企业官网建设流程全解析

简介：这份文档面向通信工程、无线通信课程学习者及CDMA系统入门研究者，系统梳理扩频序列中m序列与Walsh码的核心原理与生成方法。内容涵盖m序列的线性移位寄存器结构、反馈系数与周期特性，Walsh码基于Hadamard矩阵的正交构造，以及Gold序列的模2加生成思路，并延伸至CDMA前向链路中64阶Walsh序列的信道分配与多址干扰问题。资源包内含1个doc文档，约355KB，以文字讲解配合Matlab代码片段呈现，便于对照理解Walsh矩阵的Paley序、Walsh序与逆Walsh序转换过程。已有636人学习，适合需要夯实扩频通信基础、理解正交码设计与多用户检测背景的读者参考，也可作为课程作业与实验的辅助材料。

1. 扩频序列选型：m序列和Walsh码到底该怎么配合用

做CDMA物理层仿真时，很多人第一次搭链路都会卡在同一个地方：扩频码到底选哪个。m序列周期长、自相关好，适合做扰码和PN序列；Walsh码正交性强，适合做信道化码。两者不是二选一的关系，而是分工配合。前向链路里，64阶Walsh序列分配给W0到W63共64个物理信道，码片速率1.2288Mc/s，每个用户占用一个正交码道；但Walsh码本身不具备抗多径能力，异步到达的多径信号会破坏正交性，这时候就需要m序列做加扰，把干扰白化。Gold序列则是m序列优选对模2加的结果，互相关特性比单纯m序列更可控，适合做扰码。这套组合逻辑是CDMA系统设计的底层骨架，理解了它，后面调代码、看星座图、分析误码率才不会一头雾水。下面这份资源把Walsh矩阵生成、m序列发生器、Gold序列构造都串起来了，适合正在做扩频通信仿真或物理层链路搭建的工程师。

2. Walsh码生成：从Hadamard矩阵到Paley序、Walsh序和逆Walsh序

2.1 为什么不能直接用Matlab的hadamard函数

Matlab自带的hadamard(N)返回的是自然序Hadamard矩阵，行与行之间确实正交，但行号的二进制顺序和Walsh函数定义不对应。直接拿来做扩频，信道分配会乱——W0到W63的排列顺序和标准里定义的不一致，解扩时对不上号。所以需要做三步重排：先转Paley序，再转Walsh序，最后转逆Walsh序。Paley序是按行号二进制位反转排列，Walsh序是按交变次数排列，逆Walsh序则是把Walsh序再按位反转回来。这三步做完，得到的矩阵才和CDMA标准里的Walsh码表一致。

2.2 生成代码逐段拆解

function X = walshf1(N) N = ceil(log2(N)); H = hadamard(2^N); % 生成自然序Hadamard矩阵 Hp = zeros(2^N); Ep = zeros(2^N); Wg = zeros(2^N); Eg = zeros(2^N); E = eye(2^N); % 第一步：自然序转Paley序 for n = 1:2^N p = 0; for i = 1:N p = bitset(p, i, bitget(n-1, N-i+1)); end Hp(p+1, :) = H(n, :); Ep(p+1, :) = E(n, :); end % 第二步：Paley序转Walsh序 for n = 1:2^N g = 0; g = bitset(g, N, bitget(n-1, N)); for i = 2:N if (bitget(n-1, N-i+1) == 0) g = bitset(g, N-i+1, bitget(g, N-i+2)); else g = bitset(g, N-i+1, 1 - bitget(g, N-i+2)); end end Wg(g+1, :) = Hp(n, :); Eg(g+1, :) = Ep(n, :); end % 第三步：Walsh序转逆Walsh序 for n = 1:2^N m = 0; for i = 1:N m = bitset(m, i, bitget(n-1, N-i+1)); end Hm(m+1, :) = Wg(n, :); Em(m+1, :) = Eg(n, :); end X = Wg; % 返回Walsh序矩阵 end

这段代码的核心操作是位运算重排。bitset和bitget配合完成二进制位的读写，p、g、m分别是三种排序下的行索引。第一步Paley序的映射规则是：把原行号减一后的二进制表示按位反转，得到新行号。第二步Walsh序的映射更绕一些，它模拟的是Walsh函数生成树：从最高位开始，每一位根据前一位的值决定是保持还是取反。第三步逆Walsh序就是把Walsh序的行号再做一次位反转。

参数说明：输入N是期望的序列阶数，函数内部会做ceil(log2(N))向上取整到2的幂次。比如你传64，实际生成64阶；传60，也会生成64阶。输出X是Walsh序矩阵，每行是一个Walsh序列，元素为+1或-1。Hp、Wg、Hm分别是Paley序、Walsh序、逆Walsh序矩阵，Ep、Eg、Em是对应的变换矩阵，用于验证重排是否正确。

2.3 验证正交性和排序正确性

生成完矩阵后，别急着往下做扩频。先跑两行验证：

W = walshf1(64); % 验证正交性：任意两行内积应为0 orth_check = W(1,:) * W(2,:)'; disp(['W1和W2内积：', num2str(orth_check)]); % 验证自相关：每行与自身内积应为64 auto_check = W(1,:) * W(1,:)'; disp(['W1自相关：', num2str(auto_check)]); % 验证W0全为+1（标准里W0是全1序列） disp(['W0全1检查：', num2str(all(W(1,:) == 1))]);

如果orth_check输出0，auto_check输出64，W0全1检查输出1，说明矩阵生成正确。常见翻车点是N传入非2的幂次时，ceil(log2(N))会向上取整，但后续循环里用的还是2^N，这个N已经被覆盖了，所以不会出错。但如果你在函数外部还留着原始的N变量做别的计算，就会对不上。

提示：Matlab的hadamard函数在N不是2的幂次时会报错，所以函数开头先做ceil(log2(N))是必要的。但这也意味着你传60和传64得到的结果一样，都是64阶。

3. m序列发生器：反馈系数、起始状态与周期验证

3.1 n级线性移位寄存器的结构

m序列由n级线性移位寄存器产生，周期为2^n - 1。结构上就是n个寄存器串联，每个时钟周期整体右移一位，最右边移出的位是输出，最左边移入的位是反馈位。反馈位由若干寄存器抽头模2加得到，抽头位置由反馈系数决定。反馈系数是一个n位二进制数，对应多项式。比如n=3，反馈系数为(1,0,1)对应多项式x^3 + x + 1，这是一个本原多项式，能产生周期为7的m序列。

起始状态决定序列的起点，但不能全零——全零状态会让寄存器永远输出0。不同的反馈系数产生不同的m序列，但只有本原多项式才能产生最长周期序列。n级寄存器有2^n - 1个非零状态，m序列遍历所有非零状态后回到起点。

3.2 用Matlab实现m序列发生器

function [seq, states] = m_sequence(n, feedback, init_state) % n: 寄存器级数 % feedback: 反馈系数向量，长度n，对应抽头位置 % init_state: 初始状态向量，长度n，不能全零 N = 2^n - 1; % 序列周期 seq = zeros(1, N); states = zeros(N, n); reg = init_state(:)'; % 行向量 for k = 1:N seq(k) = reg(end); % 输出最右位 states(k, :) = reg; fb = mod(sum(reg .* feedback), 2); % 模2加 reg = [fb, reg(1:end-1)]; % 右移并插入反馈位 end end

调用示例：

n = 4; feedback = [1 0 0 1]; % 对应x^4 + x + 1 init_state = [1 0 0 0]; [seq, states] = m_sequence(n, feedback, init_state); disp(['序列周期：', num2str(length(seq))]); disp(['前16位：', num2str(seq(1:16))]);

参数说明：feedback向量长度必须等于n，每个元素为0或1，对应寄存器抽头。init_state长度也为n，不能全零。输出seq是m序列，states是每个时钟周期的寄存器状态，用于调试。

3.3 自相关和互相关验证

m序列的自相关函数是二值的：延迟为0时等于周期N，其他延迟时等于-1。互相关特性取决于优选对的选择。验证代码：

% 自相关 R = zeros(1, 2*N-1); for tau = -(N-1):(N-1) if tau >= 0 R(tau+N) = sum(seq(1:N-tau) .* seq(1+tau:N)); else R(tau+N) = sum(seq(1-tau:N) .* seq(1:N+tau)); end end disp(['零延迟自相关：', num2str(R(N))]); disp(['非零延迟自相关最大值：', num2str(max(abs(R([1:N-1, N+1:end]))))]);

如果零延迟输出15（n=4时周期为15），非零延迟最大值为1，说明自相关特性正确。常见坑是反馈系数选错，导致周期不是2^n - 1。比如n=4时，如果反馈系数对应的是非本原多项式，周期可能只有5或7。排查方法是打印states矩阵，看是否遍历了所有非零状态。

注意：m序列的互相关特性不如Gold序列可控。如果要做多用户仿真，直接拿两个m序列做互相关，峰值可能达到2^(n/2)+1，干扰较大。Gold序列就是为解决这个问题提出的。

4. Gold序列构造：m序列优选对模2加与互相关特性

4.1 优选对的选取条件

Gold序列由一对周期和速率相同的m序列优选对模2加得到。优选对的定义是：两个m序列的互相关函数绝对值上界为2^((n+1)/2)（n为奇数）或2^((n+2)/2)（n为偶数）。不是任意两个m序列都能构成优选对，需要查表或搜索。常见做法是固定一个m序列，遍历所有可能的反馈系数生成另一个m序列，计算互相关峰值，找到满足条件的配对。

4.2 构造代码与互相关对比

function gold_seq = gold_sequence(n, fb1, fb2, init1, init2, shift) % 生成两个m序列 seq1 = m_sequence(n, fb1, init1); seq2 = m_sequence(n, fb2, init2); % 循环移位后模2加 seq2_shifted = circshift(seq2, [0, shift]); gold_seq = mod(seq1 + seq2_shifted, 2); end

调用并对比互相关：

n = 5; fb1 = [1 0 0 1 0]; fb2 = [1 1 1 0 1]; init1 = [1 0 0 0 0]; init2 = [1 0 0 0 0]; seq1 = m_sequence(n, fb1, init1); seq2 = m_sequence(n, fb2, init2); gold = gold_sequence(n, fb1, fb2, init1, init2, 3); % 计算m序列互相关峰值 N = 2^n - 1; R_m = zeros(1, 2*N-1); for tau = -(N-1):(N-1) if tau >= 0 R_m(tau+N) = sum(seq1(1:N-tau) .* seq2(1+tau:N)); else R_m(tau+N) = sum(seq1(1-tau:N) .* seq2(1:N+tau)); end end disp(['m序列互相关峰值：', num2str(max(abs(R_m)))]); % Gold序列自相关旁瓣 R_gold = zeros(1, 2*N-1); for tau = -(N-1):(N-1) if tau >= 0 R_gold(tau+N) = sum(gold(1:N-tau) .* gold(1+tau:N)); else R_gold(tau+N) = sum(gold(1-tau:N) .* gold(1:N+tau)); end end disp(['Gold序列自相关旁瓣最大值：', num2str(max(abs(R_gold([1:N-1, N+1:end]))))]);

n=5时，m序列互相关峰值可能到9或11，而Gold序列的互相关上界是2^3+1=9，自相关旁瓣也是9。虽然绝对值看起来不小，但相对于周期31来说，归一化后是9/31≈0.29，比随机序列的1/sqrt(31)≈0.18略高，但比直接使用两个m序列的互相关峰值要稳定得多。

4.3 在CDMA前向链路中的角色分工

前向链路里，Walsh码做信道化，负责区分同一小区内的不同用户；m序列或Gold序列做扰码，负责区分不同小区和基站。Walsh码的正交性在同步条件下成立，但多径会破坏正交性，导致多址干扰。扰码的作用是把干扰白化，让接收端解扩后干扰功率谱密度均匀，不集中在某个码道上。这就是为什么标准里既有Walsh码又有PN序列——两者缺一不可。

提示：Gold序列的移位值shift不同，得到的序列也不同。实际系统中，不同基站分配不同的移位值，接收端通过搜索PN序列的相位来识别基站。

5. 避坑与排查：扩频序列仿真中容易翻车的五个点

5.1 现象：Walsh矩阵行序对不上标准码表

原因：直接用了hadamard(64)，没有做Paley序和Walsh序重排。Matlab的自然序Hadamard矩阵行号二进制顺序和Walsh函数定义不一致，W0可能不是全1序列。

解决：用walshf1函数做三步重排，生成后验证W(1,:)是否全为+1。如果不是，检查Paley序映射里的位反转逻辑，确认bitset的位索引从1开始还是从0开始。

5.2 现象：m序列周期不是2^n - 1

原因：反馈系数对应的多项式不是本原多项式。比如n=4时，反馈系数[1 0 0 1]对应x^4 + x + 1，是本原多项式，周期15；但[1 1 0 0]对应x^4 + x^3 + 1，不是本原多项式，周期可能只有5。

解决：查本原多项式表，或者写脚本遍历所有反馈系数，统计每个系数下的序列周期，筛选出周期等于2^n - 1的。n≤10时遍历很快，n再大就需要查表。

5.3 现象：Gold序列互相关峰值比预期高

原因：选取的两个m序列不是优选对。优选对需要满足互相关上界条件，不是随便两个m序列模2加就能得到Gold序列。

解决：固定一个m序列，遍历另一个m序列的所有反馈系数和初始相位，计算互相关峰值，找到满足上界条件的配对。或者直接查Gold序列优选对表。

5.4 现象：扩频后信号星座图发散

原因：扩频码没有做归一化。Walsh码元素是+1/-1，扩频后信号功率放大N倍（N为扩频因子），如果不做功率归一化，星座点会超出解调范围。

解决：扩频后除以sqrt(N)，或者用归一化后的扩频码（元素为±1/sqrt(N)）。在Matlab里，W = W / sqrt(N)即可。

5.5 现象：多径信道下解扩后误码率居高不下

原因：Walsh码的正交性在异步多径下被破坏，多址干扰没有消除。这是理论上的固有问题，不是代码bug。

解决：加入m序列或Gold序列做扰码，把干扰白化；或者在接收端加多用户检测算法（如解相关检测、MMSE检测）。如果只是仿真验证，可以先把多径延迟设为0，确认同步条件下误码率正常，再逐步加多径。

注意：Walsh码完全正交是理想条件，实际系统中多径和邻区干扰必然存在。仿真时不要期望误码率降到零，合理范围是10^-3到10^-6，取决于信噪比和多径模型。

6. 进阶技巧：用矩阵变换验证Walsh序与逆Walsh序的互逆性

生成Walsh矩阵后，一个容易被忽略的验证点是：Walsh序矩阵和逆Walsh序矩阵之间是否存在互逆变换。walshf1函数里生成了Eg和Em两个变换矩阵，它们分别记录了从Hadamard到Walsh、从Walsh到逆Walsh的行置换关系。验证方法很简单：

N = 64; W = walshf1(N); % 重新生成逆Walsh序矩阵 [~, ~, ~, ~, ~, ~, Hm, Em] = walshf1(N); % 验证Walsh序到逆Walsh序的变换矩阵 % Em * Wg' 应该等于 Hm' check1 = Em * W' - Hm'; disp(['Walsh到逆Walsh变换误差：', num2str(max(abs(check1(:))))]); % 验证逆Walsh序矩阵的行正交性 orth_check = Hm * Hm'; diag_elements = diag(orth_check); off_diag = orth_check - diag(diag_elements); disp(['逆Walsh序对角元素（应为N）：', num2str(unique(diag_elements))]); disp(['逆Walsh序非对角最大元素（应为0）：', num2str(max(abs(off_diag(:))))]);

如果check1的最大绝对值在10^-10量级，说明变换矩阵正确。diag_elements应该全是64，off_diag最大值应该是0。这个验证看起来多余，但在实际项目中，如果Walsh序和逆Walsh序的映射关系搞反了，解扩时用错矩阵，误码率会直接飙到0.5，而且很难从星座图上看出问题——因为星座图看起来完全正常，只是解出来的比特全错。我一般会在生成矩阵后强制跑一遍这个验证，确认三个矩阵之间的变换关系闭环。

另一个实用技巧是：把Walsh矩阵按行存储为二进制文件，用fwrite写出去，后面用C或Python做链路仿真时直接读，避免每次都在Matlab里重新生成。文件格式很简单：每行64个int8，共64行，文件大小4096字节。读取时用fread按行读入，再reshape成64x64矩阵。这样跨平台协作时不会因为Matlab版本差异导致hadamard函数行为不一致。

从那以后我每次做扩频仿真，都会先把Walsh矩阵、m序列、Gold序列的生成和验证脚本单独跑一遍，确认正交性和周期无误，再接入完整的链路仿真。这个习惯帮我省掉了至少三次因为码序错误导致的通宵排查。希望帮到你。

本文还有配套的精品资源，点击获取