02 调制信号数据集生成：GNU Radio与MATLAB的I/Q样本合成

⭐从理论到I

调制信号数据集生成的验收口径

在构建LSTM调制信号分类模型时，最关键的起点并非网络结构，而是高质量、标签准确的I/Q（同相/正交）样本数据集。直接使用录制的空中信号虽然真实，但难以控制信噪比（SNR）、符号速率和调制方式等变量，导致模型难以在可控条件下验证其LSTM识别边界。本节的核心任务，是掌握两条主流合成路径——GNU Radio流图与MATLAB脚本——并理解它们如何生成BPSK、QPSK和16QAM的基带I/Q数据

🧩GNU Radio拆解关系：流图构建与I

GNU Radio通过连接信号处理块（Block）来构建发射链路。以BPSK为例，其核心GNU拆解关系为：随机信源 → 星座映射器（Constellation Modulator）→ 脉冲成形滤波器（RRC Filter）→ 信道模型（Channel Model）→ 文件接收器（File Sink）。关键参数包括符号速率（samp_rate / sps）、每个符号的采样点数（sps）以及滚降系数（excess_bw）

容易出错的步骤在于Radio验证结果环节：当使用QT GUI Time Sink观察时，若I/Q轨迹图呈现非圆形或非标准星座点分布，通常是因为sps设置过小导致码间串扰，或信道模型中的噪声种子未固定导致每次运行结果不一致。正确的验证方法是：固定随机种子，并在无噪声条件下检查星座图是否落在标准位置（BPSK: ±1; QPSK: (±1±j)/√2; 16QAM: 按格雷码排列的16个点）

⭐MATLAB识别边界：脚本化批量生成与标签对齐

MATLAB的comm工具箱提供了更直接的MATLAB识别边界控制。使用bpskmodulator = comm.BPSKModulator或qammod(data, M, 'UnitAveragePower', true)可快速生成符号序列。但真正的挑战在于I/Q拆解关系：MATLAB默认输出的是复数基带信号，而LSTM通常需要实数特征（I和Q两路）。因此必须显式执行real(signal)和imag(signal)拆分，并沿特征维度拼接

以下代码展示了生成16QAM I/Q样本并保存为CSV的关键流程：

% 参数配置
M = 16; % 调制阶数
numSymbols = 1024; % 每帧符号数
numFrames = 1000;  % 帧数
snr = 20; % 信噪比 dB
% 初始化调制器与AWGN信道
modulator = qammod(0:M-1, M, 'UnitAveragePower', true);
channel = comm.AWGNChannel('NoiseMethod', 'Signal to noise ratio (SNR)', ...
                           'SNR', snr, 'SignalPower', 1);
% 批量生成
allFrames = zeros(numFrames, numSymbols*2); % I/Q两路展开
for frameIdx = 1:numFrames
    data = randi([0 M-1], numSymbols, 1);
    modulated = modulator(data + 1); % MATLAB索引从1开始
    rxSignal = channel(modulated);
    % I/Q拆解并拼接为 [I1, Q1, I2, Q2, ...]
    iqFrame = [real(rxSignal), imag(rxSignal)]';
    allFrames(frameIdx, :) = iqFrame(:)';
end
% 保存为CSV，第一列为标签
labels = repmat(3, numFrames, 1); % 16QAM标签设为3
csvwrite('16QAM_frames.csv', [labels, allFrames])

阅读这段代码时，重点看调制信号数据集生成的伪代码，以及它如何用稳定性与可观测性证明结果可复测。

这段代码验证了BPSK/QPSK/16QAM验证结果的边界：通过修改M和调制器类型，可快速切换调制方式。注意标签编码必须与后续LSTM分类器的输出层一致（如BPSK=0, QPSK=1, 16QAM=3）