星座图深读：QAM密与稳的博弈

打开任意一款路测软件的「调制质量」页面，你大概率会看到一团散点：中间几个亮斑，点与点之间拉着看不见的网格，噪声一起风，整张图就像撒了一把芝麻。这张图叫星座图（Constellation Diagram），它是调制世界的体检报告——基带芯片努力调制、功放认真放大、信道疯狂捣乱，所有环节的功过是非，最终都凝固在这张散点图上。

过去几轮我们聊过调制解调的全景、聊过OFDM子载波为何能重叠、也聊过上行为何偏爱单载波。这一次，我们把镜头死死对准其中一个最核心的问题：星座图上的点，为什么不能随便摆？点越密，到底付出了什么代价？

一、先说人话：QAM到底在干什么

一个正弦载波，天生只有三个自由度可以携带信息：幅度、频率、相位。最朴素的做法是只动其中一个维度：

单维度编码的问题很明显：可用的「字母」太少。比如二进制PSK只有两个相位可选，一个符号只能带1比特。想提速，就得在有限的符号时间内塞进更多组合。

QAM（Quadrature Amplitude Modulation，正交幅度调制）的思路是：两个维度一起动。它取一路余弦载波（I路）和一路正弦载波（Q路），两者相位相差90度、天然互不干扰，各自可以独立调幅度。合起来，一个符号就同时拥有了「幅度」和「相位」两个可调维度。

用一个生活类比：让播音员传递信息，只允许他控制音量，那他最多能设计出「大声=1、小声=0」这种贫瘠的字母表；但如果音量和音调可以同时控制，那「高音大声」「高音小声」「低音大声」「低音小声」就是四种组合，同样的时间内能说的话立刻翻倍。QAM就是把这套「双维度编码」做到了极致。

flowchart TD
  B["信源比特流"] --> S["串并分组 每k比特一组"]
  S --> M["星座映射 得到I Q两路幅度"]
  M --> P["脉冲成形 限制带宽"]
  P --> U["正交上变频 I Q两路相加"]
  U --> PA["功放放大"] --> ANT["天线发射"]

二、星座图怎么读：点就是符号，格子就是门牌

把I路画成横轴、Q路画成纵轴，一个符号就是平面上的一个点。这张点阵图就是星座图——早期工程师觉得它像星图，名字就这么叫开了。读图只有三条规则：

调制方式	星座点数	点阵排布	每符号比特数	速率倍率（相对QPSK）
QPSK	4	2×2	2	1倍
16-QAM	16	4×4	4	2倍
64-QAM	64	8×8	6	3倍
256-QAM	256	16×16	8	4倍
1024-QAM	1024	32×32	10	5倍

同样的符号率 $R_s$（波特率），256-QAM装的是QPSK的4倍比特。注意：升阶改变的是每个符号的「载货量」，符号率本身一帧都没变——这是新手最容易混淆的地方。

三、格雷编码：为什么相邻门牌只差一位

星座图摆好之后，还有一个容易被忽略但极其精妙的设计：给每个点编几号？

接收端收到的是一个被噪声推搡过的落点，它的判决策略朴素而有效：就近认领——落点离哪个星座点最近，就判为那个符号。噪声通常不大，落点最常见的「事故」是刚好跨过中线、跌进隔壁邻居家的院子。换句话说：错，最可能错在相邻点之间。

格雷编码（Gray Coding）正是针对这一点做的防御工事：它保证星座图上任意两个相邻点，其二进制编号只差1个比特。这样一来，哪怕发生了最可能的那种误判，付出的代价也只有1个比特，而不是一整串。

flowchart TD
  R["收到带噪声的落点"] --> N["计算到各星座点的距离"]
  N --> J{"落点离谁最近"}
  J -->|正常落点| A["判为符号A"]
  J -->|噪声推过中线| X["误判为隔壁符号B"]
  A --> G["格雷反映射 还原比特"]
  X --> H["错一个符号 只错一个比特"]

我们以16-QAM为例看一眼。一种典型的格雷映射是把I、Q两个维度各自做2比特格雷编码（00→01→11→10，相邻只翻一位），再拼成4比特编号。下面画出星座图上半部分两行：

flowchart TD
  subgraph ROW1["Q等于加3这一行"]
    A["0010"] --- B["0110"] --- C["1110"] --- D["1010"]
  end
  subgraph ROW2["Q等于加1这一行"]
    E["0011"] --- F["0111"] --- G["1111"] --- H["1011"]
  end

横向看：0010和0110是邻居，只有第2位不同；纵向看：0010和0011是邻居，只有末位不同。无论落点往哪个方向滑进邻居家，都只损失1个比特。 如果当初偷懒用自然二进制顺序编号，0000和1111这样的「反义邻居」就可能出现在同一排，一次误判就是一串比特雪崩。

这里面藏着通信系统设计的一个普遍哲学：不追求不出错，而是设计「出错时的代价」。错误无法根除，但可以让它以最小成本发生——这比盲目加功率聪明得多。

四、数学直击：点越密越娇气的定量账

现在回答本文的核心问题：为什么256-QAM比64-QAM「娇气」得多？答案全在几何里。

盯着这个式子看：平均功率不变的前提下，阶数每翻四倍（每加2个比特），点间距大约缩短一半。而噪声的「手抖幅度」（标准差 $\sigma$）并没有变小——抖动半径不变，落点格子却越划越细，跨过中线的概率自然暴涨。

更完整地，方形M-QAM在平均符号信噪比 $\gamma$ 下的误符号率近似为：

$$P_s \approx 4\left(1 - \frac{1}{\sqrt{M}}\right) Q!\left(\sqrt{\frac{3\gamma}{M-1}}\right)$$

不用背它，只需要看清骨架：想让 $P_s$ 不变，$\gamma$ 必须跟 $(M-1)$ 成正比地涨。代入数字：16-QAM到64-QAM，$(M-1)$ 从15涨到63，信噪比要求约4倍，折合约6 dB；64到256、256到1024，每一阶都是同样的故事。这就是高阶QAM那条铁律的来历：

从QPSK到1024-QAM一共四档，累计约24 dB——相当于要求信道条件好上两百多倍。这不是芯片偷懒，而是星座几何的硬约束。把工程上的量级参考汇总成一张表（实际门限随编码码率、目标误块率浮动很大，这里只看数量级）：

看到这张表，很多现网现象立刻有了理论根脚。之前聊过的链路自适应（AMC）为什么老在「降阶」？不是网络小气，而是你的瞬时信道质量只配得上这个阶数——硬上高阶，误码率会以指数速度惩罚你，重传吃掉的吞吐远超高阶赚到的比特。

五、接收端怎么把点还原成比特

判决逻辑值得单独说清楚，因为它是理解一切误码现象的模型底座。以16-QAM为例，判决门限就画在相邻两点连线的正中间，整个星座平面被切成一个「九宫格+边界外延伸」的判决区。落点掉进哪个格子，就判为格子里的点。

调制阶数	每符号比特	点间距（相对QPSK归一）	所需SINR量级	典型出场场景
QPSK	2	基准	0 dB上下也能扛	小区边缘、控制信道
16-QAM	4	约一半	约8~10 dB	中等信号质量
64-QAM	6	约四分之一	约13~16 dB	城区良好覆盖
256-QAM	8	约八分之一	约20~24 dB	近点、干净信道
1024-QAM	10	约十六分之一	约26 dB以上	视距近距、Wi-Fi热点

为什么「就近判决」是最优的？直觉上：噪声在两个方向上是对称的，一个落点离谁更近，它本来是谁的概率就更大——这正是等先验条件下最大似然判决的几何图像。于是误码分析可以浓缩成一句话：噪声把落点推过门限的概率。点距 $d_{\min}$ 越小、噪声 $\sigma$ 越大，这个概率越高，上文的公式只是把这句话写成了数学。

六、星座图是发射机的体检报告：EVM

理论上的点是数学点，现实中的点是一团云。工程上用误差矢量幅度（EVM, Error Vector Magnitude）来度量这团云的「散」：

$$\mathrm{EVM} = \sqrt{\frac{\sum_n \left| s_{\text{实测}}(n) - s_{\text{理想}}(n) \right|^2}{\sum_n \left| s_{\text{理想}}(n) \right|^2}} \times 100\%$$

直观理解：每个实测落点相对理想格点都有一个误差矢量，EVM就是这些误差矢量的均方根，再除以信号本身的幅度——它就是落点的「平均漂移半径」。它与信噪比互为倒数关系（线性值）：

也就是EVM每差3 dB，等效信噪比就差3 dB。工程经验上（各标准细节略有出入，取量级）：QPSK能容忍百分之十几的EVM，64-QAM大约要求优于8%，256-QAM大约要求优于3.5%，1024-QAM则要压到2%上下。为什么这么苛刻？还是几何账：256-QAM的点距只有信号幅度的约十二分之一，允许的漂移半径自然只有百分之几。

更妙的是，星座图的「散法」不是随机的——不同的病灶，在星座图上留下不同的指纹：

星座图症状	典型病因	背后机理
各点均匀发散成圆云	热噪声、宽带干扰	加性噪声各方向等概率推搡落点
点团拖出弧形/环状尾巴	相位噪声、频偏	本振不纯，相位随机游走，落点沿圆周切向甩出
四个角点向内塌陷	功放压缩	外角点瞬时幅度最大，最先被削顶；中心点安然无恙
点阵歪斜成菱形/矩形化	IQ失衡	两路增益或相位差不等于理论值，星座被「剪切变形」
整体糊成一个圆环	载波频偏失锁	相位持续旋转，长时间叠加把点抹成圈

flowchart TD
  C["星座图异常"] --> T1["点云均匀发散"]
  C --> T2["弧形拖尾"]
  C --> T3["角点内塌"]
  C --> T4["点阵歪成菱形"]
  T1 --> R1["查热噪声与干扰"]
  T2 --> R2["查本振相位噪声"]
  T3 --> R3["查功放回退与预失真"]
  T4 --> R4["查IQ两路增益相位差"]

其中最值得玩味的是角点内塌。QAM是多幅度调制，瞬时功率起伏天生就大（这也是上行为何偏爱单载波的根源之一），信号峰值最容易顶到功放的线性区天花板。削顶偏偏只发生在幅度最大的外角点上——所以当你看到星座图「四角缺月、中心完好」，十有八九就是功放在超负荷唱歌。

七、现网里这些知识用在哪

1. 调制阶数分布是网络的体温计。 网管的吞吐统计里看一眼高阶QAM占比：边缘用户稳定在QPSK属正常；而近点用户长期上不了64-QAM以上，就该查下行覆盖质量或上行EVM了。

2. 排障先分清「信道配不上」还是「设备拖后腿」。 先看SINR：SINR明明很好、调制却上不去，问题多半在射频质量——查EVM、互调、功放预失真是否失配。SINR本身就差，那是覆盖和干扰问题，换设备没用。

3. 毫米波为什么玩不转高阶QAM。 相位噪声随载波频率水涨船高，本振的抖动在毫米波频段被成倍放大——星座图上就是那圈标志性的弧形拖尾。所以高频大带宽系统常用相对保守的调制阶数换取可用性，这是物理层的先天取舍。

4. Wi-Fi的4096-QAM为什么只在「贴脸」场景有效。 不是芯片分高低贵贱，而是1024/4096-QAM的点距对信道质量的要求，只有在近距、视距、无干扰时才满足。广告里的峰值速率，本质上是那张最干净的星座图才配拥有的速率。

5. 常见误解与调试陷阱。 - 误解：「调制阶数越高越好。」——只在信噪比富余时成立；边缘强行高阶，HARQ重传会连本带利吃掉收益。 - 误解：「星座图散就是发射机坏了。」——接收端噪声、多径同样贡献散点，单一次测量不定罪，要看趋势和多点位交叉。 - 陷阱：测EVM不看功放工作点。同一台设备，功率回退前后EVM可能差出一倍；角点塌陷恰好是排查功放压缩的第一线索。

结语

从QPSK的4个点，到Wi-Fi 7的4096个点，几百年调制技术史的每一步，其实都在回答同一个几何问题：在功率预算之内，点位能摆多密；在噪声容忍之下，落点允许漂多远。 格雷编码负责让错误的代价最小，功放回退与预失真负责让落点不被削顶，链路自适应负责在信道起伏时动态换一张合适的星座图。读懂了星座图上每一团云、每一道弧、每一个塌角，你就读懂了调制工程师落在图纸上的每一分取舍。

常见问题

Q: 256-QAM和QPSK在相同符号率下，速率差多少？为什么不直接永远用256-QAM？ A: 每符号8比特对2比特，速率差4倍。但256-QAM的点距只有QPSK的约八分之一，需要约20 dB以上的额外信噪比。信号不够时硬用高阶，误码和重传会让实际吞吐反而更低——所以网络用链路自适应按信道质量动态选阶。

Q: 星座图上的「云」很散，一定是发射机的问题吗？ A: 不一定。热噪声、干扰、多径都来自信道和接收端，也会把点推散。诊断时先看「散法」：均匀圆云更像噪声，弧形拖尾、角点塌陷、菱形歪斜这类「有形状的散」才更指向发射机射频病灶。

Q: EVM和SNR是什么关系？为什么256-QAM对EVM要求那么苛刻？ A: 两者互为倒数（线性值），EVM每差3 dB等效于SNR差3 dB。256-QAM点距小，允许的漂移半径只有信号幅度的百分之几，所以工程上要求EVM大约在3.5%以内；阶数每升一档，这个要求大约再收紧三分之一到一半。

Q: 星座点为什么排成方形网格，而不是摆成圆形？ A: 方形网格的判决门限就是一组横平竖直的中线，接收端用简单的「切片」即可判决，实现代价最低；在常见阶数下它的能量效率与理论最优差距很小。工程实现简单，往往比理论极限更值钱。

Q: 格雷编码能不能彻底消除误比特？ A: 不能。它只保证「最可能发生的那种误判」（跌进相邻点）最多错1个比特。若噪声大到落点一次跳过两个格子，仍会错多个比特——这种情况概率低得多，剩下的问题交给信道编码去兜底。