通信工程 / 系统课时
换算码率、Eb/N0 与信噪比
换算码率、Eb/N0 与信噪比
同样标为 6 dB 的信噪比,可能指每信息比特、每调制符号,也可能指接收带宽内的功率比。混用它们会让编码增益曲线整体偏移。本篇用一个码率为 1/2 的 BPSK 例子,统一能量定义、换算公式与 AWGN 仿真参数。
学习目标
- 区分编码码率、信息比特率与三种比特或符号能量。
- 在 、 和带宽内 SNR 之间正确换算。
- 用 Python 计算给定码率下的 AWGN 噪声标准差并核对结果。
先分清码率与三种能量
编码码率 ,其中 是信息比特数, 是实际发送的编码比特数。设每调制符号携带 个编码比特,符号率为 ,则不计导频和帧头时,信息比特率为 。 没有单位, 的单位是 bit/s。
在编码比特平均能量相同、采用固定平均能量调制的前提下, 是每编码比特的发射能量, 是每调制符号的平均能量, 是摊到每个信息比特的总发射能量:
例如 500 个信息比特编码为 1000 位,;使用 BPSK 时 。若归一化 ,则 、。 不是信息位另发了一次能量,而是 1000 个符号的总能量由 500 个信息位分摊。
从 Eb/N0 换到符号信噪比
表示 AWGN 的噪声功率谱密度, 与 都是无量纲的能量比。根据上面的能量关系:
换成 dB 时,乘法变为加法:
对码率 、BPSK 的 ,当 dB 时, dB。若错把 6 dB 直接当作每符号的信噪比,注入的噪声就会偏小,仿真结果显得过于乐观。
接收带宽内的 SNR 怎样算
接收 SNR 通常指平均信号功率除以接收噪声功率。如果 是用于计算噪声功率的等效噪声带宽,且采用一致的单边 约定,则噪声功率 ,信号功率 :
因此,。沿用前例,取符号率 Mbaud、噪声带宽 MHz,则 Mbit/s,带宽内 SNR 也是约 2.99 dB。这里只因 ,它才与 数值相等;一般不能将二者直接画等号。

在 AWGN 仿真中计算噪声
对于经过单位能量脉冲匹配滤波、判决符号取 或 的实数 BPSK,判决采样点的高斯噪声方差为 。下面仅用 Python 3 标准库,计算在目标 dB 时应使用的噪声标准差:
import math
k, n = 500, 1000
m = 1 # BPSK:每符号传输 1 个编码比特
es, ebn0_db = 1.0, 6.0
rs, noise_bw = 1_000_000, 1_000_000
r = k / n
ec = es / m
eb = ec / r
n0 = eb / (10 ** (ebn0_db / 10))
sigma = math.sqrt(n0 / 2) # 实数匹配滤波判决样本的噪声标准差
rb = r * m * rs
esn0_db = ebn0_db + 10 * math.log10(r * m)
snr_db = ebn0_db + 10 * math.log10(rb / noise_bw)
print(f'R={r:.2f}, m={m}, Rb={rb / 1e6:.2f} Mbit/s')
print(f'Ec={ec:.2f}, Es={es:.2f}, Eb={eb:.2f}')
print(f'Eb/N0={ebn0_db:.2f} dB, Es/N0={esn0_db:.2f} dB')
print(f'N0={n0:.4f}, sigma={sigma:.4f}, SNR={snr_db:.2f} dB')预期输出:
R=0.50, m=1, Rb=0.50 Mbit/s
Ec=1.00, Es=1.00, Eb=2.00
Eb/N0=6.00 dB, Es/N0=2.99 dB
N0=0.5024, sigma=0.5012, SNR=2.99 dB若要模拟该判决采样模型,可向每个 符号加入均值为 0、标准差为 0.5012 的独立高斯噪声。若仿真的是过采样波形而非匹配滤波后的符号样本,必须按采样率和滤波器能量重新计算噪声缩放,不能直接照搬这个 。
改变码率时怎样保持比较公平
固定 、BPSK 和 dB,若改为未编码的 ,则 ,所需噪声标准差降为约 0.3544;码率 时则是 0.5012。在固定 的曲线上,变码率就需要重新定噪声强度,否则不同曲线的横轴基准并不一致。
还要记录调制阶数 、符号率 、有效信息速率 和实际噪声带宽 。例如其他条件不变、只将 从 1 MHz 扩至 1.25 MHz,接收 SNR 会额外降低 dB,变为约 2.02 dB,而 仍是 6 dB。