数字带通传输这个题目，乍一听像是教科书目录里的一个章节名，但凡是真正做过调制解调链路的人都知道，它其实是整条通信链路里最容易"翻车"的一段。基带那一套东西——成型滤波、眼图、判决——在实验室里跑得好好的，一旦把信号搬到载波上，通过一个真实的射频通道再回到接收端，星座点就开始发散，误码率曲线跟理论值差出两个数量级，锁相环时不时失锁。我带过几个做数字通信的工程小组，几乎每一批新人在第一次调试带通系统时，都会经历同样的困惑：明明代码是照着公式写的，为什么实测就是不行。

这篇内容想聊的就是这件事。数字带通传输，说白了就是把数字比特流变成适合在带通信道上传输的射频信号，再在接收端把它还原回比特——调制、解调、同步、判决这一整套。它适合两类人看：一类是通信、电子相关专业正在学这门课、但被公式绕晕的同学，另一类是已经上手做软件无线电、数字收发机、无线数传模块，却总在实测环节卡住的工程师。我会从"为什么非得搬到载波上"讲起，把几种主流调制方式的取舍逻辑掰开揉碎，再重点讲接收端那些教科书上讲得轻描淡写、实际调试中却要命的问题。

1. 带通传输存在的理由：基带信号为什么不能直接上天线

1.1 基带传输的天花板卡在哪儿

先从最朴素的问题开始：我们已经有基带传输了，为什么还要多此一举做带通？很多教材一上来就给结论"因为信道是带通的"，这个回答没错，但太抽象，理解不了就记不住。

你可以把基带信号想象成一段包含很低频率成分的波形，方波、NRZ码流这些东西，能量集中在零频附近一直延伸到某个截止频率。这种信号有个特点：它含有直流分量和极低频分量。而天线这个东西的物理特性决定了，它的辐射效率跟尺寸和波长的比值强相关，要在有限的物理尺寸上把能量有效地辐射出去，信号的中心频率必须足够高。一段几十兆赫兹带宽、中心在零频的基带信号，你几乎没办法给它设计一个有效辐射的天线——要么天线大得离谱，要么辐射效率低到可以忽略。

另一个更现实的原因是频谱管理。空中的频谱是被划分好的，每一类业务都只能在指定的频段里工作。基带信号一屁股坐在零频上，跟谁都抢位置，这不是技术问题，是规则问题。所以必须把信号的频谱"搬"到分配的频段上去，这个过程就是调制。

还有一个常被忽略的点：多路复用。把不同基带信号搬到不同的载波频率上，就可以在同一个物理介质里同时传多路信号，频分复用就是这么来的。

一个常见的误解：很多人以为调制是为了"抗干扰"。严格来说，调制本身并不增加信号的能量，也不直接提升抗噪能力，它解决的是"能不能发出去"和"发到哪里"的问题。抗噪能力是调制方式和接收机结构共同决定的，是另一个维度的事。

1.2 频谱搬移这一步，本质是乘一个正弦载波

调制的数学本质非常干净：把基带信号 s(t) 乘上一个高频正弦载波 cos(2πf_c t)，频谱就被搬到了 ±f_c 附近。这里有个关键细节值得说清楚——实信号乘载波之后，频谱是双边对称地搬到正负两个频率上的，正频部分和负频部分互为镜像，携带的是同一份信息。这就意味着有一半的频谱资源被"浪费"在镜像上了。

真正在工程里干活的方式是复基带表示：把信号拆成 I、Q 两路，分别乘 cos 和 -sin，然后相加。这样处理的好处是，整个链路的分析、仿真、实现都可以在复基带域完成，采样率可以降到带宽量级而不是载频量级，计算量差好几个数量级。实际做软件无线电的人基本都是这么干的：ADC 在中频采样，数字下变频到零中频，之后所有的解调、滤波、同步都在复基带上跑，最后才判决出比特。

这里插一句实操经验。我第一次做数字上变频的时候，直接把复基带信号乘上 cos(2πf_c n) 就往外送，结果频谱分析仪上看到的是一团糊，镜像分量和有用信号叠在一起。问题就出在没做正交上变频——复信号乘单一实载波，正负频率成分会重叠。正确做法是 I 路乘 cos、Q 路乘 sin 再相减，或者干脆用数字上变频芯片内部的复数混频器。这个坑非常经典，仿真里因为直接处理复数看不出来，一上硬件就现原形。

带通传输的性能衡量，本质上就三个指标在互相拉扯：频带利用率（每赫兹带宽能传多少比特每秒）、功率效率（达到某个误码率需要多少每比特能量）、实现复杂度。任何一个调制方案的设计，都是在这三者之间找平衡点，没有哪个方案能三项全占。理解了这一点，后面所有的比较就有了主线。

2. 四种二进制调制：波形很相似，工程难度差得远

2.1 2ASK：最接近模拟电路思路的数字调制

2ASK 就是幅移键控，用载波的有无或者幅度高低来表示 0 和 1，最典型的形态就是 OOK（通断键控）。它的实现简单到有点粗暴：一个乘法器加一个门控就完事了。早期的无线电报、红外遥控、一些低成本的 RFID 标签，用的都是这个思路。

它的优点和缺点几乎是同一个东西：简单。简单意味着成本低、功耗小、对相位不敏感，接收端用包络检波就能解调，连相干载波都不需要恢复。但简单也意味着抗噪能力弱——判决完全依赖幅度，任何信道衰落、多径引起的幅度起伏都会直接translate成误判。2ASK 在加性高斯白噪声信道下的相干解调误码率，用 Q 函数写出来跟 2PSK 差了 3 dB 左右（同样的每比特能量，2ASK 需要多一倍的能量才能达到相同误码率），而实际信道里还有衰落，这个差距只会更大。

我做无线数传模块的时候有过一个教训：某款低成本遥控方案用 OOK，标称距离一百多米，实际在室内环境里二十米就开始误码。原因很简单，室内多径让幅度剧烈起伏，包络检波的门限设死之后根本扛不住。后来换成 2FSK，同样的发射功率，稳定性立刻上了一个台阶。如果你的应用场景里信道有衰落、有遮挡、有移动，2ASK 基本可以直接排除。

2.2 2FSK：用频率间隔换来的稳健性

2FSK 用两个不同的频率分别代表 0 和 1。它最大的价值在于：判决依据是频率而不是幅度或绝对相位，所以对幅度起伏和相位旋转都不敏感。包络检波加上两个中心频率的带通滤波器就能解调，非相干检测的误码率虽然比相干差一些，但胜在接收机极其简单，而且不需要载波恢复——对低成本、低功耗的无线模块来说，这个特性太香了。

但代价也很明显：频带利用率低。两个频率之间要拉开足够的间隔才能保证正交性，这个间隔在相干检测下最小是 1/(2T)（T 是符号周期），非相干检测下要 1/T。换算成带宽，2FSK 占用的频谱通常是 2ASK 的 2 到 3 倍。在频谱资源紧张的应用里，这是个硬伤。

调试 2FSK 有个容易被忽略的细节：两个频率的正交性。理论上的调制指数 h = 2Δf·T，h=0.5 的 MSK 是最紧凑的正交方案，h=1 的 CPFSK 则更宽松。如果 h 取在非整数位置，两个频率上的信号在符号周期内不严格正交，解调时就会产生交叉干扰。我用 FPGA 做 2FSK 调制器的时候，第一次把 h 取成 0.7，眼图张开度明显不如 h=0.5 和 h=1 的情况，查了半天才发现是正交性问题。h 要么取 0.5，要么取大于等于 1 的整数，别拍脑袋取中间值。

2.3 2PSK 与 2DPSK：相位携带信息的甜与苦

2PSK 用载波的 0 和 π 两个相位表示比特，这是二进制调制里功率效率最高的方案。在相同的每比特能量下，2PSK 的误码率是所有二进制方案里最低的，比 2ASK 好 3 dB，比非相干 2FSK 好得更多。原因不难理解：0 和 π 两个相位在星座图上距离最远，判决的容限最大。

但 2PSK 有个绕不开的麻烦——相位模糊。接收端要相干解调，必须恢复出一个与发送端同频同相的载波。问题是，很多载波恢复电路（比如平方环、Costas 环）在锁定的时候，有可能锁在 π 的相位上，因为 2PSK 的信号本身在相位旋转 π 之后看起来是一样的。结果就是解调出来的比特全部翻转，出现"倒 π"现象。这个错误极其隐蔽，因为翻转后的数据流在统计特性上完全正常，只是内容全反了。

差分编码就是来解决这个问题的。2DPSK 不直接用相位表示比特，而是用"相位的变化"表示比特：当前符号和前一符号相位相同代表 0，相差 π 代表 1。这样即使出现倒 π，前后符号的相对关系不变，差分译码之后数据依然正确。代价是误码率会略有恶化，因为一个符号的错误会影响两个比特的判决，非相干差分检测的误码率约为 0.5·exp(-Eb/N0)，比相干 2PSK 差 2 到 3 dB。

实际工程里一个非常实用的做法：不管用什么调制，帧头都放一段已知的同步序列。接收端靠这段序列不仅能做帧同步，还能顺便判断有没有出现相位翻转，如果检测到翻转，直接把后续数据取反或者把解调器的参考相位纠正过来。这比纯靠差分编码更灵活，代价只是几个字节的开销。

2.4 二进制调制的横向对比：一张表值一千句话

把四种方案的性能摆在一起看，取舍关系会清晰很多。下表的误码率公式中，Eb 是每比特能量，N0 是单边噪声功率谱密度，Q(·) 是高斯 Q 函数。

看这张表的时候要注意，理论上限摆在那儿，但工程选型从来不是只看误码率。一个远距离低速的工业遥控器，用非相干 2FSK，误码率差几个 dB 完全能接受，因为它省掉了载波恢复电路，成本和功耗下降一大截，可靠性反而更好。反过来，一个卫星通信链路，每一 dB 的功率都要精打细算，那就必须上相干 2PSK 甚至更高效的方案，然后把同步电路做扎实。性能表是决策的起点，不是终点。

3. 多进制调制：把每个符号的比特数榨上去

3.1 QPSK：两个正交载波各干一份活

QPSK 是二进制往多进制过渡时最自然的一步：用两个互相正交的载波（cos 和 sin）各自传一路 2PSK，合起来每个符号携带 2 个比特。星座图上是四个点，分布在 0、π/2、π、3π/2 四个相位上。

它的妙处在于：在同样的带宽下，比特率翻倍，而每比特的功率效率和误码率性能跟 2PSK 基本持平。这不是天上掉馅饼，是因为那两个载波是正交的，在同一个符号周期内互不干扰，接收端可以把它们分离出来单独判决。从信息论角度看，这相当于把二维信号空间利用起来了，而 2PSK 只用了一维。所以 QPSK 几乎是所有数字通信系统里最常见的调制方式之一，从卫星到 4G 到各种数传电台，到处都是。

QPSK 的误码率在格雷映射下，符号错误率与比特错误率近似相等，表达式是 Q(√(2Eb/N0))，与 2PSK 相同。这里的"格雷映射"是关键：相邻的星座点只差一个比特，这样即使判决到了邻近点，也只错一个比特。如果映射做错，一个符号错了可能错两个比特，误码率直接翻倍。

星座映射这件事看着简单，实际是个大坑。我曾经在一个项目里接手别人的代码，发现误码率曲线在低信噪比下比理论值高一倍，查了很久，最后是发现星座点映射没用格雷码——发送端和接收端用的映射表还不一致，等于凭空多了一倍错误。映射表一定要单独做成一张常量表，收发两端引用同一份源码，别各写各的。

3.2 OQPSK 与 π/4-QPSK：为包络起伏打的补丁

QPSK 有个隐藏问题：当星座点从 (1,1) 跳到 (-1,-1)，I 和 Q 两路同时翻转，合成信号的包络会瞬间过零。经过非线性放大器（比如工作在饱和区的功放）之后，这种过零会被削掉，频谱重新长出来，产生带外辐射，干扰邻道。

OQPSK 的解法很巧妙：把 Q 路的符号错开半个符号周期，这样 I 和 Q 的跳变永远不同时发生，包络最大只降到原值的 1/√2，不会过零。代价是需要在接收端把两路的定时关系对齐，实现上略微麻烦。π/4-QPSK 走的是另一条路：让星座点在两个旋转了 45° 的 QPSK 星座图之间交替跳变，同样避免了过零，而且因为它每符号的相位跳变限制在 ±45° 和 ±135°，可以用差分检测，接收机可以做得更简单。这两种方案在早期的蜂窝系统和专用移动通信里用得挺多。

3.3 16QAM 及更高阶：密度换带宽的买卖

16QAM 把星座点扩到 16 个，每个符号带 4 比特，频带利用率是 QPSK 的两倍。星座点不再是均匀分布在圆周上，而是排成 4×4 的方阵。点之间的距离变小了，判决容限变小，所以同样的平均功率下误码率会明显变差。

近似公式是 BER ≈ (3/8)·erfc(√(0.4·Eb/N0))，粗略地说，同样误码率下 16QAM 比 QPSK 多需要 4 到 6 dB 的信噪比。这 4 到 6 dB 换来的是带宽减半，值不值就看你的系统是功率受限还是带宽受限。卫星通信通常功率受限，倾向于低阶调制；地面微波接力、有线同轴这类带宽紧张的场景，就愿意上高阶。

再往上走，64QAM、256QAM 的规律是一样的：每增加 4 倍星座点数，约多 6 dB 功率代价换一倍带宽收益。到了 1024QAM 这种量级，对信噪比、相位噪声、IQ 不平衡的要求已经苛刻到近乎变态——相位噪声哪怕只有零点几度，星座图都会糊掉。所以高阶调制从来不是"算法写对了就行"，整个射频前端的指标都得跟上。

（表中 Eb/N0 为含编码前的粗略参考值，实际系统算上编码增益会低不少，这里只用于横向比较量级。）

3.4 用 Python 把星座图和误码率曲线跑出来

光看公式容易麻木，自己跑一遍曲线会建立直觉。下面这段代码把 QPSK 和 16QAM 的误码率仿真和星座图都做出来了，可以直接在本地跑：

import numpy as np import matplotlib.pyplot as plt from scipy.special import erfc def qfunc(x): return 0.5 * erfc(x / np.sqrt(2)) def simulate_qpsk(ebn0_db, n_sym=200000, seed=1): rng = np.random.default_rng(seed) ebn0 = 10 ** (ebn0_db / 10.0) # 每比特能量归一化为1，QPSK每符号2比特，符号能量为2 noise_var = 1.0 / (2 * ebn0) # 每维噪声方差 bits = rng.integers(0, 2, n_sym * 2) syms = ((1 - 2 * bits[0::2]) + 1j * (1 - 2 * bits[1::2])) / np.sqrt(2) noise = (rng.normal(0, np.sqrt(noise_var), n_sym) + 1j * rng.normal(0, np.sqrt(noise_var), n_sym)) rx = syms + noise dec_i = (rx.real > 0).astype(int) dec_q = (rx.imag > 0).astype(int) err_i = np.sum(dec_i != bits[0::2]) err_q = np.sum(dec_q != bits[1::2]) return (err_i + err_q) / (n_sym * 2), rx def simulate_16qam(ebn0_db, n_sym=200000, seed=2): rng = np.random.default_rng(seed) ebn0 = 10 ** (ebn0_db / 10.0) levels = np.array([-3, -1, 1, 3]) # 16QAM平均符号能量为10，每维5，每比特2.5 noise_var = 2.5 / (2 * ebn0) idx_i = rng.integers(0, 4, n_sym) idx_q = rng.integers(0, 4, n_sym) syms = (levels[idx_i] + 1j * levels[idx_q]) / np.sqrt(10) noise = (rng.normal(0, np.sqrt(noise_var), n_sym) + 1j * rng.normal(0, np.sqrt(noise_var), n_sym)) rx = syms + noise # 简单硬判决：就近取电平 dec_i = np.argmin(np.abs(rx.real[:, None] - levels / np.sqrt(10)), axis=1) dec_q = np.argmin(np.abs(rx.imag[:, None] - levels / np.sqrt(10)), axis=1) # 格雷码比较：这里只统计符号级错误，用于观察趋势 sym_err = np.sum((dec_i != idx_i) | (dec_q != idx_q)) return sym_err / n_sym, rx ebn0_list = np.arange(0, 15, 1) ber_qpsk, ber_16qam = [], [] for e in ebn0_list: b, _ = simulate_qpsk(e) ber_qpsk.append(max(b, 1e-6)) s, _ = simulate_16qam(e) ber_16qam.append(max(s, 1e-6)) plt.figure(figsize=(8, 5)) plt.semilogy(ebn0_list, ber_qpsk, 'o-', label='QPSK BER') plt.semilogy(ebn0_list, ber_16qam, 's-', label='16QAM SER') plt.grid(True, which='both') plt.xlabel('Eb/N0 (dB)') plt.ylabel('Error Rate') plt.legend() plt.title('QPSK vs 16QAM Error Performance') plt.show() _, rx_qpsk = simulate_qpsk(10) _, rx_16qam = simulate_16qam(16) fig, ax = plt.subplots(1, 2, figsize=(10, 5)) ax[0].plot(rx_qpsk.real, rx_qpsk.imag, '.', ms=1, alpha=0.3) ax[0].set_title('QPSK @ 10 dB') ax[1].plot(rx_16qam.real, rx_16qam.imag, '.', ms=1, alpha=0.3) ax[1].set_title('16QAM @ 16 dB') for a in ax: a.grid(True) a.set_aspect('equal') plt.show()

跑完你大概会看到两个直观现象：第一，QPSK 在 9 到 10 dB 附近误码率就掉到 1e-5 量级，而 16QAM 要差不多 15 dB 才到同样的水平，差的那 5 到 6 dB 就是前面说的功率代价；第二，16QAM 星座图上，外围点和内圈点的散射程度不一样，靠近原点的点看起来更"糊"——这不是错觉，是因为判决区域小，同样的噪声下更容易跨区。看懂这两点，比背公式有用得多。

4. 接收端才是真正的战场：同步、匹配滤波与判决

4.1 载波同步：Costas 环能锁上，但锁对是另一回事

发送端调制简单，接收端恢复载波才是数字带通传输的核心难点。为什么难？因为接收到的信号里根本没有一个独立的载波分量可以提取——2PSK 和 QPSK 的已调信号在载频上功率为零（抑制载波调制），你必须从信号的相位变化里"猜"出载波。

平方环是最直观的做法：把信号平方，2PSK 的 ±1 相位被平方成统一相位，频谱中就会出现 2f_c 的离散分量，提取出来二分频就得到载波。听起来完美，实践中有两个坑：一是平方操作会让噪声也翻倍，低信噪比下环路信噪比很差；二是二分频电路的初始状态不确定，锁在 f_c 还是 f_c+π 是随机的，这就是前面说的相位模糊的根源。

Costas 环是更常用的方案，本质是一个负反馈环路，用 I、Q 两路的乘积作为鉴相误差，把 Q 路压到零。它不需要平方，噪声性能更好，但同样的相位模糊问题依然存在——环路可能稳定在四个相位中的任意一个（QPSK 情况下）。

实际工程里的处理办法通常是组合拳：用 Costas 环做载波跟踪，配合帧头的独特码（UW）做绝对相位判定，一旦识别出当前锁定的是哪个相位，就在后续解调中做相应的旋转补偿。这个流程在软件无线电里非常容易实现，因为旋转就是一个复数乘法，没有任何硬件代价。

另外要注意环路的参数选择。环路带宽太窄，跟踪慢，遇到频偏大的场景会失锁；带宽太宽，噪声抑制差，相位抖动大，高阶调制根本扛不住。常见经验是：环路带宽取符号率的 0.5% 到 2%，具体看频偏范围和相位噪声水平。我用 16QAM 做测试的时候，环路带宽取到 1% 都嫌宽，星座图明显发散，收到 0.3% 才干净。先估算你的晶振频偏和相位噪声，再倒推环路带宽，别直接抄别人的参数。

4.2 位同步与根升余弦滤波：滚降系数不是随便定的

位同步（定时恢复）解决的是"什么时候采样"的问题。采样点落在眼图张开最大的位置，误码率才最低。Gardner 算法是最常用的非数据辅助定时恢复方法，每个符号只要两个采样点，用前后两段的能量差来估计定时误差，实现简单，对频偏有一定容忍度。

这里有个和成型滤波强相关的问题：发送端用什么滤波器成型，接收端就必须用什么滤波器匹配。数字通信里最常用的是根升余弦（RRC）滤波器，收发各放一个，级联起来构成一个完整的升余弦响应，满足无码间干扰的奈奎斯特准则。如果发送端用了 RRC 而接收端只是简单的低通，整个链路的响应就不满足无 ISI 条件，眼图闭合，误码率地板直接被你抬起来。

滚降系数 α 的选择是个典型的权衡：

• α 越小，频谱越紧凑，频带利用率越高，但时域拖尾越长，对定时误差越敏感。α 趋近 0 时理论上带宽等于符号率，但时域响应会拖到几十个符号长，一旦定时有偏差，ISI 立刻爆发。
• α 越大，时域响应越短，对定时误差宽容，但占用带宽越大。

实际系统里 α 一般取 0.2 到 0.35。α=0.35 是卫星通信里非常经典的值，兼顾了带宽和鲁棒性；α=0.22 在某些地面系统里也常见。我做过一个带宽非常紧张的链路，被迫用到 α=0.15，结果定时恢复环路的捕获范围窄得可怜，接收机必须先把频偏校准到 ±0.1 ppm 以内才可能锁定——这就是小滚降带来的代价。

滤波器长度也别抠门。RRC 滤波器的截断长度一般取 6 到 12 个符号周期（每边 3 到 6 个），太短会让频域响应出现明显纹波，带外抑制变差。我在资源受限的 FPGA 上试过 4 个符号长度的截断，频谱仪上一眼就能看到旁瓣翘起来了，邻道泄漏超标。

4.3 判决门限、AGC 与 EVM：三个必须现场调的指标

理论上的判决门限是中点（比如 BPSK 是 0），实际系统里这个门限必须动态调整，因为信号经过信道之后幅度会漂。AGC（自动增益控制）就是干这个的，它把信号电平拉到一个固定参考值附近，这样判决门限和后续的软判决尺度都能稳定下来。

AGC 的收敛速度是个矛盾点：太快会把信号的包络起伏（本来就是信息的一部分）当成增益变化给抹掉，太慢又跟不上信道衰落。做法通常是在帧头用一段已知幅度的序列做快速粗调，进入数据段之后切成慢速跟踪。这个套路在几乎所有实用接收机里都能见到。

EVM（误差矢量幅度）是衡量带通传输质量最直观的指标，定义是实际星座点与理想点之间的误差矢量 RMS 值，除以理想点的平均幅度，用百分比或 dB 表示。它把 IQ 不平衡、相位噪声、非线性失真、滤波器失配这些问题全部打包成一个数字。实测中，一个设计良好的 QPSK 链路 EVM 应该能做到 5% 以下，16QAM 要求更严，通常压在 3% 以内。如果你的 EVM 一直下不去，可以按这个顺序排查：先看星座图中心有没有偏移（直流偏置）、再看四个象限是不是缩放不一致（IQ 增益不平衡）、再看点云是不是旋转的（相位噪声或频偏未收敛）、最后看外围点是不是被压扁（功放非线性）。

5. 从仿真到实测：几个必须提前知道的坑

5.1 带外辐射与频谱模板：别等测试报告打回来才想起这事

仿真里我们通常只关心解调性能，很少去看发射频谱的边缘。但实际产品要过频谱模板测试，带外辐射超标是极常见的退回原因。根源一般是两个：成型滤波器的阻带抑制不够，或者功放的非线性把频谱重新"长"了出来。

前者的解决办法是加长滤波器、提高阶数，或者在 RRC 之后再跟一级低通做补充抑制。后者更麻烦，属于非线性问题，只能靠回退功率（back-off）或者做预失真。我遇到过一个案子，调制方式和滤波器都没问题，频谱仪上一看，邻道泄漏比要求高了 6 dB，最后是把功放的工作点从饱和区往回退了 4 dB 才解决——代价是输出功率下降，覆盖距离缩短，整个链路预算要重算。这类问题一定要在方案阶段就评估，别等硬件定型了才发现没余量。

5.2 IQ 不平衡与直流偏置：零中频架构的固有麻烦

零中频（直接变频）架构省掉了中频滤波器，成本低、集成度高，但它有两个天生的毛病：IQ 两路的增益和相位不可能完全一致，本振泄漏会在零频产生一个直流分量。这两个问题在星座图上的表现前面表格里已经列了，处理办法也相对成熟：直流可以在数字域用高通或者均值相减去掉，IQ 不平衡可以用一个 2×2 的补偿矩阵校正，矩阵参数通过注入测试信号或者盲估计得到。

这里有个实操细节值得说：直流消除的高通滤波器截止频率不能设太高，否则会把信号本身的低频成分也削掉，导致星座图整体变形。一般截止频率取符号率的万分之一到千分之一量级就够了，只去掉缓慢漂移的那部分。

5.3 仿真和实测对不上，八成是这三件事

很多人跑完 Monte Carlo 仿真，曲线漂亮得跟理论值重合，一上硬件发现差了两三个数量级。按我的经验，八成是下面三件事之一：

第一，信噪比的标定口径不对。仿真里 Eb/N0 是按符号能量和噪声方差直接算的，实测里你测的是射频口的功率，中间隔着滤波器插损、放大器增益、ADC 的满量程折算，任何一个环节算错 3 dB，曲线就平移一大截。建议在链路里插一个已知功率的校准音，从头到尾把增益链算清楚。

第二，噪声不是白噪声。仿真默认 AWGN，实际信道里有相位噪声、杂散、邻道干扰，这些非高斯成分对高阶调制的影响远大于高斯噪声。尤其是相位噪声，它会让星座点沿圆周方向扩散，16QAM 这种对相位敏感的调制直接就废了。评估相位噪声的影响，可以在仿真里给每个符号乘一个随机相偏，这是很实用的近似手段。

第三，同步环路的瞬态被忽略了。仿真常常假设从第一个符号开始就完美同步，实测里环路要几百个符号才能收敛，这段时间的数据全是错的。所以帧结构里必须有前导序列，而且要按最坏情况下的捕获时间来设计长度。这个长度不够，表现出来就是"误码率随帧长变化"，短帧全对，长帧反而错——这其实是前导不够、环路没锁稳的信号。

最后分享一个小技巧：调试带通链路的时候，别一上来就盯着误码率看，那是个滞后指标，出了问题也不知道从哪下手。先把星座图、眼图、频谱这三张图同时抓出来看，星座图看幅度和相位，眼图看定时和 ISI，频谱看带外和杂散，三张图一对照，问题范围基本就缩小到一两个模块了。这个习惯我保持了十几年，比任何自动化诊断工具都好使。