通信系统模型：发射机、信道、接收机的基本结构
各位同学，咱们今天聊聊通信系统的骨架。说白了，任何一套通信系统，无论多复杂，都逃不开三个核心模块：发射机、信道、接收机。我做了这么多年通信系统设计，见过无数花里胡哨的方案，最后发现，能把这三个模块吃透的人，才是真正的高手。
发射机：把信息“装”进信号里
发射机的任务很明确——把你要传的信息，比如一段语音、一张图片，变成适合在信道里传输的电磁波信号。我个人习惯把发射机拆成三个关键环节：
- 信源编码：压缩数据，去掉冗余。比如语音信号，你不需要传那些听不见的频率成分。
- 信道编码：加入冗余，对抗噪声。嗯，这里要注意，编码效率不是越高越好，我踩过这个坑。
- 调制：把数字比特映射到模拟波形上。QPSK、16QAM，这些你肯定听过。
我在项目中遇到过一件事：有一次做卫星通信，发射功率受限，我选了高阶调制想提高速率，结果信道一差，误码率直接崩了。后来老老实实换回QPSK，虽然速率降了，但链路稳了。你想想看，这就是发射机设计里“取舍”的艺术。
信道：信号传输的“战场”
信道是通信系统里最不可控的部分。它可以是电缆、光纤，也可以是自由空间。信号在信道里会经历衰减、多径衰落、干扰……说白了，信道就是个“捣乱分子”。
我经常跟团队说：信道模型选对了，仿真就成功了一半。为什么？因为不同的信道特性，直接决定了你用什么接收算法、用什么编码方案。
接收机：从噪声里“捞”出信息
接收机要做的事，刚好和发射机反过来：解调、信道译码、信源译码。但难点在于，接收到的信号已经被信道“糟蹋”得不成样子了。
接收机的核心能力是什么？我总结为三个字：抗干扰。你想想看，信号经过几百公里的传输，功率可能已经衰减到噪声水平以下了，你怎么把它恢复出来？这就是接收机设计的魅力所在。
核心要点：发射机负责“包装”，信道负责“运输”，接收机负责“拆包”。三者缺一不可，任何一个环节出问题，整个通信链路就断了。
加性高斯白噪声（AWGN）信道模型
好，接下来咱们重点聊聊AWGN信道。这是通信系统里最基础、最经典的信道模型。为什么说它经典？因为很多复杂信道，最终都可以简化成AWGN模型来分析。
什么是AWGN？
AWGN，全称是Additive White Gaussian Noise。我拆开给你讲：
- 加性（Additive）：噪声是直接加到信号上的，不是乘性的。这意味着信号功率越大，信噪比越高。
- 高斯（Gaussian）：噪声的幅度服从高斯分布（正态分布）。自然界的热噪声就是典型的高斯噪声。
- 白（White）：噪声的功率谱密度在整个频率范围内是平坦的。说白了，所有频率上的噪声功率都一样。
我曾经在调试一个无线接收机时，发现底噪总是不对。查了半天，原来是电源纹波引入了非高斯噪声。嗯，那一次让我深刻体会到：真实环境里，AWGN只是理想情况。
AWGN信道的数学模型
数学上，AWGN信道可以表示为：
r(t) = s(t) + n(t)其中：
r(t)：接收信号s(t)：发射信号n(t)：加性高斯白噪声，均值为0，方差为σ²
这个公式简单到令人发指，但它的意义深远。它告诉我们：接收信号就是发射信号加上噪声，没有别的花招。这也是为什么AWGN信道被称为“最友好”的信道模型——因为它最容易分析。
信噪比（SNR）与Eb/N0
在AWGN信道里，衡量信号质量的两个关键指标是：
| 指标 | 定义 | 单位 |
|---|---|---|
| SNR（信噪比） | 信号功率 / 噪声功率 | dB |
| Eb/N0 | 每比特能量 / 噪声功率谱密度 | dB |
我个人习惯用Eb/N0来比较不同调制方式的性能。为什么？因为SNR受带宽和速率影响，而Eb/N0归一化了这些因素，更公平。举个例子，BPSK和16QAM在相同Eb/N0下的误码率完全不同，这就是调制效率的代价。
小技巧：做仿真时，先跑AWGN信道下的性能曲线。如果AWGN下都达不到理论值，那在衰落信道下就更别想了。这是我多年总结的“先易后难”原则。
为什么AWGN信道如此重要？
你可能会问：真实信道哪有这么理想？没错，但AWGN信道是通信理论的基石。原因有三：
- 数学可解：高斯噪声的统计特性非常清晰，误码率可以解析计算。
- 性能上界：任何信道在AWGN下的性能，都是其他信道性能的上限。
- 设计基准：很多接收机算法（比如匹配滤波器）就是针对AWGN信道优化的。
我记得刚入行时，带我的老工程师说了一句话，我一直记着：“不懂AWGN，就别谈通信。”现在想想，确实如此。
AWGN信道下的误码率曲线
下面这张图展示了BPSK和QPSK在AWGN信道下的理论误码率曲线。你可以看到，随着Eb/N0增加，误码率急剧下降。这就是所谓的“瀑布区”。
从图中你可以看到，BPSK和QPSK在AWGN信道下的误码率性能几乎相同。为什么？因为QPSK本质上就是两个正交的BPSK。但QPSK的频谱效率是BPSK的两倍。这就是调制方式的取舍——用复杂度换效率。
注意：AWGN信道下的误码率曲线是理论值。实际系统中，由于同步误差、相位噪声、非线性失真等因素，实测曲线会比理论值差1-2dB。我曾经在项目中遇到过，仿真跑出来完美，一上硬件就差了3dB，查了两个月才发现是锁相环的相位噪声太大。
AWGN信道在系统仿真中的应用
做通信系统仿真时，AWGN信道是第一个要实现的模块。我建议你按以下步骤来：
- 生成发射信号（比如BPSK调制的符号序列）
- 根据目标Eb/N0计算噪声功率
- 生成高斯随机数作为噪声
- 将噪声加到信号上
- 接收端进行判决，统计误码率
下面是一个简单的MATLAB代码片段，演示了AWGN信道的实现：
% BPSK在AWGN信道下的误码率仿真
EbN0_dB = 0:2:10; % Eb/N0范围
EbN0_lin = 10.^(EbN0_dB/10);
N = 1e6; % 发送符号数
bits = randi([0 1], N, 1); % 随机比特
sym = 2*bits - 1; % BPSK调制：0->-1, 1->+1
for k = 1:length(EbN0_dB)
noise_power = 1/(2*EbN0_lin(k));
noise = sqrt(noise_power)*randn(N,1);
rx = sym + noise; % AWGN信道
bits_hat = rx > 0; % 硬判决
ber(k) = sum(bits ~= bits_hat)/N;
end
% 理论值对比
ber_theory = 0.5*erfc(sqrt(EbN0_lin));这段代码虽然简单，但它是所有通信系统仿真的起点。我建议你亲手跑一遍，看看仿真结果和理论曲线是否吻合。如果吻合，说明你的AWGN信道实现是正确的。
从AWGN到更复杂的信道
学完AWGN信道，你可能会觉得：就这？别急，AWGN只是起点。在实际系统中，我们还会遇到：
- 平坦衰落信道：信号幅度随机变化，比如瑞利衰落、莱斯衰落
- 频率选择性衰落信道：不同频率成分衰减不同，导致码间串扰
- 时变信道：信道特性随时间变化，比如移动通信中的多普勒效应
但所有这些复杂信道，最终都可以用AWGN作为基础来建模。比如瑞利衰落信道，就是在AWGN的基础上，给信号乘上一个服从瑞利分布的随机幅度。所以，把AWGN吃透，后面学起来就轻松多了。
我的建议：初学者不要一上来就搞复杂信道。先把AWGN下的性能摸清楚，再逐步增加复杂度。就像学走路，先站稳了再跑。
好了，这一章的内容就到这里。通信系统模型和AWGN信道是后续所有章节的基础，希望你能真正理解它们。下一章我们会聊调制技术，到时候见。
公众号:蓝海资料掘金营，微信deep3321