Transmisión y recepción de símbolos · 逐页精读

Bloque 2. Transmisión en canales planos — Tema 2. Transmisión y recepción de símbolos
怎么用这份讲义

一、引言:调制器、解调器与符号收发链

p.3–p.5
p.1

Comunicaciones Digitales · Bloque 2 · Tema 2(课程封面)

▸ 原页截图 p.1 原讲义第 1 页

Comunicaciones Digitales

数字通信

Bloque 2: Transmisión en canales planos

第二模块:平坦信道上的传输

Tema 2: Transmisión y recepción de símbolos

主题 2:符号的发送与接收

Grado en Ingeniería de Telemática

远程通信工程学士

Departamento de Ingeniería de Comunicaciones

通信工程系

Universidad de Málaga

马拉加大学

Profesor: Laureano Moreno Pozas

授课教师:Laureano Moreno Pozas

Curso 2026/2027

学年 2026/2027

本讲是 Bloque 2 的符号层:Tema 3 讲「一个符号怎么变成一段脉冲」,本讲讲「一串比特怎么变成一串符号幅度、接收端又怎么把幅度判回比特」。考点链:标签 → 索引 → 幅度(编码)与 幅度 → 索引 → 标签(解码),外加 最小距离判决、PAM/QAM 的 SER/BER 公式、Gray 编码。
记忆钩子:整讲一条闭环——发:比特 → 标签 → 索引 → 幅度;收:幅度 → 索引 → 标签 → 比特。中间那颗「星座」就是一张「标签↔幅度」的字典,判决就是「离谁近算谁」。
40 页分七段:引言与收发链(p.3–p.5)→ 符号编码(p.6–p.9)→ 符号解码(p.10–p.12)→ 幅度与判决区(p.13–p.20)→ 标签与索引表(p.21–p.25)→ PAM 的 SER/BER(p.26–p.34)→ QAM(p.35–p.40)。
p.2

Contenido · 本讲目录(2.1–2.7 七节)

▸ 原页截图 p.2 原讲义第 2 页

Tema 2: Transmisión y recepción de símbolos

主题 2:符号的发送与接收

2.1 Introducción

2.1 引论

2.2 Codificación de símbolos

2.2 符号编码

2.3 Decodificación de símbolos

2.3 符号解码

2.4 Amplitudes

2.4 幅度

2.5 Etiquetas

2.5 标签(比特组)

2.6 PAM

2.6 PAM(脉冲幅度调制)

2.7 QAM

2.7 QAM(正交幅度调制)

结构记法:编码(2.2)与解码(2.3)是一对;幅度(2.4)与标签(2.5)是编码链上的两个接口;PAM(2.6)是实数一维星座,QAM(2.7)是它的二维版(两个 PAM 拼起来)。
目录页本身就是考点地图:SER/BER 公式只出现在 2.6 与 2.7,而 2.4 的「最小距离判决」是所有 SER 公式的物理来源——考试常问「判决区边界为什么是中垂线」。
p.3

2.1 Introducción · 调制器与解调器总框图

▸ 原页截图 p.3 原讲义第 3 页

2.1 Introducción

2.1 引论

Esquema del modulador y demodulador

调制器与解调器框图

Esquema de transmisión y recepción de símbolos

符号发送与接收框图

Tema 2: Transmisión y recepción de símbolos

主题 2:符号的发送与接收(本节 2.1 引论)

本节只做一件事:把「比特 ↔ 波形」这条链路拆成两个可独立设计的子问题——符号编解码(纯逻辑,不碰波形)与脉冲成形/相关(纯波形,不碰比特)。
考试常以「哪一部分负责把比特变成幅度」设问:答案是符号编码器,不是成形器;成形器只负责把幅度变成连续波形。
p.4

2.1 · 调制器/解调器的两项分工

▸ 原页截图 p.4 原讲义第 4 页

Codificación de símbolos: codifica grupos de bits como amplitudes / decodifica las amplitudes recibidas como grupos de bits.

符号编码:把若干比特组成一组编码成一个幅度/解码:把收到的幅度解码回一组比特。

Conformación/correlación de pulsos: modula secuencia de pulsos con las amplitudes / recupera las amplitudes de la secuencia de pulsos recibida.

脉冲成形/相关:用这些幅度去调制脉冲序列/从收到的脉冲序列中恢复出幅度。

GITm - CD

课程标识:远程通信工程 · 数字通信

2.1 Introducción

2.1 引论 · 调制器与解调器框图

两条分工对应两个模块、两门数学:前者是映射(查表),后者是卷积(线性系统)。答题时把「编码增益」与「成形增益」分开写,才不会张冠李戴。
记忆钩子:编码管「选哪个数」,成形管「这个数长什么样」。
p.5

2.1 · 符号发送/接收链路(编码器—离散等效信道—解码器)

▸ 原页截图 p.5 原讲义第 5 页

Esquema de transmisión y recepción de símbolos

符号发送与接收框图

Codificador de símbolos

符号编码器

Decodificador de símbolos

符号解码器

Canal discreto equivalente

离散等效信道

En transmisión los bits de información se agrupan en bloques y dependiendo de la combinación se escoge uno u otra amplitud de símbolo.

发送端把信息比特分成若干块,按块内比特的组合选取对应的符号幅度。

En recepción hay una doble función: decidir cuál es la amplitud del símbolo transmitido más probable y decodificarlo para obtener el grupo de bits correspondiente.

接收端有双重任务:先判决「最可能发送的是哪个符号幅度」,再把它解码成对应的比特组。

把「离散等效信道」想成一条传送带:左边扔进去的是索引,右边出来的是索引 + 噪声。中间的物理波形被「抽象掉」了,这正是 Tema 3 的成果。
「双重任务」是本讲反复出现的高频表述:判决(decisión) + 解码(decodificación)。SER 描述前者出错,BER 描述后者出错。

二、符号编码:标签 → 索引 → 幅度

p.6–p.9
p.6

2.2 Codificación de símbolos · 本节三条目

▸ 原页截图 p.6 原讲义第 6 页

2.2 Codificación de símbolos

2.2 符号编码

Descripción

描述

Energía y régimen binario

能量与比特速率

Diagrama de bloques

框图

编码一节只回答三个问题:怎么映射(Descripción)、平均能量多大、速率多高(Energía y régimen binario)、用几个模块搭(Diagrama de bloques)。
「能量」与「速率」是后面所有 SER 公式的两个输入:SER 只依赖 SNR = E/σ²,而 RB 决定同样带宽下能塞多少比特。
p.7

2.2 · Descripción:B 比特标签 → S 个幅度

▸ 原页截图 p.7 原讲义第 7 页

Los bits de entrada se agrupan en bloques de B-bits que denominaremos etiqueta.

输入比特被分成每 B 比特一块,我们把这一块叫作「标签」(etiqueta)。

La constelación asocia cada etiqueta a una de las S amplitudes {A0, A1, ..., AS−1}, donde Ak es la amplitud del símbolo de índice k, con k ∈ {0, 1, ..., S − 1}.

星座把每个标签关联到 S 个幅度 {A0, A1, …, AS−1} 中的一个;Ak 是索引 k 的符号幅度,k ∈ {0, 1, …, S−1}。

Para que se puedan codificar todas las posibles etiquetas S = 2B → B = log2(S)

为了能编码全部可能的标签:S = 2B → B = log2(S)。

Las amplitudes pueden ser reales o complejas (en el caso de canales paso banda).

幅度可以是实数或复数(后者用于通带信道)。

必背恒等式 S = 2B,B = log2S:它把「星座点数」和「每符号比特数」锁死。16-QAM 只能是 4 bit/符号,没有 15-QAM。
记忆钩子:星座点数是 2 的幂——因为比特天生只会「翻倍」。
易错:etiqueta(比特组)与índice(索引,0…S−1)不是一回事,p.9 会把它们拆成两个编码器。
p.8

2.2 · 星座平均能量与比特速率

▸ 原页截图 p.8 原讲义第 8 页

Energía media de la constelación:

星座平均能量:

Régimen binario:

比特速率(二进制速率):

donde ƒS es la frecuencia con la que se transmiten los símbolos.

其中 ƒS 是符号的发送频率(符号率)。

GITm - CD

课程标识;本页给出两条公式:平均能量 E 与比特速率 RB

E = (1 / S) · Σk=0S−1 |Ak|2
RB = B · ƒS = log2(S) · ƒS
两式是整讲的「燃料表」:E 决定抗噪能力,RB 决定吞吐。用户常见错法:把 RB 写成 ƒS/B——记住 B 比特是「每符号多带」,所以是乘。
p.9

2.2 · 框图:先编标签,再编幅度

▸ 原页截图 p.9 原讲义第 9 页

Diagrama de bloques

框图

Codificador de etiquetas

标签编码器

Codificador de amplitudes

幅度编码器

Se codifican las etiquetas como índices.

先把标签编码为索引。

Se codifican los índices como amplitudes de la constelación.

再把索引编码为星座中的幅度。

两级映射 = 两次查表:比特组 → 索引(0…S−1)→ 幅度。第一级纯逻辑,第二级才碰到信号。
原文瑕疵:p.9 页脚写成「Tema 3.Transmisión y recepción de símbolos」,本页实属 Tema 2(讲义复制页脚时未改)。
考试爱问「为什么分成两级」:因为标签映射可以独立换成 Gray 码而不动星座几何,幅度表可以独立换成 PAM/QAM 而不动比特顺序。

三、符号解码:幅度 → 索引 → 标签

p.10–p.12
p.10

2.3 Decodificación de símbolos · 本节两条目

▸ 原页截图 p.10 原讲义第 10 页

2.3 Decodificación de símbolos

2.3 符号解码

Descripción

描述

Diagrama de bloques

框图

2.3 Decodificación de símbolos

2.3 符号解码(本节两条目:描述、框图)

解码是编码的镜像:收到的幅度 → 判索引 → 翻标签 → 串成比特。本节只有两页,但它是后面 BER 的定义来源。
注意用词:解码包含判决(连续幅度 → 离散索引)和解码(索引 → 标签)。只做前者会漏掉最后一个环节。
p.11

2.3 · Descripción:带误差的幅度 → 最可能索引

▸ 原页截图 p.11 原讲义第 11 页

Se reciben las amplitudes con errores debidos principlamente al ruido del canal.

收到的幅度带有误差,主要来自信道噪声。

Se decide el índice del símbolo transmitido más probable y se decodifica como etiquetas.

判决出发送端最可能的符号索引,再解码为标签。

Decodificador de símbolos

符号解码器:输入带噪幅度,输出标签(比特组)

GITm - CD

课程标识

「más probable」四个字是判决准则的钥匙:在等概 + 高斯噪声下,「最可能」等价于「距离最近」,这就是 p.15 的最小距离判决。
原文拼写瑕疵:principlamente 应为 principalmente(讲义 OCR/手误,读的时候别记错)。
记忆钩子:解码器是个「近视眼」——它看不见发送端,只能挑离手里的幅度最近的那个星座点。
p.12

2.3 · 框图:先判幅度,再解标签

▸ 原页截图 p.12 原讲义第 12 页

Decisor de amplitudes

幅度判决器

Decodificador de etiquetas

标签解码器

Se deciden los índices de las amplitudes transmitidas más probables a partir de las amplitudes recibidas.

根据收到的幅度,判决出最可能的发送幅度索引。

Se decodifican las etiquetas a partir de los índices.

再由索引解码出标签。

方向反过来就是 p.9:索引 → 标签 用的是同一张表的逆映射。
框图题的经典考法:把 p.9 与 p.12 的箭头方向搞反。记住「发:标签在前;收:判决在前」。

四、幅度:最小距离判决与判决区域

p.13–p.20
p.13

2.4 Amplitudes · 本节七条目

▸ 原页截图 p.13 原讲义第 13 页

2.4 Amplitudes

2.4 幅度

Codificación

编码

Decisión / Mínima distancia

判决/最小距离

Regiones de decisión

判决区域

Implementación

实现

Representación / Histogramas

表示/直方图

Representación / Nubes de puntos

表示/点云(散点图)

Python

Python 实现

本节是全讲的几何核心:星座是一组点,判决就是把平面切成一格一格。p.15 给规则,p.16 给图,p.17 给算法,p.18–p.19 给可视化。
「最小距离」四个字在 SER 公式里出现的每一次(Q(d/2ση))都源自本节:误判只可能发生在最近邻之间。
p.14

2.4 · Codificación:用幅度表实现星座

▸ 原页截图 p.14 原讲义第 14 页

Implementación mediante tablas de amplitudes

通过幅度表实现

Codificación mediante tabla de amplitudes

利用幅度表进行编码

Tabla de amplitudes: [−3, −1, 1, 3]

幅度表:索引 0…3 分别对应 −3、−1、1、3

GITm - CD

课程标识

import numpy as np
amptable = np.array([-3, -1, 1, 3])      # 4-PAM 幅度表
index = np.array([0, 2, 3, 1])           # 索引向量
amplitudes = amptable[index]             # 编码:索引 → 幅度
「表驱动」是工程落地方式:星座几何被固化成一个 numpy 数组,编码就是数组下标取值。考试若给一张星座图让你写代码,答案就是这个形式。
记忆钩子:索引 = 数组下标,幅度 = 数组元素。
p.15

2.4 · 判决:最小距离准则与判决区边界

▸ 原页截图 p.15 原讲义第 15 页

Decisión

判决

Si el ruido es gaussiano y los símbolos equiprobables, cuanto mayor es la distancia al símbolo transmitido, menor es la probabilidad.

若噪声为高斯且各符号等概,则「离发送符号越远,概率越小」。

Algoritmo de decisión para cualquier constelación si los símbolos son equiprobables y el ruido gaussiano: buscar el símbolo de la constelación con mínima distancia al símbolo recibido.

当符号等概、噪声高斯时,对任意星座的判决算法:找出与收到符号距离最小的星座点。

Región de decisión: región de las amplitudes recibidas que se decodifican como el mismo símbolo.

判决区域:会被解码成同一个符号的那些「收到幅度」构成的区域。

Límites de la región de decisión: definidos por segmentos de las mediatrices definidas por cada par de amplitudes distintas de la constelación.

判决区边界:由星座中每一对不同幅度所确定的中垂线(mediatrices)的线段所界定。

三个前提必须同时成立才有「最近 = 最可能」:等概、高斯、同方差。少一个就要回到 MAP 准则(引入先验),考试常在这里设陷阱。
记忆钩子:等概 + 高斯 ⇒ 中垂线切边界。中垂线上的点两边概率相等,正好是「掷硬币」的那条线。
易错:中垂线是「两两之间」画的,不是「围绕每个点画圆」——判决区是多边形(Voronoi 胞腔),不是圆盘。
p.16

2.4 · 判决区域示例:16-QAM 的方形网格

▸ 原页截图 p.16 原讲义第 16 页

Regiones de decisión de una 16-HQAM

一个 16-QAM 的判决区域

Límites de la región de decisión: si los símbolos son equiprobables y el ruido gaussiano están determinados por las mediatrices de los segmentos definidos por cada par de amplitudes distintas de la constelación.

判决区边界:当符号等概且噪声高斯时,由星座中每一对不同幅度所定线段的中垂线确定。

Algoritmos de decisión más eficientes dependen de las regiones de decisión.

更高效的判决算法依赖于判决区域的形状。

A0, A1, …, A15

星座的 16 个幅度标记(原图逐点标注)

方形 QAM 的判决区是正方形,因此判决可以「按实部、虚部分别取最近」,复杂度从 O(S) 降到 O(√S)——这是 p.36「两个 L-PAM 拼起来」的直接好处。
原文瑕疵:标题写作 16-HQAM,应为 16-QAM(H 为衍字)。
把判决区想成瓷砖:16 块方砖铺满平面,砖缝就是中垂线。
p.17

2.4 · 判决器的实现:算距离、取最小

▸ 原页截图 p.17 原讲义第 17 页

Implementación del decisor de símbolos de mínima distancia

最小距离符号判决器的实现

Se calcula la distancia de cada amplitud recibida con las amplitudes de la tabla (módulo de la diferencia de ambas).

计算每个收到幅度与幅度表中各元素的距离(两者之差的模)。

Se devuelve en un vector los índices de las posiciones de los mínimos de cada conjunto de distancias de cada amplitud recibida a las amplitudes de la tabla.

以向量返回:对每个收到幅度,取「它到各表项的距离」中最小值的位置索引。

módulo de la diferencia

差的模:|recibida − Ak|

# 示意实现(非原文代码,仅示意 p.17 描述的三步)
def decisor(recibidas, amptable):
    d = np.abs(recibidas[:, None] - amptable[None, :])   # 求差取模
    return np.argmin(d, axis=1)                          # 每行取最小位置的索引
实现层面就三步:广播求差 → 取模 → argmin。考试若问复杂度,答 O(收到样本数 × S)。
记忆钩子:argmin 就是「离谁最近」,min 给距离,argmin 给编号。
p.18

2.4 · 可视化:实数星座用直方图

▸ 原页截图 p.18 原讲义第 18 页

La distribución de los símbolos recibidos se suele representar en histogramas en el caso de constelaciones reales.

对于实数星座,收到的符号分布通常用直方图表示。

Para ver mejor los errores de decisión se representa un histograma por cada grupo de amplitudes recibidas que proceden de la misma amplitud transmitida.

为更清楚地看出判决错误,按「来自同一发送幅度」分组,每组画一个直方图。

constelación

星座(原图左侧:4 个幅度点)

histogramas

直方图(原图右侧:按发送幅度分组的四个驼峰)

「按发送幅度分组」是理解 BER 的关键:每组直方图的尾部跨过中垂线的面积就是该符号的错判概率。
记忆钩子:四个驼峰 = 四个发送幅度;驼峰「胖」到越界就出错。
原页坐标轴 OCR 丢掉了负号(显示 4 / 2 / 0 / 2 / 4),实际横轴是 −4、−2、0、2、4。
p.19

2.4 · 可视化:复数星座用点云(scatter)

▸ 原页截图 p.19 原讲义第 19 页

La distribución de los símbolos recibidos se suele representar con nubes de puntos (scatter plot) en el caso de constelaciones complejas.

对于复数星座,收到的符号分布通常用点云(散点图)表示。

Para ver mejor los errores de decisión se representan con el mismo color las amplitudes recibidas que proceden de la misma amplitud transmitida.

为更清楚地看出判决错误,把「来自同一发送幅度」的收到幅度画成同一种颜色。

nube de puntos

点云/散点图(scatter plot)

constelación

星座(原图左侧的 4 个幅度点)

点云图能直观看出噪声半径 ση 与最小距离 d 的比值:两团云刚好不重叠时,误判率开始变得可忽略。
记忆钩子:云团不重叠 ⇔ d/2 > 几个 ση ⇔ SER 很小。
p.20

2.4 · Python:symbols.Amplitudes

▸ 原页截图 p.20 原讲义第 20 页

module symbols

模块 symbols

class Amplitudes

类 Amplitudes

methods: __init__, coder, decisor, energy, find_min_dist

方法:__init__、coder、decisor、energy、find_min_dist

graphics methods: amplitudes_plot, scatter_plot

绘图方法:amplitudes_plot、scatter_plot

五个方法正好对应本节五件事:建表(__init__)、编码(coder)、判决(decisor)、平均能量(energy)、最小距离(find_min_dist)。
记忆钩子:energy 对应 p.8 的 E 公式,find_min_dist 对应 p.15 的中垂线,一一对得上。

五、标签表与索引表(含 Gray 映射)

p.21–p.25
p.21

2.5 Etiquetas · 本节四条目

▸ 原页截图 p.21 原讲义第 21 页

2.5 Etiquetas

2.5 标签

Tablas de etiquetas y tablas de índices

标签表与索引表

Codificación

编码

Decodificación

解码

Python

Python 实现

本节把 p.9/p.12 的两个编码器「落地成两张表」:标签表(标签 ↔ 十进制)与索引表(十进制 ↔ 索引)。
Gray 映射就藏在这两张表里:改索引表就能换映射,星座图一个点都不用动。
p.22

2.5 · 三张表:标签表、标签十进制表、索引表

▸ 原页截图 p.22 原讲义第 22 页

Tabla de codificación (tabla de permutación)

编码表(置换表)

Tabla de etiquetas

标签表

Tabla de etiquetas (decimal)

标签表(十进制形式)

Tabla de índices

索引表

labels_table     = np.array([[0,0],[1,1],[0,1],[1,0]])   # 4 个标签(2 bit)
labels_dec_table = np.array([0, 3, 1, 2])                # 标签的十进制值
index_table      = np.array([0, 2, 3, 1])                # 索引(星座编号)
「置换表」这个词点明本质:编码表是双射,可逆,所以解码只要查逆表。考试常问「为什么必须可逆」——否则无法唯一恢复比特。
记忆钩子:标签表 = 比特的样子,索引表 = 星座的编号,十进制表是两者的桥。
p.23

2.5 · 编码:比特向量 → 索引向量(三步)

▸ 原页截图 p.23 原讲义第 23 页

Codificación mediante tabla de índices

利用索引表编码

Se convierte el vector de bits en matriz cuyas filas son las etiquetas.

先把比特向量变成矩阵,每一行是一个标签。

Las etiquetas se convierten en valores decimales.

再把标签转成十进制值。

Los valores decimales se codifican con la tabla de índices y se obtiene el vector de índices.

最后用索引表把十进制值编码,得到索引向量。

三步顺序不能换:分组 → 进制转换 → 查表。若先查表后分组,维度就对不上(这是作业里最常见的 bug)。
记忆钩子:reshape → dot(2 的幂) → 索引表。
p.24

2.5 · 解码:索引向量 → 比特向量(两步)

▸ 原页截图 p.24 原讲义第 24 页

Decodificación mediante tabla de etiquetas

利用标签表解码

El vector de índices se codifica con la tabla de etiquetas, obteniéndose una matriz de etiquetas.

用标签表把索引向量编码,得到标签矩阵。

Se convierte la matriz en vector de bits.

再把矩阵拉平成一维比特向量。

matriz de etiquetas

标签矩阵:每一行是一个标签

解码恰好是 p.23 的逆序:查表 → 转二进制 → 拉平。考试若给「收到的索引」让你写比特,注意低位在前还是高位在前要与编码一致。
记忆钩子:编码「瘦变胖」(比特少→索引多),解码「胖变瘦」。
p.25

2.5 · Python:symbols.Labels 与 symbols.Constellation

▸ 原页截图 p.25 原讲义第 25 页

module symbols

模块 symbols

class Labels

类 Labels

methods: __init__, labels2indextable, coder, decoder

方法:__init__、labels2indextable、coder、decoder

class Constellation

类 Constellation

methods: __init__, coder, decoder

方法:__init__、coder、decoder

两个类的分工:Labels 只做比特 ↔ 标签 ↔ 索引;Constellation 只做索引 ↔ 幅度。二者组合起来才是完整的符号编码器(p.9 两级)。
记忆钩子:labels2indextable 就是从标签表自动生成逆查表——省掉手写索引表。

六、PAM:星座、SER 与 Gray 编码

p.26–p.34
p.26

2.6 PAM · 本节结构

▸ 原页截图 p.26 原讲义第 26 页

2.6 PAM

2.6 PAM

Descripción

描述

Errores de símbolos / Cálculo de probabilidad

符号错误/概率计算

Errores de símbolos / Resultados

符号错误/结果

Errores de bits / Diferencias con errores de símbolos

比特错误/与符号错误的区别

Errores de bits / Codificación Gray

比特错误/Gray 编码

Errores de bits / Resultados

比特错误/结果

Python

Python 实现

本节是全讲唯一给出闭式 SER/BER 公式的地方:SER = 2(1−1/S)Q(√(3·SNR/(S²−1)))。这个式子必背。
结构上「先符号错误、后比特错误」:因为 BER 是由 SER 推出来的(BER ≈ SER/B,Gray 下)。
p.27

2.6 · PAM 星座:等间距、零均值、能量公式

▸ 原页截图 p.27 原讲义第 27 页

Ejemplo amplitudes de una constelación 4-PAM

4-PAM 星座的幅度示例

La posición de los símbolos sigue la siguiente expresión

符号位置满足下式

donde S es el número de símbolos y d la distancia mínima entre símbolos.

其中 S 是符号数,d 是符号间的最小距离。

La energía media de las amplitudes de la constelación es

星座幅度的平均能量为

La constelación tiene amplitud media cero para aprovechar toda la energía para separar al máximo las amplitudes de los símbolos.

该星座均值为零,以便把所有能量都用于尽可能拉开各符号幅度。

Ak = (1 − S + 2k) · d / 2,  k = 0, 1, …, S−1
E = E[|Ak|2] = (S2 − 1) · d2 / 12
PAM 三个特征必须一起记:等间距 d、零均值、E = (S²−1)d²/12。第三条是由前两条推出来的,考试常让你推。
记忆钩子:零均值 = 不浪费直流功率;能量公式里的 12 = 4×3,来自「均匀间隔的方差」。
p.28

2.6 · SER 的概率计算:只有边缘符号「半边」

▸ 原页截图 p.28 原讲义第 28 页

Distribución de valores recibidos.

收到值的分布。

Probabilidad de error de símbolo o SER (Symbol Error Rate) de la 4-PAM

4-PAM 的符号错误概率,即 SER(Symbol Error Rate)

Cálculo general para PAM

PAM 的一般计算

Q(·)

高斯尾函数 Q(x):标准正态分布的尾部概率

SER4−PAM = (3/2) · Q( d / (2ση) )
SERPAM = 2(1 − 1/S) · Q( d / (2ση) ) = 2(1 − 1/S) · Q( √( 3·SNR / (S2 − 1) ) )
系数 2(1 − 1/S) 的来源是「边缘符号只有一侧邻居」:4-PAM 中两端各贡献 1 个 Q、中间两个各贡献 2 个 Q,平均 (1+2+2+1)/4 = 3/2。
记忆钩子:边缘少一半、中间算两个。S 越大,1/S 越小,系数趋近 2。
原页公式是 LaTeX 被 OCR 打散的状态(Q 前散落 d/(2ση) 与花括号),读图时以本页下方整理式为准。
p.29

2.6 · SER 随 SNR 变化:L = 4 / 8 / 16 三条曲线

▸ 原页截图 p.29 原讲义第 29 页

SER en función de la SNR.

SER 随 SNR 的变化。

L = 4

L = 4(即 4-PAM)

L = 8

L = 8

L = 16

L = 16

曲线读数技巧:同一 SER 下,S 每翻一倍,所需 SNR 约多 4–5 dB(因为 d 变小)。这是「用功率换速率」的定量版本。
记忆钩子:曲线是「瀑布」——SNR 越高掉得越陡;阶数越高,瀑布整体右移。
原页纵轴是对数刻度 10−6…100,横轴 0…40 dB。
p.30

2.6 · 比特错误 ≠ 符号错误:同一个符号错,可能错 1 位也可能错 2 位

▸ 原页截图 p.30 原讲义第 30 页

No todos los errores de símbolo producen el mismo número de errores de bits.

并非所有符号错误都产生相同数量的比特错误。

En el primer caso, el ruido produce un error de decisión de símbolo (A1 → A2) que provoca un sólo bit erróneo.

第一种情形:噪声造成符号判决错误(A1 → A2),只导致 1 个比特出错。

En el segundo caso, el ruido produce un error de decisión de símbolo (A1 → A0) que provoca 2 bits erróneos.

第二种情形:噪声造成符号判决错误(A1 → A0),导致 2 个比特出错。

A1 → A2: 1 bit erróneo / A1 → A0: 2 bits erróneos

两种判决错误的比特代价对比(1 位 vs 2 位)

这一页就是「为什么要 Gray 码」的动机:错的符号数一样,错的比特数可以差一倍。
记忆钩子:邻居近,比特也应该近——这正是 Gray 码的一句口号。
图中 A1=01、A2=00、A0=11 这类标号在 p.32 的迭代构造里能直接对上。
p.31

2.6 · Gray 编码:相邻符号只差 1 位

▸ 原页截图 p.31 原讲义第 31 页

Si la SNR no es muy baja, la mayoría de los errores se producen por símbolos que por efecto del ruido quedan en las regiones de decisión de símbolos contiguos.

当 SNR 不是太低时,多数错误源于「因噪声落进了相邻符号判决区」。

Codificación Gray: la codificación de cada símbolo sólo difiere en un bit con respecto a la codificación de los símbolos contiguos.

Gray 编码:每个符号的编码与相邻符号的编码只相差 1 个比特。

Si la SER << 1, ση es mucho menor que d/2 y, por tanto, la tasa de error de bits se puede aproximar por

若 SER ≪ 1,则 ση 远小于 d/2,因此比特错误率可近似为

donde Be es el número medio de bits erróneos por símbolo erróneo y B el número de bits de cada símbolo.

其中 Be 是「每个错误符号平均错的比特数」,B 是每符号比特数。

Si la SER es mayor, porque la ση no es mucho menor que d/2, el número medio de bits erróneos Be crece y ya no se puede aproximar por 1.

若 SER 较大(ση 并不远小于 d/2),平均错误比特数 Be 会增大,不能再近似为 1。

BER = (Be / B) · SER ≈ SER / B
Gray + SER≪1 ⇒ BER ≈ SER / B。这是考试最爱考的近似,条件必须写全:Gray 映射且高 SNR。
记忆钩子:Gray 码把「最可能的错误」变成「只错 1 位」,所以平均错位数 Be ≈ 1。
p.32

2.6 · Gray 标签表的迭代构造

▸ 原页截图 p.32 原讲义第 32 页

Diseño de tabla de etiquetas con codificación Gray (método iterativo)

Gray 编码标签表的设计(迭代法)

Se parte de la tabla de etiquetas para constelaciones 2-PAM de 1 bit y se va diseñando la codificación Gray de n-bits a partir de la de n − 1 bits.

从 1 比特的 2-PAM 标签表出发,由 n−1 比特的 Gray 码递推出 n 比特的 Gray 码。

La tabla de etiquetas de n-bits se genera concatenando la tabla de etiquetas de n −1-bits consigo misma en orden inverso y concatenando con una columna, la mitad de 'ceros' y la mitad de 'unos'.

n 比特表由「n−1 比特表 + 其逆序」上下拼接,再在最前面加一列(上半为 0、下半为 1)得到。

tabla de 2-PAM (1 bit)

起点:1 比特的 2-PAM 标签表 {0, 1}

n=1:  0 , 1
n=2:  00 01 | 11 10        # 后半是前半的逆序,最高位置 1
n=3:  000 001 011 010 | 110 111 101 100
这是「镜像 + 前缀位」构造:上半加 0、下半(逆序复制)加 1。手推 2 bit 得 00/01/11/10,正好是经典 Gray 序列。
记忆钩子:照镜子、贴标签——逆序复制保证「接缝处」也只差 1 位。
p.33

2.6 · BER 结果:Gray / 非 Gray / 估计式对照

▸ 原页截图 p.33 原讲义第 33 页

BER en función de SNR.

BER 随 SNR 的变化。

Gray

Gray 编码

No Gray

非 Gray 编码

Estimada

估计值(SER/B)

Si la SER << 1, la estimación de la BER basada en la aproximación BER ≈ SER/B para codificación Gray es bastante precisa.

当 SER ≪ 1 时,Gray 编码下基于 BER ≈ SER/B 的估计相当准确。

读图结论:高 SNR 区三者几乎重合(估计式可用);低 SNR 区 Gray 明显优于非 Gray,估计式也偏乐观。
记忆钩子:曲线在「左上角」分家——SNR 低时 Gray 的价值最大。
原页图例覆盖 4/8/16/32-PAM 四组,每组三条线。
p.34

2.6 · Python:symbols.PAM

▸ 原页截图 p.34 原讲义第 34 页

class PAM(Constellation)

类 PAM(继承自 Constellation)

methods: __init__, amp_PAM_design, labels_Gray_design, SER

方法:__init__、amp_PAM_design、labels_Gray_design、SER

module symbols

模块 symbols

class PAM(Constellation)

类 PAM:2.6 节全部公式的实现

四个方法对应四个公式:amp_PAM_design ↔ p.27 的 Ak;labels_Gray_design ↔ p.32 的迭代;SER ↔ p.28 的闭式。
记忆钩子:设计幅度、设计标签、算错误率——PAM 类的三件套。

七、QAM:方形星座、SER 与 BER

p.35–p.40
p.35

2.7 QAM · 本节三条目

▸ 原页截图 p.35 原讲义第 35 页

2.7 QAM

2.7 QAM

SER

SER(符号错误率)

BER

BER(比特错误率)

Python

Python 实现

QAM 是 PAM 的「二维版」:一维放在实轴(en fase),一维放在虚轴(en cuadratura)。本节结论几乎都能从 PAM 平移过来。
QAM 相对 PAM 的核心优势:同样 S 下能拉开更大的最小距离(因为点铺在二维平面)——这就是「星座整形增益」。
p.36

2.7 · 方形 S-QAM:两个 L-PAM 拼成

▸ 原页截图 p.36 原讲义第 36 页

Constelaciones S-QAM cuadradas

方形 S-QAM 星座

Formadas por dos L-PAM iguales, una en fase y otra en cuadratura.

由两个相同的 L-PAM 构成:一个在同相(实)支路,一个在正交(虚)支路。

El número de símbolos S = L2 = 2B, donde B es par y L = 2B/2.

符号数 S = L2 = 2B,其中 B 为偶数,L = 2B/2。

Las etiquetas de los bits tienen los B/2 bits pares {0, 2, ...} la codificación de la PAM real y los B/2 impares {1, 3, ...} la codificación de la parte imaginaria.

标签比特中,偶数位 {0, 2, …} 共 B/2 位取实部 PAM 的编码,奇数位 {1, 3, …} 共 B/2 位取虚部 PAM 的编码。

Se puede usar Gray en la codificación de las etiquetas (tanto bits pares como impares).

标签编码可以使用 Gray 码(偶数位与奇数位都可以)。

Energía media de la constelación QAM

QAM 星座的平均能量

E = E[|A[n]|2] = E[ℜ{A[n]}2] + E[ℑ{A[n]}2] = 2 · (L2 − 1)d2/12 = (S − 1)d2/6
必记:S = L²,B 必须为偶数,所以方形 QAM 只有 4/16/64/256…;E = (S−1)d²/6,是 PAM 公式的两倍关系(2 × (L²−1)/12)。
记忆钩子:实部奇、虚部偶(比特下标)——交错分配让相邻点在两个方向上都只差 1 位。
p.37

2.7 · QAM 的 SER:两维独立,再减去同时出错

▸ 原页截图 p.37 原讲义第 37 页

Como el ruido en la componente en fase y en cuadratura son independientes.

因为同相分量与正交分量的噪声相互独立。

La probabilidad de error de símbolo o SER (Symbol Error Rate) es

符号错误概率,即 SER(Symbol Error Rate)为

Cuando SER << 1 el segundo término es muy pequeño y

当 SER ≪ 1 时第二项很小,于是

SERL−PAM real , SERL−PAM imag

实部 L-PAM 与虚部 L-PAM 各自的符号错误率

SERS−QAM = 4(1 − 1/√S)·Q(√(3·SNR/(S − 1))) − [2(1 − 1/√S)·Q(√(3·SNR/(S − 1)))]2
SER ≈ 4(1 − 1/√S) · Q( √( 3·SNR / (S − 1) ) )
SERQAM = SERI + SERQ − SERI·SERQ 是「并集公式」:加两次、减去重复算的交集。这一步是考试高频推导题。
记忆钩子:两维各错一次,减掉「同时错」那一次(容斥原理)。
原页把大公式拆成多行 OCR,注意 ση2 = 2σℜ{η}2 = 2σℑ{η}2:总噪声是两维之和,所以每维只分一半。
p.38

2.7 · SER 结果:4/16/64-QAM 与近似式

▸ 原页截图 p.38 原讲义第 38 页

SER en función de la SNR.

SER 随 SNR 的变化。

4-QAM

4-QAM

16-QAM

16-QAM

64-QAM

64-QAM

Aprox.

近似式

La aproximación es muy buena para SER < 10−1.

当 SER < 10−1 时该近似非常好。

SNR 相同下,S 越大 SER 越大;要维持 SER,S 翻 4 倍约需多 6–7 dB。这是「速率换功率」在二维的版本。
记忆钩子:64-QAM 比 16-QAM 多 2 bit/符号,代价是 SNR 约 +6 dB。
p.39

2.7 · BER 结果:Gray 与估计式

▸ 原页截图 p.39 原讲义第 39 页

BER en función de la SNR.

BER 随 SNR 的变化。

Gray

Gray 编码

No Gray

非 Gray 编码

Estimada

估计值

与 p.33 同一结论:高 SNR 下 BER ≈ SER/B 成立(B = log2S),低 SNR 下 Gray 的优势最大。
记忆钩子:QAM 的 B 是偶数——4-QAM 是 2、16-QAM 是 4、64-QAM 是 6,除起来干净。
4-QAM 与 4-PAM 的 SER 不同但 BER 量级相近,别把两者混为一谈。
p.40

2.7 · Python:symbols.QAMSquare

▸ 原页截图 p.40 原讲义第 40 页

class QAMSquare(Constellation)

类 QAMSquare(继承自 Constellation)

methods: __init__, amp_and_labels_PAM2QAM, SER

方法:__init__、amp_and_labels_PAM2QAM、SER

module symbols

模块 symbols

class QAMSquare(Constellation)

类 QAMSquare:方形 QAM 的实现

amp_and_labels_PAM2QAM 名字就把构造说清了:先建两个 L-PAM,再把幅度与标签「拼」成 QAM。
记忆钩子:PAM2QAM = 一维升二维;类里没有单独的 BER 方法,因为 BER 由 SER/B 近似得到(p.31、p.39)。
本讲到此闭环:PAM/QAM 给了星座几何,Tema 3 再把这个几何变成波形(成形 + 相关)。

专有名词速记表(A–Z)

共 77 条,覆盖全 40 页的高频术语。第三列点页码直接跳回原页;最后一列只写「一句话 + 最容易被扣分的点」。

西语术语中文页码一句话记住 · 易错点
A
amplitud Ak幅度p.7星座第 k 个点携带的值;基带是实数、通带是复数。
Amplitudes (clase)幅度类p.20建表、编码、判决、算能量、找最小距离——五个方法五件事。
amplitud media cero零均值p.27PAM 星座位对称于原点,直流功率不浪费。
aproximación (de SER)SER 近似式p.37SER≪1 时丢掉「同时错」的交集项。
Aprox. (curva)近似曲线p.38SER < 10−1 时和精确曲线几乎重合。
B
BER比特错误率p.31Gray + 高 SNR 时 BER ≈ SER/B,两个条件缺一不可。
Be每错误符号的平均错位数p.31Gray 下 Be ≈ 1;SER 大时会涨。
bloque de B bitsB 比特块p.7就是「标签」的定义;每块对应一个符号。
B = log2(S)每符号比特数p.7由 S = 2B 反解;QAM 里 B 必须为偶数。
C
codificación de símbolos符号编码p.4比特组 → 幅度;纯映射,不碰波形。
codificador de símbolos符号编码器p.5链路第一个方框;内部还分标签级与幅度级。
codificador de etiquetas标签编码器p.9比特组 → 索引(第一级查表)。
codificador de amplitudes幅度编码器p.9索引 → 幅度(第二级查表)。
constelación星座p.7S 个幅度点的集合,就是「标签↔幅度」的字典。
Constellation (clase)星座类p.25只管索引 ↔ 幅度;标签的事归 Labels。
codificación GrayGray 编码p.31相邻符号只差 1 位 ⇒ 最可能的错只错 1 比特。
codificación Gray (método iterativo)Gray 迭代构造p.32镜像复制 + 前缀列(上半 0、下半 1)。
canal discreto equivalente离散等效信道p.5把物理波形抽象掉,只剩「索引 + 噪声」。
coder (método)编码方法p.20Labels 与 Constellation 各有一个 coder,别混。
cuadratura正交支路p.36虚部那一路;与同相支路各放一个 L-PAM。
concatenar (tablas)拼接(表)p.32n 比特表 = (n−1 比特表) + (其逆序) + 前缀列。
D
decisión判决p.15等概 + 高斯 ⇒ 挑「距离最近」的星座点。
decisor de amplitudes幅度判决器p.12解码链路第一块:幅度 → 索引。
decisor (método)判决方法p.20实现 = 求差 → 取模 → argmin。
región de decisión判决区域p.15会被判成同一符号的收到幅度集合(Voronoi 胞腔)。
límites de la región de decisión判决区边界p.15每对幅度的中垂线;不是圆,是多边形。
distancia mínima (d)最小距离p.15SER 公式里的 d 就是它;PAM 中相邻点间距。
distancia (cálculo de)距离计算p.17用「差的模」|recibida − Ak|,不需要开方。
decodificación de símbolos符号解码p.11幅度 → 索引 → 标签,两步都不能省。
decodificador de etiquetas标签解码器p.12索引 → 标签(查逆表)。
distribución de valores recibidos收到值分布p.18直方图按「发送幅度」分组,尾部越过中垂线就出错。
diagrama de bloques框图p.9编码 p.9、解码 p.12,箭头方向相反。
E
etiqueta标签p.7B 比特一组,是「比特的样子」;不等于索引。
tabla de etiquetas标签表p.22labels_table:每行一个标签的比特。
energía media de la constelación星座平均能量p.8E = (1/S)Σ|Ak|2;PAM 为 (S²−1)d²/12。
equiprobables (símbolos)等概符号p.15最小距离判决的前提之一,缺了要用 MAP。
error de símbolo符号错误p.30判到别的星座点;不一定只错 1 比特。
errores de bits比特错误p.30A1→A2 错 1 位、A1→A0 错 2 位。
Estimada (BER)BER 估计值p.33即 SER/B;只在高 SNR 准。
G
gaussiano (ruido)高斯噪声p.15「最可能 = 最近」的另一半前提。
GITm - CD课程标识p.2远程通信工程 · 数字通信。
I
implementación (del decisor)判决器实现p.17广播求差 → 取模 → argmin,复杂度 O(样本×S)。
índice索引p.7星座编号 0…S−1;与标签是两个层次。
tabla de índices索引表p.22index_table:十进制值 → 索引的置换。
L
L-PAML 元 PAMp.36QAM 的构成块:S = L2,L = 2B/2。
labels_table标签表数组p.22[[0,0],[1,1],[0,1],[1,0]]。
labels_dec_table标签十进制表p.22[0,3,1,2]:标签转成十进制后的样子。
Labels (clase)标签类p.25只做比特 ↔ 标签 ↔ 索引。
labels2indextable生成索引表p.25由标签表自动反查,省掉手写索引表。
M
mínima distancia (algoritmo)最小距离算法p.15对任意星座通用;效率靠判决区形状提升。
mediatriz中垂线p.15两星座点的等距点集,正好是判决边界。
matriz de etiquetas标签矩阵p.24解码中间产物,每行一个标签,最后拉平成比特。
module symbolssymbols 模块p.20Amplitudes / Labels / Constellation / PAM / QAMSquare 都在里面。
N
nube de puntos点云/散点图p.19复数星座的分布图;同源同色。
número de símbolos (S)符号数p.7S = 2B;QAM 里 S = L2。
P
PAM脉冲幅度调制p.27一维等间距零均值星座;Ak = (1−S+2k)d/2。
PAM(Constellation)PAM 类p.34amp_PAM_design + labels_Gray_design + SER。
probabilidad de error de símbolo符号错误概率p.28系数 2(1−1/S);4-PAM 化简为 3/2。
paso banda (canales)通带信道p.7这里的幅度是复数,才有 I/Q 两路。
permutación (tabla de)置换表p.22编码表是双射,所以可逆、可解码。
Q
QAM正交幅度调制p.35二维星座:两个 L-PAM 正交叠加。
QAM cuadrada方形 QAMp.36S = L2、B 为偶数;判决可实虚分开做。
QAMSquare(Constellation)方形 QAM 类p.40amp_and_labels_PAM2QAM:一维升二维。
Q(·)高斯尾函数p.28所有 SER 公式的外壳;参数是 d/(2ση)。
R
régimen binario比特速率p.8RB = B·ƒS,是乘不是除。
región de decisión (16-QAM)16-QAM 判决区p.1616 块方砖铺满平面,砖缝是中垂线。
ruido del canal信道噪声p.11收到幅度带误差的主要来源。
S
símbolo符号p.5每 TS 发一个;由 B 比特决定。
SER符号错误率p.28PAM:2(1−1/S)Q(d/2σ);QAM 见 p.37。
S = 2B符号数等式p.7点数必须是 2 的幂,没有 15-QAM。
S = L2方形 QAM 符号数p.36L 是每维的 PAM 点数,L = 2B/2。
SNR信噪比p.28SER 只通过 SNR 依赖能量与噪声。
scatter_plot散点图方法p.20Amplitudes 类的绘图方法之一。
symbols (módulo)symbols 模块p.20本讲所有类的宿主模块。
T
tabla de amplitudes幅度表p.14amptable = [−3,−1,1,3];编码就是下标取值。
tabla de codificación编码表p.22标签表 + 标签十进制表 + 索引表三件套。
transmisión y recepción de símbolos符号的发送与接收p.5编码器 → 离散等效信道 → 解码器。
V
vector de bits比特向量p.23编码入口;先 reshape 成「每行一个标签」。
vector de índices索引向量p.23编码出口;送到星座去取幅度。

数字与量级速记卡

口诀:「七节、一条闭环、三个 S 的公式、两条 Q 公式」。这页数字张口就能报,是 Tema 2 的送分点。

行数字原文关键词中文页
172.1 – 2.7全讲七节:引论、编码、解码、幅度、标签、PAM、QAMp.2
23codificador / canal / decodificador符号收发链三个方框p.5
3S = 2Btodas las etiquetas星座点数与每符号比特数的关系p.7
4RB = log2(S)·ƒSrégimen binario比特速率p.8
52etiquetas → amplitudes编码两级:先标签、后幅度p.9
64[−3, −1, 1, 3]4-PAM 幅度表元素个数p.14
7中垂线mediatrices判决区边界的几何定义p.15
81616-QAM16 个判决区(4×4 方砖)p.16
93 步distancia → mínimo → índices判决器实现三步p.17
103 张表labels / labels_dec / index标签表、标签十进制表、索引表p.22
11E = (S²−1)d²/12energía media PAMPAM 星座平均能量p.27
122(1−1/S)Q(d/2ση)SER general PAMPAM 的 SER 闭式p.28
133/24-PAM4-PAM 的 SER 系数 (1+2+2+1)/4p.28
14BER ≈ SER/BGray + SER ≪ 1比特错误率的近似式p.31
15Be ≈ 1codificación GrayGray 下每个错误符号平均只错 1 位p.31
16E = (S−1)d²/6energía media QAMQAM 星座平均能量p.36
17S = L², L = 2B/2QAM cuadrada方形 QAM 的符号数与每维点数p.36
184(1−1/√S)Q(√(3SNR/(S−1)))SER QAMQAM 的 SER(主项)p.37
19SER < 10−1aproximación近似式好用的门槛p.38

最容易混的十二组概念

每组只抓一个分界点:谁在前谁在后、谁一维谁二维、谁决定谁。

etiqueta vs índiceetiqueta 是比特的样子(如 10),índice 是星座的编号(如 2)。前者靠标签表翻译,后者只是数组下标——混了就会在 p.23 的三步里写错顺序。
codificación vs decodificación方向相反:编码「比特 → 标签 → 索引 → 幅度」,解码「幅度 → 索引 → 标签 → 比特」。发:标签在前;收:判决在前。
SER vs BERSER 数「判错几个符号」,BER 数「错了几个比特」。一个符号错误可能只错 1 位,也可能错 2 位(p.30);Gray 让前者占绝对多数。
Gray vs 非 GrayGray 只保证相邻符号差 1 位;高 SNR 时错误几乎都落在相邻区,所以 Gray 收益最大;低 SNR 时远邻也出错,收益消失。
d vs σηd 是星座几何(固定),ση 是噪声强度(可变)。两者之比决定 SER:Q(d/2ση)。想让 SER 变小,只能加大 d(费能量)或减小 ση。
PAM vs QAMPAM 一维(实轴),QAM 二维(实+虚)。同样 S 下 QAM 能把点摊得更开——这就是「二维增益」,也是为什么 QAM 成为主流。
S = 2B vs S = L2前者是「比特 ↔ 点数」的通用约束;后者是「方形 QAM 怎么用两个 PAM 拼」的结构约束。同时成立时 B = 2·log2L,所以 B 必为偶数。
实幅度 vs 复幅度基带(平坦信道)用实数;通带才需要复数(I/Q 两路)。本讲的判决与星座对两者都成立,只是「距离」从绝对值变成模。
判决区域 vs 中垂线中垂线是边界(线),判决区域是围出来的面。把「边界是中垂线」说成「判决区是中垂线」是典型扣分点。
分母 12 vs 6PAM:E = (S²−1)d²/12;QAM:E = (S−1)d²/6。QAM 是两维能量相加,所以系数翻倍——别把 12 直接套到 QAM。
SNR 相同、S 不同SER 一定随 S 变差(d 变小)。「S 翻 4 倍 → 约多 6–7 dB」是常被引用的量级结论。
BER ≈ SER/B 的适用条件两个条件同时要:① Gray 映射;② SER ≪ 1(ση ≪ d/2)。只写一个就扣分。