QAM调制：比特变电磁波的核心魔法

你的手机每秒产生几十亿个0和1，它们是怎么"骑"上电磁波飞向基站的？答案藏在三个字母里——QAM。

一、从一个生活类比说起

想象你在指挥一支交响乐团，每个乐手只能听到你的指挥棒动作。如果你只有两种动作——"上"和"下"——那每次只能传递1比特信息（0或1）。这就像通信中最初的BPSK调制。

但如果你同时控制指挥棒的高度和左右角度呢？高度有4档，角度也有4档，组合起来就是16种不同的动作，一次就能传递4比特信息。这就是QAM（正交振幅调制）的核心思想：用两个维度同时编码信息。

在通信系统中，这两个维度就是I路（同相）和Q路（正交），它们分别对应电磁波的两个正交分量。通过同时改变这两个分量的幅度，我们可以在一个载波频率上传输大量数据。

flowchart TB
    subgraph 从1比特到多比特的进化
        A["BPSK<br/>1 bit/符号<br/>2个星座点"] --> B["QPSK/4-QAM<br/>2 bit/符号<br/>4个星座点"]
        B --> C["16-QAM<br/>4 bit/符号<br/>16个星座点"]
        C --> D["64-QAM<br/>6 bit/符号<br/>64个星座点"]
        D --> E["256-QAM<br/>8 bit/符号<br/>256个星座点"]
        E --> F["1024-QAM<br/>10 bit/符号<br/>1024个星座点"]
    end
    style A fill:#f9f,stroke:#333
    style F fill:#ff9,stroke:#333

二、I/Q调制：正交的数学之美

2.1 为什么选择cos和sin？

QAM的物理基础是一个优美的数学性质：cos(2πf_ct)和sin(2πf_ct)在一个周期内积分等于零，即它们是正交的。

这意味着，如果我们把两路独立信号分别"骑"在cos和sin上，发送出去后在接收端可以完美分离——互不干扰。这就是"正交"二字的由来。

发射信号的数学表达式：

$$s(t) = I(t) \cdot \cos(2\pi f_c t) - Q(t) \cdot \sin(2\pi f_c t)$$

其中： - $I(t)$ 是同相分量，乘以余弦载波 - $Q(t)$ 是正交分量，乘以正弦载波 - $f_c$ 是载波频率

也可以写成极坐标形式：

$$s(t) = A(t) \cdot \cos(2\pi f_c t + \phi(t))$$

这说明QAM信号同时编码了幅度A和相位φ两种信息。

2.2 调制器和解调器结构

flowchart LR
    subgraph 发射端调制器
        direction TB
        BITS["比特序列<br/>10110100..."] --> S2P["串/并转换"]
        S2P --> MAP["符号映射<br/>(查星座图)"]
        MAP --> I_CH["I路信号"]
        MAP --> Q_CH["Q路信号"]
        I_CH --> SHAPE_I["脉冲成形滤波"]
        Q_CH --> SHAPE_Q["脉冲成形滤波"]
        SHAPE_I --> MIX_I["× cos(2πf<t>ct)"]
        SHAPE_Q --> MIX_Q["× (-sin(2πf<t>ct))"]
        MIX_I --> SUM["∑ 求和"]
        MIX_Q --> SUM
        SUM --> TX["s(t) 发射信号"]
    end

    subgraph 接收端解调器
        direction TB
        RX["接收信号 r(t)"] --> DMIX_I["× 2cos(2πf<t>ct)"]
        RX --> DMIX_Q["× (-2sin(2πf<t>ct))"]
        DMIX_I --> LPF_I["低通滤波"]
        DMIX_Q --> LPF_Q["低通滤波"]
        LPF_I --> SAMPLE_I["采样判决"]
        LPF_Q --> SAMPLE_Q["采样判决"]
        SAMPLE_I --> DEMAP["星座图判决<br/>→ 比特"]
        SAMPLE_Q --> DEMAP
        DEMAP --> P2S["并/串转换"]
        P2S --> OUT["恢复比特序列"]
    end

2.3 解调为什么能分离I和Q？

接收端的核心操作是乘以本地载波后低通滤波。数学推导如下：

将接收信号 $s(t) = I(t)\cos(2\pi f_ct) - Q(t)\sin(2\pi f_ct)$ 乘以 $2\cos(2\pi f_ct)$：

$$s(t) \cdot 2\cos(2\pi f_c t) = I(t) \cdot 2\cos^2(2\pi f_c t) - Q(t) \cdot 2\sin(2\pi f_c t)\cos(2\pi f_c t)$$

利用三角恒等式 $2\cos^2 x = 1 + \cos(2x)$ 和 $2\sin x \cos x = \sin(2x)$：

$$= I(t)[1 + \cos(4\pi f_c t)] - Q(t)\sin(4\pi f_c t)$$

经过低通滤波，高频分量 $\cos(4\pi f_ct)$ 和 $\sin(4\pi f_ct)$ 被滤除，只剩下I(t)。同理，乘以 $-2\sin(2\pi f_ct)$ 后低通滤波，只剩Q(t)。

这就是正交解调的精髓——利用数学上的正交性，用同一频率同时传两路信号，接收端互不干扰地恢复出来。

三、星座图：QAM的灵魂地图

3.1 星座图是什么？

星座图是QAM最直观的可视化工具。横轴是I分量（同相），纵轴是Q分量（正交）。每一个"星星"（星座点）代表一个符号，对应一组特定的比特值。

以16-QAM为例，I和Q各自取4个电平值 ${-3d, -d, +d, +3d}$，组合出 $4 \times 4 = 16$ 个星座点，每个点携带 $\log_2(16) = 4$ 个比特。

        Q轴
         ↑
   0110  1110 │ 1010  0010
   0111  1111 │ 1011  0011
  ─────────────┼─────────────→ I轴
   0101  1101 │ 1001  0001
   0100  1100 │ 1000  0000

3.2 Gray编码：为什么相邻点只差1比特？

仔细观察上面的星座图，你会发现任意两个相邻的星座点，只有1个比特不同。这不是巧合，而是刻意设计的Gray编码。

为什么？ 信道噪声会导致接收信号偏移到相邻星座点。如果相邻点只差1比特，那么一次"误判"只会导致1个比特翻转，而不是多个比特同时出错。

这是通信系统设计中一个朴素但强大的思想：在最容易出错的地方，把损失降到最小。

3.3 星座点为什么越来越密集？

从QPSK到256-QAM，星座点的数量指数级增长，但它们挤在同样大小的空间里。这意味着：

最小距离越小，相邻星座点越"挤"，噪声就越容易把信号"推"到错误的点上。 这就是为什么高阶QAM需要更好的信道条件。

四、从比特到电磁波：完整的调制旅程

flowchart TB
    A["原始数据<br/>11001011 10100110"] --> B["信道编码<br/>添加冗余比特"]
    B --> C["扰码<br/>避免长连0/1"]
    C --> D["串/并转换<br/>将串行比特分成I/Q两路"]
    D --> E["符号映射<br/>每N比特→1个星座点<br/>16-QAM: 4bit/点<br/>64-QAM: 6bit/点"]
    E --> F["I/Q基带信号<br/>I路: ±d, ±3d, ±5d...<br/>Q路: ±d, ±3d, ±5d..."]
    F --> G["脉冲成形<br/>限制带宽（升余弦滤波）"]
    G --> H["上变频<br/>I×cos - Q×sin"]
    H --> I["射频信号 s(t)<br/>通过天线发射"]

    style A fill:#e1f5fe
    style E fill:#fff9c4
    style I fill:#c8e6c9

4.1 一个具体例子：64-QAM的比特映射

假设输入比特流为 10 0101（6比特）。

第一步：确定I路和Q路电平

64-QAM的星座图是 $8 \times 8$ 网格。前3比特 100 决定I路的电平，后3比特 101 决定Q路的电平：

所以 100 → I = +d，101 → Q = +3d，对应星座点 (d, 3d)。

第二步：生成模拟信号

$$s(t) = d \cdot \cos(2\pi f_c t) - 3d \cdot \sin(2\pi f_c t)$$

这个信号同时包含了幅度信息和相位信息，通过天线发射出去。

第三步：接收端解调

接收端乘以本地载波，低通滤波后恢复出 (I, Q) = (d, 3d)，在星座图上找到最近的标准点 (d, 3d)，查表映射回比特 100101。

五、自适应调制：聪明的"变速"策略

5.1 为什么需要自适应调制？

现实中的无线信道千变万化：基站附近信号强，小区边缘信号弱。如果始终用256-QAM，小区边缘的用户根本解调不出来；如果始终用QPSK，基站附近的用户又浪费了好的信道条件。

解决方案：自适应调制编码（AMC）——基站根据终端上报的信道质量指示（CQI），动态选择最合适的调制阶数和编码速率。

flowchart LR
    subgraph 自适应调制编码 AMC
        UE["终端UE"] -->|"上报CQI/SINR"| BS["基站gNB"]
        BS -->|"查MCS表"| MCS["选择MCS<br/>Modulation + Code Rate"]
        MCS -->|"低CQI"| LOW["QPSK + 低码率<br/>牺牲速度保可靠"]
        MCS -->|"中CQI"| MID["16/64-QAM + 中码率<br/>平衡速度与可靠"]
        MCS -->|"高CQI"| HIGH["256-QAM + 高码率<br/>最大化吞吐量"]
    end
    style LOW fill:#ffcdd2
    style MID fill:#fff9c4
    style HIGH fill:#c8e6c9

5.2 5G NR的MCS表

5G NR定义了三张MCS表，网络根据终端能力选择使用哪张：

MCS索引号对应了特定的调制方式和编码码率的组合。基站调度器在每个时隙动态选择MCS索引，终端无需预先知道——DCI（下行控制信息）中会携带当前调度的MCS索引。

5.3 SNR与调制阶数的关系

工程师直觉：每次QAM阶数翻倍（如16→64），大约需要多6 dB的SNR才能维持相同的误码率。这就是频谱效率和所需信号质量之间的根本trade-off。

六、EVM：衡量调制质量的"尺子"

6.1 什么是EVM？

在实际系统中，发射机和信道的不理想会导致星座点偏离理想位置。误差向量幅度（EVM） 就是衡量这种偏离的指标。

$$\text{EVM}(\%) = \frac{\sqrt{\frac{1}{N}\sum_{k=1}^{N}|e_k|^2}}{\sqrt{\frac{1}{N}\sum_{k=1}^{N}|r_k|^2}} \times 100\%$$

其中 $e_k$ 是第k个符号的误差向量（实际位置与理想位置的差），$r_k$ 是理想星座点。

6.2 不同QAM阶数对EVM的要求

调试实战：如果路测仪显示64-QAM的EVM从5%突然跳到12%，常见原因包括： - 射频前端非线性：功放进入饱和区，信号被"削峰" - 本振相位噪声：锁相环失锁，载波频率抖动 - IQ不平衡：I路和Q路的增益不一致或相位偏移不是精确90° - 时钟偏差：采样时钟频率偏移导致判决时刻不对

七、PAM与QAM的关系：一维到二维的飞跃

理解QAM有一个更底层的视角：QAM本质上是两路PAM（脉冲幅度调制）的正交组合。

PAM是一维调制，信号只能在一条线上取不同的电平值。比如4-PAM取 ${-3d, -d, +d, +3d}$，携带2比特/符号。

QAM把两路独立的PAM分别放在I轴和Q轴上：

$$\text{16-QAM} = \text{4-PAM (I路)} \times \text{4-PAM (Q路)}$$

$$\text{64-QAM} = \text{8-PAM (I路)} \times \text{8-PAM (Q路)}$$

$$\text{256-QAM} = \text{16-PAM (I路)} \times \text{16-PAM (Q路)}$$

这个视角解释了为什么QAM的星座图总是方形的（至少是近似方形）——因为I路和Q路各自独立地做一维PAM。

flowchart TB
    subgraph QAM的分解视角
        PAM_I["I路 PAM<br/>一维幅度调制<br/>取 M₁ 个电平"]
        PAM_Q["Q路 PAM<br/>一维幅度调制<br/>取 M₂ 个电平"]
        PAM_I -->|"乘 cos(2πf<t>ct)"| COS_I["I路已调信号"]
        PAM_Q -->|"乘 -sin(2πf<t>ct)"| SIN_Q["Q路已调信号"]
        COS_I --> QAM_OUT["QAM输出信号<br/>M₁ × M₂ 个星座点"]
        SIN_Q --> QAM_OUT
    end

    subgraph 等效极坐标视角
        AMP["幅度 A = √(I² + Q²)"]
        PHASE["相位 φ = arctan(Q/I)"]
        AMP --> POLAR["极坐标表示<br/>A·cos(2πf<t>ct + φ)"]
        PHASE --> POLAR
    end

八、为什么QAM不是万能的？——高阶QAM的代价

8.1 功率效率下降

高阶QAM的星座点平均功率更高（为了保持最小距离不变，必须增大整个星座的功率）。这意味着发射机需要更大的功率，而移动终端的电池是有限的。

8.2 对相位噪声极其敏感

256-QAM要求EVM < 3.5%，这意味着本振的相位抖动必须极小。低成本晶振根本满足不了要求，必须用高精度温补晶振（TCXO）甚至原子钟。

8.3 对信道均衡要求更高

多径效应会导致信号在时域和频域发生畸变。星座点越密集，对均衡器精度的要求越高。5G NR中的OFDM结合信道估计导频，就是为了给均衡器提供精确的信道信息。

8.4 实际的限制因素汇总

九、实战连接：工程师在哪里会遇到QAM？

9.1 路测分析中的星座图

路测软件（如TEMSPilot、Nemo、Probe）可以实时显示终端的接收星座图。正常情况下，64-QAM的星座点应该清晰地聚集成64个簇。如果看到： - 星座点扩散成"云团"：噪声过大，可能需要降低调制阶数 - 星座图整体旋转：载波同步问题，锁相环可能失锁 - I/Q幅度不对称：IQ增益不平衡，硬件校准问题 - 星座点呈现规律性偏移：直流偏置或载波泄漏

9.2 基站配置中的MCS策略

在基站参数配置中，工程师可以设置MCS选择策略： - 固定MCS：强制使用特定调制方式（用于测试） - 开环AMC：基于路径损耗估计选择MCS - 闭环AMC：基于终端上报的CQI动态调整（实际网络中的默认方式）

9.3 常见调试陷阱

1. 误以为高阶QAM一定更好：在干扰大的场景，降阶到QPSK反而能获得更高的实际吞吐量（因为减少了重传）
2. 忽视EVM的频域特性：EVM在不同频段可能差异很大，平均值合格不代表每个RB都没问题
3. 混淆符号率和比特率：64-QAM的符号率是比特率的1/6，不是1/64

十、QAM家族的全景

QAM和PSK的区别在于：PSK的所有星座点在同一个圆上（等幅），QAM的星座点在不同半径上（变幅）。当星座点数较少时（如4点），QPSK和4-QAM完全等价。但当点数增多时，方形QAM比圆形PSK排列更紧凑、功率效率更高——这也是为什么现代通信系统几乎都选择QAM而非高阶PSK。

常见问题

Q: QPSK和4-QAM有什么区别？

A: 从星座图上看，它们完全一样——都是4个点均匀分布在一个圆上。数学上，QPSK是4-PSK，只调相位；4-QAM是两路2-PAM的正交组合。在4个点的特殊情况下，两种表示等价。但在16个点以上时，PSK（等幅圆排列）和QAM（方形网格排列）就有明显差异了。

Q: 为什么Wi-Fi 7能用1024-QAM，而5G NR只用256-QAM？

A: 主要有两个原因。第一，Wi-Fi的覆盖距离短（通常几米到几十米），信道条件远好于蜂窝网络几公里的覆盖。第二，Wi-Fi的频段（2.4/5/6 GHz）通常在室内使用，多径环境相对简单。5G NR需要在高速移动、多径复杂、小区边缘等恶劣条件下工作，1024-QAM的容错空间太小。

Q: EVM不好一定是射频硬件问题吗？

A: 不一定。EVM是系统级指标，可能的原因很多：基带数字部分的滤波器设计、时钟同步精度、DAC/ADC量化噪声、本振相位噪声、功放非线性、IQ校准偏差等都可能影响EVM。定位EVM问题需要逐段排查，通常从基带输出开始，逐步加进射频链路，找到EVM恶化的环节。

Q: 星座图上的点为什么会"散开"？

A: 主要是三类原因：加性噪声（高斯白噪声让星座点随机扩散）、信道畸变（多径导致码间干扰，使相邻符号互相干扰）、硬件不理想（相位噪声让星座点呈环形扩散，IQ不平衡让方形变成矩形）。不同原因导致的星座图"散开"形态不同，有经验的工程师可以直接从星座图的形状判断问题来源。

Q: 5G为什么不用更高阶的QAM比如4096-QAM？

A: 4096-QAM每个符号携带12比特，理论上频谱效率极高。但它的EVM要求在0.5%以下，这意味着射频硬件的成本会急剧上升，而且在实际无线信道中几乎无法满足。目前4096-QAM主要用在有线通信（如DOCSIS 3.1有线电视）和短距光通信中，这些场景的信道远比无线信道稳定可控。

参考来源

1. 最详细解读QAM调制 - 知乎专栏 — QAM调制原理的系统性讲解，包含I/Q调制的电路模型和数学推导
2. 一文读懂正交幅度调制 - 与非网 — 从"带宽有限"问题出发通俗解释QAM的设计动机
3. PySDR: Digital Modulation — 开源SDR教程，包含Python代码实现的QAM调制解调示例
4. Understanding EVM - Rohde & Schwarz — EVM测量原理的权威技术文档
5. 5G NR MCS Tables - 3GLTEInfo — 5G NR MCS索引表参考，展示调制阶数与码率的完整映射关系

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。