第3章：仿真工具入门：MATLAB通信工具箱简介、Python/NumPy/SciPy环境搭建

做通道仿真，工具得先趁手。

这一章我们不聊复杂的理论，就说说干活用的家伙事儿。我个人习惯是MATLAB和Python两手抓。为什么？因为场景不同。MATLAB在快速原型验证上确实方便，而Python在数据处理和深度学习结合上更灵活。你想想看，一个项目里，前期算法探索用MATLAB，后期工程落地用Python，这很常见。

3.1 MATLAB通信工具箱——开箱即用的“通信超市”

我第一次接触MATLAB通信工具箱，是做一个简单的基带仿真。说实话，当时被它的丰富程度吓了一跳。从信源编码到调制解调，从信道模型到均衡器，基本你能想到的模块，它都有。

说白了，就是用别人写好的函数搭积木。你不用关心底层的滤波器怎么实现，只用关心参数怎么设。

3.1.1 工具箱的核心功能模块

3.1.2 一个简单的仿真脚本示例

咱们直接看代码。下面这个例子，生成QPSK信号，过AWGN信道，然后解调并计算误码率：

% 参数设置
M = 4;                  % QPSK
snr_dB = 10;            % 信噪比
numBits = 1e5;          % 仿真比特数

% 发送端
data = randi([0 M-1], numBits/log2(M), 1);
modData = pskmod(data, M, pi/4);

% 信道
rxData = awgn(modData, snr_dB, 'measured');

% 接收端
demodData = pskdemod(rxData, M, pi/4);
[~, ber] = biterr(data, demodData);

fprintf('SNR = %d dB, BER = %e\n', snr_dB, ber);

3.2 Python环境搭建——拥抱开源的力量

Python这几年在信号处理领域的热度，不用我多说。它最大的优势是免费、社区活跃，而且跟AI框架无缝衔接。嗯，这里要注意一点：Python的通信仿真库比较分散，不像MATLAB那么集成。但用熟了，你会发现它更灵活。

3.2.1 三大核心库

• NumPy：提供了强大的N维数组对象。所有的信号数据，基本都用NumPy数组来存。它的广播机制和矩阵运算，是仿真速度的保证。
• SciPy：科学计算的瑞士军刀。信号处理部分（scipy.signal）里，有滤波器设计、卷积、频谱分析等函数。信道建模也常用它。
• Matplotlib：画图用的。星座图、眼图、误码率曲线，全靠它。虽然比不上MATLAB的图形界面那么一键操作，但定制性更强。

3.2.2 环境配置指南

我建议用Anaconda或者Miniconda来管理环境。不会把系统搞乱。

1. 安装Anaconda，创建一个新环境：conda create -n channel_sim python=3.9
2. 激活环境：conda activate channel_sim
3. 安装核心包：conda install numpy scipy matplotlib
4. 如果你要用到高级的均衡器，再装个 pip install commpy，这是一个第三方通信库。

3.2.3 用Python复现刚才的QPSK仿真

import numpy as np
from commpy.modulation import QAMModem
from commpy.channels import AWGN

M = 4
modem = QAMModem(M)
snr_db = 10
num_bits = 100000

bits = np.random.randint(0, 2, num_bits)
symbols = modem.modulate(bits)
rx_symbols = AWGN(symbols, snr_db)
demod_bits = modem.demodulate(rx_symbols, demod_type='hard')

ber = np.sum(bits != demod_bits) / num_bits
print(f'SNR = {snr_db} dB, BER = {ber:.2e}')

3.3 工具对比与选择建议