通信工程 / 系统课时

结合眼图和星座图定位链路异常

结合眼图和星座图定位链路异常

误码率突然升高时,单看一个数字无法分辨是码间干扰、采样点偏移、载波相位还是噪声。把接收匹配滤波输出叠成眼图,再把同一链路的判决采样点画在 I/Q 平面,便能根据成对特征确定优先检查的模块。

学习目标

  • 选对眼图和星座图的观测点,避免把不同阶段的波形混在一起。
  • 区分码间干扰、定时偏移、相位旋转、频偏和 AWGN 的典型图形。
  • 用可控仿真复现异常,并按照检查顺序恢复链路。

在同一接收阶段取数

眼图应使用匹配滤波器输出的连续采样序列:将多个长度为两个符号周期 2T2T 的窗口叠加,纵轴观察 I 或 Q 幅度。星座图则使用这段序列在定时判决时刻提取的复数样本;为排查相位问题,应先观察载波相位校正前的点云,再比较校正后的点云。

例如符号率 1 ksymbol/s、采样率 8 kHz 时,每符号八个样本,一个 2T2T 眼图窗口跨 16 个采样间隔。把正确判决时刻对齐眼图中央 1T1T,在这里检查上下眼轨的间距、过零轨迹和噪声厚度。QPSK 先画 I 支路眼图,必要时对 Q 支路再画一张;只看 I 路可能漏掉单支路问题。

根据图形组合缩小故障范围

眼图表现 星座图表现 优先检查
最佳采样处眼口收窄,多条轨迹交叠 理想点分裂、拉尾或分成子簇 信道多径、成形与匹配滤波、均衡器
眼口仍存在,但抽样竖线偏离最开位置 采样点随邻符号变成多层分布 定时恢复环路、群时延、抽样索引
I/Q 眼图幅度混合,未必明显闭眼 四点整体固定转过同一角度 载波初相、相位补偿
眼口或幅度随时间缓慢漂移 星座点持续绕原点转动 残余载波频偏、频率同步
眼轨随机变厚、垂直方向散布 四点周围近似对称的随机云团 AWGN 方差、接收增益和 Eb/N0

眼图与星座图配对识别四类接收异常

判断时先看采样竖线是否落在眼口最大处,再看星座的几何变化。频偏与固定相位容易混淆:单帧都可能呈旋转图形,必须按时间给点着色或分时间段查看;只有持续转动才支持频偏判断。

运行五组单变量诊断

下面用矩形 QPSK 脉冲和八抽头匹配滤波器作为无同步环的最小链路。五组分别为正常、延迟四个采样且系数为 0.65 的回波、采样提前三个点、固定旋转 30°、每个实维标准差为 0.35 的复高斯噪声。环境为 Python 3、NumPy、Matplotlib。

python
import numpy as np
import matplotlib.pyplot as plt

rng = np.random.default_rng(2026)
sps, count = 8, 300
bits = rng.integers(0, 2, size=(count, 2))
symbols = ((1 - 2*bits[:, 0]) + 1j*(1 - 2*bits[:, 1])) / np.sqrt(2)
tx = np.repeat(symbols, sps) / np.sqrt(sps)
h = np.ones(sps) / np.sqrt(sps)

def matched(z):
    return np.convolve(z, h, mode="full")

# 只改变一项故障因素,其余发端数据完全一致。
echo = np.r_[np.zeros(4, dtype=complex), tx[:-4]]
noise = 0.35*(rng.normal(size=tx.size) +
              1j*rng.normal(size=tx.size))
cases = [
    ("clean", matched(tx), 0),
    ("ISI", matched(tx + 0.65*echo), 0),
    ("timing -3", matched(tx), -3),
    ("phase +30deg", matched(tx*np.exp(1j*np.pi/6)), 0),
    ("AWGN", matched(tx + noise), 0),
]

indices = np.arange(count)*sps + sps - 1
t = np.arange(2*sps + 1)/sps
ideal = np.array([-1-1j, -1+1j, 1-1j, 1+1j]) / np.sqrt(2)
fig, axes = plt.subplots(5, 2, figsize=(10, 12), constrained_layout=True)

for row, (name, wave, shift) in enumerate(cases):
    eye, constellation = axes[row]
    # 每条眼轨跨2T,窗口中心对齐正常判决时刻。
    for i in range(5, 65):
        start = indices[i] - sps
        eye.plot(t, wave[start:start+2*sps+1].real,
                 color="steelblue", alpha=0.18, lw=0.8)
    eye.axvline(1 + shift/sps, color="darkorange", ls="--")
    eye.set(xlim=(0, 2), ylim=(-2, 2), title=f"{name}: I eye")

    sampled = wave[indices + shift]
    constellation.scatter(sampled.real, sampled.imag, s=8, alpha=0.3)
    constellation.scatter(ideal.real, ideal.imag,
                          color="black", marker="+", s=70)
    constellation.set(xlim=(-2, 2), ylim=(-2, 2),
                      title=f"{name}: constellation")
    constellation.set_aspect("equal")
    evm = 100*np.sqrt(np.mean(np.abs(sampled - symbols)**2))
    print(f"{name}: EVM={evm:.1f}%")

plt.show()

预期输出(控制台数值及五行左右配对图):

text
clean: EVM=0.0%
ISI: EVM=46.1%
timing -3: EVM=52.8%
phase +30deg: EVM=51.8%
AWGN: EVM=49.4%

图中橙色虚线是抽样时刻,黑色十字是理想 QPSK 点。EVM 以未经增益、相位或均衡补偿的原始符号为参考,因此不同故障可以产生接近的 EVM;数值大小不能单独说明根因。例如固定相位旋转 30° 虽可得到约 51.8% EVM,但无噪声时四点仍可能都留在正确象限,BER 依然为零。

按可隔离的次序恢复链路

  1. 关闭噪声与回波,使用已知比特序列确认符号映射、匹配滤波群时延和正常抽样索引;此例正确索引为 n*8+7。
  2. 打开回波但保持定时准确;如果眼图中央也不再清晰,检查信道冲激响应与均衡,而不是立即调高信噪比。
  3. 回波归零后移动抽样点,直到眼图最大开口与竖线重合;再开启相位旋转,检查载波补偿前后星座能否恢复到四个理想坐标。
  4. 最后单独添加 AWGN,联合记录眼图、星座、EVM 与 BER,并对比相同 Eb/N0 下的参考曲线。

如果只有星座旋转而眼图的最佳采样位置未变,先修载波同步;如果星座散开同时眼口收窄,应先检查定时与码间干扰。排查时一次只改变一个参数,才能把图形变化归因到具体模块。

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

结合眼图和星座图定位链路异常

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