信号处理知识

一、频谱分析的理解

复杂信号是由大量不同频率和振幅的波组成的。这些波叠加在一起，形成了复杂的波形。尽管复杂信号包含了多个频率成分，但我们往往无法直接观察到这些成分，因为它们混合在一起形成了单一的波形。然而，通过傅里叶变换等数学方法，我们可以将复杂信号分解为多个单一频率的成分，这就是所谓的频谱分析。

棱镜的角色由我们将要推导的傅里叶分析工具——傅里叶级数与傅里叶变换扮演。重新组合正弦分量来重建原信号基本上是一个傅里叶合成问题。

任何信号都可以看作是由多个不同幅度、频率和相位角的正弦波组成。这在信号处理和通信领域非常有用，可以帮助我们理解和分析复杂信号。信号可以在时域和频域中进行分析。信号的一些参数，如频率和相位，在时间上很难分析域，因此它们在频域中被观察到。

时域信号可以通过使用离散傅里叶变换或快速傅里叶变换（FFT）得到频域信号。

下图描述了时域和频域中各种波形的表示。波形包括正弦波、三角波、锯齿波、矩形波、脉冲波等。    

二、频谱、功率谱、倒频谱

1. 频谱

频谱分析指的是将信号做傅里叶变换从而进行分析。频谱分析是包括幅频谱和相频谱两张图的。不过最常用的是幅频谱。

FT（Fourier Transformation）：傅里叶变换。就是我们理论上学的概念，但是对于连续的信号无法在计算机上使用。其时域信号和频域信号都是连续的。

DTFT（Discrete-time Fourier Transform）：离散时间傅里叶变换。这里的“离散时间”指的是时域上是离散的，也就是计算机进行了采样。不过傅里叶变换后的结果依然是连续的。

DFT（Discrete Fourier Transform）：离散傅里叶变换。在DTFT之后，将傅里叶变换的结果也进行离散化，就是DFT。也就是说：FT时域连续、频域连续；DTFT时域离散、频域连续；DFT时域离散、频域离散。

FFT（Fast Fourier Transformation）：快速傅里叶变换。就是DFT的快速算法，一般工程应用时用的都是这种算法。

FS（Fourier Series）：傅里叶级数。是针对时域连续周期信号提出的，结果是离散的频域结果。

DFS（Discrete Fourier Series）：离散傅里叶级数。是针对时域离散周期信号提出的，DFS与DFT的本质是一样的。

注意：

• 在实际计算中通常使用快速傅里叶变换（FFT）。它是一种用来计算DFT（离散傅里叶变换）和IDFT（离散傅里叶反变换）的一种快速算法。

• 随机信号是无法做傅里叶变换的。

Matlab实现

频谱用到的函数主要是fft和fftshift。

1.直接做fft的结果，信号的前半部分对应频率[0,fs/2]，后半部分对应[-fs/2,0]。参见频谱结果图的第2张。为了将零频点移到频谱中间，需要使用fftshift函数，结果参见频谱结果图的第3张。

2.通常我们关心的都是正频率区间的结果，有两种截取方法，一种是在fftshift的结果中截后半段，一种是在fft的结果中截前半段，其结果是一样的。后一种方法更简洁。具体参见频谱结果图的第4、5张。

3.根据奈奎斯特定理，信号的采样频率（1/t_s）必须大于信号频率最大值的两倍。

t_s = 0.01; %采样周期
t_start = 0.5; %起始时间
t_end = 5;     %结束时间
t = t_start : t_s : t_end;
y = 1.5*sin(2*pi*5*t)+3*sin(2*pi*20*t)+randn(1,length(t));  %生成信号

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%频谱%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
y_f = fft(y); %傅里叶变换
subplot(5,1,1);
plot(t,y);title('original signal');   %绘制原始信号图
Druation = t_end -t_start;  %计算采样时间
Sampling_points = Druation/t_s +1;  %采样点数，fft后的点数就是这个数
f_s = 1/t_s; %采样频率
f_x = 0:f_s/(Sampling_points -1):f_s;  %注意这里和横坐标频率对应上了，频率分辨率就是f_s/(Sampling_points -1)
t2 = f_x-f_s/2;
shift_f = abs(fftshift(y_f));
subplot(5,1,2);
plot(f_x,abs(y_f));title('fft transform');
subplot(5,1,3);
plot(f_x-f_s/2,shift_f);title('shift fft transform');  %将0频率分量移到坐标中心
subplot(5,1,4);
plot(t2(length(t2)/2:length(t2)),shift_f(length(shift_f)/2:length(shift_f)));title('shift fft transform');   %保留正频率部分
subplot(5,1,5);
plot(f_x(1:length(f_x)/2),abs(y_f(1:length(f_x)/2)));title('fft cut');  %直接截取fft结果的前半部分

2. 功率谱

功率谱是功率谱密度函数（PSD）的简称，它定义为单位频带内的信号功率。

功率谱是针对功率信号来说的。功率谱的推导公式相对复杂，不过幸运的是维纳-辛钦定理证明了：一段信号的功率谱等于这段信号自相关函数的傅里叶变换。

所以求功率谱就有了两种方法：1.(傅立叶变换的平方)/(区间长度)；2.自相关函数的傅里叶变换。这两种方法分别叫做直接法和相关函数法。

功率谱这里存在着一些问题，整理如下：

1.功率谱密度的单位是什么，看有的写的是dB，还有的说是W/Hz。

功率谱的单位是W/Hz，单位是dB时是做了对数处理（10logX）。取对数的目的是使那些振幅较低的成分相对高振幅成分得以拉高，以便观察掩盖在低幅噪声中的周期信号。

2.求功率谱的两种方法有什么区别么？

从原理上讲似乎没什么区别，从MATLAB仿真结果上来看，相关函数法对噪声的抑制效果更好，图线更平滑。

3.FFT和PSD都是表示的频谱特性，帮助我们找出峰值的位置，那么有了FFT为什么还要提出PSD？

信号分为确定信号和随机信号，而确定信号又分为能量信号和功率信号，随机信号一定是功率信号。根据狄里赫利条件，能量信号可以直接进行傅里叶变换，而功率信号不行。对于无法做傅里叶变换的信号，只能走一步弯路，先求自相关，再做傅里叶。但是物理意义上就是功率谱了。不过总之得到了信号的频率特性。

4.既然为什么随机信号的一次FFT没有意义却还能(傅立叶变换的平方)/(区间长度)得到功率谱？

对随机信号直接做FFT的做法其实就是截断成能量信号进行处理，这种处理不符合随机信号定义，但之所以这样做，是做短时频域分析下作的近似处理。（这里希望能有大神能给出更好的解释）

所以总结，频谱和能量谱（也叫能量谱密度）是傅里叶变换得到的复数结果和模平方的关系；
而功率谱（也就是功率谱密度）是针对随机信号分析提出的概念。

Matlab实现

功率谱有两种求法：1.(傅立叶变换的平方)/(区间长度)；2.自相关函数的傅里叶变换。这两种方法分别叫做直接法和相关函数法。（参见信号的各种频域分析方法的理解（频谱、能量谱、功率谱、倒频谱、小波分析））

下述代码中，直接法就用了(傅立叶变换的平方)/(区间长度)的方法求解的，其结果和使用MATLAB的函数periodogram（周期图法）结果相同；虽然理论上直接法和相关函数法相同，不过仿真结果中相关函数法对噪声的抑制效果更好，图线更平滑。（图中的纵坐标都进行了取对数的处理（10log），取对数的目的是使那些振幅较低的成分相对高振幅成分得以拉高，以便观察掩盖在低幅噪声中的信号特征。）

Fs = 1000;
nfft = 1000;  %fft采样点数

%产生序列
n = 0:1/Fs:1;
xn = cos(2*pi*100*n) + 3*cos(2*pi*200*n)+(randn(size(n)));
subplot(5,1,1);plot(xn);title('加噪信号');xlim([0 1000]);grid on
%FFT
Y = fft(xn,nfft);
Y = abs(Y);
subplot(5,1,2);plot((10*log10(Y(1:nfft/2))));title('FFT');xlim([0 500]);grid on
%FFT直接平方
Y2 = Y.^2/(nfft);
subplot(5,1,3);plot(10*log10(Y2(1:nfft/2)));title('直接法');xlim([0 500]);grid on
%周期图法
window = boxcar(length(xn));  %矩形窗
[psd1,f] = periodogram(xn,window,nfft,Fs);
psd1 = psd1 / max(psd1);
subplot(5,1,4);plot(f,10*log10(psd1));title('周期图法');ylim([-60 10]);grid on
%自相关结果
cxn = xcorr(xn,'unbiased');  %计算自相关函数
%自相关法
CXk = fft(cxn,nfft);
psd2 = abs(CXk);
index = 0:round(nfft/2-1);
k = index*Fs/nfft;
psd2 = psd2/max(psd2);
psd2 = 10*log10(psd2(index+1));
subplot(5,1,5);plot(k,psd2);title('间接法');grid on

3.倒频谱

倒频谱（Cepstrum）也叫倒谱、二次谱和对数功率谱等。倒频谱的工程型定义是：信号功率谱对数值进行傅立叶逆变换的结果。（信号→求功率谱→求对数→求傅里叶逆变换）

为什么翻译作倒频谱呢？我个人的理解是，频谱（功率谱）反应的频率特征点横坐标是频率f（Hz），在倒频谱中对应的特征点的横坐标是时间t（s），而f与t互为倒数。从这里也可以看出，虽然倒频谱也叫“频谱”，其横坐标却并不是频率，而是时间。

那么倒频谱有什么好处呢？

“该分析方法方便提取、分析原频谱图上肉眼难以识别的周期性信号，能将原来频谱图上成族的边频带谱线简化为单根谱线，受传感器的测点位置及传输途径的影响小。”

这都是啥意思？一条条解释：

1.方便提取、分析原频谱图上肉眼难以识别的周期性信号

我们知道，频谱分析就是为了提取原始信号中的周期性信号的，怎么频谱中的信号还会有周期性？这就又涉及到两个概念：调制和边频带。

调制分为幅值调制和频率调制。下面以齿轮的幅值调制为例进行说明：齿轮的振动信号主要包括两部分，分别是齿轮啮合振动信号（高频）和齿轮轴的转频振动信号（低频），时域和频域曲线分别如下图所示：

高频信号和低频信号时域波形

高频信号和低频信号的频域波形

调制就是高低频率信号的混合。幅值调制从数学上看，相当于两个信号在时域上相乘；而在频域上，相当于两个信号的卷积。调制后的信号在时域和频域上分别变为：

调制后的时域信号

调制后的频域信号

我们发现，调制后的信号中，除原来的啮合频率分量外，增加了一对分量，它们是以高频信号特征频率为中心，对称分布于两侧，所以称为边频带。

实际实验中齿轮啮合振动信号（高频）和齿轮轴的转频振动信号（低频）的特征频率可能是有多组的，其调制后的频域信号近似于一组频率间隔较大的脉冲函数和一组频率间隔较小的脉冲函数的卷积，从而在频谱上形成若干组围绕啮合频率及其倍频成分两侧的边频族，如下图：

边频带的形成

说了一大堆，终于回归到上边提到的问题：倒频谱“方便提取、分析原频谱图上肉眼难以识别的周期性信号”。这里指的周期性信号，就是重复出现的边频带。

倒频谱能较好地检测出功率谱上的周期成分，通常在功率谱上无法对边频的总体水平作出定量估计，而倒频谱对边频成分具有“概括”能力，能较明显地显示出功率谱上的周期成分，将原来谱上成族的边频带谱线简化为单根谱线，便于观察，而齿轮发生故障时的振动频谱具有的边频带一般都具有等间隔（故障频率）的结构，利用倒频谱这个优点，可以检测出功率谱中难以辨识的周期性信号。

2.受传感器的测点位置及传输途径的影响小

这是倒频谱的第二个好处。对于布置在不同位置的传感器，由于传递路径不同，其功率谱也不相同。但在倒频谱上，由于信号源的振动效应和传递途径的效应分离开来，代表齿轮振动特征的倒频率分量几乎完全相同，只是低倒频率段存在由于传递函数差异而产生的影响。在进行倒频谱分析时，可以不必考虑信号测取时的衰减和标定系数所带来的影响。这一优点对于故障识别极为有用。

Matlab实现

倒频谱的求解函数为rceps（实倒频谱），在MATLAB的帮助文档中，rceps的计算公式为real(ifft(log(abs(fft(y)))))，即信号→频谱→对数→傅里叶逆变换，而倒频谱的定义表述中却是信号→功率谱→对数→傅里叶逆变换。即功率谱被换成了频谱。私以为是因为功率谱为频谱值的平方，在取对数后平方会变成系数2，对后续计算影响不大，因而可以近似认为结果相同。

在仿真中要看出倒频谱的作用，需要手动生成一组调制信号。下列程序将高频（主频为50/100/200Hz）和低频（主频为5/10/20Hz）信号进行调制，分别画出低频、高频和调制信号的时域图和频谱图。在图ftt_y中可以看到边频带的形成。（图中红圈处可以看到三个峰值，分别是0.05s、0.1s和0.2s。其对应的频率分别为20Hz、10Hz和5Hz，正是调制信号的低频分量。该低频分量在图fft_y中以边频带的形式出现，无法看出其对应频率值，而在倒频谱中能轻易展现。这正是倒频谱的意义所在。）

sf = 1000;
nfft = 1000;
x = 0:1/sf:5;
y1=10*cos(2*pi*5*x)+7*cos(2*pi*10*x)+5*cos(2*pi*20*x)+0.5*randn(size(x));
y2=20*cos(2*pi*50*x)+15*cos(2*pi*100*x)+25*cos(2*pi*200*x)+0.5*randn(size(x));
for i = 1:length(x)
    y(i) = y1(i)*y2(i);
end
subplot(3,3,1)
plot(y1);xlim([0 5000]);title('y1');
subplot(3,3,2)
plot(y2);xlim([0 5000]);title('y2');
subplot(3,3,3)
plot(y);xlim([0 5000]);title('y=y1*y2');

t = 0:1/sf:(nfft-1)/sf;
nn = 1:nfft;
subplot(3,3,4)
ft = fft(y1,nfft);
Y = abs(ft);
plot(0:nfft/2-1,((Y(1:nfft/2))));
title('fft_y_1');
ylabel('幅值');xlim([0 300]);
grid on;
subplot(3,3,5)
ft = fft(y2,nfft);
Y = abs(ft);
plot(0:nfft/2-1,((Y(1:nfft/2))));
title('fft_y_2');
ylabel('幅值');xlim([0 300]);
grid on;
subplot(3,3,6)
ft = fft(y,nfft);
Y = abs(ft);
plot(0:nfft/2-1,((Y(1:nfft/2))));
title('fft_y');
ylabel('幅值');xlim([0 300]);
grid on;

subplot(3,3,7)
z = rceps(y); %信号→频谱→对数→傅里叶逆变换
plot(t(nn),abs(z(nn)));
title('z=rceps(y)');ylim([0 0.3]);
xlabel('时间(s)');
ylabel('幅值');
grid on;
subplot(3,3,8)
yy = real(ifft(log(abs(fft(y))))); %信号→傅里叶→对数→傅里叶逆变换
plot(t(nn),abs(yy(nn)));
title('real(ifft(log(abs(fft(y)))))');ylim([0 0.3]);
xlabel('时间(s)');
ylabel('幅值');
grid on;

4、能量谱

要理解能量谱和功率谱，首先要弄明白能量有限信号和功率有限信号（学会区分能量信号和功率信号）

能量谱也叫能量谱密度，能量谱密度描述了信号或时间序列的能量如何随频率分布。能量谱是原信号傅立叶变换的平方。

三、调制

调制技术和元器件的持续改进以及纠错码的进步，促使信道容量更加接近香农定理设定的基础极限。

调制是一种将需要传送的信号搬移到高频载波，实现频谱搬移的过程。把输入信号变换为通过信道传输波形的变换过程称为调制。通常把原始信号称为调制信号，也称基带信号；被调制的高频用于运载原始信号，因此称载波。调制实现了信源的频谱与信道的频带匹配。

信号为什么需要调制？对于数字通信来说，调制使您能够使用窄频率带宽传输更多数据。1.低频信号不适合在空中传播，天线尺寸与信号波长成正比，调制实现频谱搬移。2.无线频谱资源有限，需要在指定的频率上进行发射接收，调制实现频率复用     3.增加信号在信道中传输时的抗干扰性能，提高频率效率。

1. 模拟调制

模拟调制是用连续变化的信号去调制一个高频正弦波。模拟调制的三种方式：调幅（AM）、调频（FM）、相位调制（PM）。

调幅（Amplitude Modulation - AM）：调幅（AM） 可维持频率和相位常数并缩放振幅（与音频信号成正比）。幅度调制是用于广播声音的调制类型。

调频（Frequency modulation - FM）：调频可让振幅维持恒定，并随时间改变波形频率（与音频信号成正比）。调制形式已被用于许多应用，包括高质量的模拟声音广播。

相位调制（Phase modulation - PM）：相位调制PM 同样也可让振幅维持恒定，但依照相位改变波形。相位调制和频率调制有许多相似之处并且是相互联系的——一个是另一个的差分。然而，相位调制适用于数据传输，因此近年来它的使用迅速增长。

2. 数字调制

数字调制是无线、卫星和地面通信行业中使用的一个术语，指数字状态由载波相对相位和/ 或幅度表示的一种调制。虽然我们讨论的是数字调制，但是应记住这种调制并不是数字的，而真正是模拟的。调制是按照调制( 基带) 信号的幅度变化成比例地改变载波的幅度、频率或相位。也就是说在数字调制中，信息包含在载波的相对相位、频率或幅度中，参见图。在数字调制中，基带调制信号是数字式的，而调制过程不是数字的。数字信号，就是只有有限种信息状态的信号。例如现在最基本的010101的信号，只有0和1两种状态的组合。

数字调制的进化：让每一个周期发送的符号，包含更多信息，换言之要求离散的可选状态点增多

模拟调制信号和数字调制信号的唯一区别是载波状态的改变是连续（无穷多）还是离散（有限个）

在模拟调制中应用的调幅 (AM)、调频 (FM)和调相 (PM)，在数字调制中分别称为幅移键控 (ASK)、频移键控 (FSK)和相移键控 (PSK)。而数字调制中常用的正交幅度调制 (QAM)是典型的矢量调制，同时改变载波的幅度和相位。任何调制方案都有它的优点和不足，带宽和成本是主要问题。调制方案越复杂，就越难实现，工程要求会更多，从而也增加了成本。

基本调制方案包括幅度、频率和相位调制。调制信号可以使用幅度和相位（矢量）的极坐标来表示。I/Q调制由于频谱效率较高，因而在数字通信中得到广泛采用。

信道容量：在信息论中，称信道无差错传输信息的最大信息速率为信道容量，记为C。从信息论的观点来看，各种信道可概括为两大类：离散信道和连续信道。所谓离散信道就是输入与输出信号都是取值离散的时间函数；而连续信道是指输入和输出信号都是取值连续的。这里主要讨论后者即调制信道，仅从说明概念的角度考虑，我们只讨论连续信道的信道容量。

1948年，香农(Shannon)提出了信息论，导出了香农公式。其结论为：

1.  在给定B、S/N 的情况下，信道的极限传输能力为 C，而且此时能够做到无差错传输（即差错率为零）。这就是说，如果信道的实际传输速率大于 C 值，则无差错传输在理论上就已不可能。因此，实际传输速率一般不能大于信道容量 ，除非允许存在一定的差错率。2. 提高信噪比 S/N（通过减小 N 或增大 S ），可提高信道容量 C。特别是，若 N→0，则 C →∞，这意味着无干扰信道容量为无穷大；3. 增加信道带宽 ，也可增加信道容量 ，但做不到无限制地增加。

通常，把实现了极限信息速率传送（即达到信道容量值）且能做到任意小差错率的通信系统，称为理想通信系统。香农只证明了理想通信系统的“存在性”，却没有指出具体的实现方法。先进的数字调制技术是实现更高系统容量的重要手段。一方面宽带调制使B增大，不仅有效增加系统容量，而且提高抗干扰能力；另一方面数字调制和编码结合提供更大的处理增益，使每个用户需要的S/N下降，使通信容量增大。通信系统从模拟系统转向数字系统，其中一个根本原因在于系统抗噪声性能的好坏。

数字系统以误码率或误帧率来衡量接收质量。由于数字系统接收机中使用最佳接收机技术（匹配或相关接收），采用最大似然判决来得到较好的信噪比。数字调制信号要反应的对象是离散的电平状态，即使在调制或传输过程中对信号波形造成变化，对传输的离散状态可能不会造成损害。模拟调制信号的载波特征参数变化有无穷多的状态，任何连续状态变化过程中的误差都会造成信息的损失，通信质量完全取决于S/N。数字调制信号的载波变化状态是有限的，离散的，非有效状态的误差不会造成信息的损失，因此数字调制信号可以承受更大的噪声。

通信系统从模拟系统转向数字系统，其中一个根本原因在于系统抗噪声性能的好坏

• 模拟调制信号基于对连续波形信号的传输，需完成对信号连续变化过程的精确描述和检测，其载波特征参数变化有无穷多的状态，任何连续状态变化过程中的误差都会造成信息的损失，通信质量完全取决于S/N。

• 数字调制信号基于对离散状态的传输，只需完成对离散时间点信号状态的控制和判决，其载波变化状态是有限的和离散的，非有效状态的误差不会造成信息的损失。因此数字调制信号可以承受更大的噪声。

3. 调制方式

开/关键控(OOK）是最基础的调制格式，通过调节幅度来实现调制信号， 在OOK中：当激光源开启时，表示“1”；当激光源关闭时，表示“0”。换句话说，当光幅度超过某个水平时，表示“1”；当光幅度低于这个水平时，表示“0”。

OOK的星座图。在OOK中，相位是随机的。

复合调制格式

通过复合调制可以在一个信号状态内（表示为‘符号’）对多个比特进行编码，复合传输不是发送二进制数据流，而是将多个比特编码变成一个新符号，然后发送这些符号的数据流，比如正交相移键控(QPSK）使用4个符号对每2个比特进行编码。如图1所示，2个比特编码成1个新符号，通过这种方式，相同的带宽可以传输两倍的数据量。采用更高级的调制格式，使用单个符号定义更多比特，可以继续提高数据传输速率。

图1.  编码概念：使用符号表示比特串，这里用一个字母符号表示2个比特

为什么采用复合调制？

使用OOK 时，信道干扰或衰减会在100 Gbps 及以上速率造成严重的干扰，这是因为随着频谱扩大的信道开始与临近信道重叠，OOK信号所占用的带宽巨大，信号经过波长滤波器整形， 结果会产生串扰和调制信息质量下降。复合调制方案使用光波的所有参数（幅度和频率或相位）进行信息编码， 可以有效改善频谱效率，采用复合调制方案，比如正交相移键控（QPSK）可以解决这些问题。

图 2. ITU 网格中的信号频谱

调制方式（PDM、强度、IQ、WDM）

图3为电磁波（电场）的数学描述，电磁波中包含两个偏振分量Ex和Ey。这些正交分量在偏振多路复用(PDM)中用作两个不同的信道来发送独立信号。在波分复用（WDM）中，不同的频率ω用作不同信道，在这些频率/波长上进行独立的数据传送。对于复合调制方案来说，除了幅度E之外，光波的相位Ф也可以经过调制用于定义上述符号。调制光波的电场也可以用I/Q图中的复数平面来描述。这里，I是同相或实部，Q是正交或虚部，如图4所示（在去除了波的时间和空间依赖性之后，仅用于一个偏振面）。符号对应于图（也称为“星座图”）上的一个点（也称为“星座点”），由极坐标中的I和Q值通过幅度E和相位φ定义。星座点对应的是符号时钟时间，也称为“检测决策点”。

图3. 电磁波的数学描述

图4.符号的I/Q表示

相移键控（PSK）
相移键控是一种数字调制方法。这种方法用于通过调制否则会改变被称为参考信号的载波信号的相位来传输数据。通过使用有限数量的单独信号，可以用任何一种数字调制方法来表示数字数据。这种调制方法使用有限数量的相位，其中每个相位都可以分配二进制数字。通常，每个阶段都编码相等数量的位。每个位模式形成由确切相位表示的符号。

二进制相移键控(2PSK)

相移键控是利用载波的相位变化来传递数字信息，而振幅和频率保持不变。在二进制相移键控(2PSK)中，通常用初始相位0和π分别表示二进制相位“0”和“1”。

二进制相移键控（BPSK），是最简单的相移键控形式，它具有两个相隔180°的相位值，例如：0和π。幅度是恒定的。与OOK相比，这两个符号的间距很大，可免受失真和噪声的干扰。因此，BPSK适合超长距离应用，例如数据速率为40 Gbps的海底光纤网络。BPSK的不足之处是每个符号仅表示1比特，与OOK相同，因此不适合用于100 Gbps及数据速率更高的应用。BPSK相对于OOK的劣势是它很难确定信号的绝对相位。需要采用更复杂、更昂贵的方法比如相干检测。对于OOK，光电二极管可以检测出承载信息的幅度，称为“直接检测”。

图7.OOK和BPSK星座图对比

什么是差分相移键控(DPSK)？

差分相移键控常称为二相相对调相，记作2DPSK。它不是利用载波相位的绝对数值传送数字信息，而是用前后码元的相对载波相位值传送数字信息。所谓相对载波相位是指本码元初相与前一码元初相之差。

差分相移键控(DPSK)，为了避免进行相干检测，需要对BPSK进行修改。对于DPSK信号，π的相位变化表示0，而不是绝对相位π。如果从一个比特到下一个比特的相位没有发生改变，可以称之1。在接收机一侧，数据流被分成两个相同的流，两个流之间有一个比特周期的时延（差分）。将两个数据流混合在一起，就能生成一个信号，光电探测器可以直接检测到该信号，这种混合信号的强度更高。与OOK类似，DPSK每个符号中仅有1比特，因而不适合数据速率极高的应用。

图8.DPSK信号直接检测

正交相移键控(QPSK)

QPSK的1个符号表示2个比特。4个星座点的相位相差π/2，而幅度是恒定值。相对于OOK和BPSK，QPSK可在带宽不变的情况下让数据速率翻倍，这意味着，它也能够在一半带宽上提供原有的数据速率。QPSK通常用于100 Gbps的数据速率。信号相位检测要求使用相干技术。

正交相移键控编码规则
QPSK的每个码元含有2b的信息，用ab代表两个比特。发送码元序列在编码时需要先将每两个比特分成一个双比特组ab。ab有4中排列方式，即00,01,10,11,代表了4种相位。各种排列的相位之间的关系按照格雷码安排。采用格雷码的好处，在于相邻相位所代表的两个比特只有一位不同，降低了因相位误差造成错判的概率，从而使总误比特率降低。

图5显示了QPSK（正交相移键控（Quadrature Phase Shift Keying，QPSK））中的4个符号的星座点。QPSK是一种复合调制类型，使用4个符号对每2个比特进行编码。星座点位于半径为E的圆上。这意味着符号只是相位不同（相邻两点的相位差大约为π/2），幅度是相同的。在时域中，4个符号可使用幅度相同、相位不同的两个波形的组合来表示。

图5.QPSK（正交相移键控（Quadrature Phase Shift Keying，QPSK））的4个符号/星座点，一个符号编码2比特

图6.QPSK和OOK星座图比较

差分正交相移键控(DQPSK)。

为避免接收机端上的QPSK出现由光纤引起的相移所造成的相位模糊现象，可采用DQPSK，通过差分已传输符号间的相移来表示信息。4个可能的相移值通常为：0、-π/2、π/2或π。DQPSK的误码率（BER）低于QPSK，但对离差 (dispersion)的容限程度不高。与OOK类似，DQPSK信号可被直接检测。
 

正交幅度调制

正交幅度调制（Quadrature Amplitude Modulation - QAM）是一种在两个正交载波上进行幅度调制的调制方式。这两个载波通常是相位差为90度（π/2）的正弦波，因此被称作正交载波。这种调制方式因此而得名。在QAM中，数据信号由相互正交的两个载波的幅度变化表示。

使用QAM调制方案可以让数据速率达到400 Gbps或更高。QAM信号的调制和解调更加复杂，要比其他制式的成本要高。换句话说，高阶QAM的星座点比纯粹PSK更加分散。它们不容易受到噪声和失真的影响，BER也会降低。当进制数较低时，一般为8进制以下，则选用PSK传输技术更为经济。在2n-QAM方案中，2n星座点表示每个符号有一组n比特，通常分布在正方形点阵（参见图9）。2-QAM（最低阶QAM）每符号仅有1比特。在对应1和0的两个星座点之间，幅度保持不变，但存在π的相位差。因此，2-QAM实际上与BPSK是同一个方案。同样，4-QAM与QPSK不同，但两者的星座图是一样的，只有1个幅度值，4个星座点之间的相位差为π/2。8-QAM有2个幅度值和4个相差π/2的相位值，每个点表示3个比特。在其他的2n-QAM方案（n是奇数）中，很难使星座点呈现正方形点阵分布，会对BER性能带来负面影响；实际上，8-QAM方案并不实用。相反，16-QAM的频谱 效率是8-QAM的两倍，且BER的增幅很小，因而更受欢迎。

图9.QAM方案的星座点以正方形点阵分布
 

幅移键控和相移键控（APSK）。在APSK中,幅度和相位均被调制。与QAM不同的是,它的星座点分布在I/Q平面中的同心圆上。这个概念被引入到卫星系统（射频功率放大器具有非线性特性）。因此需要一个能够容忍非线性放大的调制方案（包含较少的幅度）。图10对比了16-QAM和16-APSK的星座图，其中QAM和APSK幅度不同。在光纤中，APSK可应用到非线性噪声场景中，用于改善对非线性光纤特征的容忍度。当数据速率高达400 Gbps及以上时,16-QAM的星座点间距较大，更易实施且光信噪比性能更佳，因而是首选的方案。

图 10. APSK方案的星座图和对应的 QAM 制式

图11.不同调制方式时域和频域特性

复合调制结合其他传输方法

复合调制方案还能与其他传输方法结合使用。例如，在PDM中，第二个光波信号与第一个光波信号正交偏振，可承载独立的信息，并通过同一条光纤进行传输。使用正交相移键控(QPSK)的话，传输速率可以增加一倍，通过PDM还可以使传输速率再增加一倍，如图12。

图12. 使用复合调制、偏振复用和频谱整形提高100 Gbps数据信号的频谱效率

信号速度

我们现在实际上使用两种不同的速度。第一种是以每秒比特数为单位的比特率ftx，也称为“传输速率”。第二种是符号率S，表示每秒传输的符号数，单位为波特。它也因此通常被称为“波特率 ”。Nsymbols是按字母顺序的符号数量，符号率的计算公式如下：

如果信号也被偏振复用，那么这个结果要除以2。以一个100-Gbps QPSK信号为例，符号率S = (100 Gbps) / log2(4比特/符号)/(2偏振) = 25 Gbaud。最低光占用带宽是25 GHz。
 

因此，复合调制信号所需的带宽并不取决于数据速率，同时与符号数量有关。这也意味着，以给定数据速率编入单个符号中的比特数目越多（Nsymobls越高），光占用带宽就会越小。换句话说，当符号速率不变时，可以通过增加每个符号的比特数，同时保持占用的光学带宽来提高数据速率，用于提高频谱效率。
 

4. 香农极限

香农极限是什么意思？

上个世纪 40 年代，美国数学家和电子工程师克劳德‧香农（信息理论之父）发现，在任何通信信道内，能够准确无误地传输数据的最大速度与噪声和带宽有关。他将这个最大比特率称为“信道容量”，也就是目前众所周知的“香农极限”。

香农极限（或称香农容量）指的是在信道上进行无差错传输的理论最大传输速率，是香农定理在有限带宽的信道上的理论。

香农－哈特利定理

信道容量 ：

其中 B 表示测得的带宽 (Hz)，S 表示接收的信号平均功率 (W)，N 表示平均噪声功率 (W)。

S/N是信噪比，那么信道容量和信号传输使用的带宽有关，而与载波所在的频率无关。

香农极限定理是在 Hartley's law 和 Nyquist rate 基础之上发展的。

信道容量可以通过增加带宽或优化信噪比 (SNR = S/N) 来增加。

实际上，该定理给出了理论上的最大值，但没有说明哪种信号概念可以让我们最接近这一极限。

实际上，SNR 是基本的限制因数。无论在现在还是未来，它都需要不断优化，因为当数据速率超过 100 Gbps 时，远距离通信需要更好的信噪比性能才能在给定带宽内达到香农极限。

香农极限（或称香农容量）指的是在信道上进行无差错传输的理论最大传输速率，是香农定理在有限带宽的信道上的理论。
 

5. IQ调制

1. 概念理解

调制就是将原始信号加载到载波依赖的方法。载波是指被调制成为传输信号的波形，一般为正弦波（来回定义）。而未对载波进行调制的的待传信号称为基带信号（信号的频谱从零频附近开始的，没有经过调制的信号），它所使用频率为基带，以基带信号传输的的方式即为基带传输，它一般应用在工业上。基带的高限频率和低限频率往往远大于1（频带越宽，传输波形衰减越大，所以长距离通信需要调制）,将基带信号搬移到高频带（调制过程）叫通带传输。

调制就是将基带信号（基带信号频带宽，但能量主要集中在低频）搬移到高频上或者说用载波的某个参量来表示基带信号。其作用一是把基带信号调制成适合在信道中传输的信号，二是实现信道的多路复用，提高信道利用率，三是减小干扰，提高系统的抗干扰能力，最后实现传输带宽与信噪比之间的互换。

调制可分为线性调制和非线性调制。前者指调幅，双边带调制，单边带调制和残留边带调制而后者一般指频谱的非线性变换。

带通信号是指频谱位于某个中心频率附近的信号，假如基带信号与带通信号具有某种关系（频谱形状不变），称为该带通信号的等效基带信号。带通信号可以用等效低通来表示，用来简化带通依赖的处理。

调制也可为分模拟调制和数字调制。模拟调制有三种类型即调幅（AM）、调频（FM）和相位调制（PM）。数字调制的过程就是将原始数据比特流按照一定的规则映射至IQ坐标系的过程。映射完成后将得到数字I和Q信号，再分别由DAC转换为模拟I和Q信号，最后经IQ调制器上变频至射频频段。它其实可以通过和模拟信号一样去处理三种类型的方式去控制载波信号，但它称为ASK，FSK和PSK，另外在数字调制中还有一种调制方式同时包含幅度和相位的调制称为QAM调制，即正交幅度调制。

I/Q：可以简单理解成为一个复数坐标定义的矢量图（复信号，对应有实信号）。其中横轴为实部，纵轴为虚部，其矢量定位点称为映射点或星座点，所以可以用IQ星座图表示这些点（星座图对判断误码率有很大作用）。每个矢量可以定义为I+jQ的正交分量形式，所以数字调制也叫矢量调制。I/Q调制由于频谱效率较高，因而在数字通信中得到广泛采用。
因为I/Q信号正交，所以，其可以划分成两路，一路是0和180度，一路是90和270度。

2. 原理和作用

I/Q解调的数学原理：
1、当数字本振的频率等于调制信号的载波频率时，数字滤波器输出的实部信号 I(t)和虚部信号Q(t), 这两个就是调制在载波上的时域波形。
2、用幅度坐标显示 I/Q相对于的结果，就得到调制了的幅度。
3、用相位坐标显示 I/Q 相对于时间的结果，就得到调制了的相位
4、频率是相位对时间的微分

I/Q调制器具有三个比较关键的性能指标：
1、整个带宽内的频率响应
2、 两个支路间的幅频响应对称性
3、 两路 IQ 信号的正交性。

I/Q调制的作用主要是提高利用率。I和Q信号是在相位上是正交的，所以可以看成两路信号，因此其频谱利用比单相调制提高一倍（载波用正弦和余弦同时发射）。但是其要求相对于单相要高很多。

​信号为什么需要调制？QAM、DPSK...常用调制全解析天天都在跟电子产品打交道，谁还不是个DIY小能手呢？快来参加面包板DIY创意设计PK赛吧https://mp.weixin.qq.com/s/jpDm08V867-qg1rmqqisbA