操作环境：

MATLAB 2024a

1、算法描述

摘要

扩频通信是一类通过扩大信号占用带宽来提升抗干扰能力、抗截获能力和信道适应能力的通信技术。直接序列扩频和跳频扩频是其中两类典型方案。直接序列扩频通过伪随机码对原始比特进行码片级扩展，使信号能量分散到较宽频带内，并在接收端通过本地同步伪随机码完成解扩。跳频扩频则通过伪随机跳频图案控制载波频点，使信号在多个频点之间快速切换，从而降低固定频点干扰对整个传输过程的持续影响。扩频调制通常要求信号带宽大于原始调制信号带宽，这也是其获得处理增益和干扰抑制能力的基础。

本文基于 MATLAB 建立 DSSS 与 FHSS 两种扩频通信系统的仿真模型。系统从随机比特产生、扩频调制、干扰和信道建模、接收端解扩解调、误码率统计以及图像输出等环节展开。仿真场景包括 AWGN 信道、窄带干扰、扫频干扰、脉冲干扰和多径信道。代码通过蒙特卡洛统计方式得到两类扩频系统在不同信噪比或干信比条件下的误码率变化，并输出波形图、频谱图和多类误码率曲线。仿真结果用于观察 DSSS 与 FHSS 在不同干扰形态下的性能差异。整体来看，DSSS 在解扩积分后能够获得一定处理增益，FHSS 在窄带和扫频干扰条件下具备更明显的选频避让能力，而在脉冲干扰和多径环境中，两类方案的性能差异需要结合干扰持续时间、跳频图案、扩频长度和接收判决方式综合分析。

1 引言

无线通信系统在实际工作环境中经常受到噪声、窄带干扰、宽带干扰、扫频干扰、突发脉冲干扰以及多径传播的影响。普通窄带通信方式在固定频率上传输时，一旦干扰源集中在相同频点附近，接收端信噪比会快速下降，误码率也会明显升高。扩频通信的核心思想不是简单提高发射功率，而是通过扩展信号带宽、引入伪随机特征和接收端相关处理，使有效信号与干扰在接收端形成可区分性。IEEE 802.15.4 等低速率无线网络标准也长期涉及低功耗、低复杂度短距离无线通信的物理层和链路层设计，这说明扩频和多信道机制在低功耗无线系统中具有实际工程背景。

DSSS 的优势在于结构直观，解扩过程可以把与本地扩频码匹配的目标信号重新集中，而把不匹配的干扰扩散到较宽频带中。FHSS 的优势在于频率维度上的时间分散。固定频点干扰只能影响部分跳频时刻，除非干扰方能够准确跟踪跳频序列，否则难以持续压制整个通信链路。近年来，针对 DSSS 抗干扰、物联网物理层安全、智能跳频和强化学习抗干扰的研究仍在推进。例如，已有研究使用密码安全伪随机序列提升 DSSS 在物联网场景下的抗干扰能力，也有研究将深度强化学习用于宽带抗干扰通信中的动态频率选择。

本文的研究重点不是建立复杂硬件链路，而是以 MATLAB 为工具完成一个可观察、可运行、可对比的扩频通信仿真系统。代码通过统一参数管理、统一发送比特、统一接收判决和统一误码率统计，使 DSSS 与 FHSS 的对比具有基本公平性。系统输出的图像能够直观体现扩频波形、频谱分布和误码率变化趋势，适合作为扩频通信原理学习、抗干扰性能分析和通信系统仿真训练的基础案例。

2 系统模型

本系统首先生成随机二进制比特序列，并将其映射为双极性基带符号。对于 DSSS 分支，系统使用伪随机扩频码对每个比特进行码片级扩展。每个信息比特被扩展为多个码片，再经过过采样形成离散时间发送波形。接收端使用相同的本地扩频码对接收信号进行解扩，然后在一个比特周期内完成积分判决。只要本地扩频码与发送端码片序列保持一致，目标信号在积分后能够增强，而随机噪声和部分非相关干扰会被平均化。

对于 FHSS 分支，系统同样先将原始比特扩展到码片级时间尺度，然后依据随机跳频序列选择不同的归一化载波频点。每个码片或若干采样点对应一个跳频状态，发送信号在多个频点之间切换。接收端已知相同跳频图案，因此可以使用共轭本地跳频载波完成去跳频处理。去跳频后，信号重新回到可积分判决的基带形式。FHSS 的关键不在单个频点的处理增益，而在频率位置随时间变化后，固定频率干扰难以持续覆盖所有传输片段。

系统参数包括比特数量、蒙特卡洛重复次数、扩频长度、过采样倍数、跳频频点数量、背景信噪比、扩频处理增益、跳频频点集合、伪随机扩频码、跳频序列和多径信道模型。代码将这些参数集中在参数函数中，便于统一修改和复现实验。主函数负责调用各个功能模块，完成信号生成、图像绘制、误码率统计和结果保存。函数文件夹中则分别放置加噪、加干扰、信道构造、频谱计算、绘图、误码率循环和接收判决等功能函数。

3 关键技术

本系统的第一个关键技术是直接序列扩频。DSSS 将一个原始比特展开成多个码片，相当于在时间维度上增加冗余。接收端通过匹配扩频码完成相关处理。若干扰信号与扩频码不相关，则在解扩积分后不会像有效信号一样稳定叠加。因此，DSSS 对白噪声、非相关干扰和一定程度的窄带干扰具有抑制能力。其性能与扩频长度、码片同步精度、接收端积分窗口和噪声模型有关。

第二个关键技术是跳频扩频。FHSS 的基本思想是使载波频率按照伪随机图案变化。窄带干扰通常只占据有限频率区域，因此其影响会被限制在部分跳频片段上。对于扫频干扰，FHSS 的性能取决于扫频速度、跳频速率、频点间隔和跳频序列分布。若干扰频率与当前跳频频点重合时间较短，则系统整体误码率会下降。现代抗干扰通信研究仍然重视频率选择问题，尤其是在宽带可选频点较多、干扰行为动态变化的情况下，智能频率决策方法成为一个重要方向。

第三个关键技术是干扰建模。系统设置了窄带干扰、扫频干扰和脉冲干扰。窄带干扰使用固定频率单音信号表示，主要用于观察固定频点攻击对两类扩频方式的影响。扫频干扰通过频率随时间线性变化的复指数信号表示，用于模拟干扰源在频带内扫描的情况。脉冲干扰通过周期性门控方式生成，只在部分时间段内出现。这种干扰并不持续占用整个传输过程，但瞬时功率集中，对被覆盖的比特片段影响较大。已有研究也将随机脉冲干扰作为抗干扰通信的重要对象，并使用强化学习方法寻找时间域抗干扰策略。

第四个关键技术是多径信道建模。系统采用离散复数抽头表示多径传播，使发送信号在不同延迟路径上叠加。多径会造成符号间干扰和相位旋转，使接收端积分判决受到影响。对于本文代码而言，多径模型主要用于观察两类扩频方式在非理想传播环境下的误码率变化，而不是完整模拟无线信道的所有细节。这个处理方式适合教学和初步研究，但不能等同于真实外场通信系统的完整链路测试。

4 仿真流程

仿真从主函数开始执行。程序首先清空工作区、关闭图窗并加入当前路径。随后建立 figure 文件夹，用于保存所有输出图像。参数函数生成统一的系统参数，包括扩频长度、过采样倍数、跳频数量、跳频频点、随机码序列和多径抽头。主函数随后生成一组随机比特，并分别调用 DSSS 和 FHSS 信号生成函数，得到两类发送波形。

在图像输出部分，程序首先绘制原始比特、DSSS 波形和 FHSS 波形。该图用于观察两类扩频信号在时域上的差异。DSSS 波形主要表现为码片极性变化，FHSS 波形则表现为载波频率随跳频序列变化。程序接着对两类信号进行频谱分析，并绘制扩频后信号频谱图。频谱图能够帮助理解扩频信号的能量分布特点。

误码率仿真部分分为五类场景。第一类是 AWGN 场景，横轴采用 Eb/N0。程序在内部扣除扩频处理增益，使信号级加噪与比特能量条件保持一致。第二类是窄带干扰场景，横轴采用干信比。DSSS 分支叠加固定频点干扰，FHSS 分支则根据当前跳频频点与干扰频率的距离调整实际受干扰强度。第三类是扫频干扰场景，用于观察频率扫描干扰对两类扩频体制的影响。第四类是脉冲干扰场景，用于模拟突发强干扰。第五类是多径信道场景，用离散复数抽头模拟多路径传播，再叠加噪声完成误码率统计。

每个场景下，程序使用多次蒙特卡洛循环。每轮循环重新生成比特、发送信号、信道输出和接收判决结果，然后累计错误比特数量。最终误码率由错误比特数除以总发送比特数得到。该方式比人为设置误码率更合理，因为误码率来自实际判决结果。程序最后生成关键工况下的对比表，并将主要变量保存到 result.mat 中，便于后续复查和二次分析。

5 仿真结果分析

从时域波形看，原始比特经过扩频后不再保持简单的低速率波形。DSSS 信号在每个比特周期内受到伪随机扩频码调制，因此码片变化明显。FHSS 信号则在扩展后的时间片段中叠加载波频率变化，实部波形呈现不同振荡频率。该现象符合两类扩频方式的基本工作机理。DSSS 主要依靠码域相关性，FHSS 主要依靠频率跳变分散风险。

从频谱图看，扩频后的信号能量被分散到更宽的归一化频率范围内。DSSS 的频谱分布与伪随机码片变化有关，FHSS 的频谱分布则与跳频频点集合和跳频图案有关。扩频通信并不是让干扰完全消失，而是通过带宽扩展和接收端匹配处理降低干扰对判决统计量的集中破坏能力。这一点必须讲清楚，否则容易把扩频技术误解成“绝对抗干扰”。工程上没有绝对抗干扰，只有在特定干扰模型、同步条件和功率约束下的相对优势。

从 AWGN 误码率曲线看，随着 Eb/N0 提高，两类系统的误码率整体下降。这个趋势符合数字通信系统的基本规律。DSSS 和 FHSS 在纯白噪声环境下的差异不会像窄带干扰场景那样强烈，因为白噪声在频域上近似均匀分布，不会只压制某一个跳频频点。此时系统性能更多取决于扩频增益、积分判决和噪声功率设置。

从窄带干扰结果看，FHSS 通常更容易表现出优势。原因是窄带干扰集中在固定频点附近，而 FHSS 信号在多个频点之间跳变。当跳频频点远离干扰频率时，当前片段受到的干扰较弱。DSSS 虽然可以通过解扩获得处理增益，但如果窄带干扰功率较强，仍然会在接收端形成明显残留。本文代码对 FHSS 分支使用了与频点距离相关的干扰强度计算，因此能够体现跳频避让窄带干扰的特点。

从扫频干扰结果看，FHSS 的优势仍然较明显，但优势大小取决于扫频轨迹与跳频频点的重合关系。扫频干扰会在一段时间内扫过多个频点，如果扫频速度较慢，可能在某些频点附近停留较长时间；如果扫频速度较快，则对单个跳频片段的破坏时间有限。这个场景比固定窄带干扰更复杂，也更接近某些动态干扰条件。当前代码采用线性扫频模型，适合观察基本趋势，但还没有引入智能跟踪式干扰。

从脉冲干扰结果看，两类扩频方式的性能差异可能不像窄带和扫频场景那样稳定。脉冲干扰的特点是时间集中，而不是频率固定。如果脉冲刚好覆盖若干关键比特片段，则 DSSS 和 FHSS 都会受到明显影响。FHSS 的频率分散并不能完全规避时间域突发强干扰。DSSS 的积分判决也可能因为局部高功率脉冲而失真。因此，脉冲干扰场景下需要关注脉冲宽度、重复周期、占空比、功率以及接收端是否具备脉冲擦除或鲁棒判决策略。

从多径信道结果看，误码率会受到延迟抽头和相位旋转影响。扩频信号本身具有一定抗多径能力，但本文接收端没有加入复杂均衡器、RAKE 合并或信道估计模块，因此多径带来的符号间干扰无法完全消除。这个设定是合理的，因为本项目重点是 DSSS 与 FHSS 基础体制对比，而不是完整的扩频接收机工程实现。若后续继续拓展，可以加入多径估计、同步偏差、频偏、码片定时误差和均衡算法，使系统更接近真实通信链路。

6 系统特点

本系统具有较清晰的模块化结构。主函数负责整体流程调度，函数文件夹承担具体功能。参数设置集中，便于修改扩频长度、跳频数量、仿真比特数、蒙特卡洛次数和信道条件。图像输出较完整，覆盖时域波形、频域分布和不同干扰场景下的误码率曲线。误码率由真实比特判决统计得到，不是人为构造曲线，因此结果具有基本仿真意义。

系统还具有较好的对比性。DSSS 与 FHSS 使用相同的原始比特规模和统一的接收判决框架，在 AWGN、窄带、扫频、脉冲和多径场景下分别统计误码率。这样的安排能够帮助观察两类扩频方式的适用边界。DSSS 更强调码域相关处理，FHSS 更强调频率维度分散。两者并不是简单的绝对优劣关系，而是在不同干扰模型下呈现不同性能特点。

系统的另一个特点是结果表达直观。代码自动保存图像到 figure 文件夹，并保存 result.mat 结果文件。波形图可以说明扩频前后的时域变化，频谱图可以说明信号带宽扩展，误码率曲线可以说明系统性能随信噪比或干信比变化的规律。对于通信系统学习、仿真展示和算法对比来说，这种输出方式比只给出单个数值更有解释力。

7 结论

本文基于 MATLAB 构建了 DSSS 与 FHSS 扩频通信系统的仿真模型，并在 AWGN、窄带干扰、扫频干扰、脉冲干扰和多径信道下进行了误码率对比。仿真流程覆盖比特生成、扩频调制、干扰建模、信道传输、接收解扩、积分判决、误码率统计和图像保存。结果表明，DSSS 通过伪随机码相关处理获得扩频增益，适合展示码域扩频和解扩抑制干扰的基本机理。FHSS 通过频点跳变降低固定频点干扰的持续作用，在窄带干扰和扫频干扰条件下通常具有更明显的抗干扰优势。脉冲干扰主要集中在时间域，可能同时影响两类扩频方式。多径信道会引入延迟叠加和相位变化，在没有复杂均衡接收机的条件下会导致误码率上升。

整体来看，该系统能够较完整地展示 DSSS 与 FHSS 两类扩频体制的基本差异。代码结构清楚，图像输出完整，误码率统计方法直接，适合用于扩频通信原理学习、抗干扰性能对比和 MATLAB 通信仿真实验。后续如果需要进一步增强工程真实性，可以加入同步误差、频偏、码片定时偏差、RAKE 接收、信道估计、智能跳频策略和自适应抗干扰算法，从而形成更完整的抗干扰通信仿真平台。

参考文献

1. IEEE. “IEEE Standard for Low-Rate Wireless Networks.” IEEE Std 802.15.4-2020, IEEE, 2020.
2. Ziemer, Rodger E. Fundamentals of Spread Spectrum Modulation. Springer, 2022.
3. Navas, Renzo Efrain, Frédéric Cuppens, Nora Boulahia Cuppens, Laurent Toutain, and Georgios Z. Papadopoulos. “Physical Resilience to Insider Attacks in IoT Networks: Independent Cryptographically Secure Sequences for DSSS Anti-Jamming.” Computer Networks, vol. 187, 2021, article 107751.
4. Li, Yangyang, et al. “Dynamic Spectrum Anti-Jamming in Broadband Communications: A Hierarchical Deep Reinforcement Learning Approach.” IEEE Wireless Communications Letters, 2020.
5. Zhou, Quan, Yonggui Li, and Yingtao Niu. “A Countermeasure Against Random Pulse Jamming in Time Domain Based on Reinforcement Learning.” IEEE Access, 2020.
6. Shakeel, Ismail. “Machine Learning Based Featureless Signalling.” arXiv, 2018.
7. Prakash, Jay, Chenxi Liu, Jemin Lee, and Tony Q. S. Quek. “Self-Controlled Jamming Resilient Design Using Physical Layer Secret Keys.” arXiv, 2018.
8. de Almeida, Ivo Bizon Franco, Marwa Chafii, Ahmad Nimr, and Gerhard Fettweis. “In-Phase and Quadrature Chirp Spread Spectrum for IoT Communications.” arXiv, 2020.
9. Maleki, Alireza, Ha H. Nguyen, Ebrahim Bedeer, and Robert Barton. “A Tutorial on Chirp Spread Spectrum for LoRaWAN: Basics and Key Advances.” arXiv, 2023.
10. Hou, Ningning, Xianjin Xia, and Yuanqing Zheng. “Jamming of LoRa PHY and Countermeasure.” ACM Transactions on Sensor Networks, vol. 19, no. 4, 2023.

2、仿真结果演示

3、关键代码展示

略

4、MATLAB 源码获取

  V

点击下方名片关注公众号获取