从一行公式
s(t)=I·cos+Q·sin出发，理解通信系统中最朴素也最关键的"比特到波形"的翻译过程，以及为什么5G拼命把星座图越挤越密。
假设你要给一个朋友寄快递，地址只有一个数字门牌号。如果你们那栋楼只有4户人家（编号0、1、2、3），你只要寄2个比特（00、01、10、11）就够了。但如果这是一栋住着1024户的超级公寓楼呢？你需要的门牌信息暴涨到10个比特。
通信系统面对的是同一个问题：怎么把越来越多的比特，又快又准地塞进有限的"频谱带宽"里？
最朴素的办法是一个比特一个比特地搬（比如用BPSK，高电平代表1，低电平代表0）。这就像一次只能寄1户——带宽利用率极低。QAM（Quadrature Amplitude Modulation，正交幅度调制）给出的答案是：别只在一个维度上搬比特，在两个互相"看不见"的维度上同时搬，一次就能搬4个、6个、8个甚至10个比特。
这就是本文要讲透的核心：比特是如何一步步"画"进复平面、再变成空中那道无线电波的。
在理解QAM之前，先看看它的"前辈"们在哪里碰了壁。
PSK看起来很美，恒包络、抗噪好。但它有一个致命弱点：当你想把进制数M从4提到8、16、64时，所有点还是挤在同一个圆周上，相邻两点之间的角度差越来越小。
$$ d_{\min} \approx 2A \sin!\left(\frac{\pi}{M}\right) \xrightarrow{M\to\infty} 0 $$
角度差一缩小，星座点之间的"最小距离" $d_{\min}$ 就塌缩，稍微来点噪声就会把一个点误判成邻居点。同样能量下，PSK的星座点之间的间距无法做大，这就是它的高阶天花板。
| 调制方式 | 改变的参数 | 星座点分布 | 包络 | 高阶潜力 |
|---|---|---|---|---|
| ASK | 仅幅度 | 一条直线 | 非恒定 | 差（噪声敏感） |
| PSK | 仅相位 | 单个圆周 | 恒定 | 差（角度差塌缩） |
| QAM | 幅度+相位 | 二维网格/整个平面 | 非恒定 | 优（利用面积） |
QAM的洞察就一句话：既然圆周上挤不下，那就把星座点铺满整个平面。 圆里能塞下的点，远比圆周上的多——这就是它能在同等功率下承载更高进制的根本原因。
要把星座点铺到平面上，我们需要平面上的两根坐标轴。在物理世界里，这两根轴就是两路载波：同相载波 I（In-phase）和正交载波 Q（Quadrature）。
为什么偏偏是cos和sin？因为它们满足一个绝妙的性质——正交：在一个码元周期内，它们的内积为零。
$$ \int_0^T \cos(2\pi f_c t)\cdot\sin(2\pi f_c t)\,dt = 0 $$
正交的物理含义是"互相装作看不见"。你可以把cos想象成一条东西向的公路，sin是南北向的公路，两辆车分别在各自公路上跑，互不干扰、互不耦合。于是同一份频谱上，可以同时跑两路独立的数据，频谱效率直接翻倍。
发射信号就是两路的叠加：
$$ s(t) = I(t)\cdot\cos(2\pi f_c t) - Q(t)\cdot\sin(2\pi f_c t) $$
（工程上习惯写成减号，因为 $\cos(\omega t+\phi)=\cos\omega t\cos\phi - \sin\omega t\sin\phi$，便于和相位挂钩。）
整个调制链路的关键，就是如何把比特变成 $I$、$Q$ 这两个数。下面这张图展示了从比特到波形的完整旅程：
flowchart TD
A["原始比特流<br/>1011 0010 ..."] --> B["串/并变换<br/>每log2M个比特为一组"]
B --> C["星座映射<br/>查表得到复符号 I+jQ"]
C --> D["I路: × cos(2πf_c t)"]
C --> E["Q路: × sin(2πf_c t)"]
D --> F["相加 s(t) = I·cos - Q·sin"]
E --> F
F --> G["上变频/功放<br/>送到天线发射"]
G --> H[("空中信道<br/>+噪声")]
现在重点来了。星座图（Constellation Diagram）就是一张复平面坐标图：横轴是I（实部），纵轴是Q（虚部）。每一个星座点，都是一个复数 $A = I + jQ$，对应一个"符号"。
理解星座图，记住三个"几何意义"就够：
以16-QAM为例，它是 $4\times4$ 的方阵，I和Q各自取 ${-3,-1,+1,+3}$ 四个电平。每个星座点携带4个比特。
Q
|
-1,3 ● 1,3 ●
|
-------+------- I
|
-1,-1● 1,-1●
|
这里有个细节值得专门点出：为什么16-QAM比16-PSK好？ 16-PSK的16个点全在一个圆周上，相邻点角度差只有22.5°，最小欧氏距离很小。而16-QAM把点铺成方阵，外圈的点能量大、抗噪强，内圈的点能量小但彼此之间也有足够间距——它在"总能量"和"最小距离"之间做了更好的折中。这就是为什么从16进制往上，工业界几乎只用QAM、不用PSK。
QAM的"阶数"M就是星座图上的点数。M越大，每个符号携带的比特越多，频谱效率越高：
$$ R_b = R_s \cdot \log_2 M $$
其中 $R_b$ 是比特率（bps），$R_s$ 是符号率（baud，即每秒发几个符号）。提高比特率有两条路：要么多发符号（提高 $R_s$，但吃带宽），要么每个符号塞更多比特（提高M，但吃信噪比）。
| 调制阶数 | 星座点数 | 比特/符号 | 相对频谱效率 | 典型应用 |
|---|---|---|---|---|
| QPSK | 4 | 2 | 基准 | 边缘覆盖、控制信道 |
| 16-QAM | 16 | 4 | 2× | 中等速率、多数场景 |
| 64-QAM | 64 | 6 | 3× | LTE主流、5G下行 |
| 256-QAM | 256 | 8 | 4× | 5G下行主力、Wi-Fi 6 |
| 1024-QAM | 1024 | 10 | 5× | 5G近站、Wi-Fi 7 |
这张表背后藏着一个残酷的物理规律：M翻一倍（比如256→1024），星座点的最小距离 $d_{\min}$ 大致按 $\sqrt{M}$ 的倒数缩小。点挨得越近，需要的信噪比（SNR）就越高，否则误码率（BER）会爆炸。
flowchart TD
A["gNB测量上行SINR"] --> B{SINR是否足够高?}
B -- "高 (>25dB)" --> C["选1024-QAM<br/>每符号10比特"]
B -- "中 (18~25dB)" --> D["选256-QAM<br/>每符号8比特"]
B -- "中低 (12~18dB)" --> E["选64-QAM<br/>每符号6比特"]
B -- "低 (<12dB)" --> F["回退到 QPSK<br/>每符号2比特, 保连接"]
C --> G["高速率吞吐"]
F --> H["牺牲速率换可靠"]
这正是自适应调制编码（AMC）的灵魂：基站根据实时信道质量，动态在"传得快"和"传得稳"之间切换。信号好就激进（高阶QAM），信号差就保守（QPSK），永远在BER和吞吐量之间骑平衡车。
发射端把比特变成了星座点的坐标，接收端要做反向工作：从带噪声的波形里，重新判断"发的是哪个点"。
接收端首先把信号分别与本地cos、sin相乘并积分（相关接收），恢复出受噪声污染的 $I'$、$Q'$，得到一个落在星座点附近的"模糊点"。然后做最近邻判决：在所有合法星座点中，找离 $(I',Q')$ 欧氏距离最近的那个，就认定发送的是它。
$$ \hat{s} = \arg\min_{s_i \in \mathcal{S}} \; \big| (I',Q') - s_i \big|^2 $$
直觉很朴素：噪声把星座点"吹散"成一小团云，解调器就是在云的中心附近找最近的那个合法点。云越散（噪声越大），越容易认错邻居——这就是星座图密不密、抗噪强不强的根本。
flowchart LR
H[("接收信号<br/>含噪声")] --> J["下变频<br/>×cos, ×sin"]
J --> K["低通滤波+采样<br/>恢复 I', Q'"]
K --> L["星座判决<br/>最近邻匹配"]
L --> M["解映射<br/>符号→比特"]
M --> N["输出比特流"]
style K fill:#fef3c7
style L fill:#fde68a
图中高亮的两步是工程师调试时最常盯的地方：采样点的位置是否对齐（定时同步）、判决时云团是否清晰。
讲到这里，一定要澄清一个1-3年工程师最容易混的概念：QAM是"调制"，OFDM是"复用"，二者不在一个层面。
打个比方：QAM决定"一辆车上装几件货（几个比特）"，OFDM决定"用多少辆车、车辆如何排成车队并行上路"。QAM是每辆车的装载规则，OFDM是车队的编组调度。
在5G/LTE里，OFDM把宽带切成成百上千个窄带子载波，而每个子载波上独立做QAM调制。也就是说，你看到的1024-QAM，是发生在一个个15kHz/30kHz的子载波上的；成千上万个这样的子载波正交叠加，才汇成几十上百MHz的宽带数据流。这就是为什么前面讲子载波间隔、循环前缀——它们服务的是OFDM这层"复用骨架"，而QAM是骨架上每一节车厢里装载的"比特货物"。
| 概念 | 层次 | 解决的问题 | 类比 |
|---|---|---|---|
| QAM | 调制（每子载波） | 每个符号装多少比特 | 单车装载量 |
| OFDM | 复用（多子载波） | 多路如何并行、抗多径 | 车队编组调度 |
所以一个完整的下行链路是：比特 → 星座映射(QAM) → 摆到各个子载波上(OFDM，经IFFT合成) → 加循环前缀 → 上变频发射。QAM和OFDM缺一不可，各司其职。
这个原理在现网中如何体现？最有力的载体就是星座图监控——它几乎是射频/网优工程师排查问题的第一工具。
常见调试陷阱： - 只盯吞吐量不看调制阶数：吞吐量下降，根因往往是MCS被自动回退（高阶QAM用不上了），而不一定是资源块不够。先看QAM阶数，再查SINR，最后才轮到调度。 - 误以为阶数越高越好：在干扰大的场景强行配高阶QAM，BER飙升、重传洪水，实际吞吐反而比低阶还差。高阶QAM是"好信道"的奖励，不是万灵药。
细心的读者会发现：下行OFDM直接在每个子载波做QAM，但上行往往先做一道DFT预编码（即SC-FDMA/ DFT-s-OFDM）。原因不在QAM本身，而在于多载波QAM叠加后峰均比（PAPR）高，对手机这种功率受限、功放便宜的终端很不友好——高的峰值功率会逼着功放回退，浪费电池。上行先做DFT预编码，本质是给QAM符号"平摊"一下能量，降低峰均比。这是QAM在终端侧的妥协，不是QAM原理的变化。
QAM = 用两个正交载波当坐标轴，把比特映射成复平面上的点，点越密传得越快，但越要好的信噪比来分清邻居。
记住三件事就掌握了全部精髓： - 正交让一份频谱同时承载两路（I/Q），频谱效率翻倍； - 铺满平面让高阶QAM比PSK更省能量、能上更高进制； - 最小距离 $d_{\min}$ 决定抗噪能力，是"提速"与"求稳"权衡的物理边界。
理解了QAM，你就理解了从BPSK到1024-QAM那条"用信噪比换频谱效率"的主线——这也是移动通信从2G到5G数据速率飙升最朴素、也最核心的物理杠杆之一。
Q1：QAM和OFDM到底是什么关系？为什么总被一起提起？ A：QAM是调制方式（每个子载波上比特怎么变成符号），OFDM是复用方式（多个子载波怎么正交叠加）。OFDM的每个子载波上独立做QAM，二者是"装载规则"与"编组调度"的关系，常一起出现是因为现代宽带系统两者缺一不可。
Q2：为什么不直接用更高阶的QAM，比如4096-QAM？ A：阶数越高，星座点越密，最小距离 $d_{\min}$ 越小，所需的SNR越高。要可靠解调4096-QAM，需要的信噪比在现网常规环境中几乎达不到（除非距离基站极近、无干扰）。当前1024-QAM已逼近工程上的实用天花板。
Q3：星座图上的"点"变成"云"意味着什么？ A：意味着噪声把符号"吹散"了。云越散，SNR越低，越容易把一个星座点误判成邻居（误码）。工程师据此判断信道质量，并触发调制阶数回退。
Q4：QPSK和4-QAM是一回事吗？ A：在星座图结构上，4-QAM（4个点等距分布在正方形四角）和QPSK（4个相位）的星座图可以完全重合，性能等价。区别只在叙述角度：QPSK强调"4个相位"，4-QAM强调"二维平面上的4个幅度组合"。工程上常混用。
Q5：高阶QAM一定比低阶快吗？ A：不一定。在信道差时，高阶QAM误码率高、重传多，实际有效吞吐可能低于稳健的低阶QAM。AMC机制的存在，正是为了在"快"和"稳"之间动态选最优解。
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。