AM / FM / PM vs QAM — 从模拟到数字的全面对比
QAM(正交振幅调制,Quadrature Amplitude Modulation) 是一种现代数字调制方式,也是目前无线通信中最核心的调制技术。
QAM 的核心思想是:同时利用两个正交载波(相位差 90° 的 sin 和 cos 波),各自独立传输一路信号,再通过改变每路载波的振幅来编码数据。
💡 I/Q 调制:QAM 的数学基础
QAM 信号可以表达为:s(t) = I(t)·cos(ωt) + Q(t)·sin(ωt)
其中 I 路(同相分量)调制在 cos 载波上,Q 路(正交分量)调制在 sin 载波上。
由于 sin 和 cos 互相正交,这两路信号可以在同一频率上同时传输而互不干扰——这就是 QAM 能翻倍频谱效率的根本原因。
在每个符号周期内,I 路幅度和 Q 路幅度的组合决定了星座图上一个点的位置。点的位置本质上决定了该符号的合成振幅和相位——所以 QAM 同时利用了振幅和相位两个维度。
在上面的星座图中,相邻的星座点之间只有 1 个比特不同(例如 0000→0001)。这就是 Gray 编码的核心思想:当噪声把信号"推"到相邻的星座点时,只产生 1 位错误,而不是多位错误。这在无线通信中能显著降低误码率(BER),是高阶 QAM 系统必不可少的编码方式。
| 规格 | 阶数 | 每符号比特 | 频谱效率 (bit/s/Hz) | 典型应用 |
|---|---|---|---|---|
| QAM-16 | 16 | 4 bit | 4 | 有线电视、数字微波 |
| QAM-64 | 64 | 6 bit | 6 | WiFi 5、4G LTE |
| QAM-256 | 256 | 8 bit | 8 | 5G NR、WiFi 6/7 |
| QAM-1024 | 1024 | 10 bit | 10 | 超高速光纤/毫米波 |
QAM 的阶数越高,每个符号携带的比特越多,频谱效率就越高。但代价是星座点之间的欧氏距离变小——同样的噪声会把信号"推"到相邻的点上,造成误码。
举个例子:QAM-16 在相同信噪比下的误码率约为 QAM-64 的 1/100。这就是为什么 5G 基站只在信号好的区域(近距离、视距)使用 256QAM,而在信号差的地方降级到 16QAM 或 QPSK。
📶 实际案例:5G 的自适应调制
5G 手机在靠近基站时会使用 256QAM(8bit/符号,速度最快),当信号变差时逐级降到 64QAM → 16QAM → QPSK → BPSK。这个自适应过程称为 AMC(自适应调制编码),手机完全感受不到切换过程。
原理: 用载波的振幅携带信息,频率和相位保持不变。
应用: 中波/短波 AM 广播(530-1700kHz),航空通信 VHF 频段
原理: 用载波的频率携带信息,振幅保持不变。
应用: 调频广播(88-108MHz)、对讲机、模拟电视伴音
原理: 用载波的相位携带信息,振幅和频率不变。
特点: 调相与调频关系密切——频率是相位的导数,因此 FM ≈ PM 的微分/积分关系。实际中 FM 和 PM 常结合使用。在数字通信中,PM 的离散形式就是 PSK(相移键控),如 BPSK、QPSK。
🔗 FM 与 PM 的数学关系
如果信号 s(t) 的相位为 φ(t),则瞬时频率 f(t) = dφ(t)/dt
• PM:相位直接跟随调制信号 → φ(t) = k·m(t)
• FM:频率跟随调制信号 → f(t) = f₀ + k·m(t),相位 φ(t) = ∫f(t)dt
所以对调制信号先积分再调相 = 调频,先微分再调频 = 调相
| 调制方式 | 携带信息维度 | 抗干扰 | 频谱效率 | 复杂度 | 典型带宽 |
|---|---|---|---|---|---|
| AM | 振幅 | 差 | 低 | 简单 | 2× 信号带宽 |
| FM | 频率 | 好 | 中等 | 中等 | 2(Δf+fₘ) 较宽 |
| PM | 相位 | 好 | 中等 | 中等 | 与 FM 类似 |
| QAM | 振幅 + 相位 | 一般 | 极高 | 复杂 | 等于信号带宽 |
AM/FM/PM 是单维度模拟调制(只改变振幅、频率或相位中的一个),而 QAM 是双维度数字调制(同时改变振幅和相位),利用 I/Q 两路正交载波并行传输,频谱效率极高。
PSK(相移键控) 是 PM 的数字版本,它的星座点都在同一个圆上(振幅恒定)。例如 QPSK 有 4 个点,每个点 2bit。而 QAM 的点既有不同的相位也有不同的振幅。
相同阶数下,QAM 的星座点间距比 PSK 更大(因为占了两个维度),所以 QAM 的抗噪声性能优于 PSK。这就是为什么 16QAM 比 16PSK 更常见,而 64QAM 几乎是高阶调制的标准选择。
🖼️ 波形矢量图由本神绘制 · 补充示意图来源于网络,仅供学习参考 · 本地缓存以确保加载稳定