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:
每条轴有4种选择,两条轴相互组合后得到个星座点。因此每个符号包含:
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,1011对应。
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,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:
Q轴具有相同的幅度集合,因此,原始平均符号能量为:
将所有星座坐标同时除以,就能使新的平均符号能量变成1:
归一化后的每条轴具有四个电平:
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:
归一化QPSK的最近邻距离为。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 |

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下的精确误码率,因为每符号承载的比特数不同,与每比特能量的关系也不同。
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:
其中正方向最外侧的判决门限约为,负方向对应。
考虑发送符号1111,其理想坐标为:
假设噪声使接收值变为。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,则I超过正方向的0.632判决门限,最接近的I电平变成,Q仍对应。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,再对接收值执行最近邻判决。
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:
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,并明确使用还是。对于未经编码且每符号等概发送的系统,二者通过关联。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。