标题: 判决线画在哪？QAM 的国界 作者: 爱卫生 封面: "[[封面1.png]]" 封面裁剪: false 原文地址: 打开评论: true 仅粉丝可评论: false 摘要: 先讲一个射击场的类比。想象你面前有一张靶纸，上面摆着若干个靶心。你扣下扳机，子弹落在了纸上——但你的手会抖、风会吹，弹孔不一定正好压在靶心上。裁判怎么判？看弹孔离哪个靶心最近，就判你打的是哪个靶心。

判决线画在哪？QAM 的国界

一、从一杆步枪说起：接收机是个裁判

先讲一个射击场的类比。想象你面前有一张靶纸，上面摆着若干个靶心。你扣下扳机，子弹落在了纸上——但你的手会抖、风会吹，弹孔不一定正好压在靶心上。裁判怎么判？看弹孔离哪个靶心最近，就判你打的是哪个靶心。

无线通信里的QAM解调，本质上就是这场游戏：

• 靶心，就是星座图上那几十个理想星座点；
• 子弹的落点，是接收机经过下变频、均衡之后算出来的那个复数符号；
• 手抖和风吹，是噪声、干扰、相位误差；
• 裁判的判决规则，简单到只有一句话：落点离谁最近，就判是谁。

这篇文章要回答三个「为什么」：为什么比特要被摆成一张方格子地图？为什么相邻点要用格雷码编码？为什么星座从64阶升到256阶，网络就得「看碟下菜」地挑环境用？把这三个问题想透，你就理解了从Wi-Fi、有线电视到5G空口共用的那套底层逻辑。

二、星座图：给比特画一张地图

2.1 比特本身没有形状，得给它安个「家」

比特是抽象的0和1，而电磁波是具体的正弦振荡。要让比特「骑」上电波，就必须约定：波形的每一种可辨识状态，对应一组固定的比特。这份「状态—比特」对照表，就是调制映射；把所有状态画在复平面上，就是星座图。

横轴是同相分量I，纵轴是正交分量Q，一个星座点就是一个复数：

$$s_k = a_k + j\,b_k, \quad a_k, b_k \in {\pm 1, \pm 3, \cdots, \pm(\sqrt{M}-1)}$$

QAM的全名是正交幅度调制，它的巧妙之处在于：用两路互相垂直（相位差90°）的载波，各驮一路幅度编码，再合二为一。由于正交，接收端可以用同频的余弦和正弦分别相乘、低通滤波，把两路干净地拆开、互不串扰。这就是为什么星座几乎总是方形的：它其实是「横轴一套PAM + 纵轴一套PAM」的笛卡尔积，判决时可以拆成两次一维判断，硬件实现最省。理论上六边形排布能再挤出一点效率，但解调复杂度代价高，工程上极少用——教科书里那句话怎么说来着：理论最优和工程可行之间，永远隔着一块电路板。

以16-QAM为例，横纵各取±1、±3四个电平，共16个点，每个点驮4个比特。发送前还要做功率归一化（16-QAM的坐标除以√10），让不同阶数的星座在平均功率相同的前提下公平比较——记住这个前提，后面所有「高阶更娇气」的结论都建立在它之上。

2.2 发射侧发生了什么

flowchart TD
    A["输入比特流"] --> B["按4比特分组"]
    B --> C["格雷映射查表<br/>得到星座点坐标"]
    C --> D["功率归一化<br/>除以根号10"]
    D --> E["I路电平"]
    D --> F["Q路电平"]
    E --> G["余弦载波搬移"]
    F --> H["正交正弦搬移"]
    G --> I["合成射频信号发出"]
    H --> I

注意一个容易混淆的点：调制器不知道也不关心信道好不好。它只负责忠实地把比特摆上地图。判断「这一帧该用16-QAM还是256-QAM」是链路自适应的活儿（那是另一个话题），而本文关心的是：一旦定了星座，收发双方如何在这张地图上达成默契、以及默契何时会被噪声打破。

三、格雷码：把错误的代价压到最轻

3.1 一个来自贝尔实验室的老主意

星座点之间的距离有远有近。噪声把落点推偏时，最可能跨过去的，是紧挨着的邻点，而不是远处的点。于是问题来了：如果邻点的比特编码和自己是「天差地别」，一次小小的偏移就会错一串比特；反之，如果相邻点之间只差1个比特，那么即使判决错了，也只错1个比特。

这套「相邻码字只差一位」的编码就叫格雷码（Gray code），1947年由贝尔实验室的Frank Gray在专利申请中提出（专利1953年获批），原本是为模数转换的读数可靠性设计的。用到QAM星座上，规则是：横竖相邻的两个点，比特标签只差1位；对角相邻的点，差2位。这意味着最常见的判决错误（滑进邻格）只贡献1个误比特，而罕见的长距离跳跃才会错多位。

3.2 它是信道编码的「第一位队友」

格雷码自己不纠错，它的职责是把错误「切小」，再交给后面的信道编码去收拾。Wikipedia在格雷码词条里说得很清楚：星座按格雷方式排布，配合能纠正单个比特错误的前向纠错码，接收机就能纠正「星座点偏进相邻点区域」这类最普通的传输错误。

换句话说，空口的可靠性是一场接力：

$$\text{格雷映射压小单次错误} \;\rightarrow\; \text{软判决保留信心} \;\rightarrow\; \text{LDPC/ Turbo 译码兜底纠错}$$

调试中有一个反直觉的冷知识：如果你把星座映射表随手换成自然二进制编码，发射和接收对得上、单看每一步都「没错」，但误码率会悄悄变差，且越在高信噪比区越明显——因为错一次的代价比格雷映射大了一截。这种「配置自洽但性能莫名差几分」的问题，在自研收发链路或仿真代码里特别常见。

四、判决：在点与点之间画国界

4.1 最近邻判决：一条argmin走天下

接收端拿到落点 $y$ 后，做的是极大似然判决——在所有候选星座点里挑欧氏距离最近的那个：

$$\hat{k} = \arg\min_{s_i \in \mathcal{S}} \left| y - s_i \right|^2$$

对于方形星座，这条规则可以退化成极简的「切蛋糕」：在每对相邻电平的中点各画一条判决线，整张平面被切成一个个方格，落进哪个格子就判哪个点。这些判决线就像星座图上的国界线：国界之内，落点怎么抖都算你赢；一旦越过国界，就改判给邻国。

flowchart TD
    A["收到受损符号y"] --> B["均衡后落到星座图上"]
    B --> C["计算y到每个星座点<br/>的欧氏距离"]
    C --> D["取距离最小者<br/>为判决结果"]
    D --> E["格雷表反查<br/>输出4个比特"]
    D --> F["按到国界的距离<br/>算出每比特LLR"]
    E --> G["送入信道译码器"]
    F --> G

4.2 判决错误何时发生

以一维为例：相邻电平间距为 $d$，判决线在中点。噪声把这个维度上的落点推过 $d/2$ 才会判错。对高斯噪声，教科书（如Proakis《Digital Communications》）给出的高信噪比近似是：

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

不用背公式，抓住它的结构性结论就够了：分母里的 $M-1$ 说明，星座阶数每升一阶（每轴点数翻倍、总点数×4），要保持同样的错误率，所需信噪比以约6dB的台阶往上跳——因为平均功率不变时点距减半，容许的噪声标准差也必须减半，噪声功率就得压到四分之一。工程上由于码率搭配和译码增益的调节，实测门槛通常落在每阶4~6dB之间，方向不变：越高阶，越挑环境。

五、噪声阶梯：一张表看懂各阶QAM的脾气

（SINR门槛随码率、天线数、目标误块率变化，表中为网络优化中常用的量级参考。）

这张表解释了很多现网现象：

• 为什么边缘用户永远是QPSK。不是基站偏心，是判决间距的物理规律：信号弱、干扰大时，只有大间距的星座才守得住国界。
• 为什么256-QAM被视为「优质网络」的标志。它要求把落点云控制在极小的格子里，等于逼着整条链路——发射EVM、信道质量、干扰管理——全部达标。
• 为什么高阶QAM先在「有线」场景登顶。同轴电缆、铜线、微波视距链路的信道比无线空口稳定得多。据Wikipedia记载，ADSL的每子载波比特装载最高到32768-QAM（15比特/子载波），微波回传设备靠1024-QAM在56 MHz信道里做出千兆容量——信道越乖，星座越密。

六、EVM：理想点是数学，现实点是点云

6.1 从「一个点」到「一团云」

教科书星座图上是干净的点，频谱仪上看到的却是围绕每个理想点的一团云。衡量这团云「胖不胖」的指标就是EVM（误差矢量幅度）：

$$\mathrm{EVM}{\mathrm{RMS}} = \sqrt{\frac{P$$}}}{P_{\text{参考}}}

分母是理想星座的平均功率，分子是实测落点偏离理想点的残差功率。EVM越小，点云越收拢，能撑起的星座阶数越高。工程上有一个极好用的换算：链路可达信噪比的天花板约等于 $20\lg(1/\mathrm{EVM})$ dB。发射机EVM做到3.5%，天花板就是约29dB——刚好够256-QAM用；做不到3.5%，256-QAM就是空中楼阁。这也是各阶调制在协议里有递进EVM门槛（如64-QAM量级约8%、256-QAM量级约3.5%，仅列典型值）背后的逻辑：门槛不是官僚规定，是判决间距的几何需求。

6.2 点云为什么会胖

flowchart TD
    A["功放非线性"] --> E["发射EVM恶化"]
    B["本振相位噪声"] --> E
    C["天馈驻波与互调"] --> E
    D["时钟与采样抖动"] --> E
    E --> F["点云膨胀<br/>越出判决域"]
    F --> G["误块率抬升"]
    G --> H["基站下调MCS"]
    H --> I["用户速率下降"]

值得体会的是这条链的传导方向：射频前端的一个物理缺陷，最终以「用户速率下降」这个KPI形态呈现。中间的每一环都对应频谱仪上一种特征形态——功放非线性让点云出现「压缩畸变」（外圈点向内塌），相位噪声让点云沿圆周方向「抹开」（切向模糊），而纯热噪声让点云各向均匀膨胀。看一眼星座图的「胖法」，就能大致锁定病灶，这是射频工程师最值钱的直觉之一。

6.3 实战排查表

七、软判决：裁判不只亮分，还要说信心

硬判决的裁判只做一件事：「判你中了7环」，然后把「7」交给记分员。但更好的裁判会多说一句：「我八成认为是7环，但离6环的国界线也不远。」

这就是软判决。接收机不只输出判定的比特，还为每个比特输出一个对数似然比：

$$\mathrm{LLR}(b) = \ln\frac{P(b=0 \mid y)}{P(b=1 \mid y)}$$

LLR的正负表示倾向判0还是判1，绝对值表示信心强弱。落点深居格心，LLR绝对值很大；落点骑在国界线上，LLR接近0——「我也不确定」。LDPC和Turbo译码器吃的正是这种带信心值的软信息：那些「犹豫」的比特恰好是译码器重点攻坚的对象，配合迭代译码能换来2dB量级的净增益，等效于把星座阶数往上白提一档。

现代系统里几乎没有纯硬判决的生存空间。顺带一提，重传机制里的软合并，正是把前后多次收到的LLR叠起来用——信心是可以积累的，这也是同一套判决几何学在不同环节的复用。

八、回到现网：这套原理藏在你每天的调试里

看MCS分布，就是看星座阶梯的利用率。路测软件里每个用户的调制方式和MCS记录，本质上是对「此刻链路撑得起几阶星座」的实时判决。一个小区若长期几乎没有用户达到高阶调制，先别急着怪调度器，去看底噪、干扰和远点用户占比——很可能不是「不敢给」，是「给不了」。

开高阶特性前先查EVM余量。运营想把64-QAM小区升级到256-QAM，第一件事不是改参数，而是核查发射侧EVM是否还有余量、边缘SINR分布能否支撑那4~6dB的台阶。参数一开就生效，物理不达标则只剩误码和重传，速率反而更差。

上行为什么总是比下行保守一档。手机发射功率、功放线性度都弱于基站，上行到达SINR普遍低几dB，所以上行星座长期比下行低一阶是常态而非故障。

星座图是射频故障的「体检报告」。告警只告诉你「结果不对」，星座图的形态会告诉你「哪里不对」。切向拖尾查时钟，外圈塌陷查功放，个别频点异常查互调——这是把本文原理兑换成排障效率最直接的方式。

九、结语

把全文收拢成一句话：QAM的本质，是在平均功率预算内，把一张点距受限的地图摆出尽可能多的点；而解调的本质，是噪声侵犯下按最近邻原则在这张地图上画国界。格雷码决定错一次的代价，EVM决定点云的胖瘦，软判决决定信心信息的去留，信道编码负责最后的兜底。四件事咬合成一条链，任何一环掉链子，都会以「速率下降」的形式出现在你的KPI里。下次在频谱仪前看到一团点云时，你看到的就不再是抽象的调制方式，而是这条链上每个环节的集体成绩单。

常见问题

Q: QPSK算不算QAM？它和PSK什么关系？ A: 算。QPSK可视为4-QAM：四个点摆成方形（±1, ±1），幅度恒定、只有相位变化，是最小的方形星座。阶数升高后（16-QAM起），点与点之间幅度不再相等，解调器必须同时辨幅度和相位——这正是QAM与纯PSK的分水岭：同阶数下QAM的点距排布更均匀、抗噪更好，代价是实现更复杂。

Q: 256-QAM一定比64-QAM速率快吗？ A: 不一定。高阶星座每符号多驮2个比特是「上限」，兑现的前提是SINR撑得住约4~6dB的台阶。环境不达标时强行开256-QAM，误码和重传会把账面增益吃光甚至倒亏。所以链路自适应的本质不是「选最快的」，是「选当下判决间距守得住的」。

Q: EVM和SNR是一回事吗？ A: 不是，但互相卡脖子。EVM量化的是发射机自己把星座弄脏的程度（非线性、相位噪声等），SNR还包含信道噪声和外来干扰。发射EVM近似决定了接收端可达SNR的天花板：EVM 3.5%对应约29dB上限。发射再干净，信道差照样低SNR；信道再好，发射脏了天花板就焊死在那里。

Q: 为什么星座几乎都是方形？六边形不是更紧凑吗？ A: 方形星座可以拆成横纵两路独立的一维PAM：映射查两次一维表，判决画两组平行线，实现复杂度最低。六边形等排布在相同点距下确实略省功率，但判决和映射电路显著变复杂，工程上得不偿失，因此仅在少数特殊场合出现。

Q: LLR的正负和大小分别代表什么？为什么译码器离不开它？ A: 正负代表该比特更可能是0还是1，绝对值代表信心强度——落点离国界线越远信心越大。译码器迭代时优先翻案那些低信心比特，等价于把有限的纠错火力集中在最可疑的地方。这就是软判决比硬判决多挣那约2dB的来源。

参考来源

3. PySDR: A Guide to SDR and DSP using Python（数字调制章节） — 免费开源SDR教材，星座图与数字调制的直觉讲解，另有信道编码章节讨论软/硬译码

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。

![[知识星球二维码.png]]