通信工程 / 系统课时
用升余弦成形满足零ISI条件
用升余弦成形满足零ISI条件
数字基带信号由连续发送的符号脉冲叠加而成,相邻脉冲的拖尾可能影响当前符号的判决。本课以 1000 Baud 的二进制基带链路为例,检查升余弦脉冲在采样点上的零码间干扰条件,计算滚降系数对应的带宽,并通过 Python 验证理论结果。
学习目标
- 理解升余弦脉冲满足零码间干扰(ISI)的采样条件。
- 计算滚降系数与基带带宽的关系,解释时域和频域之间的取舍。
- 区分理想升余弦响应与实际收发根升余弦滤波器,并验证脉冲采样值。
采样点为什么能够消除码间干扰
设符号率为 ,符号周期为 。发送端将符号序列 映射为连续波形,各个符号通过相同的脉冲响应 进行成形。
忽略噪声和信道失真时,接收端看到的总体响应可以表示为:
假设符号取值为 或 ,如果脉冲满足:
其中 为离散单位冲激序列,即 ,而所有非零整数 对应的 。
那么在第 个符号的正确采样时刻,只有当前符号的贡献不为零:
这就是奈奎斯特零 ISI 条件。它要求相邻脉冲在采样点处为零,并不要求相邻脉冲在整个连续时间内互不重叠。
理想升余弦脉冲提供了一种满足该条件的响应,其归一化时域表达式为:
这里 , 是滚降系数,范围为 。公式在分母为零的位置取连续极限,不能直接把这些位置解释为无限大。
滚降系数怎样改变信号带宽
升余弦响应在频域包含平坦通带和余弦滚降区域。滚降系数越大,频谱边缘过渡越平缓,但占用频率范围也越宽。
对于符号率 ,理想升余弦低通基带频谱的单边截止频率为:
取 Baud,得到以下结果:
| 滚降系数 | 单边基带带宽 | 双边频谱跨度 | 时域特点 |
|---|---|---|---|
| 0 | 500 Hz | 1000 Hz | 理想矩形频谱,sinc 拖尾较长 |
| 0.35 | 675 Hz | 1350 Hz | 带宽与脉冲拖尾折中 |
| 1 | 1000 Hz | 2000 Hz | 过渡带最宽,拖尾衰减更快 |
这里的 是相对于基带中心频率的单侧范围,不应直接把它当作双边占用宽度。若将该基带信号搬移到载波附近,其理想射频频谱总跨度为 。
滚降系数为零时,理论频谱最窄,但时域 sinc 脉冲延伸至无限远。实际滤波器必须截断脉冲,容易产生残余 ISI。适当增大滚降系数可以减轻有限长度截断造成的影响,但需要更多频谱空间。

为什么工程链路通常使用根升余弦滤波器
上面的升余弦 应理解为理想接收采样点之前的总体脉冲响应。在实际数字通信系统中,通常将滤波任务拆成发送端和接收端各一只根升余弦滤波器(Root Raised Cosine,RRC)。
在理想平坦信道和匹配滤波条件下,两只 RRC 的频率响应相乘得到升余弦响应:
接收匹配滤波器还能够在加性白噪声信道中提高正确采样时刻的信噪比。因此,不应将单独一只 RRC 的冲激响应误认为已经满足全部零 ISI 采样条件。
一个可用于仿真的初始配置是:
| 参数 | 示例取值 | 作用 |
|---|---|---|
| 符号率 | 1000 Baud | 每秒发送1000个符号 |
| 滚降系数 | 0.35 | 确定升余弦过渡带 |
| 每符号采样点数 | 8 | 对每个符号进行8倍采样 |
| 采样率 | 8000 Hz | 满足 |
| 单只RRC滤波器跨度 | 10个符号周期 | 控制FIR截断长度 |
| 单只RRC滤波器抽头数 | 81 | 对应 |
如果采用对称的 81 抽头线性相位 FIR,单只滤波器群延迟为 40 个采样点,两只串联的总群延迟为 80 个采样点。必须补偿这一延迟,并正确归一化总体脉冲增益后再检查符号采样值。
用 Python 验证零点与带宽
使用 Python 3.10 或更新版本,并准备 NumPy 和 Matplotlib。下面直接计算理想升余弦总体脉冲响应,检查 至 的采样点,并绘制三种滚降系数的时域曲线。
import numpy as np
import matplotlib.pyplot as plt
def raised_cosine(x, alpha):
# x 为归一化时间 t/T;alpha=0 时退化为 sinc 脉冲
if alpha == 0:
return np.sinc(x)
denominator = 1 - (2 * alpha * x) ** 2
result = np.empty_like(x)
regular = ~np.isclose(denominator, 0, atol=1e-12)
result[regular] = (
np.sinc(x[regular])
* np.cos(np.pi * alpha * x[regular])
/ denominator[regular]
)
# 用解析极限处理分母为零的可去奇点
result[~regular] = (np.pi / 4) * np.sinc(1 / (2 * alpha))
return result
Rs = 1000
k = np.arange(-3, 4, dtype=float)
samples = raised_cosine(k, 0.35)
print(f'h(0)={samples[k == 0][0]:.2f}')
print(f'max |h(kT)|, k!=0: {np.max(np.abs(samples[k != 0])):.2e}')
for alpha in (0, 0.35, 1):
bandwidth = Rs * (1 + alpha) / 2
print(f'alpha={alpha:g}, B={bandwidth:.0f} Hz')
x = np.linspace(-4, 4, 1601)
for alpha in (0, 0.35, 1):
plt.plot(x, raised_cosine(x, alpha), label=f'alpha={alpha:g}')
plt.scatter(k, samples, label='Sampling points, alpha=0.35')
plt.xlabel('Normalized time t/T')
plt.ylabel('Normalized amplitude h(t)')
plt.grid(True)
plt.legend()
plt.show()预期输出:
h(0)=1.00
max |h(kT)|, k!=0: 3.47e-17
alpha=0, B=500 Hz
alpha=0.35, B=675 Hz
alpha=1, B=1000 Hz数值中的 是浮点计算误差,在实际精度下可视为零。弹出的曲线图会显示不同滚降系数具有不同的旁瓣和拖尾形状,但都通过相同的非零整数符号采样零点。
这段程序验证的是理想数学脉冲。若改用有限抽头 FIR,应先完成发送和接收滤波、补偿总群延迟,再量测采样点残余响应。工程上还需要结合眼图和误码测试,判断截断后的残余 ISI 是否满足链路要求。