通信工程 / 系统课时

比较QPSK与16QAM的误码表现

比较QPSK与16QAM的误码表现

用同一套 Gray 映射规则、平均符号能量归一化和 AWGN 判决模型,分别仿真 QPSK 与 16QAM 的比特误码率。最终把两条 BER 曲线放在相同的 Eb/N0E_b/N_0 横轴上,区分星座点距离带来的抗噪差异与每符号承载比特数的差异。

学习目标

  • 正确归一化 QPSK 与 16QAM 的星座能量,并按每比特信噪比加噪。
  • 实现两种调制的 Gray 映射、硬判决和逐比特计错。
  • 从 BER 曲线解释星座间距、传输速率与抗噪性的关系。

统一每比特信噪比的比较口径

先固定两种调制的平均符号能量 Es=1E_s=1,不加信道编码。QPSK 每符号携带 k=2k=2 比特,16QAM 携带 k=4k=4 比特,因此 Eb=Es/kE_b=E_s/k。同一 Eb/N0E_b/N_0 数值不意味着两种调制使用同一噪声标准差:当 γb=10g/10\gamma_b=10^{g/10} 时,复高斯噪声的每个实轴应取 σ=1/(2kγb)\sigma=\sqrt{1/(2k\gamma_b)}。

项目 QPSK 16QAM
每符号比特数 kk 2 4
I/Q 归一化电平 ±1/2\pm1/\sqrt{2} ±1/10\pm1/\sqrt{10}、±3/10\pm3/\sqrt{10}
最小星座距离 2≈1.414\sqrt{2}\approx1.414 2/10≈0.6322/\sqrt{10}\approx0.632
8 dB 时单轴噪声标准差 约 0.1991 约 0.1408

16QAM 的相邻点更密,但在相同 Eb/N0E_b/N_0 下它对应的单轴噪声也更小。比较时要同时遵守能量归一化和 kk 的换算,不能只看点间距或给所有调制复用同一噪声数组的幅度。

保证 Gray 映射与判决互相匹配

QPSK 使用 I 轴的第一位和 Q 轴的第二位:位为 0 时该轴电平为正,位为 1 时为负。因此第一象限映射 00,第四象限为 01,第二象限为 10,第三象限为 11;共享一条判决边界的相邻点只差一位。

16QAM 在 I、Q 两轴分别使用两位 Gray 码,电平顺序为 00→-3、01→-1、11→+1、10→+3,最后整体除以 10\sqrt{10}。接收端将轴坐标乘回 10\sqrt{10},用 -2、0、+2 三条门限分区:符号位由正负决定,内外层位由绝对值是否小于 2 决定。若只做最近点判决却错误地按自然二进制还原位,BER 会被额外放大。

同时运行两种调制

使用 Python 3.10+,通过 python -m pip install numpy matplotlib 安装依赖。将代码保存为 qpsk_16qam_ber.py,执行 python qpsk_16qam_ber.py。每个调制方案、每个信噪比均发送 100 万比特;QPSK 生成 50 万个符号,16QAM 生成 25 万个符号,误码率统一除以比特数。

python
import math
import numpy as np
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

rng = np.random.default_rng(2026)
n_bits = 1_000_000
snr_db = [0, 2, 4, 6, 8]
sqrt10 = math.sqrt(10.0)
gray_levels = np.array([-3, -1, 3, 1])

def mod_qpsk(bits):
    b = bits.reshape(-1, 2).astype(np.int16)
    return ((1 - 2*b[:, 0]) + 1j*(1 - 2*b[:, 1])) / math.sqrt(2)

def demod_qpsk(rx):
    return np.column_stack((rx.real < 0, rx.imag < 0)).astype(np.uint8).ravel()

def mod_16qam(bits):
    b = bits.reshape(-1, 4)
    # 数组下标00、01、10、11对应-3、-1、+3、+1。
    i = gray_levels[2*b[:, 0] + b[:, 1]]
    q = gray_levels[2*b[:, 2] + b[:, 3]]
    return (i + 1j*q) / sqrt10

def demod_16qam(rx):
    i, q = rx.real*sqrt10, rx.imag*sqrt10
    # 用符号位和内外层位恢复每个轴上的两位。
    return np.column_stack((i >= 0, np.abs(i) < 2, q >= 0, np.abs(q) < 2)).astype(np.uint8).ravel()

results = {"QPSK": [], "16QAM": []}
for db in snr_db:
    gamma = 10**(db/10)
    reports = []
    for name, k, mod, demod in (
        ("QPSK", 2, mod_qpsk, demod_qpsk),
        ("16QAM", 4, mod_16qam, demod_16qam),
    ):
        bits = rng.integers(0, 2, size=n_bits, dtype=np.uint8)
        tx = mod(bits)
        sigma = math.sqrt(1 / (2*k*gamma))
        noise = sigma * (rng.standard_normal(tx.size) + 1j*rng.standard_normal(tx.size))
        errors = int(np.count_nonzero(bits != demod(tx + noise)))
        ber = errors / n_bits
        results[name].append(ber)
        reports.append(f"{name} errors={errors:6d}, BER={ber:.6e}")
    print(f"{db:2d} dB | " + " | ".join(reports))

plt.semilogy(snr_db, results["QPSK"], "o-", label="QPSK")
plt.semilogy(snr_db, results["16QAM"], "s-", label="16QAM")
plt.xlabel("Eb/N0 (dB)")
plt.ylabel("BER")
plt.ylim(1e-5, 1)
plt.grid(True, which="both")
plt.legend()
plt.tight_layout()
plt.savefig("qpsk_16qam_ber.png", dpi=160)

预期输出(NumPy 2.3.x 的一次参考运行,其他版本误码计数可能略有变化):

text
 0 dB | QPSK errors= 78557, BER=7.855700e-02 | 16QAM errors=140893, BER=1.408930e-01
 2 dB | QPSK errors= 37142, BER=3.714200e-02 | 16QAM errors= 97764, BER=9.776400e-02
 4 dB | QPSK errors= 12340, BER=1.234000e-02 | 16QAM errors= 58508, BER=5.850800e-02
 6 dB | QPSK errors=  2398, BER=2.398000e-03 | 16QAM errors= 27895, BER=2.789500e-02
 8 dB | QPSK errors=   212, BER=2.120000e-04 | 16QAM errors=  9348, BER=9.348000e-03

运行后应生成 qpsk_16qam_ber.png。两条曲线使用相同的 BER 对数纵轴,16QAM 的点在该信噪比区间内高于 QPSK;这不是因为 16QAM 的噪声生成器更“吵”,而是其 Gray 星座的归一化判决间距较小。

用星座距离解释 BER 差异

在 8 dB 时,QPSK 测得约 2.12×10−42.12\times10^{-4},16QAM 测得约 9.348×10−39.348\times10^{-3}。相干 Gray-QPSK 的理论 BER 与 BPSK 相同,约为 1.909×10−41.909\times10^{-4};Gray-16QAM 的常用近邻近似为 Pb≈34Q(0.8γb)P_b\approx\frac34 Q(\sqrt{0.8\gamma_b}),在 8 dB 约为 9.25×10−39.25\times10^{-3}。两种仿真值均与对应理论趋势一致。

归一化QPSK与16QAM星座及误码率曲线对照

在相同符号率下,16QAM 每符号携带 4 位,QPSK 携带 2 位,前者的未编码比特率是后者的两倍;代价是实现相同 BER 需要更高的 Eb/N0E_b/N_0。这个结论限定在理想定时、相干检测、Gray 映射及无编码 AWGN 模型下,不能直接推广到有信道编码或衰落的真实链路。

排除错误的比较方法

如果两条曲线反常地重合,首先确认 16QAM 的实轴、虚轴电平是否包含 ±3/10\pm3/\sqrt{10},而不是误写成四个 QPSK 点。如果 16QAM 曲线偏移很大,检查是否遗漏了除以 10\sqrt{10} 的归一化,以及噪声标准差是否依赖每符号位数 kk。

统计时必须比较发送位与解调位的异或结果,不能把“符号错误数 / 符号数”当作 BER。排查还可先把噪声设为 0:对于本例的 100 万随机比特,两种调制都应恢复出完全相同的比特序列,误码数为 0;再恢复噪声核对 0 dB 和 8 dB 的数值。

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

比较QPSK与16QAM的误码表现

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