通信工程 / 系统课时
用带限信道复现码间干扰
用带限信道复现码间干扰
发送端的 NRZ 矩形波即使电平准确,经过有限带宽的信道后,也会展宽并影响邻近符号的采样值。本课固定 1000 Baud 符号率,分别通过 1600 Hz 和 350 Hz 低通 FIR 信道,观察相邻脉冲残留,并计算采样误差。
学习目标
- 解释脉冲展宽如何让相邻符号参与当前采样。
- 运行带限滤波实验,区分波形畸变与采样误差。
- 根据单脉冲响应判断码间干扰,并给出抑制方向。
在固定采样点定义码间干扰
采用极性 NRZ:比特 1 为 +1,0 为 −1;每个符号持续 ms,符号率为 1000 Baud。发送的矩形脉冲包含很宽的频谱,经过低通后边沿变缓。若滤波后一个符号的脉冲响应延伸到其他符号的采样中心,就发生码间干扰(ISI),即使没有噪声也如此。
把单个单位矩形脉冲经过信道后的响应记为 ,并以本符号采样中心作为时间零点。第 个采样值可以写成 ,其中 为 ±1。理想无 ISI 条件是 保留有用幅度,而所有非零整数 对应的 。邻位采样残留不为零时,接收值就依赖于相邻比特。
本实验采样率为 32 kHz,每符号 32 个采样点。信道使用 129 抽头 Hamming 窗 FIR 低通滤波器,并对比截止频率 1600 Hz 与 350 Hz。滤波器群时延为 64 个采样点,即 2 ms;比较前必须补偿这段已知时延,否则会把采样错位误判为 ISI。

用两档截止频率复现采样误差
在安装 NumPy、SciPy、Matplotlib 的 Python 3.10+ 环境中运行。发送端采用固定序列 101100101001。下面的 receive 通过全长卷积保留 FIR 尾部,再补偿已知群时延;画出的接收波形因此与发送符号在时间轴上对齐,不代表真实接收端可以忽略定时恢复。
import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import firwin
symbol_rate, samples_per_symbol = 1000, 32
sample_rate = symbol_rate * samples_per_symbol
num_taps = 129
delay = (num_taps - 1) // 2
bits = np.array([1, 0, 1, 1, 0, 0, 1, 0, 1, 0, 0, 1])
symbols = 2 * bits - 1
tx = np.repeat(symbols, samples_per_symbol).astype(float)
centers = np.arange(len(bits)) * samples_per_symbol + samples_per_symbol // 2
def receive(x, cutoff_hz):
taps = firwin(num_taps, cutoff_hz, fs=sample_rate, window="hamming")
full = np.convolve(x, taps, mode="full")
# 对齐线性相位FIR的群时延,采样仍固定在符号中心
return full[delay:delay + len(x)]
wide = receive(tx, 1600)
narrow = receive(tx, 350)
for cutoff, y in ((1600, wide), (350, narrow)):
rmse = np.sqrt(np.mean((y[centers] - symbols) ** 2))
print(f"{cutoff} Hz 采样 RMSE:{rmse:.3f}")
# 单个正矩形脉冲揭示邻位采样点仍有残留
isolated = np.zeros_like(tx)
isolated[5 * samples_per_symbol:6 * samples_per_symbol] = 1
pulse = receive(isolated, 350)
print("350 Hz 单脉冲(前/本/后):" +
" / ".join(f"{pulse[centers[i]]:.3f}" for i in (4, 5, 6)))
t_ms = np.arange(len(tx)) / sample_rate * 1000
plt.figure(figsize=(10, 4))
plt.step(t_ms, tx, where="post", alpha=0.3, label="发端矩形波")
plt.plot(t_ms, wide, label="1600 Hz 信道")
plt.plot(t_ms, narrow, label="350 Hz 信道")
plt.scatter(t_ms[centers], narrow[centers], s=20, label="350 Hz 采样点")
plt.xlabel("时间 / ms")
plt.ylabel("幅度")
plt.legend()
plt.tight_layout()
plt.show()预期输出(保留三位小数):
1600 Hz 采样 RMSE:0.019
350 Hz 采样 RMSE:0.529
350 Hz 单脉冲(前/本/后):0.191 / 0.648 / 0.175从单脉冲残留确认根因
350 Hz 信道下,单位脉冲在本位采样点的响应只有 0.648,前后相邻符号中心仍分别残留约 0.191 和 0.175。它们不是随机噪声,而是由信道与脉冲形状决定的确定性贡献。若相邻符号由 −1 改为 +1,对当前采样的影响约为 或 ,因此同一个当前比特可能得到不同幅度。
此处的 RMSE 计算的是采样值与理想 ±1 电平之差,同时包含本位幅度变化和邻位干扰,不能直接等同于 BER。1600 Hz 的 0.019 与 350 Hz 的 0.529 只对当前序列、滤波器和采样相位成立;换一组比特或采样时刻,数值会改变。图中的 350 Hz 输出应比发送矩形波平滑,圆点偏离理想 ±1 电平。
验证修正是否真的抑制 ISI
排查时按固定顺序比较:先检查补偿的 2 ms 群时延与符号中心采样位置;再用孤立脉冲检查 是否接近 0;最后才看连续数据的采样 RMSE。如果只调判决阈值,不能消除随前后数据变化的干扰;单纯提高发射功率也无法恢复被低通滤掉的脉冲形状。
在允许扩大信道带宽时,本实验把截止频率从 350 Hz 改为 1600 Hz 就能明显减小采样偏差。带宽不能扩大的实际链路则要考虑满足 Nyquist 零 ISI 条件的脉冲成形、匹配滤波、定时恢复或均衡器,并同时检查噪声放大和频谱限制。当前实验没有加入噪声,也没有进行比特判决,所以结论只限于波形与采样干扰。