从星座图到硬件实现：手把手仿真QPSK家族（MATLAB/Python代码附后）

从星座图到硬件实现：手把手仿真QPSK家族（MATLAB/Python代码附后）

在数字通信系统的设计中，调制技术扮演着至关重要的角色。QPSK及其衍生版本OQPSK、π/4QPSK因其高效的频谱利用率和相对简单的实现，成为无线通信领域的常青树。本文将带您从理论到实践，通过MATLAB和Python代码实现这三种调制方式的完整仿真流程，特别关注它们的星座图演化轨迹和相位跳变特性。

1. QPSK调制基础与仿真实现

QPSK（Quadrature Phase Shift Keying）是最基础的四相相移键控技术，每个符号携带2比特信息。理解QPSK是掌握其变种的基础。

QPSK调制过程可分为以下步骤：

1. 比特流生成：创建随机的二进制序列
2. 串并转换：将序列分为I（同相）和Q（正交）两路
3. 映射到星座点：每2比特映射到一个复数符号
4. 脉冲成形：通常使用根升余弦滤波器
5. 载波调制：将基带信号搬移到射频

# Python实现QPSK调制核心代码 import numpy as np import matplotlib.pyplot as plt def qpsk_mod(bits, fc, fs, sps): # 参数：bits-输入比特流，fc-载波频率，fs-采样率，sps-每符号采样数 symbol_map = { (0,0): 1+1j, (0,1): 1-1j, (1,0): -1+1j, (1,1): -1-1j } # 串并转换 even_bits = bits[::2] odd_bits = bits[1::2] symbols = [symbol_map[(e,o)] for e,o in zip(even_bits, odd_bits)] # 脉冲成形 t = np.arange(0, len(symbols)*sps)/fs rc_filter = np.sqrt(np.sinc(t/sps - len(symbols)//2)) # 根升余弦近似 baseband = np.convolve(np.repeat(symbols, sps), rc_filter, 'same') # 载波调制 carrier = np.exp(1j*2*np.pi*fc*t) modulated = baseband * carrier return modulated, symbols

QPSK的主要特点是：

• 星座图有4个点，位于单位圆的π/4、3π/4、5π/4、7π/4位置
• 最大相位跳变为180°，这会导致信号包络瞬时过零
• 频谱效率为2bit/s/Hz

2. OQPSK：解决180°相位跳变问题

OQPSK（Offset QPSK）通过引入半个符号周期的时延，有效消除了QPSK中可能出现的180°相位跳变。

OQPSK与QPSK的关键区别：

% MATLAB实现OQPSK调制 function [modulated, symbols] = oqpsk_mod(bits, fc, fs, sps) % 定义映射关系 symbol_map = containers.Map({'00','01','10','11'}, ... [1+1j, 1-1j, -1+1j, -1-1j]); % 串并转换并加入时延 even_bits = bits(1:2:end); odd_bits = bits(2:2:end); % Q路延迟半个符号周期 delay = zeros(1, ceil(length(odd_bits)/2)); odd_bits_delayed = [delay, odd_bits(1:end-length(delay))]; % 符号映射 symbols_i = arrayfun(@(x) real(symbol_map(x)), ... strcat(num2str(even_bits'), num2str(odd_bits_delayed'))); symbols_q = arrayfun(@(x) imag(symbol_map(x)), ... strcat(num2str(even_bits'), num2str(odd_bits_delayed'))); % 脉冲成形 t = 0:1/fs:(length(symbols_i)*sps-1)/fs; rc_filter = rcosdesign(0.35, 6, sps); % 调制 i_wave = upfirdn(symbols_i, rc_filter, sps); q_wave = upfirdn(symbols_q, rc_filter, sps); modulated = i_wave .* cos(2*pi*fc*t) - q_wave .* sin(2*pi*fc*t); end

OQPSK的星座图演化轨迹显示，信号点之间的转换总是沿着圆周进行，避免了穿越圆心的路径。这使得OQPSK特别适合使用非线性放大器的场合，如卫星通信。

3. π/4-QPSK：折中方案与恒定包络

π/4-QPSK通过引入π/4的相位旋转，在QPSK和OQPSK之间取得了良好的平衡。其主要特点包括：

• 最大相位跳变为135°
• 星座图在两个相互旋转π/4的子集间切换
• 具有恒定包络特性
• 在多径环境下表现优于OQPSK

π/4-QPSK的调制过程：

1. 差分编码：避免相位模糊
2. 符号映射：交替使用两个星座图
3. 相位累积：当前符号相位取决于前一符号

# Python实现π/4-QPSK调制 def pi4_qpsk_mod(bits, fc, fs, sps): # 定义两个旋转π/4的星座图 constellation0 = [1+0j, 0+1j, -1+0j, 0-1j] # 初始星座 constellation1 = [np.exp(1j*np.pi/4)*c for c in constellation0] # 旋转π/4 # 差分编码 diff_encoded = [] prev_phase = 0 for i in range(0, len(bits), 2): dibit = bits[i:i+2] phase_change = { '00': 0, '01': np.pi/2, '11': np.pi, '10': 3*np.pi/2 }[dibit] current_phase = (prev_phase + phase_change) % (2*np.pi) diff_encoded.append(current_phase) prev_phase = current_phase # 符号映射 symbols = [] for i, phase in enumerate(diff_encoded): const = constellation1 if i%2 else constellation0 # 找到最接近的星座点 distances = [abs(phase - np.angle(c)) for c in const] symbol = const[np.argmin(distances)] symbols.append(symbol) # 脉冲成形和调制（类似QPSK） t = np.arange(0, len(symbols)*sps)/fs rc_filter = np.sqrt(np.sinc(t/sps - len(symbols)//2)) baseband = np.convolve(np.repeat(symbols, sps), rc_filter, 'same') carrier = np.exp(1j*2*np.pi*fc*t) modulated = baseband * carrier return modulated, symbols

π/4-QPSK的星座图显示，信号点总是在两个相互旋转π/4的子集间交替出现。这种设计既避免了180°的相位跳变，又保持了信号的恒定包络特性，使其在移动通信系统中得到广泛应用。

4. 三种调制方式的性能对比与可视化

通过仿真我们可以直观比较QPSK、OQPSK和π/4-QPSK的关键特性差异。

眼图对比：

频谱效率对比：

% MATLAB计算并绘制功率谱密度 [psd_qpsk, f] = pwelch(qpsk_signal, [], [], [], fs); psd_oqpsk = pwelch(oqpsk_signal, [], [], [], fs); psd_pi4qpsk = pwelch(pi4qpsk_signal, [], [], [], fs); figure; plot(f, 10*log10(psd_qpsk), 'b', 'LineWidth', 1.5); hold on; plot(f, 10*log10(psd_oqpsk), 'r--', 'LineWidth', 1.5); plot(f, 10*log10(psd_pi4qpsk), 'g-.', 'LineWidth', 1.5); xlabel('频率 (Hz)'); ylabel('功率谱密度 (dB/Hz)'); legend('QPSK', 'OQPSK', '\pi/4-QPSK'); title('三种调制方式的功率谱密度比较'); grid on;

相位轨迹可视化技巧：

# Python绘制相位跳变轨迹 def plot_phase_transition(symbols, title): plt.figure(figsize=(8,8)) plt.scatter(np.real(symbols), np.imag(symbols), c='b', marker='o') plt.plot(np.real(symbols), np.imag(symbols), 'r-', alpha=0.3) # 标注星座点 for i, (x,y) in enumerate(zip(np.real(symbols), np.imag(symbols))): plt.text(x, y, str(i), fontsize=12) plt.axhline(0, color='k', linestyle='--', alpha=0.3) plt.axvline(0, color='k', linestyle='--', alpha=0.3) plt.xlabel('同相分量'); plt.ylabel('正交分量') plt.title(title + '相位跳变轨迹') plt.grid(True) plt.axis('equal')

在实际项目中，选择哪种调制方式需要考虑以下因素：

• 频谱效率：三种方式相同（2bit/s/Hz）
• 功率放大器特性：非线性放大器适合OQPSK和π/4-QPSK
• 多径环境：π/4-QPSK表现最佳
• 实现复杂度：QPSK最简单，π/4-QPSK最复杂

5. 硬件实现考虑与参数调优指南

将仿真模型转化为实际硬件实现时，需要注意以下关键点：

FPGA实现关键模块：

1. 数字上变频器：

   • 使用CORDIC算法生成正弦/余弦
   • 采用查找表优化计算资源

2. 脉冲成形滤波器：

   • 多相结构实现高效滤波
   • 系数位宽优化（通常12-16bit）

3. 定时同步：

   • Gardner定时误差检测算法
   • 插值滤波器实现符号同步

参数调优建议：

硬件资源优化技巧：

// Verilog实现高效的CORDIC旋转 module cordic_rotation ( input clk, rst, input [15:0] phase_in, output reg [15:0] sin_out, cos_out ); // 流水线式CORDIC实现 parameter STAGES = 12; reg [15:0] x[0:STAGES], y[0:STAGES], z[0:STAGES]; wire [15:0] atan_table[0:STAGES-1]; // 初始化预计算的arctan表 assign atan_table[0] = 16'h2000; // 45度 assign atan_table[1] = 16'h12E4; // 26.565度 // ...其他角度初始化 always @(posedge clk or posedge rst) begin if (rst) begin // 复位逻辑 end else begin // 流水线计算 for (int i=0; i<STAGES; i=i+1) begin // CORDIC迭代核心 end sin_out <= y[STAGES-1]; cos_out <= x[STAGES-1]; end end endmodule

实际部署中的常见问题与解决方案：

1. 频谱泄露：

   • 增加滤波器长度
   • 使用窗函数优化（如Kaiser窗）

2. 时钟抖动：

   • 采用更高质量的系统时钟
   • 增加数字锁相环的带宽

3. 载波偏移：

   • 实现精确的载波恢复算法
   • 增加导频符号辅助同步

在完成硬件实现后，建议按照以下流程进行验证：

1. 使用已知测试模式验证功能正确性
2. 测量EVM（误差矢量幅度）指标
3. 进行长时间稳定性测试
4. 在不同信道条件下评估性能