通信工程 / 系统课时
从QPSK星座图计算每符号比特数
从QPSK星座图计算每符号比特数
QPSK将同相分量I与正交分量Q的正负组合成四个可区分的符号。本课从星座点坐标计算每符号比特数和符号率,再通过实际判决距离与Gray映射,解释为什么相邻星座点误判通常只造成1比特错误。
学习目标
- 构造平均符号能量归一化的QPSK星座图,识别四个符号及判决区域。
- 根据星座点数计算每符号比特数,并换算未经编码的比特率。
- 通过最近邻距离与Gray映射,分析相邻误判和对角误判的比特代价。
用I/Q分量构造四个星座点
QPSK使用两个正交载波分量表示一个复数符号。相干接收机在符号采样时刻得到I和Q的估计值,并在二维平面上进行判决。
先让两个分量分别取和,得到四种组合。为了使每个符号的能量均为1,再将两个分量同时除以:
其中为虚数单位。采用下面的比特映射:
| 输入比特 | I原始电平 | Q原始电平 | 星座位置 |
|---|---|---|---|
00 |
-1 | -1 | 第三象限 |
01 |
-1 | +1 | 第二象限 |
11 |
+1 | +1 | 第一象限 |
10 |
+1 | -1 | 第四象限 |
实际星座坐标需要将表中的I、Q电平各除以。例如11对应,而00对应。

判决区域由I和Q的符号决定:I小于0时选择左侧点,I大于0时选择右侧点;Q小于0时选择下方点,Q大于0时选择上方点。恰落在边界的情况可以按预先规定的规则处理。
从星座点数计算每符号比特数
一个调制符号就是发送机在一个符号周期内选择的一个星座点。若有种不同符号,并且每种符号用固定长度的二进制标签表示,那么每符号比特数为:
QPSK有4个星座点,因此:
这意味着每发送一个QPSK符号,可以承载00、01、10、11中的一个两位组合。
符号率与未经信道编码的比特率满足:
例如符号率为1000 Baud,即每秒发送1000个符号,则QPSK对应的原始比特率为 bit/s。
| 调制方式 | 星座点数 | 每符号比特数 | 1000 Baud时原始比特率 |
|---|---|---|---|
| BPSK | 2 | 1 | 1000 bit/s |
| QPSK | 4 | 2 | 2000 bit/s |
| 16QAM | 16 | 4 | 4000 bit/s |
表中没有扣除信道编码、导频、同步与帧开销,不能直接当作应用层净吞吐率。符号率也不等于实际占用带宽,带宽还受脉冲成形等因素影响。
用最近邻距离解释Gray映射
在前面的归一化坐标下,任意两个水平方向或垂直方向相邻的QPSK点,其欧氏距离都是:
这就是星座图中的最近邻距离。在加性高斯白噪声信道中,噪声使接收点偏离理想位置。若接收点越过I=0或Q=0的判决边界,就可能被判为其他符号。
按照当前的Gray映射,沿星座正方形边缘依次排列的标签是00、01、11、10。每对相邻标签恰好只有一个比特不同。
例如发送00时:
- 只跨越Q=0边界,可能判成
01,错误1比特。 - 只跨越I=0边界,可能判成
10,错误1比特。 - 两个分量都跨过对应边界,可能判成对角点
11,错误2比特。
在信噪比较高时,最近邻错误通常比跨越更远距离的错误更常见。Gray映射因此能够减少常见符号误判造成的比特错误数。
用Python验证点数、能量和判决
以下示例只使用Python 3标准库,建立四个归一化星座点,枚举最近邻距离,并对一个带有偏移的接收点执行最小欧氏距离判决。
import math
from itertools import combinations
mapping = {'00': (-1, -1), '01': (-1, 1),
'11': (1, 1), '10': (1, -1)}
points = {bits: complex(i, q) / math.sqrt(2)
for bits, (i, q) in mapping.items()}
# 计算平均符号能量与不同点之间的最近距离
es = sum(abs(s) ** 2 for s in points.values()) / len(points)
dmin = min(abs(a - b) for a, b in combinations(points.values(), 2))
# 用最小欧氏距离进行硬判决
rx = complex(0.60, -0.65)
decision = min(points, key=lambda bits: abs(rx - points[bits]))
near = sum(a != b for a, b in zip('00', '01'))
far = sum(a != b for a, b in zip('00', '11'))
print(f'M={len(points)}, bits/symbol={int(math.log2(len(points)))}')
print(f'Es={es:.3f}, d_min={dmin:.3f}')
print(f'00->01 errors={near}')
print(f'00->11 errors={far}')
print(f'rx=({rx.real:.2f},{rx.imag:.2f}), decision={decision}')预期输出:
M=4, bits/symbol=2
Es=1.000, d_min=1.414
00->01 errors=1
00->11 errors=2
rx=(0.60,-0.65), decision=10接收点位于第四象限,因此判为10。将代码中的接收点改为,再次运行,应判为00。
这个实验同时验证了三个结果:四个点对应每符号2比特;归一化平均符号能量为1;Gray映射使最近邻符号标签只差1比特。分析更高阶调制时,可以沿用同样的点数、距离和判决方法。