2. 通信系统基础与链路预算
各位同学，今天我们来聊聊通信系统里最基础、也最绕不开的一块内容——数字通信模型、调制解调，还有链路预算。说实话，这部分内容看起来像是课本上的公式堆砌，但在我十几年的芯片设计生涯里，几乎每个项目都要跟它打交道。你想想看，如果连链路预算都算不清楚，那芯片做出来要么性能过剩浪费面积，要么根本解不出信号，直接流片打水漂。
2.1 数字通信模型：从发端到收端
我们先从最经典的数字通信模型说起。我个人习惯把它拆成三个环节：发端处理、信道传输、收端恢复。
发端这边，信源编码把模拟信号变成比特流，然后信道编码加上冗余（比如卷积码、LDPC），再经过调制映射成符号。调制这一步，说白了就是把比特“装”到载波上。我见过不少刚入行的工程师，觉得调制就是查表映射，其实没那么简单——你还要考虑峰均比、相位噪声的影响。
信道传输这块，最让人头疼的就是噪声和衰落。我记得有一次做卫星通信芯片的仿真，信道模型里忘了加多径效应，结果仿真结果漂亮得很，一上实测平台直接翻车。嗯，这里要注意：信道模型一定要贴近实际场景，别偷懒用理想AWGN（加性高斯白噪声）通道糊弄过去。
收端这边，同步、解调、译码，每一步都有坑。尤其是载波同步，我曾经在一个项目中因为频偏估计精度不够，导致解调门限差了2个dB，最后不得不重新流片。所以，做系统级仿真时，一定要把非理想因素加进去，比如频偏、相噪、IQ不平衡。
核心要点：数字通信模型不是纸上谈兵，每个模块的非理想特性都会影响最终性能。仿真时，建议从简单模型开始，逐步增加复杂度。
2.2 调制解调基础：从BPSK到QAM
调制解调这块，我建议你从最简单的BPSK开始理解。BPSK就是把比特0和1映射成+1和-1，然后乘以载波。解调的时候，用相干解调或者非相干解调。为什么先学BPSK？因为它的误码率公式最直观，能帮你建立直觉。
QPSK呢，其实就是两个BPSK拼在一起，一个在I路，一个在Q路。带宽效率翻倍，但误码率也变差了。再往上，16QAM、64QAM、256QAM，星座点越来越密，对信噪比的要求也越来越高。我在做WiFi芯片的时候，遇到过一个问题：64QAM在室内多径环境下，解调门限比理论值高了3个dB。后来发现是信道估计不准导致的。所以，调制阶数越高，对信道估计和均衡的要求也越高。
这里我列一个常用的调制方式与理论门限对照表，方便你查：
| 调制方式 | 每符号比特数 | 理论门限（BER=1e-6，AWGN） | 典型应用 |
|---|---|---|---|
| BPSK | 1 | 10.5 dB | 卫星、深空通信 |
| QPSK | 2 | 13.5 dB | 蜂窝、卫星 |
| 16QAM | 4 | 20.5 dB | WiFi、LTE |
| 64QAM | 6 | 26.5 dB | 5G、WiFi 6 |
| 256QAM | 8 | 32.5 dB | 5G NR、WiFi 7 |
小提示：实际系统中，由于实现损耗（比如滤波器滚降、ADC量化噪声），门限通常要比理论值高2-4 dB。做链路预算时，记得留出这个余量。
2.3 链路预算计算：从发射功率到接收灵敏度
链路预算，说白了就是算一算信号从发端到收端，能量还剩多少。公式很简单：
接收功率 (dBm) = 发射功率 (dBm) + 发射天线增益 (dBi) - 路径损耗 (dB) + 接收天线增益 (dBi) - 馈线损耗 (dB) - 其他损耗 (dB)但实际算起来，坑特别多。我举个例子：路径损耗模型怎么选？自由空间模型、Okumura-Hata模型、COST231模型，不同场景差别很大。我曾经在一个5G小站项目中，用了自由空间模型算链路预算，结果实测覆盖半径只有理论值的一半。后来换成3GPP的UMa模型，才勉强对上。所以，选对路径损耗模型，比算准数字更重要。
接收灵敏度怎么算？公式是：
灵敏度 (dBm) = -174 + 10*log10(BW) + NF + SNR_req其中-174是室温下的热噪声功率谱密度（dBm/Hz），BW是带宽，NF是接收机噪声系数，SNR_req是解调所需信噪比。这里要注意：SNR_req不是理论门限，而是包含实现损耗后的实际门限。我建议你至少留3 dB的余量。
避坑指南：我曾经在一个项目中，把NF算小了1 dB，结果链路预算显示链路有余量，实际测试却经常掉线。后来发现是LNA的噪声系数在高温下恶化了0.8 dB。所以，做链路预算时，一定要考虑温度、工艺角等最恶劣情况。
2.4 噪声分析：热噪声、相位噪声与量化噪声
噪声分析这块，我把它分成三类：热噪声、相位噪声、量化噪声。
热噪声是物理限制，没法消除。公式是P_noise = kTB，其中k是玻尔兹曼常数，T是温度，B是带宽。室温下，每Hz带宽的噪声功率是-174 dBm。这个数字你要记牢，几乎所有链路预算都从它出发。
相位噪声是本地振荡器（LO）的非理想特性。它会影响解调时的星座图旋转，尤其是高阶QAM。我记得有一次做64QAM解调，相位噪声太大，星座点糊成一团。后来换了低相噪的PLL，才解决问题。做系统仿真时，一定要把相噪模型加进去，可以用分段线性模型或者实测数据拟合。
量化噪声来自ADC。ADC的位数决定了量化信噪比（SQNR）。公式是：SQNR ≈ 6.02*N + 1.76 dB，其中N是ADC位数。比如12位ADC，SQNR大约是74 dB。但要注意，ADC的有效位数（ENOB）通常比标称位数低1-2位，因为还有INL、DNL、抖动等非理想因素。
我建议你在做系统级仿真时，把这三类噪声都建模进去。具体做法是：
- 热噪声：用AWGN模块，功率按kTB设置
- 相位噪声：用相位噪声模型，在频域加噪
- 量化噪声：用ADC模型，设置ENOB和满量程
这样仿真出来的结果，才更接近真实芯片的表现。
总结一下：通信系统基础与链路预算，是芯片架构设计的起点。数字通信模型帮你理解信号流程，调制解调决定频谱效率和鲁棒性，链路预算确保系统能工作，噪声分析则告诉你性能瓶颈在哪。我个人建议，每做一个新项目，先把链路预算算一遍，再开始做架构设计。这一步省不了，也偷懒不得。
好，这一章就讲到这里。下一章我们会深入讨论系统级仿真的方法论，包括如何搭建仿真平台、如何选择仿真粒度。到时候我会分享一些我在实际项目中踩过的坑，希望对你有帮助。