通信工程 / 系统课时

用16QAM星座图分析判决距离

用16QAM星座图分析判决距离

16QAM每个符号可携带4比特,但16个星座点在有限平均功率下排列得更密集,接收端更容易把相邻点判错。本课构造完整16QAM星座,计算平均能量归一化后的最近邻距离,并用一次接收偏移分析判决边界与误码风险。

学习目标

  • 从I/Q四级幅度组合生成16个QAM星座点,并使用Gray标签。
  • 计算原始平均符号能量、归一化系数和最近邻欧氏距离。
  • 根据判决边界判断接收点是否误判,并与相同平均符号能量的QPSK比较。

用四级I/Q幅度生成16个星座点

16QAM即16阶正交幅度调制。发送机分别在同相I轴和正交Q轴选择一个幅度,常见的方形16QAM使用以下四个原始幅度电平:

I,Q∈{−3,−1,+1,+3}I,Q\in\{-3,-1,+1,+3\}

每条轴有4种选择,两条轴相互组合后得到4×4=164\times4=16个星座点。因此每个符号包含:

k=log⁡216=4 bit/symbolk=\log_2 16=4\ \text{bit/symbol}

一种常见的Gray标记方式,是为每条轴的四级电平分配2位二进制标签:

轴内比特 00 01 11 10
原始幅度 -3 -1 +1 +3

将I轴的2位标签与Q轴的2位标签连接,组成一个4位符号。例如1111对应I=+1,Q=+1I=+1,Q=+1,1011对应I=+3,Q=+1I=+3,Q=+1。

沿任意一条轴移动到紧邻电平,只会改变相应轴的一个标签比特。因此,这种二维Gray映射也使水平和垂直相邻星座点的标签仅相差1比特。

与QPSK不同,16QAM的星座点距离原点有近有远。原始坐标的符号能量为I2+Q2I^2+Q^2,因此角落点的能量明显高于靠近原点的点。

把平均符号能量归一化到1

为了比较不同调制方式的判决距离,需要先统一平均符号能量,不能直接比较未经归一化的坐标间距。

假设16个符号等概率发送。I轴的平均平方幅度为:

E[I2]=9+1+1+94=5E[I^2]=\frac{9+1+1+9}{4}=5

Q轴具有相同的幅度集合,因此E[Q2]=5E[Q^2]=5,原始平均符号能量为:

Es=E[I2]+E[Q2]=10E_s=E[I^2]+E[Q^2]=10

将所有星座坐标同时除以10\sqrt{10},就能使新的平均符号能量变成1:

s=I+jQ10s=\frac{I+jQ}{\sqrt{10}}

归一化后的每条轴具有四个电平:

−310,−110,110,310-\frac{3}{\sqrt{10}},\quad-\frac{1}{\sqrt{10}},\quad\frac{1}{\sqrt{10}},\quad\frac{3}{\sqrt{10}}

相邻电平在同一轴上相差2个原始幅度单位,因此归一化后的最小欧氏距离为:

dmin⁡=210≈0.632d_{\min}=\frac{2}{\sqrt{10}}\approx0.632

归一化QPSK的最近邻距离为2≈1.414\sqrt{2}\approx1.414。两者在相同平均符号能量下比较,可得到:

比较项 QPSK 方形16QAM
星座点数 4 16
每符号比特数 2 4
平均符号能量 1 1
最近邻距离 1.414 0.632
最近判决边界距离 0.707 0.316

归一化16QAM与QPSK星座最近邻距离比较

最近判决边界距离是最小距离的一半。若噪声沿连接最近邻点的方向推动接收点,16QAM只需约0.316的位移就可能越过最近边界;QPSK在相同归一化条件下对应约0.707。

这说明在相同平均符号能量和相同噪声条件下,16QAM对接收点偏移通常更加敏感。但不能只凭这张表推导两种调制在相同Eb/N0E_b/N_0下的精确误码率,因为每符号承载的比特数不同,EsE_s与每比特能量EbE_b的关系也不同。

根据判决边界判断接收符号

在各轴噪声独立、方差相同的加性高斯白噪声条件下,等概率16QAM符号可以采用最小欧氏距离判决。接收机选择与接收点距离最近的理想星座点。

由于16QAM的I/Q坐标构成规则方形网格,可以分别在两条轴上进行四级判决。归一化后,每条轴的三个判决门限位于:

−210,0,210-\frac{2}{\sqrt{10}},\quad0,\quad\frac{2}{\sqrt{10}}

其中正方向最外侧的判决门限约为0.6320.632,负方向对应−0.632-0.632。

考虑发送符号1111,其理想坐标为:

s1111=(110,110)≈(0.316,0.316)s_{1111}=\left(\frac{1}{\sqrt{10}},\frac{1}{\sqrt{10}}\right)\approx(0.316,0.316)

假设噪声使接收值变为(0.62,0.30)(0.62,0.30)。I仍位于0与0.632之间,Q也位于0与0.632之间,因此判决结果仍然是1111。

如果接收值进一步变为(0.65,0.30)(0.65,0.30),则I超过正方向的0.632判决门限,最接近的I电平变成3/103/\sqrt{10},Q仍对应1/101/\sqrt{10}。最终判决为1011,与发送符号相比产生1比特错误。

不同位置的点具有不同数量的最近邻:角落点有2个,非角落边缘点有3个,内部点有4个。这也是计算16QAM符号误码率时需要考虑各位置判决区域的原因之一。

用Python计算全部点距并模拟误判

下面的Python 3示例使用标准库生成全部16个归一化星座点,检查平均符号能量和最近邻距离,再对接收值(0.65,0.30)(0.65,0.30)执行最近邻判决。

python
import math
from itertools import combinations

levels = {'00': -3, '01': -1, '11': 1, '10': 3}
points = {ib + qb: complex(i, q) / math.sqrt(10)
          for ib, i in levels.items()
          for qb, q in levels.items()}

# 等概率发送时计算平均符号能量与最近邻点距
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))

# 接收点越过I轴门限后,使用最小欧氏距离判决
rx = complex(0.65, 0.30)
decision = min(points, key=lambda bits: abs(rx - points[bits]))
errors = sum(a != b for a, b in zip('1111', decision))

print(f'M={len(points)}, bits/symbol={int(math.log2(len(points)))}')
print(f'Es={es:.3f}, d_min={dmin:.3f}, margin={dmin / 2:.3f}')
print(f'threshold={2 / math.sqrt(10):.3f}')
print(f'rx=({rx.real:.2f},{rx.imag:.2f}), decision={decision}, bit_errors={errors}')

预期输出:

text
M=16, bits/symbol=4
Es=1.000, d_min=0.632, margin=0.316
threshold=0.632
rx=(0.65,0.30), decision=1011, bit_errors=1

检查输出时,重点核对星座点数量16、平均能量1、最近邻距离约0.632,以及误判结果1011。

可以把rx的实部从0.65改成0.62,保持虚部0.30不变并再次执行程序。预期判决会恢复为1111,比特错误数降为0。这能直接验证判决边界在约0.632处,而不是星座点的坐标0.316处。

选择16QAM时怎样权衡传输效率

若QPSK与16QAM使用相同的符号率1000 Baud,未经信道编码的原始比特率分别为2000 bit/s与4000 bit/s。16QAM每符号多承载2比特,能够在相同符号率下将原始比特率提高一倍。

代价是归一化后的最近邻距离减小。在固定平均符号能量及相同噪声分布下,16QAM更容易出现跨越判决边界的情况,因此通常需要更好的信道条件才能达到相同的误码目标。

工程评估时,应固定一致的比较条件,分别测量误码率BER与信噪比,并明确使用Es/N0E_s/N_0还是Eb/N0E_b/N_0。对于未经编码且每符号等概发送的系统,二者通过Es=kEbE_s=kE_b关联。若加入前向纠错,还需要计入码率和净吞吐量。

因此,16QAM的优势可以直接由每符号4比特量化,而是否值得从QPSK切换到16QAM,应由目标误码率、实际信道噪声和净数据速率共同验证。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用16QAM星座图分析判决距离

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通