通信工程 / 系统课时

用 AWGN 模拟接收符号的噪声

用 AWGN 模拟接收符号的噪声

把发送比特映射成 BPSK 符号,再叠加可控的加性高斯白噪声(AWGN),通过接收端的符号判决统计误比特率。本篇以 6 dB 的 Eb/N0E_b/N_0 完成可复现仿真,并用理论误码率检查噪声尺度是否正确。

学习目标

  • 解释 BPSK 符号被噪声推过判决门限后为何出现比特错误。
  • 从 Eb/N0E_b/N_0 算出实基带 AWGN 的标准差并生成接收符号。
  • 计算未编码 BER,并与理论结果核对。

符号、噪声与判决

采用最简单的 BPSK 映射:比特 0 发送符号 s=+1s=+1,比特 1 发送 s=−1s=-1。每个符号对应一个比特,接收端观察到 r=s+nr=s+n,其中 nn 是均值为零的高斯随机噪声。这里假设理想同步、独立的符号观测,暂不加入衰落、码间干扰或纠错编码。

接收端用零阈值硬判决:r≥0r\ge 0 判成比特 0,r<0r<0 判成比特 1。例如发送 s=+1s=+1,噪声恰为 n=−1.2n=-1.2 时,接收值 r=−0.2r=-0.2,就会把 0 误判为 1;噪声为 −0.3-0.3 时则不会误判。

BPSK 接收符号的高斯噪声分布与零阈值误判区域

将信噪比换算成噪声标准差

为避免发射功率与采样率混淆,把 BPSK 符号幅度设为 11,使每比特能量在此离散模型中归一化为 Eb=1E_b=1。设线性比值 γb=Eb/N0\gamma_b=E_b/N_0,则实数符号观测上的噪声满足:

γb=10(Eb/N0)dB/10,n∼N(0,σ2)\gamma_b=10^{(E_b/N_0)_{\mathrm{dB}}/10},\qquad n\sim\mathcal{N}(0,\sigma^2)
σ2=12γb,σ=12γb\sigma^2=\frac{1}{2\gamma_b},\qquad \sigma=\sqrt{\frac{1}{2\gamma_b}}

当 Eb/N0=6E_b/N_0=6 dB 时,γb≈3.981\gamma_b\approx3.981,得到 σ≈0.3544\sigma\approx0.3544,方差约为 0.12560.1256。注意 normal 函数需要传入标准差,不是方差;这里是实数 BPSK 模型,不要直接套用未经换算的复数 I/Q 噪声参数。

运行一次可复现的仿真

使用 Python 3.10+ 和 NumPy,固定随机种子,发送 200000 个随机比特;噪声独立叠加到每个实数符号,判决后逐位对比。以下代码可直接运行:

python
import math
import numpy as np

rng = np.random.default_rng(2026)  # 固定随机种子,方便复核误码数
n_bits = 200_000
ebn0_db = 6.0
gamma_b = 10 ** (ebn0_db / 10)
sigma = math.sqrt(1 / (2 * gamma_b))  # 实数观测噪声的标准差

bits = rng.integers(0, 2, size=n_bits)
tx = 1 - 2 * bits  # 0 映射为 +1,1 映射为 -1
rx = tx + rng.normal(0.0, sigma, size=n_bits)
bits_hat = (rx < 0).astype(np.int64)  # 零阈值硬判决
errors = np.count_nonzero(bits != bits_hat)
ber = errors / n_bits
theory = 0.5 * math.erfc(math.sqrt(gamma_b))

print(f"sigma={sigma:.6f}")
print(f"errors={errors}/{n_bits}")
print(f"BER={ber:.6f}")
print(f"theory={theory:.6f}")

预期输出(采用 NumPy 默认随机数生成器,固定上述种子):

text
sigma=0.354393
errors=494/200000
BER=0.002470
theory=0.002388

误比特率 BER 的定义是错误比特数除以发送比特数。BPSK 每个符号只承载一个比特,因此本例的符号错误率也等于 BER;换成每符号多比特的调制方式,两者通常不能直接画等号。

用理论曲线检查仿真

相干 BPSK 在理想 AWGN 信道下的理论误码率为 Pb=12erfc⁡(γb)P_b=\tfrac12\operatorname{erfc}(\sqrt{\gamma_b})。6 dB 时理论上约每 1000 比特错 2.388 个,200000 比特的平均错误数约为 478;本次得到 494 次错误,属于随机采样波动,不要求每次测量与理论值完全一致。

Eb/N0E_b/N_0 理论 BER 200000 比特的平均错误数
0 dB 0.078650 15730
6 dB 0.002388 478
10 dB 0.00000387 约 0.77

可以把代码中的 ebn0_db 分别改为 0.0 和 10.0 验证趋势。10 dB 时理论上 20 万比特平均不到 1 个错误,单次统计可能为零;此时需要增加比特数,不能把测得的零误码当作真实 BER 为零。

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 AWGN 模拟接收符号的噪声

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