本实验要求学生实现常见的数字调制方式（BPSK、QPSK、16-QAM），生成星座图，并选做性能分析。实验使用 Python + NumPy + Matplotlib，鼓励使用 AI 编程助手（GitHub Copilot / Claude Code）。
实验时长：2小时（120分钟）
- 第一小时：教师讲解和演示
- 第二小时：学生动手实验
提交截止：实验课后7天（下周四 23:59）
- 理解数字调制的基本原理（BPSK、QPSK、16-QAM）
- 实现调制算法并可视化星座图
- 学习使用 AI 编程助手辅助开发
- 熟悉 GitHub 协作流程和自动评分系统
- 使用 Copilot Agent 配置 Python 环境
- Fork 本仓库到个人账号
- Clone 到本地并安装依赖
在 src/modulation.py 中实现 bpsk_modulate() 函数：
- 输入：比特序列
[0, 1, 0, 1, ...] - 输出：符号序列
[+1, -1, +1, -1, ...] - 映射关系：
0 → +1,1 → -1 - 生成星座图并保存到
results/bpsk_constellation.png
在 src/modulation.py 中实现 qpsk_modulate() 函数：
- 每2比特一组
- 格雷码映射：
00 → (1+1j)/√2(45°)01 → (-1+1j)/√2(135°)11 → (-1-1j)/√2(225°)10 → (1-1j)/√2(315°)
- 生成星座图并保存到
results/qpsk_constellation.png
在 src/modulation.py 中实现 qam16_modulate() 函数：
- 每4比特一组
- I/Q 分量取值：
-3, -1, +1, +3 - 生成16个符号的星座图
- 保存到
results/16qam_constellation.png
在 src/demodulation.py 中实现解调函数：
bpsk_demodulate()：判决准则qpsk_demodulate()：最小欧氏距离判决qam16_demodulate()：最小欧氏距离判决
在 src/performance_test.py 中完成性能测试：
- 生成随机比特序列
- 调制 → 添加 AWGN 噪声 → 解调
- 扫描不同 SNR（0~15 dB）
- 绘制 BER vs SNR 曲线（对数坐标）
在根目录创建 REPORT.md，包含：
- 实验目的
- 实验原理（简述BPSK/QPSK/QAM）
- 实验方法与步骤
- 实验结果（插入星座图）
- 结果分析与讨论
- 实验心得与 Copilot 使用体会
- 参考文献
使用 Copilot Agent 自动配置（推荐）：
打开 VSCode Copilot Chat，输入：
"请帮我配置 Python 开发环境，需要安装 numpy、scipy、matplotlib"
手动安装（备选）：
# 1. 安装 Python 3.8+
# 2. 安装依赖
pip install -r requirements.txt# Fork 本仓库到你的 GitHub 账号
# 然后 Clone 到本地
git clone https://github.com/你的用户名/wireless-modulation-experiment.git
cd wireless-modulation-experiment
# 测试环境
python src/test_environment.py打开 src/modulation.py，使用 GitHub Copilot 辅助完成代码：
提示词示例：
"请实现 BPSK 调制函数，输入是比特序列，输出是符号序列，
其中比特0映射到+1，比特1映射到-1"
运行测试：
python src/modulation.py检查结果：
- 查看
results/目录是否生成了星座图 - 确认图片清晰、坐标轴标注正确
git add .
git commit -m "完成 BPSK 和 QPSK 调制"
git push origin main在 GitHub 网页上创建 Pull Request：
- 访问你的仓库
- 点击 "Pull requests" → "New pull request"
- 填写 PR 描述（说明完成了哪些任务）
- 点击 "Create pull request"
等待 3-5 分钟，GitHub Actions 会自动运行评分脚本。 评分结果会以 Comment 形式显示在你的 PR 下方。
调制实现：
"请用 Python 实现 BPSK 调制，输入二进制序列，
输出复数符号序列，0映射到+1，1映射到-1"
星座图绘制：
"请用 matplotlib 画出 QPSK 的星座图，
四个点在单位圆上均匀分布"
代码调试：
"我的代码报错了：[粘贴错误信息]，请帮我找出问题"
代码解释：
"请解释这段代码的含义：[粘贴代码]"
✅ 先理解原理，再使用 AI 生成代码
✅ 生成的代码要仔细阅读理解
✅ 可以让 AI 解释代码的实现逻辑
✅ 遇到错误时，将完整错误信息粘贴给 AI
✅ 尝试修改参数观察结果变化
❌ 不要完全依赖 AI，要培养独立思考能力
❌ 不要直接提交 AI 生成的代码而不理解其含义
| 评分项 | 分值 | 评分细则 |
|---|---|---|
| 环境配置 | 5分 | 成功运行环境测试脚本 |
| BPSK调制 | 25分 | 映射正确(15分) + 星座图(10分) |
| QPSK调制 | 25分 | 映射正确(15分) + 星座图(10分) |
| 16-QAM调制 | 20分 | 映射正确(12分) + 星座图(8分) |
| 解调实现 | 10分 | 正确实现解调算法（选做加分） |
| BER性能 | 10分 | 生成BER曲线并分析（选做加分） |
| 实验报告 | 15分 | 完整性(8分) + 分析深度(7分) |
| 代码质量 | -10~+5分 | pylint评分 > 8.0加分，< 5.0扣分 |
总分：基础任务（0-3+报告）满分75分，选做任务可额外加分20分。
wireless-modulation-experiment/
├── README.md # 本文件
├── REQUIREMENTS.md # 详细任务要求
├── .github/workflows/
│ └── grading.yml # 自动评分工作流
├── docs/
│ ├── theory_bpsk.md # BPSK原理
│ ├── theory_qpsk.md # QPSK原理
│ ├── theory_qam.md # QAM原理
│ └── copilot_guide.md # Copilot使用指南
├── src/
│ ├── modulation.py # 调制函数（学生填充）
│ ├── demodulation.py # 解调函数（学生填充）
│ ├── performance_test.py # 性能测试（学生填充）
│ ├── utils.py # 工具函数（已实现）
│ └── test_environment.py # 环境测试脚本
├── grading/ # 评分脚本（学生不可见）
│ ├── test_bpsk.py
│ ├── test_qpsk.py
│ ├── test_qam16.py
│ ├── check_report.py
│ └── calculate_grade.py
├── examples/ # 示例输出
│ ├── bpsk_constellation.png
│ ├── qpsk_constellation.png
│ └── ber_curve_example.png
├── results/ # 学生结果（自动创建）
├── requirements.txt # Python依赖
├── .gitignore
└── REPORT_TEMPLATE.md # 报告模板
Q1: 我不会用 Git，怎么办？
A: 课上会有 10 分钟的 Git 快速演示，也可以查看 Git 快速入门。
Q2: GitHub Copilot 需要付费吗？
A: 学生可以申请免费使用，访问 https://education.github.com/ 申请。
Q3: 我的代码运行报错，怎么办？
A: 将完整错误信息粘贴给 Copilot 求助，或向教师/助教求助。
Q4: 星座图应该是什么样的？
A: 查看 examples/ 目录中的示例图片。
Q5: 我可以多次提交吗？
A: 可以！在截止时间前可以随意修改和提交，系统会取最后一次评分。
Q6: 选做任务必须做吗？
A: 不是必须的。基础任务满分75分即可及格，选做任务是加分项。
如有问题，请通过以下方式联系：
- 课程群：[课程群号]
- 邮箱：[教师邮箱]
- Office Hours：[时间地点]
祝实验顺利！🎉