数字通信系统模型：从发到收的完整链路
做通信芯片这么多年，我经常跟新人说一句话：数字通信系统，本质上就是一场对抗噪声和失真的战争。你想想看，发送端要把比特流变成适合在信道中传输的信号，接收端再把它还原回来——这中间任何一个环节出问题，数据就全乱了。
一个典型的数字通信系统模型，包含以下几个核心模块：
- 信源编码：把模拟信号（比如语音、图像）转成数字比特流，同时做压缩。我记得早年做卫星通信项目时，压缩比选不好，要么带宽不够，要么画质太差，来回调了三个版本才定下来。
- 信道编码：给原始数据加上冗余信息，用来对抗传输过程中的误码。说白了就是「多传一点，错了能纠」。
- 交织：把数据顺序打乱，防止连续突发错误把整段数据都毁了。这个后面会细讲。
- 调制：把数字比特映射到载波的幅度、相位或频率上。QPSK、16QAM 就是干这个的。
- 信道：无线、有线、光纤……信号在这里被衰减、被干扰、被多径折腾。
- 解调与译码：接收端反向操作，把信号还原成比特流。
嗯，这里要注意：接收端的算法复杂度通常远高于发送端。因为发送端知道自己在干什么，接收端却要从被污染的信号里猜出原始信息。我做过一个 LTE 芯片项目，接收端的均衡器占了整个基带处理 40% 的算力——这就是代价。
调制解调基础：QPSK 与 16QAM
QPSK：四相移键控
QPSK 是最常用的调制方式之一。它把每 2 个比特映射到 4 种相位状态之一。为什么是 2 个比特？因为 2 比特有 4 种组合：00、01、10、11，正好对应 4 个相位点。
我习惯用星座图来理解调制。QPSK 的星座图很简单：四个点均匀分布在单位圆上，相位分别是 45°、135°、225°、315°。每个点携带 2 比特信息。
关键参数：
- 频谱效率：2 bit/s/Hz（每赫兹每秒传 2 比特）
- 抗噪声能力：较强（因为星座点间距大）
- 典型应用：卫星通信、早期 Wi-Fi、LTE 控制信道
我曾经在一个物联网芯片项目中用过 QPSK。当时客户要求极低功耗，但信道环境很差。我选了 QPSK 而不是 16QAM，因为它的解调门限更低——说白了，信号弱一点也能解出来。代价是速率上不去，但 IoT 场景本来就不需要高带宽。
16QAM：正交幅度调制
16QAM 把每 4 个比特映射到 16 个星座点。星座图不再是圆上的点，而是 4×4 的网格。每个点既有幅度变化，也有相位变化。
你想想看，同样的带宽，QPSK 传 2 比特，16QAM 传 4 比特——频谱效率翻倍。但代价是什么？星座点间距变小了。QPSK 的四个点离得远，噪声不容易搞混它们；16QAM 的 16 个点挤在一起，同样的噪声幅度就可能把点推到相邻的位置上去。
| 调制方式 | 每符号比特数 | 频谱效率 (bit/s/Hz) | 抗噪声能力 |
|---|---|---|---|
| BPSK | 1 | 1 | 最强 |
| QPSK | 2 | 2 | 强 |
| 16QAM | 4 | 4 | 中等 |
| 64QAM | 6 | 6 | 较弱 |
避坑指南：我曾经在一个 5G 小基站项目中，为了追求峰值速率，在信道条件不好的情况下硬上 64QAM。结果呢？误码率飙到 10⁻²，重传把吞吐量全吃掉了。后来我学乖了：自适应调制编码（AMC）才是王道——信道好时用高阶调制，信道差时切回 QPSK 甚至 BPSK。
信道编码与交织：给数据穿上防弹衣
信道编码：冗余的艺术
信道编码的核心思想很简单：用更多的比特来保护更少的比特。比如你要传 100 个比特，编码后变成 200 个比特传出去——这多出来的 100 个比特就是冗余，用来纠错。
常见的信道编码有：
- 卷积码：适合中等长度的数据块，维特比译码是经典算法。我当年做 3G 芯片时，维特比译码器占了基带芯片 1/3 的面积。
- Turbo 码：接近香农极限，但译码延迟大。4G LTE 就用它。
- LDPC 码：低密度奇偶校验码，5G NR 的数据信道就用它。译码可以高度并行，适合高吞吐场景。
- 极化码：5G 控制信道采用，理论上可以达到香农极限。
我个人习惯用编码增益来衡量信道编码的好坏。编码增益 = 使用编码后达到同样误码率所需的 SNR 降低量。比如一个编码增益为 3 dB 的码，意味着你可以把发射功率降低一半，还能得到同样的通信质量——这在移动设备上就是续航翻倍。
交织：把突发错误打散
信道编码能纠错，但它有个弱点：怕连续错误。比如一个卷积码能纠 3 个随机错误，但如果 10 个连续比特全错了，它就无能为力了。
交织就是干这个的。它把编码后的数据顺序打乱，让原本相邻的比特分散到不同的位置。这样即使信道出现突发错误（比如雷击、电机干扰），破坏的也是分散的比特，而不是连续的比特。接收端解交织后，错误就变成了随机错误，信道编码就能轻松处理了。
实战技巧：我在做 Wi-Fi 芯片时，遇到过一种情况：信道编码选得再好，只要交织深度不够，遇到长突发干扰就崩。后来我把交织深度从 16 增加到 64，误码率直接降了一个数量级。但代价是延迟增加了——因为接收端要等够数据才能解交织。所以交织深度是个 trade-off，要根据业务场景来选。
OFDM 技术原理：多载波的艺术
OFDM（正交频分复用）是现代通信系统的基石。Wi-Fi、4G、5G、DVB-T……全在用。为什么它这么流行？
原因很简单：OFDM 把宽带信道拆成多个窄带子载波。每个子载波上的信道近似平坦，均衡变得极其简单。而且子载波之间是正交的，频谱可以重叠，频谱效率很高。
OFDM 的核心思想
传统单载波系统，一个符号占满整个带宽。如果信道有频率选择性衰落（比如多径导致某些频率被衰减），整个符号就毁了。
OFDM 的做法是：把高速数据流分成 N 路低速数据流，每路调制到一个子载波上。每个子载波的带宽很窄，信道在这个窄带内近似平坦——频率选择性衰落变成了每个子载波上的平坦衰落，均衡只需要在每个子载波上乘一个系数就行。
嗯，这里要注意：子载波之间必须严格正交。正交的意思是：任意两个子载波在一个符号周期内的积分等于零。这样接收端才能把它们分开。
循环前缀（CP）
OFDM 有个致命弱点：对多径时延敏感。多径信号到达时间不同，会导致符号间干扰（ISI）和子载波间干扰（ICI）。
解决方案是加循环前缀。把每个 OFDM 符号末尾的一段复制到开头，只要 CP 长度大于最大多径时延，多径干扰就被 CP 吸收了，不会污染有效数据。
CP 开销的计算：
假设 OFDM 符号有效长度为 66.7 μs（LTE 的子载波间隔 15 kHz），CP 长度为 4.7 μs。那么 CP 开销 = 4.7 / (66.7 + 4.7) ≈ 6.6%。
这个开销是必须付出的——没有 CP，OFDM 在无线信道中根本没法用。
OFDM 的优缺点
| 优点 | 缺点 |
|---|---|
| 频谱效率高（子载波重叠） | 峰均比高（PAPR 大） |
| 均衡简单（频域单抽头） | 对频率偏移敏感 |
| 支持灵活的资源分配 | CP 带来开销 |
| 抗多径能力强 | 发射机需要线性功放 |
避坑指南：我曾经在一个 OFDM 芯片项目中，被 PAPR（峰均比）坑惨了。OFDM 信号是多个子载波的叠加，峰值功率远高于平均功率。如果功放线性度不够，信号就会失真，导致带外辐射超标。后来我不得不加数字预失真（DPD）来补偿——这又增加了芯片面积和功耗。所以做 OFDM 系统，一定要提前规划好 PAPR 的应对方案。
OFDM 的 IFFT/FFT 实现
OFDM 的调制解调可以用 IFFT/FFT 高效实现。发送端把频域数据（每个子载波上的调制符号）做 IFFT，得到时域信号发出去。接收端做 FFT，把时域信号变回频域，再解调每个子载波。
我记得第一次在 FPGA 上实现 2048 点 FFT 时，资源消耗大得吓人。后来优化了 FFT 的流水线结构，把蝶形运算的复用率提上去，才把面积降下来。嗯，这就是芯片设计的日常——算法很美，实现很苦。
好了，这一章的内容就到这里。通信系统的基础打牢了，后面讲信道估计、同步、MIMO 的时候，你才能跟得上节奏。