上一篇讲调制时，我们站在发射塔上看：比特变成星座点，星座点骑上子载波，一列列电波飞向空中。但通信是一场双向游戏——发出去只是一半，收得回来才是本事。今天我们换到手机的接收天线后面，看一个每秒钟发生几百万次、却很少被讲透的过程：解调判决——从一坨被噪声揉皱的信号里，把原始比特一个一个抠出来。
这篇是「调制原理」的下半场：上半场讲“怎么把比特变成波形”，下半场讲“怎么把波形变回比特”。
深夜打电线电话，对方声音断断续续、夹杂电流声。但奇怪的是，你十有八九能听懂对方在说什么。为什么？
因为你的大脑在做一件极其高频的事情：拿听到的模糊音，去和脑中的“标准发音库”逐个比对，挑出最像的那一个。你听到的从来不是完美的信号，但你知道所有“可能的词”长什么样——残缺的信息足以锁定唯一合理的答案。
解调判决做的就是这件事，只是每秒要做几百万次：
整个数字通信接收机，本质上就是一台“猜谜机器”。它猜得有多准，直接决定了你的网速。
要理解判决，先得理解信号在空中经历了什么。无线信道对星座点干的事，可以用一行公式概括：
$$y = h \cdot s + n$$
别急着跳过这行公式，它是全文的地基。三个字母各有一层含义：
| 符号 | 含义 | 生活类比 |
|---|---|---|
| $s$ | 发射的星座点（复数，含幅度和相位） | 你寄出的包裹 |
| $h$ | 信道的复增益（衰减 + 相移） | 快递路上的颠簸，包裹被压扁又转了个方向 |
| $n$ | 加性噪声（通常建模为高斯白噪声） | 路上溅上的泥点，随机、不可预测 |
| $y$ | 接收到的信号 | 你收到的那个脏兮兮的包裹 |
关键直觉有三个：
第一，$h$ 是“可修正的损伤”，$n$ 是“不可逆的损伤”。 颠簸造成的压扁和转向是有规律的，接收机通过信道估计摸清 $h$ 之后，可以逆向还原（均衡器干的活）。但泥点是随机的，溅上就溅上了，没有任何算法能把泥点从包裹上完美洗掉——接收机能做的，只是“在带着泥点的条件下，做出最合理的猜测”。这就是为什么信道质量（SNR）是硬约束，调制阶数再高也变不出不存在的信息。
第二，噪声把“一个点”变成“一团云”。 发射端每个符号是精确的一个点；接收端每个符号是一小片概率云，理想点在云心，噪声越大云越散。频谱仪上看到的星座图之所以是“一团团点云”，就是这个原因。
第三，判决是在“点云”上做的，不是在“点”上做的。 接收机拿到的 $y$ 几乎从不恰好落在理想星座点上——它落在哪里都行，判决器的工作就是回答：“这团云，最可能是从哪个点出发的？”
解调判决不是孤立动作，它是接收机流水线的下游。先看全景：
flowchart TD
A["天线收到波形"] --> B["同步：对齐时间与频率"]
B --> C["信道估计：摸清信道特性h"]
C --> D["均衡：逆向抵消信道扭曲"]
D --> E["解映射：还原成星座点坐标"]
E --> F["解调判决：输出每比特置信度"]
F --> G["信道译码：利用置信度纠错"]
本文聚焦 E→F 这一环。前面几步（同步、信道估计、均衡）是修正 $h$，让点云尽量回到原位；判决是处理 $n$，在永远洗不干净的噪声里做最终裁决；后面一步（信道译码）则拿着判决的产出继续翻盘。三篇文章合起来，才是接收机“降噪三部曲”的完整拼图。
到判决器入口处，信号已经变成了一串复数坐标：$y_k' = y_k / h_k$——除掉信道影响后的“均衡后星座点”。它们应该落在理想星座点附近，但带着一圈噪声偏移。
最直觉的判决规则，就是那个“听模糊电话”的策略——最大似然检测：
$$\hat{s} = \arg\min_{s_i \in \mathcal{S}} \left| y' - s_i \right|^2$$
用人话读：把接收点 $y'$ 和星座图上每一个理想点 $s_i$ 都量一遍距离，谁离得最近就判谁。数学上可以证明：在各星座点等概率出现、噪声为高斯的假设下，“选最近的”恰好是概率上最正确的选择——这就是“最大似然”四个字的含义。
这个规则把整个星座平面切成了一个个“判决区域”：每个理想点被一群等分线围起来，落进哪个圈就判哪个点。
flowchart TD
Q["接收点落在平面上某处"] --> R["测量它与每个理想点的欧氏距离"]
R --> T["选出距离最小的理想点"]
T --> U["该点的判决区域被击中"]
U --> V["输出这个点对应的比特组"]
这套“最近邻判决”天然引出两个重要推论：
推论一：星座点间距，就是抗噪预算。 维基百科星座图词条里有一个精炼的表述：邻居星座点距离的一半，就是“把接收点推过界、造成误判”所需的噪声幅度。换句话说——点距是误判的成本线，噪声强度是误判的推力。这解释了整个调制阶数体系的代价结构：从 QPSK 到 256QAM，每符号比特数翻倍的同时，同样平均功率下的最小点距在急剧缩小，抗噪预算被一压再压。
| 调制方式 | 每符号比特数 | 星座点数 | 最小点距（同功率归一化） | 可解的信噪比量级（经验值） |
|---|---|---|---|---|
| QPSK | 2 | 4 | 最大，约 1.41 | 约 0 dB 上下即可工作 |
| 16QAM | 4 | 16 | 约 0.47 | 约 10~13 dB |
| 64QAM | 6 | 64 | 约 0.26 | 约 17~20 dB |
| 256QAM | 8 | 256 | 约 0.13 | 约 25 dB 以上 |
| 1024QAM | 10 | 1024 | 约 0.065 | 约 30 dB 以上 |
信噪比量级为工程经验值（目标误块率随带宽、编码率浮动），具体门限以各系统定义为准；但“阶数每升一级、所需信噪比抬升约 5~6 dB”的趋势是稳定的。点距一列按平均功率归一化的方形 QAM 计算，可见 256QAM 的点距只有 QPSK 的约十分之一。
推论二：灰度映射是判决的“安全气囊”。 实际系统的星座点标签不是随便排的，而是让相邻点之间只差 1 个比特（Gray 映射）。道理很妙：判决出错的场景，绝大多数是“点被推到邻居家”——既然几乎只错到邻居，那就保证一次判决错误只错 1 个比特，而不是面目全非地错好几个。这是发射端设计时替判决端买的保险，也是为什么两篇调制文章必须合起来看。
到这里，“选最近的”听起来已经无懈可击。但硬判决有一个隐藏的原罪：它在输出 0/1 的瞬间，把“有多确定”这个宝贵信息扔掉了。
看两个场景：
硬判决对这两种情况一视同仁，都输出一个干巴巴的“0”。可场景 B 里那个“差一点点”的犹豫，明明是极具价值的信息——它等于在喊：“这个 0 不太靠谱，小心！”
更致命的是，判决器自己知道错了也没法反悔：一旦输出 0/1，比特就“焊死”了。而下级的信道译码器（LDPC/Polar）恰恰是靠“多个可疑比特互相打官司”来纠错的——你把案情证据全烧了，只给法官一个结论，法官还怎么翻案？
flowchart TB
Y["均衡后的接收点y：悬在两个理想点之间"] --> H["硬判决路径"]
Y --> S["软判决路径"]
H --> H1["量距离后直接输出0或1"]
H1 --> H2["译码器只见到结论：无从质疑"]
S --> S1["计算对数似然比LLR"]
S1 --> S2["输出带正负号的小数：保留犹豫程度"]
S2 --> S3["译码器综合全帧证据翻案纠错"]
工程界的解法叫软判决（Soft Decision），其产出物是对数似然比（Log-Likelihood Ratio, LLR）：
$$LLR(b) = \ln \frac{P(b=0 \mid y)}{P(b=1 \mid y)}$$
读懂这个公式不需要概率论基础，只需要抓住三点：
一个重要的工程直觉：LLR 的绝对值大致正比于“接收点到对面判决边界的距离”。离边界越远，越理直气壮；贴着边界，LLR 趋近 0——这正是场景 B 中那次“犹豫”的数值化身。
软判决并非现代发明。早在卷积码时代，维基百科 Viterbi 译码器词条就记载了经典做法：硬判决译码器输入的是 0/1 比特流，用汉明距离（有几个比特不同）做度量；而软判决译码器输入的是带可靠性信息的量化值（词条中给出了用 3 个比特编码“从最强 0 到最强 1”的完整量表），用平方欧氏距离做度量——判决和译码被打通成了一件事。这个从“汉明距离”到“欧氏距离”的切换，正是软判决增益的来源：它让译码器看到了信号在模拟幅度上留下的全部痕迹。
省下 2~3 dB 是什么概念？ 据经典教材（如 Proakis《Digital Communications》、樊昌信《通信原理》）的通用结论，在加性高斯信道下，软判决相比硬判决典型能带来约 2~3 dB 的增益。别小看这 2~3 dB——它意味着同样误码性能下，发射功率可以降到原来的二分之一到六分之一，或者覆盖半径往外扩一大圈。这是纯算法层面“白捡”的性能，所以现代所有主流系统（包括 5G 的 LDPC 与 Polar 译码）无一例外全部采用软判决输入。
| 对比维度 | 硬判决 | 软判决 |
|---|---|---|
| 判决器输出 | 0 或 1（比特） | LLR（带符号的置信分数） |
| 使用的距离度量 | 汉明距离 | 欧氏距离 |
| 置信度信息 | 丢弃 | 完整传递给译码器 |
| 译码器可否翻案 | 不能 | 可以（可疑比特权重低） |
| 实现复杂度 | 低 | 较高（需要噪声方差估计与更多量化位宽） |
| 典型性能 | 基准 | 约好 2~3 dB |
判决要准，前提是“点云”别散得太厉害。衡量点云散不散，现网最常用的指标是 EVM（误差矢量幅度，Error Vector Magnitude）：在每个符号时刻，从理想星座点向实际接收点画一支矢量（误差矢量），取这些误差矢量幅度的均方根（RMS），再除以参考幅度归一化，用百分比表示。它与 dB 的换算关系为：
$$EVM_{dB} = 20 \log_{10}\left(\frac{EVM_{\%}}{100}\right)$$
EVM 可以理解为星座图的“近视度数”：EVM 越大，点云越糊。而它和调制阶数是一对天敌——星座点越密，容许的 EVM 越小。业界对发射机 EVM 的典型要求（具体数值以各标准定义为准）大致是：64QAM 量级容忍百分之一二十以内的误差，而 256QAM 通常要求收紧到 3.5% 左右，1024QAM 还要再苛刻。这也解释了一个现网现象：很多小区开了 256QAM 功能却长期“打不出来”——不是功能没生效，而是发射链路（功放失真、相位噪声、馈线驻波）任何一环的 EVM 劣化，都足以让 256QAM 的判决变得不划算，调度器干脆降阶保护吞吐。
EVM 真正的威力在于：星座图点的“糊法”本身就带着病因。维基百科星座图词条总结了经典诊断模式，现网工程师把它当“体检报告”读：
| 星座图症状 | 典型病因 | 排查方向 |
|---|---|---|
| 每个点糊成均匀的圆球 | 高斯热噪声为主 | 信噪比不足，查干扰与覆盖 |
| 所有点沿圆弧方向抹开 | 相位噪声（本振不纯） | 查时钟板、本振源 |
| 整图旋转成圆环 | 频率偏移未跟踪住 | 查晶振频偏、同步算法 |
| 四个角点向中心塌缩 | 功放压缩（PA 饱和） | 回退发射功率、查功放线性度 |
| 点云整体偏离原位或呈现规律性变形 | IQ 不平衡、载波泄漏 | 查收发信机射频通道 |
“角点内塌”最值得单独讲，因为它是新手最常误诊的一个：看到星座图外圈点向中心缩，第一反应往往是“信号弱了”，于是加功率。但这是功放进饱和区的特征——越加功率越压缩，星座反而越塌，恶性循环。正确动作是降功率或改善功放线性度。记住这条：星座图整体变小是信号弱；只有外角塌、内圈完整，是功放“吼劈了”。
基站凭什么决定用 64QAM 还是 256QAM 给你发数据？靠手机持续上报的信道质量指示（CQI）。整个闭环如下：
sequenceDiagram
participant UE as 手机
participant BS as 基站
UE->>BS: 基于实测信噪比上报CQI
BS->>BS: 查表选MCS：调制阶数加码率
BS->>UE: 按选定MCS发送下行数据
UE->>UE: 软判决输出LLR，送译码器检CRC
alt 校验通过
UE->>BS: 回ACK：这个包正确
else 校验失败
UE->>BS: 回NACK：触发HARQ重传
end
现在你能看懂这个闭环里判决原理的位置了：CQI 是手机对“我的点云有多糊”的量化汇报；MCS 是基站对“点距预算还剩多少”的下注；LLR 是每一局开牌后判决器交出的置信证据；CRC 是验牌。四件事环环相扣，而它们的共同物理基础，就是星座点距与噪声方差之比。
一个反直觉的工程事实：好的调度器并不追求把 MCS 顶到理论上限。因为误判成本是非线性爆炸的——MCS 略微激进，误块率不是线性涨，而是雪崩式失控；一旦进入重传风暴，有效吞吐反而远低于保守选择。所以现网算法普遍按“目标误块率约 10%”甚至更低来外补 MCS：故意让判决器偶尔判错，把纠错体系（软判决 + HARQ）当作常规火力来用。理解了“软判决留活口、HARQ 负责翻案”这条链，你才会明白 10% 的初始误块率不是浪费，而是精算过的性价比点。
至此，接收机降噪的三道防线已经集齐，它们分工明确、缺一不可：
下一回它们一起工作时的样子，你在路测软件里其实天天见：那根起伏的 CQI 曲线、跳动的 MCS 数字、偶尔冒出的重传计数——每一个数字背后，都是一场在微秒之间完成、关于“最近邻是谁”的民主投票。
Q: 软判决和硬判决的本质区别是什么？ A: 硬判决输出“结论”（0 或 1），软判决输出“结论 + 置信度”（LLR）。本质区别在于是否保留了接收信号在模拟幅度上的信息：硬判决在判决瞬间把模拟证据销毁，译码器无法质疑；软判决把证据链完整递交，允许译码器综合全帧信息推翻个别可疑判决。代价是更高的计算与存储复杂度，收益约 2~3 dB。
Q: EVM 和 SNR 有什么区别？看起来都是“信号质量”。 A: SNR 度量的是信号与噪声的功率比，是“外部环境”指标；EVM 度量的是实际星座点偏离理想位置的程度，是“结果”指标——它把噪声、功放失真、相位噪声、IQ 不平衡等所有损伤都折算成了一个偏差百分比。可以说 SNR 是病因之一，EVM 是体检综合结论。接收机受 SNR 约束，发射机考核看 EVM。
Q: 为什么 256QAM 在现网经常开不起来？ A: 256QAM 的最小点距只有 QPSK 的约十分之一，需要 25 dB 以上的信噪比和极低的 EVM（业界典型要求 3.5% 左右）。只有近点、视距、低干扰的用户才满足条件；同时发射链路任何一环的 EVM 劣化（功放、时钟、驻波）都可能让调度器放弃高阶。这是物理规律而非功能缺陷。
Q: 星座图糊成一团，是不是信号就废了？ A: 不一定。先看糊的“形状”：均匀圆球是噪声大（可能只是信噪比低）；旋转成环是频偏问题，锁定同步即可恢复；外角内塌是功放压缩，加功率会更糟；整体偏移可能是 IQ 失衡。形状即病因，先诊断再动手。
Q: 判决既然可能出错，为什么不在判决器里多做几次比较？ A: 单个符号内的信息已经用尽了——最大似然检测在“仅知道当前接收点”的前提下已是最优。进一步的性能提升只能来自跨符号的联合信息，那正是信道译码器（利用编码冗余）和 HARQ（利用重传副本）的领地。判决器多想无益，把置信度（LLR）如实上交才是对下游最大的支持。
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。