## 引言：把比特画在一张二维坐标纸上 假设你和朋友隔着一间嘈杂的教室传纸条，但纸条上只能画"一个点"。你怎么用这个点的位置，传递尽量多的信息？ 最朴素的做法是画"高/低"两个位置——这就是最原始的 ASK（幅移键控），一个点传 1 比特。但很快你会发现，纸是二维的：横轴和纵轴都能用。于是你把纸分成 4 格（2×2），每格代表一个组合，一个点就能传 2 比特；再细分成 16 格（4×4），一个点传 4 比特…… 这张"画点的纸"，就是通信工程里大名鼎鼎的**星座图（Constellation Diagram）**。而 QAM（Quadrature Amplitude Modulation，正交幅度调制），就是利用这张二维坐标纸、同时调动**幅度**和**相位**两个自由度来编码比特的调制方式。 理解 QAM，本质上就是理解一件事：**人类是如何把越来越多的比特，塞进一个越来越拥挤的二维平面里，并让接收端还能把它们认出来的。** 本文就从"为什么这样设计"的视角，把这个过程拆开。 --- ## 一、为什么光有相位（PSK）不够：能量与距离的两难 在看 QAM 之前，先回顾一下它的"前任" PSK（相移键控）。PSK 只改变载波的相位、保持幅度恒定，所有符号点都均匀分布在星座图上的**同一个圆**上。QPSK 是 4 个点等分圆周，8-PSK 是 8 个点等分圆周。 这里藏着一个致命的几何问题：**随着点数增多，圆周上相邻两点的角度差越来越小，但圆的半径（即信号功率）没变。** 可以做一个简单的计算。设圆半径为 $R$，相邻两点夹角为 $\theta = 2\pi/M$（$M$ 为星座点数），则相邻两点之间的欧氏距离为： $$d_{\min} = 2R \sin\left(\frac{\pi}{M}\right)$$ 当 $M$ 很大时，$\sin(\pi/M) \approx \pi/M$，于是 $d_{\min} \approx 2R\pi/M$。也就是说：**点数翻倍，最小距离几乎减半，而功率却一点没省。** 想让 8-PSK 的相邻距离和 QPSK 一样，你得把功率抬到原来的 $\approx 1/\cos(\pi/8)$ 倍以上——越来越不划算。 > **直觉**：PSK 把所有点挤在一条"窄窄的圆环"上，浪费了圆心附近和圆外的大片空间。 QAM 的设计哲学正是打破这个约束：**放弃"等幅度"的执念，让点离开圆周、铺满整个二维平面。** 既然功率有限，那就让平均功率相同的条件下，把点排成正方形网格，相邻距离尽可能大。这就是矩形 QAM 的由来——它不是随便画的，而是**等平均功率下、最小距离最大化**的一种工程折中。 ```mermaid flowchart TD A["ASK
(仅用幅度)"] -->|加相位维度| B["PSK
(仅用相位)"] B -->|"点挤在圆周
M增大时距离骤降"| C["瓶颈"] C -->|"打破等幅度约束
点铺满二维平面"| D["QAM
(幅度+相位联合)"] D --> E["同功率下
最小距离更大"] ``` --- ## 二、QAM 的数学骨架：两个正交的"投影仪" QAM 之所以能把二维平面用满，靠的是一个物理事实：**余弦和正弦是正交的。** 给定载波频率 $f_c$，QAM 信号可以写成： $$s(t) = I(t)\cos(2\pi f_c t) - Q(t)\sin(2\pi f_c t)$$ 这里的 $I(t)$ 叫**同相分量**，$Q(t)$ 叫**正交分量**。由于 $\cos$ 和 $\sin$ 在一个周期内积分为零（相互正交），接收端只要分别用 $\cos$ 和 $\sin$ 去"投影"（相关接收），就能干净地把 $I$ 和 $Q$ 各自分离出来，互不干扰。 把上式写成复数形式会更直观： $$s(t) = \text{Re}\left\{ (I + jQ)\, e^{j2\pi f_c t} \right\}$$ 括号里的复数 $S = I + jQ$，**就是一个星座点**。它的模 $|S| = \sqrt{I^2+Q^2}$ 是该符号的幅度，辐角 $\angle S = \arctan(Q/I)$ 是它的相位。所以： > **一个 QAM 符号 = 复平面上的一个点 = 一对 $(I, Q)$ 坐标 = 一个幅度 + 一个相位。** 这正是"IQ 调制"的本质（关于 IQ 调制本身两路正弦如何造出万象，是另一个话题）。QAM 在工程上就是用两路独立的 PAM（脉冲幅度调制）分别走 I 支路和 Q 支路，再用正交载波合并——所谓"矩形 QAM 等价于两路正交载波上的 PAM"，就是这个意思。 ```mermaid flowchart LR subgraph 发送端 B["输入比特串
每符号 log2(M) 比特"] --> MAP["符号映射
(查表得到 I,Q)"] MAP --> II["I 支路
(PAM 电平)"] MAP --> QQ["Q 支路
(PAM 电平)"] II --> MIX1["× cos(2πfct)"] QQ --> MIX2["× (-sin(2πfct))"] MIX1 --> SUM((+)) MIX2 --> SUM SUM --> RF["射频信号 s(t)"] end ``` 为什么要用"两个正交投影仪"而不是一个？因为正交保证了**两个维度可分离**——这是用满二维平面的前提。如果两路不正交（比如相关），I 和 Q 就会互相串扰，星座图也就塌缩成一维了。 --- ## 三、星座图：把比特钉在格子上 把 $S = I + jQ$ 画在复平面上，就得到星座图。以 16-QAM 为例：I 和 Q 各取 4 个电平（比如 $\{-3,-1,+1,+3\}$），两两组合形成 $4\times4=16$ 个点，呈正方形网格排列。每个点代表一个符号，每个符号携带 $\log_2 16 = 4$ 个比特。 这里有个关键设计：**哪个比特串对应哪个点，不是随便排的。** 工程上几乎都用 **格雷码（Gray Code）映射**，其规则是：**星座图上任意两个相邻的点，只差 1 个比特。** 为什么要这么较真？因为噪声导致的判错，绝大多数是"判到了隔壁点"。如果用普通二进制，判到隔壁可能一下子错 2~3 个比特；用格雷码，最常见的小差错只损失 1 个比特，误比特率（BER）约等于误符号率（SER）。**这是一个用编码顺序换取系统健壮性的经典设计。** | 调制方式 | 星座点数 $M$ | 每符号比特数 | 相对频谱效率 | 典型应用场景 | |---|---|---|---|---| | BPSK / QPSK | 2 / 4 | 1 / 2 | 1×（基准） | 小区边缘、强干扰、控制信道 | | 16-QAM | 16 | 4 | 2× | 中等信号质量、LTE/5G 中近距离 | | 64-QAM | 64 | 6 | 3× | Wi-Fi 5、LTE 主力、5G 近站 | | 256-QAM | 256 | 8 | 4× | Wi-Fi 6、5G NR、DOCSIS 3.1 | | 1024-QAM | 1024 | 10 | 5× | Wi-Fi 7、5G 上行增强、短距理想信道 | | 4096-QAM | 4096 | 12 | 6× | 实验室/特殊有线链路 | > **关键直觉**：星座点数翻倍，每符号只多 1 个比特；但点之间靠得更近，抗噪能力急剧下降。这是一条"收益线性、代价指数"的曲线。 --- ## 四、高阶 QAM 的"距离—功率—误码"三角博弈 提升调制阶数（16→64→256→1024）是提高频谱效率最直接的手段，但天下没有免费的午餐。这里有三个量在博弈：**最小欧氏距离 $d_{\min}$、平均符号能量 $E_s$、误符号概率。** 矩形 M-QAM 在给定平均能量 $E_s$ 时，相邻点最小距离约为： $$d_{\min} \approx \sqrt{\frac{6\,E_s}{M-1}}$$ 这条公式揭示了高阶 QAM 的"原罪"：**在能量不变的前提下，$M$ 越大，$d_{\min}$ 越小。** 想让 256-QAM 的 $d_{\min}$ 和 16-QAM 一样，你得把发射功率抬到原来的约 $(M-1)$ 之比的量级——这个代价随阶数急剧上升。 于是衍生出两个工程现实： 1. **高阶 QAM 必须在"好信道"用**：靠近基站、视距（LOS）、低干扰的场景，才有足够高的信噪比（SNR）支撑密集星座点。这就是为什么 256-QAM 通常只在小站中心区域生效。 2. **星型（非矩形）QAM 的折中**：纯矩形 QAM 在平均功率上并非最优（四个角的点能量高、拉高了平均能量）。一些系统会采用"星型"或"十字型"星座来降低峰值/平均功率比，但矩形 QAM 因其"两路 PAM"的实现简单性、格雷映射的规整性，在绝大多数无线标准中胜出。 ```mermaid flowchart TD START["想提升速率"] --> Q{"信道质量
(SNR/CQI)够好吗？"} Q -->|"高"| H["高阶 QAM
256/1024-QAM"] Q -->|"中"| M["中阶 QAM
16/64-QAM"] Q -->|"低"| L["回退到
QPSK"] H --> P1["点密集
对噪声/EVM极敏感"] M --> P2["平衡点"] L --> P3["点稀疏
抗噪强但慢"] P1 --> AMC["自适应调制编码 AMC
动态切换阶数"] P2 --> AMC P3 --> AMC ``` 理解了这个三角博弈，你就理解了**自适应调制编码（AMC）** 存在的全部理由：网络根据实时信道质量，动态在 QPSK 与高阶 QAM 之间切换，让每个用户在每一刻都"刚好"用上它能承受的最高阶调制。这也是为什么同一部手机，在基站脚下能跑到几百兆，进了电梯就掉到几兆——不是基站不想给你快，是星座图太挤、你的信号已经认不出来了。 --- ## 五、接收端怎么"读"星座图：判决域 发射端把比特映射成点，接收端收到的却不是那个干净的点，而是被噪声推偏了的"一团云"。接收端的任务，是把这个带噪点**判回**它最可能来自的那个理想点。 最常用的策略是**最大似然（ML）硬判决**：把整个二维平面按理想点划分成若干个区域（判决域），收点落在哪个区域，就判成那个点。对矩形 QAM，判决域就是以每个理想点为中心、向四边各延伸半个间距的方格——相当于"以最近的理想点为准"（最小欧氏距离准则）。 这个判读过程有三个工程细节值得记住： - **角落和边缘点的不对称**：内部点的判决域四面有界，角落点只有两面有界。这意味着判角落点时，噪声把点"推到外面"也照样判对，反而更宽松——但这也意味着角落点更常因削波等非线性失真而出问题。 - **软判决 vs 硬判决**：硬判决只给一个确定的符号；软判决还会输出"离判决边界有多远"（对数似然比 LLR），供后续信道译码（如 LDPC、Polar）使用。**现代 5G 几乎都用软判决**，因为它能给译码器提供置信度，整体性能更好。 - **判决之前的"对齐"**：在判决前，接收端必须先做**信道估计**（补偿信道对幅度相位的扭曲）和**均衡**，否则星座图会被旋转、缩放、平移，判决域就全错了。你抓包看到的星座图"歪了"或"散成圆环"，往往不是噪声，而是频偏、相位噪声或均衡没收敛。 ```mermaid flowchart TD R["收到带噪样本 r"] --> CE["信道估计
+ 均衡补偿"] CE --> AL["符号/帧/频偏对齐"] AL --> DEC{"最小欧氏距离
判决到最近理想点"} DEC -->|硬判决| HS["确定符号 → 比特"] DEC -->|软判决| SS["符号 + 置信度LLR → 译码"] SS --> CODEC["LDPC / Polar 译码"] HS --> OUT["输出比特"] CODEC --> OUT ``` --- ## 六、EVM：衡量"点漂多远"的那把尺子 如果说星座图是"现象"，那么 **EVM（Error Vector Magnitude，误差向量幅度）** 就是量化这个现象的"尺子"，也是工程师在调测发射机/接收机时最常盯的指标。 EVM 定义为：每个符号的"实测点"与"理想点"之间的误差向量，在大量符号上求均方根，再除以理想点的平均幅度： $$\text{EVM}_{\text{RMS}} = \frac{\sqrt{\dfrac{1}{N}\displaystyle\sum_{k=1}^{N}\left|S_{\text{ideal},k} - S_{\text{meas},k}\right|^2}}{\sqrt{\dfrac{1}{N}\displaystyle\sum_{k=1}^{N}\left|S_{\text{ideal},k}\right|^2}} \times 100\%$$ 用 dB 表示时，常见写法是 $\text{EVM(dB)} = 20\log_{10}(\text{EVM}_{\text{RMS}})$。比如 EVM = 1% 对应 −40 dB，是一个非常干净的发射机。 EVM 之所以关键，是因为它**直接决定了系统最高能用哪一阶 QAM**。星座点越密集，要求的 EVM 越严苛： | 系统 / 调制 | 典型 EVM 要求 | 直观含义 | |---|---|---| | LTE 64-QAM | ≤ 8%（约 −22 dB） | 点能稳定落在判决格里 | | 5G NR 256-QAM | ≤ 约 4%（约 −28 dB） | 网格更密，要求点更"准" | | Wi-Fi 6 1024-QAM | ≤ 2.5%（约 −32 dB） | 极严苛，留给射频非线性的余量很小 | | Wi-Fi 7 4096-QAM | ≤ 约 1%（约 −40 dB） | 几乎只有实验室级射频能达到 | > **为什么高阶 QAM 的 EVM 要求呈数量级地变严？** 因为星座点之间的最小距离 $d_{\min}$ 在缩小，误差向量只要超过 $d_{\min}/2$ 就会判到隔壁点。点越密，"安全圈"越小。 对一线工程师来说，EVM 是一个"从哪里出问题"的复合指标——它同时反映了相位噪声、I/Q 不平衡、功放非线性（AM-AM/AM-PM 失真）、本振泄漏、时频偏等所有射频 impairments 的总和。**看到 EVM 超标，下一步不是换芯片，而是看星座图长什么样**： - 星座点整体旋转 → 相位噪声/载波相位未锁定； - 星座点呈"十字"或方形外扩 → 功放压缩、削波非线性； - I、Q 两轴宽窄不一致 → I/Q 增益不平衡； - 星座点带"偏置"（整体平移）→ 本振泄漏/DC 偏移。 **星座图的形状，本身就是一份射频健康体检报告。** --- ## 七、现网中的 QAM：自适应、双工与"看得见的速率" 把上面这些原理放进现网，你会看到几条可观测的规律： 1. **速率随距离波动，本质是调制阶数在变。** 你在 5G 手机上看到的"信号满格但网速慢"，常常是因为虽然 RSRP（信号强度）不错，但 SINR（信号干扰噪声比）不够，网络把你"压"回了 QPSK 或低阶 QAM。**网速的本质不是信号强度，而是星座图能挤进多少点。** 2. **上下行调制阶数不对称。** 下行常用 256-QAM（基站发射功率大、射频质量高），上行则多用 π/2-BPSK、QPSK、16/64-QAM，且配合 SC-FDMA / DFT-s-OFDM（一种在 OFDM 基础上做了 DFT 预编码以降低峰均比的方案）来缓解手机功放的回退问题。这是上行"为什么不用纯 OFDM"在调制层面的一种延伸。 3. **高阶 QAM 对前传/回传链路质量也敏感。** 基站发射 256-QAM 时，前传链路上的数据压缩（如 CPRI/eCPRI 的位宽压缩）如果太激进，会直接恶化 EVM，导致高阶调制退阶。这也是为什么传输网质量与无线峰值速率是绑在一起的。 4. **Wi-Fi 的 1024/4096-QAM 只在"理想房间"有效。** Wi-Fi 之所以敢用比蜂窝更高的阶数，是因为短距、低干扰、收发都有较好的射频条件；一旦隔两堵墙，它也会自动回退。这与蜂窝的 AMC 是同一个原理，只是阈值不同。 --- ## 八、常见调试陷阱 - **把 EVM 超标当成"噪声大"。** 噪声只是 EVM 的来源之一；相位噪声、非线性、I/Q 不平衡都会拉高 EVM，但它们的"药方"完全不同。**先看星座图形状，再下结论。** - **以为"调制阶数越高越好"。** 在差信道上强行用高阶 QAM，误码率会暴涨，重传反而拖慢有效速率。AMC 的精髓是"刚好够用"，不是"越高越好"。 - **忽视判决域与软信息的区别。** 只做硬判决、不给译码器置信度，会让 LDPC/Polar 译码损失好几个 dB 的增益——在边缘覆盖时这是致命的。 - **混淆"频谱效率"和"能量效率"。** 高阶 QAM 提升的是每赫兹比特数（频谱效率），但每比特消耗的能量（能量效率）往往更差。物联网类业务不会盲目追高阶 QAM，原因就在此。 --- ## 常见问题 **Q: QAM 和 PSK 到底什么区别？** A: PSK 只动相位、所有点等幅度排在圆周上；QAM 同时动幅度和相位，点铺满二维平面。结果是：相同平均功率下，QAM 的最小点距更大、能支持更多点，所以高阶场景几乎都用 QAM；低阶（如 4 点）时 QPSK 与 4-QAM 其实是同一张星座图。 **Q: 为什么不直接用 4096-QAM、甚至更高？** A: 因为每翻倍点数只多 1 比特，但要求的最小距离 $d_{\min}$ 减半、EVM 要求指数级变严。到了 4096-QAM，所需 EVM 已接近射频器件的物理极限，任何相位噪声、非线性都会让点判错，得不偿失。工程上是在"收益"与"实现代价"之间找拐点。 **Q: 星座图上"点很散"一定是噪声吗？** A: 不一定。点散成圆环常是相位噪声或频偏未补偿；点呈方形外扩是功放非线性；点带十字拖尾是 I/Q 失衡。**形状会"说话"**，先辨认形状再定位是哪种 impairments。 **Q: EVM 和 SNR 是一回事吗？** A: 相关但不等同。理想情况下 EVM 主要受噪声限制时，二者可近似换算（$\text{SNR} \approx -20\log_{10}(\text{EVM})$）；但 EVM 还包含所有发射机/接收机的非理想特性（非线性、相位噪声等），所以 EVM 是一个比"仅噪声"更全面的工程指标，通常比纯 SNR 要求更严。 **Q: 高阶 QAM 在 5G 上行为什么很少见，下行却常见？** A: 上行受限于手机功放：功率小、对峰均比敏感、电池约束大，高阶 QAM 容易因功放回退而失真，所以上行多用低阶调制配合 DFT 预编码；基站侧射频条件好，下行用 256-QAM 更从容。这是功率、线性度与调制阶数三者的综合权衡。 --- ## 参考来源 2. [什么是 QAM？QAM 是如何工作的？ — 华为信息百科](https://info.support.huawei.com/info-finder/encyclopedia/zh/QAM.html) — QAM 作为相位与幅度组合调制的工程化解释。 3. [最详细解读 QAM 调制 — 知乎专栏](https://zhuanlan.zhihu.com/p/614616977) — 不同阶数 QAM 在 Wi-Fi/5G 室内外场景中的折中分析。 4. [Constructing a Rectangular Constellation for M-QAM using Karnaugh-map walks — GaussianWaves](https://www.gaussianwaves.com/2014/11/constructing-a-rectangular-constellation-for-m-qam-modulation-using-karnaugh-map-walks/) — 矩形 QAM 星座与格雷映射的系统构造方法。 5. [Error Vector Magnitude (EVM) 测量原理 — 基于 WebSearch 工程知识库](https://www.anritsu.com/en-us/test-measurement/products) — EVM 定义、判决域与各制式 EVM 指标对照。 --- > 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。