简介这套MATLAB程序面向通信系统研究人员与算法学习者聚焦OFDMA自适应资源分配问题利用Fischer算法动态完成子载波与功率的联合优化以提升频谱效率和用户公平性。压缩包共含3个文件其中两个.m脚本分别承担核心算法实现与演示运行.fig文件提供交互式界面便于可视化观察分配过程整个包仅16KB结构轻量便于阅读和二次开发。已有144人学习使用。通过运行Demo_Fischer读者可快速理解Fischer算法在信道状态信息获取、子载波匹配和功率分配中的具体操作步骤还能结合界面调整参数验证不同信道条件下的算法表现为OFDMA系统性能分析和后续改进提供可复用的实验基础。1. OFDMA自适应资源分配的MATLAB程序到底解决什么问题OFDMA自适应资源分配的MATLAB程序往往被封装成“超好”的rar是因为它把一套完整的仿真链路缩小到了一个main.m里生成信道矩阵、做子载波分配、算功率分配、统计吞吐量最后画图。这类程序最适合两类人一是做物理层算法研究的人二是盯毕业设计或论文验证的工程学生。拿到程序后我通常不建议直接点运行而是先找到信道生成相关函数确认维度是U×K而不是K×U。这个维度搞反后续所有分配结果都错得毫无提示。本文从数学模型讲起细化到代码块再给出参数调整和自检技巧让资源分配不再是黑盒。2. OFDMA自适应资源分配的数学模型与算法选型2.1 从香农容量到系统效用目标函数怎么写OFDMA把一个宽带信道划分成多个正交子载波每个子载波之间互不干扰资源分配才有数学上可拆分的空间。定义一个U×K的信道增益矩阵H元素h_{u,k}是用户u在子载波k上的信道频域响应。用户u在子载波k上能得到的速率按香农公式可以写成R_{u,k} (B/K) * log2(1 p_{u,k}*|h_{u,k}|^2 / (N0 * B/K))其中p_{u,k}是用户u分配在子载波k上的发射功率N0是单边噪声功率谱密度B/K是单个子载波带宽。自适应资源分配要同时决定两个变量分配矩阵x_{u,k}其取值0或1表示子载波k是否交给用户u以及功率变量p_{u,k}。如果目标是最大化系统总速率数学模型就是要最大化sum_{u,k}R_{u,k}并且保证每个子载波同一时刻只能分配给一个用户即sum_u x_{u,k}1同时总功率受限即sum_{u,k}p_{u,k}≤P_total。这种问题是一个混合整数非线性优化问题直接求全局最优在子载波数超过几十时计算量就不可接受。所以我一般会在MATLAB程序里用两步启发式先固定子载波分配再做功率分配这能把仿真时间压到毫秒级。2.2 三种经典算法取舍与MATLAB程序里的对应关系在启发式框架下子载波分配策略决定了大多数行为。我经常看到的三种做法如下表分配算法子载波分法功率分法公平性复杂度最大信道增益每个子载波选增益最高的用户注水或均分差边缘用户可能分不到资源O(K*U)轮询加权按用户ID循环挑可用子载波均分高但吞吐量损失大O(K*U)比例公平PF按累计速率倒数加权选用户均分或修正注水综合好工程上最常用O(K*U)这里的核心区别在“待分资源”的优先级计算方式。最大信道增益需要的只是信道增益g|h|^2轮询只需要一个用户计数比例公平则让每个用户维护一个历史平均速率T_u把增益调制成g/(T_u^alpha)alpha一般取1这样瞬时信道好但历史速率高的用户会被适当压制。很多程序干脆把以上三种写进一个switch strategy分支跑不同策略的对比图。2.2.1 注意能量归一化不管用哪种策略MATLAB程序里最容易翻车的是信道矩阵没有做归一化。仿真时往往先产生瑞利衰落信道然后直接把复系数模方当作增益。如果忘记把大尺度路径损耗和噪声功率匹配分配出来的功率会出现整片为零或饱和的情况。我习惯在第一行就定义好工作SNR再反推N0生成信道后统一除以平均增益保证平均SNR在0‑10 dB范围内可调。2.3 信道的生成方式决定仿真结论能不能复现信道矩阵的生成是自适应资源分配里最容易忽略又最关键的一步。程序中如果直接用randn那只能模拟平坦衰落但OFDMA通常要频选衰落即在同一个用户的不同子载波上增益明显不同。常见做法是先按OFDM符号周期生成多径信道再用傅里叶变换取频域采样。这里给一段最小示例U 4; K 64; h_time randn(U, K) 1i*randn(U, K); H fftshift(fft(h_time, [], 2), 2); H H / sqrt(mean(abs(H(:)).^2)); % 功率归一化 g abs(H).^2; % U x K 功率增益矩阵 N0 10^(-13); % 相对常数配合功率约300mW仿真这段代码先用时域随机冲击响应模拟多径延迟再用FFT把延时域变换到频域得到的H天然带频选特性。g才是后面所有分配函数的输入。注意最后一行N0、P_total必须和g的量纲一致否则功率分配会算出负值。若能确认程序里已经自带了信道模块一般不要重复上述生成优先查它的输出维度是不是U×K。3. 在MATLAB中复现OFDMA自适应资源分配核心模块3.1 典型程序架构main线、信道重算和曲线拼接解压rar后典型的目录结构包含main.m、channel_gen.m、subcarrier_alloc.m、power_alloc.m和plot_results.m。main.m里的主循环一般可以在20行内看明白初始化参数生成信道调用两个分配函数计算速率累积统计画图。如果代码不是这个结构说明作者把调度逻辑塞进了某个回调或GUI里此时先把GUI去除直接在命令行调用回调函数会好调试得多。我的习惯是先跑一次main.m记下第一个出现的矩阵维度。如果看到size(assign) [1, U]那就说明分配结果是每个用户的子载波数不是每个子载波归属哪个用户这是语义问题不影响运行但会误导后面的统计。3.2 子载波分配最大增益与比例公平的代码写法先给一个最大增益分配的极简版本assign_user zeros(1, K); % 每个子载波分给哪个用户 for k 1:K [val, u] max(g(:, k)); % 当前子载波上增益最大用户 assign_user(k) u; end user_count histcounts(assign_user, 1:U1);这段代码把所有子载波独立地交给信道最好的用户虽然运行快但用户0只要在某一个子载波上有一点优势就能抢到你甚至可能会看到用户0分到50个子载波其余用户各分到几个。这种分配对总吞吐量有利但对公平性不友好。很多现有程序默认用这个因为它简单且数学上和“最大速率目标”一致。比例公平版则多一个权重示例T_u ones(1, U); % 历史平均吞吐量初值相同 for k 1:K weight g(:, k) ./ T_u; % 把信道增益按历史速率打折 [val, u] max(weight); assign_user(k) u; % 立刻把临时速率累加避免下一个子载波继续偏向同一用户 T_u(u) T_u(u) log2(1 g(u, k) * P_avg / (N0 * sub_bandwidth)); end这里T_u的更新放在子载波分配内是“在线PF”的近似能有效让用户轮询到资源。注意日志计算里的功率先用均分功率P_avg估算因为在分配完之前还不知道每个子载波最终拿到多少功率。这样做虽然在严格意义上不精确但工程上能接受。3.2.1 分配后的矩阵重构分配完拿到的只是assign_user一维向量后续功率分配需要把它转成用户-子载波对应的功率分片。这一步我一般用一个布尔矩阵或kron。更直观的做法是三层循环但矢量化的写法更快alloc_matrix zeros(U, K); for k 1:K alloc_matrix(assign_user(k), k) 1; end这样alloc_matrix(u,k)1表示第k个子载波分给了第u个用户。所有的速率累加都基于这个矩阵展开不容易越界。3.3 功率分配注水算法的向量化实现子载波分配完成以后每个用户手上有一组子载波。功率分配其实可以在用户内独立做因为子载波之间正交用户间的功率竞争在总约束里交互。不过大多数简单程序用一个全局注水把所有 K 个子载波放入同一个池子约束只要求总功率不超过 P_total。这样有一个好处代码不用为多用户拆分而且复杂度低。一个最常见的注水实现如下function p waterfill(gk, P_total, N0) % gk: 1xK当前参与功率分配的子载波功率增益 % P_total: 总功率, N0: 噪声功率 K length(gk); mu_lo min(N0 ./ gk) ; mu_hi max(N0 ./ gk) P_total/K; for it 1:100 mu (mu_lo mu_hi) / 2; p max(mu - N0 ./ gk, 0); if sum(p) P_total mu_hi mu; else mu_lo mu; end end p p .* (P_total ./ (sum(p) eps)); end这个二分算法通过迭代寻找水面mu使注入功率总和逼近P_total。max(mu - N0/gk,0)表示小于噪声门限的子载波不分配功率符合注水的“床头掏空”行为。最后的归一化保证实数运算误差不会导致总功率溢出。在实际程序里我还会把p转成p_alloc alloc_matrix .* repmat(p)以便后续方便计算。如果手里有MATLAB优化工具箱也可以直接用fmincon验证这个自定义二分法是否达到了同样的最优目标。3.4 把仿真结果统计成吞吐量曲线分配完成之后至少要算两部分每个子载波上实际信噪比以及每个用户的速率。计算速率时不要把调制阶数和香农速率混在一起若程序只画理想容量可以用snr_gain p .* g ./ (N0 * sub_bandwidth); rate_vec sub_bandwidth * log2(1 snr_gain); user_rate sum(alloc_matrix .* repmat(rate_vec, U, 1), 2);user_rate是一个U×1向量直接把它累加到一个thr_history矩阵里帧循环结束后取平均就是平均用户吞吐量。注意在循环里每次重新生成信道用同一个rng种子对比不同算法才有意义这一点留到下一章参数部分。4. 关键参数调优子载波、用户数和AMC门限怎么配合4.1 子载波数、用户数与仿真帧数怎么设OFDMA仿真里最常见的默认配置是64个子载波、4个用户、总带宽1 MHz。这样每个子载波带宽15.625 kHz接近LTE的常见配置。若程序运行太慢或曲线太毛糙先把K降到32U减到2帧数减到20验证算法逻辑等逻辑确认后再把K增加到128、U提高到8帧数取200以上。参数快速调试值正式仿真值说明K32128子载波数越多频选粒度越细U28用户数超过8时调度差异更明显帧数20500决定吞吐量曲线平滑度然后说明高用户数时复杂度是O(KU)的不会有压力但每帧都调用注水二分100次帧数高时才是主要耗时。4.2 AMC门限从误码率表到离散调制阶数理想香农容量的曲线是连续光滑的但工程里自适应调制编码会离散化。程序中如果有AMC_threshold_dB这个变量一般是一维向量比如 [5,10,15,20]按BER1e-3可以得到不同调制阶数。下面是映射代码snr_dB 10*log10(snr_gain); mod_bits ones(size(snr_dB)); th [6, 9, 16, 21]; % 不同MCS所需SNR门限 mod_bits(snr_dB th(1)) 2; mod_bits(snr_dB th(2)) 4; mod_bits(snr_dB th(3)) 6; mod_bits(snr_dB th(4)) 8; % 这里的mod_bits表示每个子载波每个符号承载的比特实际速率再乘符号速率 throughput_symbol sum(mod_bits);这段代码把连续的香农速率换成离散调制阶数。注意th是相对值随编码速率不同要重新标定。使用AMC后吞吐量曲线在高SNR区域会出现台阶这和真实系统更接近。如果你在程序里发现曲线一直光滑估计它没启用AMC模块只是用了log2(1SNR)。4.3 蒙特卡洛帧循环里的随机性管理多帧平均才能得到可靠结果但每次运行结果都不一样的现象经常让使用者怀疑程序有问题。我建议在每个算法对比前调用一次rng(42)保证信道矩阵序列一致。在循环内可以用for frame 1:nFrames H gen_channel_frame(U, K); % 分配、统计 endgen_channel_frame函数内部如果也调用randn不要重复设置rng只要在main入口统一rng(0)对比才有说服力。如果程序里自带randi或rand要注意它们和randn共享全局随机流重置顺序会影响结果。5. 验证与改造的实用技巧5.1 用均匀信道验证注水函数的正确性拿到一个功率分配函数后最直接的自检是注入一个完全平坦的信道比如gk ones(1,K)。此时注水算法的最优解必须是平均分配即p P_total/K * ones。只要这段测试不通过后面所有非平坦信道的结果都不可信。测试代码K 16; gk ones(1,K); P_total 0.1; N0 1e-4; p waterfill(gk, P_total, N0); if max(abs(p - P_total/K)) 1e-12 error(注水函数存在归一化错误); end5.2 用小规模穷举校验子载波分配算法当U2、K4时所有子载波分配方案只有4^216种可以穷举所有方案并和贪心算法做对比。这种校验在MATLAB里几乎瞬间完成但能暴露最大增益算法忽略公平性的边界情况。做法是循环枚举所有assign组合对每个组合用注水算速率取总速率最大的那个作为全局最优值再和程序主流程的结果对比。如果贪心结果与全局最优差距较大说明程序里子载波分配部分需要加入更多候选生成逻辑。5.3 速度统计时的维度陷阱速率统计常犯错误是把每帧瞬时速率直接用mean汇总。当用户分到子载波数为0时速率为0平均会出现二元分布这其实是合理结果。不要只保留一个总分把user_rate保存成(frame, u)矩阵后续可以画每个用户的CDF曲线。如果想只画平均系统吞吐量再mean(sum(user_rate,1))。最后检查一下user_rate里的NaN注水函数如果传入零增益子载波N0./gk会出现Infmax(mu-Inf,0)为零这类计算安全但若把零增益直接做10*log10会得到-InfAMC映射会出错。给snr_dB加一个下限snr_dB(snr_dB -20) -20;就能避免这类边界问题。本文还有配套的精品资源点击获取 OFDMA自适应资源分配原理及MATLAB仿真实现与参数调优
简介这套MATLAB程序面向通信系统研究人员与算法学习者聚焦OFDMA自适应资源分配问题利用Fischer算法动态完成子载波与功率的联合优化以提升频谱效率和用户公平性。压缩包共含3个文件其中两个.m脚本分别承担核心算法实现与演示运行.fig文件提供交互式界面便于可视化观察分配过程整个包仅16KB结构轻量便于阅读和二次开发。已有144人学习使用。通过运行Demo_Fischer读者可快速理解Fischer算法在信道状态信息获取、子载波匹配和功率分配中的具体操作步骤还能结合界面调整参数验证不同信道条件下的算法表现为OFDMA系统性能分析和后续改进提供可复用的实验基础。1. OFDMA自适应资源分配的MATLAB程序到底解决什么问题OFDMA自适应资源分配的MATLAB程序往往被封装成“超好”的rar是因为它把一套完整的仿真链路缩小到了一个main.m里生成信道矩阵、做子载波分配、算功率分配、统计吞吐量最后画图。这类程序最适合两类人一是做物理层算法研究的人二是盯毕业设计或论文验证的工程学生。拿到程序后我通常不建议直接点运行而是先找到信道生成相关函数确认维度是U×K而不是K×U。这个维度搞反后续所有分配结果都错得毫无提示。本文从数学模型讲起细化到代码块再给出参数调整和自检技巧让资源分配不再是黑盒。2. OFDMA自适应资源分配的数学模型与算法选型2.1 从香农容量到系统效用目标函数怎么写OFDMA把一个宽带信道划分成多个正交子载波每个子载波之间互不干扰资源分配才有数学上可拆分的空间。定义一个U×K的信道增益矩阵H元素h_{u,k}是用户u在子载波k上的信道频域响应。用户u在子载波k上能得到的速率按香农公式可以写成R_{u,k} (B/K) * log2(1 p_{u,k}*|h_{u,k}|^2 / (N0 * B/K))其中p_{u,k}是用户u分配在子载波k上的发射功率N0是单边噪声功率谱密度B/K是单个子载波带宽。自适应资源分配要同时决定两个变量分配矩阵x_{u,k}其取值0或1表示子载波k是否交给用户u以及功率变量p_{u,k}。如果目标是最大化系统总速率数学模型就是要最大化sum_{u,k}R_{u,k}并且保证每个子载波同一时刻只能分配给一个用户即sum_u x_{u,k}1同时总功率受限即sum_{u,k}p_{u,k}≤P_total。这种问题是一个混合整数非线性优化问题直接求全局最优在子载波数超过几十时计算量就不可接受。所以我一般会在MATLAB程序里用两步启发式先固定子载波分配再做功率分配这能把仿真时间压到毫秒级。2.2 三种经典算法取舍与MATLAB程序里的对应关系在启发式框架下子载波分配策略决定了大多数行为。我经常看到的三种做法如下表分配算法子载波分法功率分法公平性复杂度最大信道增益每个子载波选增益最高的用户注水或均分差边缘用户可能分不到资源O(K*U)轮询加权按用户ID循环挑可用子载波均分高但吞吐量损失大O(K*U)比例公平PF按累计速率倒数加权选用户均分或修正注水综合好工程上最常用O(K*U)这里的核心区别在“待分资源”的优先级计算方式。最大信道增益需要的只是信道增益g|h|^2轮询只需要一个用户计数比例公平则让每个用户维护一个历史平均速率T_u把增益调制成g/(T_u^alpha)alpha一般取1这样瞬时信道好但历史速率高的用户会被适当压制。很多程序干脆把以上三种写进一个switch strategy分支跑不同策略的对比图。2.2.1 注意能量归一化不管用哪种策略MATLAB程序里最容易翻车的是信道矩阵没有做归一化。仿真时往往先产生瑞利衰落信道然后直接把复系数模方当作增益。如果忘记把大尺度路径损耗和噪声功率匹配分配出来的功率会出现整片为零或饱和的情况。我习惯在第一行就定义好工作SNR再反推N0生成信道后统一除以平均增益保证平均SNR在0‑10 dB范围内可调。2.3 信道的生成方式决定仿真结论能不能复现信道矩阵的生成是自适应资源分配里最容易忽略又最关键的一步。程序中如果直接用randn那只能模拟平坦衰落但OFDMA通常要频选衰落即在同一个用户的不同子载波上增益明显不同。常见做法是先按OFDM符号周期生成多径信道再用傅里叶变换取频域采样。这里给一段最小示例U 4; K 64; h_time randn(U, K) 1i*randn(U, K); H fftshift(fft(h_time, [], 2), 2); H H / sqrt(mean(abs(H(:)).^2)); % 功率归一化 g abs(H).^2; % U x K 功率增益矩阵 N0 10^(-13); % 相对常数配合功率约300mW仿真这段代码先用时域随机冲击响应模拟多径延迟再用FFT把延时域变换到频域得到的H天然带频选特性。g才是后面所有分配函数的输入。注意最后一行N0、P_total必须和g的量纲一致否则功率分配会算出负值。若能确认程序里已经自带了信道模块一般不要重复上述生成优先查它的输出维度是不是U×K。3. 在MATLAB中复现OFDMA自适应资源分配核心模块3.1 典型程序架构main线、信道重算和曲线拼接解压rar后典型的目录结构包含main.m、channel_gen.m、subcarrier_alloc.m、power_alloc.m和plot_results.m。main.m里的主循环一般可以在20行内看明白初始化参数生成信道调用两个分配函数计算速率累积统计画图。如果代码不是这个结构说明作者把调度逻辑塞进了某个回调或GUI里此时先把GUI去除直接在命令行调用回调函数会好调试得多。我的习惯是先跑一次main.m记下第一个出现的矩阵维度。如果看到size(assign) [1, U]那就说明分配结果是每个用户的子载波数不是每个子载波归属哪个用户这是语义问题不影响运行但会误导后面的统计。3.2 子载波分配最大增益与比例公平的代码写法先给一个最大增益分配的极简版本assign_user zeros(1, K); % 每个子载波分给哪个用户 for k 1:K [val, u] max(g(:, k)); % 当前子载波上增益最大用户 assign_user(k) u; end user_count histcounts(assign_user, 1:U1);这段代码把所有子载波独立地交给信道最好的用户虽然运行快但用户0只要在某一个子载波上有一点优势就能抢到你甚至可能会看到用户0分到50个子载波其余用户各分到几个。这种分配对总吞吐量有利但对公平性不友好。很多现有程序默认用这个因为它简单且数学上和“最大速率目标”一致。比例公平版则多一个权重示例T_u ones(1, U); % 历史平均吞吐量初值相同 for k 1:K weight g(:, k) ./ T_u; % 把信道增益按历史速率打折 [val, u] max(weight); assign_user(k) u; % 立刻把临时速率累加避免下一个子载波继续偏向同一用户 T_u(u) T_u(u) log2(1 g(u, k) * P_avg / (N0 * sub_bandwidth)); end这里T_u的更新放在子载波分配内是“在线PF”的近似能有效让用户轮询到资源。注意日志计算里的功率先用均分功率P_avg估算因为在分配完之前还不知道每个子载波最终拿到多少功率。这样做虽然在严格意义上不精确但工程上能接受。3.2.1 分配后的矩阵重构分配完拿到的只是assign_user一维向量后续功率分配需要把它转成用户-子载波对应的功率分片。这一步我一般用一个布尔矩阵或kron。更直观的做法是三层循环但矢量化的写法更快alloc_matrix zeros(U, K); for k 1:K alloc_matrix(assign_user(k), k) 1; end这样alloc_matrix(u,k)1表示第k个子载波分给了第u个用户。所有的速率累加都基于这个矩阵展开不容易越界。3.3 功率分配注水算法的向量化实现子载波分配完成以后每个用户手上有一组子载波。功率分配其实可以在用户内独立做因为子载波之间正交用户间的功率竞争在总约束里交互。不过大多数简单程序用一个全局注水把所有 K 个子载波放入同一个池子约束只要求总功率不超过 P_total。这样有一个好处代码不用为多用户拆分而且复杂度低。一个最常见的注水实现如下function p waterfill(gk, P_total, N0) % gk: 1xK当前参与功率分配的子载波功率增益 % P_total: 总功率, N0: 噪声功率 K length(gk); mu_lo min(N0 ./ gk) ; mu_hi max(N0 ./ gk) P_total/K; for it 1:100 mu (mu_lo mu_hi) / 2; p max(mu - N0 ./ gk, 0); if sum(p) P_total mu_hi mu; else mu_lo mu; end end p p .* (P_total ./ (sum(p) eps)); end这个二分算法通过迭代寻找水面mu使注入功率总和逼近P_total。max(mu - N0/gk,0)表示小于噪声门限的子载波不分配功率符合注水的“床头掏空”行为。最后的归一化保证实数运算误差不会导致总功率溢出。在实际程序里我还会把p转成p_alloc alloc_matrix .* repmat(p)以便后续方便计算。如果手里有MATLAB优化工具箱也可以直接用fmincon验证这个自定义二分法是否达到了同样的最优目标。3.4 把仿真结果统计成吞吐量曲线分配完成之后至少要算两部分每个子载波上实际信噪比以及每个用户的速率。计算速率时不要把调制阶数和香农速率混在一起若程序只画理想容量可以用snr_gain p .* g ./ (N0 * sub_bandwidth); rate_vec sub_bandwidth * log2(1 snr_gain); user_rate sum(alloc_matrix .* repmat(rate_vec, U, 1), 2);user_rate是一个U×1向量直接把它累加到一个thr_history矩阵里帧循环结束后取平均就是平均用户吞吐量。注意在循环里每次重新生成信道用同一个rng种子对比不同算法才有意义这一点留到下一章参数部分。4. 关键参数调优子载波、用户数和AMC门限怎么配合4.1 子载波数、用户数与仿真帧数怎么设OFDMA仿真里最常见的默认配置是64个子载波、4个用户、总带宽1 MHz。这样每个子载波带宽15.625 kHz接近LTE的常见配置。若程序运行太慢或曲线太毛糙先把K降到32U减到2帧数减到20验证算法逻辑等逻辑确认后再把K增加到128、U提高到8帧数取200以上。参数快速调试值正式仿真值说明K32128子载波数越多频选粒度越细U28用户数超过8时调度差异更明显帧数20500决定吞吐量曲线平滑度然后说明高用户数时复杂度是O(KU)的不会有压力但每帧都调用注水二分100次帧数高时才是主要耗时。4.2 AMC门限从误码率表到离散调制阶数理想香农容量的曲线是连续光滑的但工程里自适应调制编码会离散化。程序中如果有AMC_threshold_dB这个变量一般是一维向量比如 [5,10,15,20]按BER1e-3可以得到不同调制阶数。下面是映射代码snr_dB 10*log10(snr_gain); mod_bits ones(size(snr_dB)); th [6, 9, 16, 21]; % 不同MCS所需SNR门限 mod_bits(snr_dB th(1)) 2; mod_bits(snr_dB th(2)) 4; mod_bits(snr_dB th(3)) 6; mod_bits(snr_dB th(4)) 8; % 这里的mod_bits表示每个子载波每个符号承载的比特实际速率再乘符号速率 throughput_symbol sum(mod_bits);这段代码把连续的香农速率换成离散调制阶数。注意th是相对值随编码速率不同要重新标定。使用AMC后吞吐量曲线在高SNR区域会出现台阶这和真实系统更接近。如果你在程序里发现曲线一直光滑估计它没启用AMC模块只是用了log2(1SNR)。4.3 蒙特卡洛帧循环里的随机性管理多帧平均才能得到可靠结果但每次运行结果都不一样的现象经常让使用者怀疑程序有问题。我建议在每个算法对比前调用一次rng(42)保证信道矩阵序列一致。在循环内可以用for frame 1:nFrames H gen_channel_frame(U, K); % 分配、统计 endgen_channel_frame函数内部如果也调用randn不要重复设置rng只要在main入口统一rng(0)对比才有说服力。如果程序里自带randi或rand要注意它们和randn共享全局随机流重置顺序会影响结果。5. 验证与改造的实用技巧5.1 用均匀信道验证注水函数的正确性拿到一个功率分配函数后最直接的自检是注入一个完全平坦的信道比如gk ones(1,K)。此时注水算法的最优解必须是平均分配即p P_total/K * ones。只要这段测试不通过后面所有非平坦信道的结果都不可信。测试代码K 16; gk ones(1,K); P_total 0.1; N0 1e-4; p waterfill(gk, P_total, N0); if max(abs(p - P_total/K)) 1e-12 error(注水函数存在归一化错误); end5.2 用小规模穷举校验子载波分配算法当U2、K4时所有子载波分配方案只有4^216种可以穷举所有方案并和贪心算法做对比。这种校验在MATLAB里几乎瞬间完成但能暴露最大增益算法忽略公平性的边界情况。做法是循环枚举所有assign组合对每个组合用注水算速率取总速率最大的那个作为全局最优值再和程序主流程的结果对比。如果贪心结果与全局最优差距较大说明程序里子载波分配部分需要加入更多候选生成逻辑。5.3 速度统计时的维度陷阱速率统计常犯错误是把每帧瞬时速率直接用mean汇总。当用户分到子载波数为0时速率为0平均会出现二元分布这其实是合理结果。不要只保留一个总分把user_rate保存成(frame, u)矩阵后续可以画每个用户的CDF曲线。如果想只画平均系统吞吐量再mean(sum(user_rate,1))。最后检查一下user_rate里的NaN注水函数如果传入零增益子载波N0./gk会出现Infmax(mu-Inf,0)为零这类计算安全但若把零增益直接做10*log10会得到-InfAMC映射会出错。给snr_dB加一个下限snr_dB(snr_dB -20) -20;就能避免这类边界问题。本文还有配套的精品资源点击获取