4. MCS与调制映射：从BPSK到1024-QAM，星座图映射与软解调LLR计算

各位同学，今天我们来聊聊WiFi6里一个非常核心的话题——MCS与调制映射。说实话，我刚入行那会儿，觉得调制不就是把比特扔到星座图上嘛，有啥难的？直到第一次调试接收机，发现解调出来的LLR全是错的，才意识到这里面的门道有多深。

MCS，全称是Modulation and Coding Scheme。WiFi6支持从MCS0到MCS11，一共12种速率。你想想看，从最简单的BPSK到最复杂的1024-QAM，这中间差了可不是一星半点。我习惯把MCS理解成「速率档位」，档位越高，每个符号携带的比特数就越多，但对信道质量的要求也越苛刻。

4.1 调制阶数与星座图

先看一张表，这是WiFi6支持的调制方式：

MCS索引	调制方式	每符号比特数	编码率
0	BPSK	1	1/2
1	QPSK	2	1/2
2	QPSK	2	3/4
3	16-QAM	4	1/2
4	16-QAM	4	3/4
5	64-QAM	6	2/3
6	64-QAM	6	3/4
7	64-QAM	6	5/6
8	256-QAM	8	3/4
9	256-QAM	8	5/6
10	1024-QAM	10	3/4
11	1024-QAM	10	5/6

嗯，这里要注意，MCS10和MCS11是WiFi6新增的。1024-QAM意味着每个符号要承载10个比特，星座图上有1024个点。密度相当高，对相位噪声和信道估计的要求也极高。

下面这张SVG图，我画了从BPSK到1024-QAM的星座图演化过程，你可以直观感受一下：

从图上你能看到，BPSK只有2个点，QPSK有4个，16-QAM有16个，64-QAM有64个。到了1024-QAM，我都没法一个个画点了，直接用个方框表示——32×32的网格，密密麻麻。

4.2 星座图映射规则

星座图映射，说白了就是把一串二进制比特，按照某种规则映射到复平面上的一个点。WiFi6用的是格雷编码，相邻星座点之间只有1个比特不同。这样做的好处是，如果噪声把符号判到了相邻点，只会错1个比特，而不是多个。

我举个例子，16-QAM的映射规则：

// 16-QAM 映射示例（格雷编码）
// 输入比特 b3 b2 b1 b0
// I路：b1 b0  -> 映射到同相分量
// Q路：b3 b2  -> 映射到正交分量

// 以I路为例，b1 b0 到幅度的映射：
// 00 -> -3
// 01 -> -1
// 10 -> +3
// 11 -> +1

// 完整映射表
b3 b2 b1 b0 | I分量 | Q分量
  0 0 0 0   |  -3   |  -3
  0 0 0 1   |  -1   |  -3
  0 0 1 0   |  +3   |  -3
  0 0 1 1   |  +1   |  -3
  0 1 0 0   |  -3   |  -1
  ...       |  ...  |  ...

4.3 软解调与LLR计算

好了，现在到了最核心的部分——软解调。为什么需要软解调？因为硬判决会丢失信息。你想想看，如果接收到的符号正好落在两个星座点的正中间，硬判决随便选一个，但软判决会告诉你「这个符号有60%的概率是0，40%的概率是1」。这个概率信息对后面的LDPC译码器来说，简直是救命稻草。

LLR，全称是Log-Likelihood Ratio，对数似然比。它的定义是：

LLR(b) = ln( P(b=1|r) / P(b=0|r) )

其中：
- r 是接收到的符号
- P(b=1|r) 是给定r时，比特b为1的后验概率
- P(b=0|r) 是给定r时，比特b为0的后验概率

LLR > 0 表示比特更可能为1
LLR < 0 表示比特更可能为0
|LLR| 越大，置信度越高

在实际工程中，我们不会直接算概率，太慢了。我习惯用最大对数近似（Max-Log-MAP）来简化计算。以16-QAM的I路为例，计算b1的LLR：

// 16-QAM I路 b1的LLR计算（Max-Log-MAP近似）
// 接收符号的I分量为 r_I
// 噪声方差为 sigma^2

// b1=1 对应的星座点集合：I ∈ {+1, +3}
// b1=0 对应的星座点集合：I ∈ {-1, -3}

LLR(b1) ≈ (1/sigma^2) * [ max_{I∈S1} ( -|r_I - I|^2 ) - max_{I∈S0} ( -|r_I - I|^2 ) ]

// 简化后：
// 如果 r_I > 0:
//   LLR(b1) ≈ (2/sigma^2) * (r_I - 2)
// 如果 r_I < 0:
//   LLR(b1) ≈ (2/sigma^2) * (r_I + 2)

4.4 高阶调制的LLR计算技巧

到了256-QAM和1024-QAM，LLR计算就变得复杂了。每个符号要算8个或10个比特的LLR，如果每个比特都去遍历星座点，计算量会爆炸。

这里有个技巧——利用星座图的对称性。对于256-QAM，I路有16个电平，Q路也有16个电平。每个比特的LLR可以分段线性计算。我直接给出256-QAM I路比特的LLR计算公式：

// 256-QAM I路，归一化幅度为 ±1, ±3, ..., ±15
// 接收符号I分量为 r_I，噪声方差 sigma^2

// b0（最低位）：决定符号的奇偶性
LLR(b0) = (2/sigma^2) * ( -|r_I| + 14 )  // 当 |r_I| > 14
LLR(b0) = (2/sigma^2) * ( -|r_I| + 12 )  // 当 12 < |r_I| ≤ 14
...  // 分段处理

// b1：决定符号在象限内的位置
LLR(b1) = (2/sigma^2) * ( -||r_I| - 12| + 4 )
...  // 类似处理

4.5 实际项目中的避坑指南

最后，分享几个我在项目中踩过的坑：

• 星座图归一化：不同调制阶数的星座图，平均功率不一样。BPSK的平均功率是1，但1024-QAM的平均功率是170.67。如果不做归一化，LLR计算中的sigma^2会完全乱掉。我习惯把所有星座图都归一化到平均功率为1。
• 相位噪声的影响：1024-QAM对相位噪声极其敏感。我曾经在测试中发现，接收机的相位噪声只要超过-35dBc@1MHz，1024-QAM的LLR就全是错的。后来加了相位跟踪环路才解决。
• AGC增益的补偿：接收信号经过AGC后，幅度会变化。LLR计算时一定要把AGC的增益补偿回去，否则sigma^2的估计会偏差很大。这个坑我至少见过三个团队掉进去过。

好了，关于MCS与调制映射，今天就讲到这里。记住，星座图映射是发射端的活，LLR计算是接收端的活。两者配合好了，你的WiFi6链路才能跑出漂亮的吞吐量。

---