是包含关系。5.5 多径时延扩展到十几微秒正交性从源头上消失现象把系统搬到有大时延扩展的测试场地比如隧道、山区回波环境下SFBC 的 BER 曲线高信噪比段出现平台并且平台高度随 QAM 阶数上升快速恶化。原因这已经不是信道估计的问题了。相邻子载波信道相等这个假设在大时延扩展下物理上不再成立。两个子载波频率相差 15 kHz经历双径时延 τ 时相位差是 2π·τ·Δf当 τ10 μs 时相位差约 54 度四径叠加后幅相差异已不可忽略Alamouti 展开式里的交叉干扰项无法代数消掉。解决这种场景下不要硬调 SFBC要么改用闭环预编码配合反馈要么用更大的子载波间隔来降低频率选择性影响要么考虑单载波频域均衡方案。做系统设计时先查时延扩展和子载波间隔的乘积超过 0.1 就要谨慎超过 0.2 就应该直接放弃 SFBC 方案。6. 验证 SFBC 实现有没有跑对快速定位黑匣子的三招6.1 退化为单发场景的探针测试SFBC 实现最容易出 bug 的地方在信道估计和解码合并的维度对齐。最有效的验证手段是在发射端把一路天线强制置零。令 h10SFBC 退化为两路独立符号分别在相邻子载波上传输此时 r0 只依赖 d0 和 h0r1 只依赖 d1 和 h0理论上与单发系统完全一致。如果锤掉天线 1 后 BER 曲线和单发理论值不能重合说明解码中的共轭、正负号、子载波索引三者至少有一个对不上按 r0 和 r1 的展开式逐项检查即可。这个测试的最大价值在于它把双天线系统的验证拆成了单链路问题方便快速定位。6.2 用 BER 曲线斜率验证分集阶数分集阶数可以从高信噪比下 BER 曲线的斜率读出来。单发无分集时BER 随 SNR 下降的速率是线性衰落即每增加 10 dB 误码率约降一个数量级2×1 SFBC 应有二阶分集斜率变为约两个数量级每 10 dB。多数仿真软件里看曲线就能直接判断斜率没变化说明分集没有生效斜率介于 1 和 2 之间则说明正交性或信道估计部分失效。验证时固定信道种子分别跑 1×1 和 2×1 SFBC 两条曲线在 20 dB 附近对比斜率即可。6.3 用残余干扰功率做在线监控SFBC 正交性被破坏时r0 输出里会残留 d1 的分量这个分量在星座图上表现为不可压缩的旋转噪声。我习惯在解码端额外计算一个监控量取一组相邻子载波对比较信道估计的内积 conj(h0k)h1k 与 conj(h0k1)h1k1 的差值功率归一化后作为“正交破坏指数”。当它低于 -20 dB 时判断为健康高于 -15 dB 时基本可以预期 BER 会开始恶化。这个监控量不需要额外开销把解码器里已有的信道矩阵复用一个乘加就能得到放在现场测试和自动化回归里非常实用。跑 OFDM-SFBC 的链路这些年下来我最大的习惯变化是不再一上来就摆浮点 BER 曲线而是先花半小时把退化测试和正交破坏指数这两件事做掉。它们不解释“这条链路性能多好”但能告诉你“这条链路有没有资格继续往下调”。对做物理层实现的人来说后者才是真正的后悔药。希望这篇笔记能帮你把 SFBC 的每个参数和每个坑都落实在代码里而不是停留在咽下单上——那样才是真正把它用起来的第一步。本文还有配套的精品资源点击获取 OFDM-SFBC原理与实现：从Alamouti到MIMO-OFDM发射分集
简介一份面向无线通信研究者和学生的 MATLAB 仿真源码包围绕 MIMO-OFDM 系统中的 OFDM-SFBC空频分组编码实现展开完整覆盖从发送端 OFDM 调制、多径信道建模到接收端信号检测与解码的仿真链路。压缩包共 13 个文件包含 12 个 .m 源码文件和一个说明文件总大小约 10KB代码按功能拆分为 SFBC 主控、调制器、Rayleigh/Jakes 信道生成、ZF/OSIC 检测以及软判决 SML 解码等模块便于分步查看和调试。当前已有 135 人学习使用。通过该源码可以直观理解 MIMO 系统中 SFBC 编码如何利用空间与频率分集对抗衰落掌握接收机中线性检测器与软解码的实现思路并可调整参数开展性能对比实验。无论是分析误码率曲线还是改造信道模型与编码方式这套源码都能提供直接可运行的实验基线适合作为课程设计、毕业设计或科研初期的起点工具。1. OFDM-SFBC 不是把 Alamouti 搬个家MIMO-OFDM 里它解决的是“车在动、信道在变”的硬问题先说一个反直觉的结论OFDM-SFBC 在 MIMO-OFDM 系统里一点都不提升峰值速率甚至要比单发多收的系统多占一倍的导频开销但它依然是 LTE、WiFi 和各类自组物理层里最绕不开的发射分集方案。原因很直接——小区边缘用户拿不到足够的信噪比基站侧又未必有可靠的信道反馈去做闭环预编码此时唯一能稳定拿到分集增益的办法就是让发射端不依赖任何反馈靠空频编码本身把可靠性抬上去。我见过太多人第一次接触 OFDM-SFBC 时把它当成“Alamouti 编码换到 OFDM 里跑一遍”然后栽在同一个坑里SFBC 的两个符号不是在时间上挨着而是在频率上挨着它利用的是相邻子载波之间的信道相关性而不是相邻 OFDM 符号之间的时间相关性。这一个差异决定了它对多普勒不敏感、对多径时延扩展敏感也决定了资源分配、导频设计和信道估计插值全都得跟着改。这篇笔记就沿着“原理 → 发射端 → 接收端 → 参数边界 → 踩坑 → 验证”往下走目标是你读完能自己在 MATLAB 或 Python 里把一条 2×1 的 OFDM-SFBC 链路跑通并且知道跑出来之后怎么确认它是对的。2. 为什么 SFBC 放在频域而不是时域STBC 的困境和 OFDM 的“平坦信道幻觉”2.1 OFDM 把频率选择性信道切成一组平坦子信道却把 Alamouti 拖进了新约束OFDM 的核心动作是把宽带信道切成若干窄带子载波每个子载波上的信道在符号时间内近似平坦于是均衡退化成单抽头除法。这个特性对数据检测是好事但当你准备把 Alamouti 编码搬进来时要意识到一个隐藏前提Alamouti 在时域工作时要求信道在两个符号时间内保持不变而 OFDM 天然把时间维度让位给了符号块相邻 OFDM 符号之间信道很容易因为多普勒而波动。于是人们把目光转向频率维度。OFDM 把宽带变成一堆窄带子载波那么相邻两个子载波上的复增益只要载波间隔小于信道的相干带宽就高度相关。SFBC 正是把这个“相近性”当作编码空间把两个发射天线上、两个相邻子载波上的资源组合成一个编码块。这相当于把 Alamouti 的时域正交结构搬到了“子载波对”这个频率间隔上。付出的代价是它要求相邻子载波信道近似相等这一点在地面移动场景下通常成立但也埋下了第 5 章要讲的边界坑。2.2 2×1 SFBC 的编码矩阵与解码展开用两行展开把“正交性”看明白以 2 发射天线、1 接收天线为例设两个待发送的 QAM 符号为 d0、d1占用的资源是两根发射天线上的第 k 和第 k1 号子载波。两行两列的映射关系写成天线 0子载波 k 发 d0子载波 k1 发 -conj(d1)天线 1子载波 k 发 d1子载波 k1 发 conj(d0)接收端在子载波 k 和 k1 上拿到的频域符号分别是Y(k) h0(k)*d0 h1(k)*d1 n0 Y(k1) -h0(k1)*conj(d1) h1(k1)*conj(d0) n1其中 h0、h1 是两个发射天线到接收天线的频域信道响应。解码端用估计到的信道做线性合并r0 conj(h0(k))*Y(k) h1(k1)*conj(Y(k1)) r1 conj(h1(k))*Y(k) - h0(k1)*conj(Y(k1))把 Y(k) 和 Y(k1) 代进去展开r0 里 d0 的系数是 |h0(k)|² |h1(k1)|²d1 的系数是 conj(h0(k))h1(k) - h1(k1)conj(h0(k1))。当信道在相邻子载波上完全相等即 h0(k)h0(k1)、h1(k)h1(k1) 时d1 的系数精确抵消为零d0 和 d1 被完美分离。这就是 Alamouti 频域形式的全部秘密它不是靠干扰消除而是靠相邻子载波信道相等这个假设让交叉项在代数上自己消失。参数上需要关注的是这个合并后的等效信噪比约等于 (|h0|²|h1|²) 乘单资源信噪比再除以噪声方差也就是说分集阶数是 2 而不是 4。后续做软解调时r0 的噪声方差近似为 σ²(|h0(k)|²|h1(k1)|²)做星座软比特之前一定要先做这个归一化否则高阶 QAM 的 LLR 会带进系统性偏差这一步很多初学实现会漏掉。2.3 STBC 和 SFBC 的本质区别一个靠时间相关一个靠频率相关STBC 是把上面的编码块放到两个连续的 OFDM 符号时间上解码端要求信道在两个符号之间基本不变。问题是当终端移动速度上来比如 350 km/h 下多普勒频移超过 600 HzOFDM 符号间隔约 71.4 微秒时符号间信道相位旋转已经相当可观STBC 的正交假设直接破功。SFBC 把同样的正交结构换到频率维度相邻子载波间隔只有 15 kHz通常远小于信道相干带宽这个频率相邻性受移动速度的影响远比时间相邻小所以高铁和高速移动场景下SFBC 往往是比 STBC 更可靠的选择。代价则是它对多径时延扩展敏感如果信道在相邻子载波上差异明显SFBC 的正交性就会退化成残余干扰。所以选型时的判断框架是——移动速度快就选 SFBC多径特别深且子载波间隔偏大时再看是否值得用闭环预编码替代它。3. 在 MIMO-OFDM 链路上落地 SFBC从发射端映射到接收端解码3.1 发射端QAM 调制、成对分组、天线与子载波的二维资源映射先约定一套最小可运行系统的参数子载波数 64其中 48 个为数据子载波子载波间隔 15 kHz循环前缀取常规 4.7 微秒调制方式从 QPSK 到 16QAM 可切。发射天线数为 2接收天线数为 1即 2×1 配置不引入信道编码用原始 BER 来验证 SFBC 本身的行为。发射端的处理顺序是先把比特映射成 QAM 符号得到一串长度为偶数的复数符号序列然后每两个符号组成一组送入 SFBC 编码器。编码器拿到 d0、d1 后按上一章的两行两列关系输出一个形状为 (2, 2, 2) 的张量三个维度分别是组内索引、子载波索引、天线索引。import numpy as np def sfbc_encode(symbols): # symbols: 一维复数数组长度为偶数 # 返回: shape (num_groups, 2, 2) # 第1维: 编码组序号 # 第2维: 天线序号 # 第3维: 组内子载波序号 assert len(symbols) % 2 0 pairs symbols.reshape(-1, 2) d0 pairs[:, 0] d1 pairs[:, 1] # 天线0: [d0, -conj(d1)] # 天线1: [d1, conj(d0)] out np.zeros((pairs.shape[0], 2, 2), dtypecomplex) out[:, 0, 0] d0 out[:, 0, 1] -np.conj(d1) out[:, 1, 0] d1 out[:, 1, 1] np.conj(d0) return out这里有一个新手最容易犯的功率问题同一对符号在两根天线上各发一次若不归一化等效发射功率会比单发多 3 dB接收端做解调时星座图会被放大AGC 或导频估计会跟着出偏差。正确的做法是编码输出统一乘 1/sqrt(2)让每个编码块的总功率等于单个符号的功率。实现时我把归一化放到 IFFT 之后做功率归一也行但更推荐在编码输出上直接乘这样后续做 PAPR 统计和峰均比时数值才对得上。接下来把编码结果映射到频域资源网格上。资源网格的形状是 (天线数, 子载波数, 符号数)。SFBC 只在频率维度占用连续两个子载波所以在时间维度上每个块占据一个 OFDM 符号位置。def map_sfbc_to_grid(encoded, n_carriers, n_symbols): # encoded: (num_groups, 2, 2) # 返回: (2, n_carriers, n_symbols) grid np.zeros((2, n_carriers, n_symbols), dtypecomplex) n_groups encoded.shape[0] assert n_groups * 2 n_carriers, carrier count must hold all SFBC pairs for i in range(n_groups): k 2 * i grid[0, k, 0] encoded[i, 0, 0] * 0.7071 grid[0, k 1, 0] encoded[i, 0, 1] * 0.7071 grid[1, k, 0] encoded[i, 1, 0] * 0.7071 grid[1, k 1, 0] encoded[i, 1, 1] * 0.7071 return grid导频子载波绝不能和 SFBC 对共享。如果导频插在第 k 个子载波上那么第 k 和 k1 号子载波构成的编码块就必须整体挪位置否则导频处的信道估计会被数据污染解码端相邻子载波的信道功率还会出现突变。常见做法是每 4 个子载波插入一个导频数据子载波编号重新编排确保每个 SFBC 对都落在两个连续的数据子载波上这个细节我在第 5 章的踩坑部分会再展开。3.2 接收端LS 信道估计、相邻子载波合并、软输出 LLR接收端完成去 CP、FFT 之后在资源网格上先做信道估计。最基础的是 LS 估计在导频子载波上把接收符号除以已知导频值得到导频位置的频域响应再沿频率方向做线性插值得到所有数据子载波上的信道估计值。SFBC 解码要求每个子载波都有独立的 h0、h1 估计这是最基本的前提。def sfbc_decode(received_grid, h_est, noise_var): # received_grid: (n_carriers,) # h_est: (2, n_carriers) 两个发射天线的信道响应 # noise_var: 标量噪声方差估计值 n_pairs received_grid.shape[0] // 2 symbols_est np.zeros(n_pairs * 2, dtypecomplex) for i in range(n_pairs): k 2 * i y0 received_grid[k] y1 received_grid[k 1] h0k h_est[0, k] h1k h_est[1, k] h0k1 h_est[0, k 1] h1k1 h_est[1, k 1] # Alamouti 线性合并且归一化功率 r0 np.conj(h0k) * y0 h1k1 * np.conj(y1) r1 np.conj(h1k) * y0 - h0k1 * np.conj(y1) gain0 np.abs(h0k) ** 2 np.abs(h1k1) ** 2 gain1 np.abs(h1k) ** 2 np.abs(h0k1) ** 2 symbols_est[2 * i] r0 / max(gain0, 1e-12) symbols_est[2 * i 1] r1 / max(gain1, 1e-12) return symbols_est这段代码的关键是 r0 和 r1 的合并方式r0 把天线 1 在子载波 k1 上的贡献通过共轭对齐到 d0 上r1 则把天线 0 在子载波 k1 上的贡献通过负号对齐到 d1 上。合并完成后用增益项归一化等效于最大比合并输出符号的星座图应当和原始 QAM 星座重合。噪声方差的修正放在软解调阶段处理高阶 QAM 时把每个符号的 LLR 除以 gain0 或 gain1否则 16QAM 解出来的软比特幅度随信道波动译码器会错误地信任低信噪比比特。实际工程里我通常会再加一步频域插值优化如果导频间隔是 4 个子载波那么一个导频两个数据子载波之间用线性插值算出来的信道可能带有插值噪声。正确做法是先用 LS 得到导频位置信道再用加窗的频域插值或基于 DFT 的去噪估计把噪声压缩掉再把插值后的信道送给 SFBC 解码。第 5.2 节会专门讲插值方向选择不当导致什么后果。4. 2×2、4 天线的扩展与信道参数边界决定这套方案跑多远的三个约束4.1 从 2×1 到 2×2接收分集和发射分集是怎么叠加的2×1 的 SFBC 只获得了发射分集分集阶数为 2。实际系统中接收端往往不止一根天线比如手机有两个接收天线、基站侧有四到八个。扩展方式非常机械每个接收天线独立做一次 2×1 的 Alamouti 合并然后把各路 r0 相加、各路 r1 相加再做归一化。以 2 发射、2 接收为例接收天线 0 把信道记为 h00、h10接收天线 1 把信道记为 h01、h11。那么 r0_total r0_ant0 r0_ant1其中 r0_ant0 conj(h00k)yk0 h10k1conj(yk1_0)r0_ant1 conj(h01k)yk0_1 h11k1conj(yk1_1)。合并后的等效增益变为四个信道响应幅值平方之和即 |h00|²|h10|²|h01|²|h11|²分集阶数变成 2×24。这里要注意的是每路合并时的噪声方差不同直接相加会破坏最优合并的权重。严格做法是按各天线噪声方差加权或者在做完每路归一化后再相加二选一都行但最忌讳的是不归一化直接加总那会让强噪声天线主导结果。4.2 四根发射天线怎么办SFBCFSTD 的子载波块切换四根发射天线的场景没有直接的四阶正交码可以用工程上最常见的做法是 SFBCFSTD即频率切换发射分集。思路是把四个天线分成两组天线 0/1 在一组子载波上做 SFBC天线 2/3 在另一组子载波上做 SFBC两组子载波在频率上交替错开。具体映射是第 k 和 k1 号子载波上天线 0/1 发送 SFBC 编码块 A天线 2/3 静默第 k2 和 k3 号子载波上天线 2/3 发送 SFBC 编码块 B天线 0/1 静默。这样每个编码块只占两个子载波但整个系统用四个子载波承载两个数据符号。解码端只需根据子载波位置选择对应天线对做合并复杂度几乎不增加代价是频谱效率减半。这个方案在 LTE 的 4 天线开环发射分集里被广泛使用实现时最需要注意的地方在于子载波分组要对齐资源块边界不能让编码块横跨两个物理资源块的边缘否则资源分配和调度器会打架。4.3 决定性参数子载波间隔、相干带宽、多径时延扩展的三角关系SFBC 的性能取决于一个物理量相邻子载波信道响应的相关系数。它由信道相干带宽和子载波间隔的比值决定。相干带宽大约为多径时延扩展的倒数常用近似 Bc ≈ 1/(5τrms)其中 τrms 是均方根时延扩展。参数典型值对 SFBC 的影响子载波间隔LTE 15 kHzWiFi 312.5 kHz间隔越大相邻子载波相关性越差时延扩展 τrms典型市区 0.1~1 μs越小相关性越好SFBC 增益越接近理论值相干带宽 Bc≈ 1/(5τrms)需满足 Bc 远大于子载波间隔多普勒频移30 km/h 时约 55 Hz对 SFBC 影响小对 STBC 是致命伤用一个具体的数来感受量级LTE 子载波间隔 15 kHz市区时延扩展约 200 ns此时相干带宽约 1 MHz相邻子载波之间信道响应几乎一致SFBC 的性能损失可以忽略。但当信道变成山区大时延扩展场景τrms 达到 5 μs相干带宽缩到 40 kHz和子载波间隔 15 kHz 已经在同一量级此时相邻子载波的信道差异开始变得不可忽略解码之后会出现残差干扰。我们在做室外大覆盖测试时按 MIMO 信道容量图像去画不同时延扩展下的分集增益曲线能看到从 1 μs 到 5 μs 之间增益明显塌陷。所以判断 SFBC 能不能用先查两件事子载波间隔多大、信道时延扩展在什么量级比上线前调那些编码参数更关键。5. 落地必踩的 5 个坑从资源粒度到信道估计插值5.1 数据子载波数量是奇数SFBC 成对映射失败现象代码跑起来没报错但频谱图上出现个别子载波数据全错误码率曲线出现平层怎么提高信噪比都压不下去。原因SFBC 要求每两个符号占两个子载波如果资源网格里分配的数据子载波数是奇数最后一个符号找不到配对子载波实现时若直接把它复制到两个子载波上或者丢掉它都会破坏编码结构。解决在资源分配阶段强制数据子载波数为偶数或者在调制符号流末尾补一个虚拟符号编码后在解码端丢弃。我习惯在发射端加一个断言检查符号数是否是偶数并且设一个 dummy_symbol 标志位做穿透这样至少能保证错误在发射端暴露而不是在接收端造成难查的偶发误码。5.2 信道估计插值方向选错把相邻子载波的信道差异抹平了现象用 16QAM 时 BER 在高信噪比下不随 SNR 下降星座图上看解码点围绕中心收缩外围点全部内卷。原因接收端做信道估计时先用导频在时间方向插值再在频率方向插值或者干脆把频率方向插值做得过于平滑导致相邻子载波的信道估计趋于相同。表面看这满足了 SFBC 的“相邻子载波相同”假设但真实信道在强多径下相邻子载波是有差异的过度平滑等于把频率选择性信息滤掉了解码合并时的信道匹配度下降。解决频率方向插值要能跟踪真实信道变化导频间隔不大于相干带宽的一半。工程上我在导频间距 4 子载波时用线性插值已经够用但如果导频间距拉到 6 个及以上就改用基于 DFT 的去噪估计先反变换到时域把噪声分量清零再变回来这样既保相邻子载波的真实差异又压噪声。5.3 两发射支路功率失衡星座收缩和 SNR 虚高同时出现现象两发配置下实测 BER 和理论曲线差 2~3 dB但用信道估计算出来的 SNR 很正常BER 却是平的。原因两路发射链路的射频前端增益不同或其中一路天线线缆损耗过大导致 h0 和 h1 的真实接收功率严重不均衡。SFBC 的合并增益是 |h0|²|h1|²弱支路被强支路掩盖后分集阶数退化为接近 1所谓分集增益名存实亡。解决上线前用单发单收模式分别打同步序列检查两路的接收功率差是否在 1 dB 以内解码时也建议在 r0 的增益系数上做一个最小值门限当 gain0 过小时强制拉高 LLR 的底噪参数避免软译码器对两路非均衡的情况过于乐观。血泪经验是这个坑最容易出现在硬件联调阶段软件仿真是不会暴露的。5.4 把 SFBC 当空分复用复杂度上去了吞吐一点没动现象有团队把 2×2 SFBC 和 2×2 空分复用混淆以为两根天线能带来两倍吞吐结果跑出性能发现速率没变误码率还比单流高。原因SFBC 属于空间分集编码维度完全用于对抗衰落不携带额外信息比特。空分复用则把两根天线当成两个并行管道换取吞吐。两者的数学框架完全不同SFBC 的 Alamouti 结构决定了它在同一时刻同一频段只传两个符号而不是四个。解决需求是提升速率时立即转向空分复用方案并考虑增加接收天线数和反馈参数需求是补覆盖、守 BLER 时SFBC 才是对的。判断基准很简单看调度目标里的瓶颈是吞吐还是可靠性以及终端是否能反馈可靠的 CSI。SFBC 不是万能药它和空分复用在 MIMO-OFDM 里是并列关系不是包含关系。5.5 多径时延扩展到十几微秒正交性从源头上消失现象把系统搬到有大时延扩展的测试场地比如隧道、山区回波环境下SFBC 的 BER 曲线高信噪比段出现平台并且平台高度随 QAM 阶数上升快速恶化。原因这已经不是信道估计的问题了。相邻子载波信道相等这个假设在大时延扩展下物理上不再成立。两个子载波频率相差 15 kHz经历双径时延 τ 时相位差是 2π·τ·Δf当 τ10 μs 时相位差约 54 度四径叠加后幅相差异已不可忽略Alamouti 展开式里的交叉干扰项无法代数消掉。解决这种场景下不要硬调 SFBC要么改用闭环预编码配合反馈要么用更大的子载波间隔来降低频率选择性影响要么考虑单载波频域均衡方案。做系统设计时先查时延扩展和子载波间隔的乘积超过 0.1 就要谨慎超过 0.2 就应该直接放弃 SFBC 方案。6. 验证 SFBC 实现有没有跑对快速定位黑匣子的三招6.1 退化为单发场景的探针测试SFBC 实现最容易出 bug 的地方在信道估计和解码合并的维度对齐。最有效的验证手段是在发射端把一路天线强制置零。令 h10SFBC 退化为两路独立符号分别在相邻子载波上传输此时 r0 只依赖 d0 和 h0r1 只依赖 d1 和 h0理论上与单发系统完全一致。如果锤掉天线 1 后 BER 曲线和单发理论值不能重合说明解码中的共轭、正负号、子载波索引三者至少有一个对不上按 r0 和 r1 的展开式逐项检查即可。这个测试的最大价值在于它把双天线系统的验证拆成了单链路问题方便快速定位。6.2 用 BER 曲线斜率验证分集阶数分集阶数可以从高信噪比下 BER 曲线的斜率读出来。单发无分集时BER 随 SNR 下降的速率是线性衰落即每增加 10 dB 误码率约降一个数量级2×1 SFBC 应有二阶分集斜率变为约两个数量级每 10 dB。多数仿真软件里看曲线就能直接判断斜率没变化说明分集没有生效斜率介于 1 和 2 之间则说明正交性或信道估计部分失效。验证时固定信道种子分别跑 1×1 和 2×1 SFBC 两条曲线在 20 dB 附近对比斜率即可。6.3 用残余干扰功率做在线监控SFBC 正交性被破坏时r0 输出里会残留 d1 的分量这个分量在星座图上表现为不可压缩的旋转噪声。我习惯在解码端额外计算一个监控量取一组相邻子载波对比较信道估计的内积 conj(h0k)h1k 与 conj(h0k1)h1k1 的差值功率归一化后作为“正交破坏指数”。当它低于 -20 dB 时判断为健康高于 -15 dB 时基本可以预期 BER 会开始恶化。这个监控量不需要额外开销把解码器里已有的信道矩阵复用一个乘加就能得到放在现场测试和自动化回归里非常实用。跑 OFDM-SFBC 的链路这些年下来我最大的习惯变化是不再一上来就摆浮点 BER 曲线而是先花半小时把退化测试和正交破坏指数这两件事做掉。它们不解释“这条链路性能多好”但能告诉你“这条链路有没有资格继续往下调”。对做物理层实现的人来说后者才是真正的后悔药。希望这篇笔记能帮你把 SFBC 的每个参数和每个坑都落实在代码里而不是停留在咽下单上——那样才是真正把它用起来的第一步。本文还有配套的精品资源点击获取