# 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： - 只改幅度，音量忽大忽小——这是调幅（ASK），收音机时代的祖师爷； - 只改频率或相位，音调忽高忽低——这是调频/调相（FSK/PSK），对讲机常用的路子。 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。 ```mermaid 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： 1. **点到原点的距离**，代表载波幅度（信号强弱的分量）； 2. **点与横轴的夹角**，代表载波相位； 3. **点的总数M**，就是符号字母表的大小，每个符号携带 $\log_2 M$ 比特。 于是就有了这个家族： | 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 | 速率公式一句话就能记住： $$R_b = R_s \times \log_2 M$$ 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。 ```mermaid 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： ```mermaid 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。 对于平均功率为 $E_s$ 的方形M-QAM，相邻星座点的间距满足： $$d_{\min}^2 = \frac{6E_s}{M-1}$$ 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： > **阶数每上一档（+2比特），所需信噪比大约多6 dB。** 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）： | 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 | 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。 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）： $$\mathrm{SNR} \approx \frac{1}{\mathrm{EVM}^2}$$ 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 | ```mermaid 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。 ## 参考来源 1. [Quadrature Amplitude Modulation — Wikipedia](https://en.wikipedia.org/wiki/Quadrature_amplitude_modulation) — QAM定义、方形星座结构与误符号率近似的权威概述 2. [Constellation Diagram — Wikipedia](https://en.wikipedia.org/wiki/Constellation_diagram) — 星座图的读图方法与测量意义 3. [Gray Code — Wikipedia](https://en.wikipedia.org/wiki/Gray_code) — 格雷码「相邻只差一位」的数学性质 4. [Error Vector Magnitude — Wikipedia](https://en.wikipedia.org/wiki/Error_vector_magnitude) — EVM定义及其与信噪比的关系 5. 樊昌信《通信原理》、Proakis《Digital Communications》 — 方形M-QAM误符号率公式与 $d_{\min}^2 = 6E_s/(M-1)$ 的经典推导 --- > 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。