diff --git a/.gitignore b/.gitignore index 6bf81d4..f551733 100644 --- a/.gitignore +++ b/.gitignore @@ -24,10 +24,10 @@ wheels/ *.egg # 实验结果 -results/ -*.png -*.jpg -*.pdf +#results/ +#*.png +#*.jpg +#*.pdf # IDE .vscode/ diff --git a/REPORT.md b/REPORT.md new file mode 100644 index 0000000..6c1b05f --- /dev/null +++ b/REPORT.md @@ -0,0 +1,229 @@ +**实验名称**：数字调制解调实验 +**学生姓名**：吴瑞炫 +**学号**：2024080712 +**实验日期**：2026年4月24日 +**提交日期**：2026年5月4日 + +--- + +## 1. 实验目的 + +• 理解数字调制的基本原理：BPSK、QPSK、16-QAM +• 掌握调制信号的生成方法和数学表达 +• 理解星座图的含义及其与误码性能的关系 +• 学会使用 AI 编程助手（GitHub Copilot）辅助编程 +• 熟悉 GitHub 代码协作流程 +• 培养通过代码验证通信理论的能力 + +--- + +## 2. 实验原理 + +### 2.1 BPSK调制原理 + +BPSK（Binary Phase Shift Keying，二进制相移键控）是最简单的数字调制方式。 +• 基本映射关系：1比特/符号，比特0映射到+1，比特1映射到-1 +• 星座图特征：实轴上两个点 [+1,−1] ，对应相位 0° 和 180° +• 数学表达式: s=1−2b,b∈{0,1} ： +• 优缺点： +◦ 优点：实现简单，抗噪声性能最好 +◦ 缺点：频谱效率低，仅1 bit/s/Hz + +### 2.2 QPSK调制原理 + +QPSK（Quadrature Phase Shift Keying，四相相移键控）利用正交载波传输2比特信息。 +• 基本映射关系：2比特/符号，采用格雷码映射 + 00→(1+j)/ 根号2 （相位45°） + ​01→(−1+j)/ 根号2（相位135°） + 11→(−1−j)/ 根号2（相位225°） + ​10→(1−j)/ 根号2 （相位315°） + +• 星座图特征：单位圆上均匀分布的4个点 +• 归一化：除以根号2​使平均符号功率为1 +• 优缺点： +◦ 优点：频谱效率是BPSK的2倍 +◦ 缺点：抗噪声性能略差于BPSK + +### 2.3 16-QAM调制原理 + +16-QAM（16-Quadrature Amplitude Modulation）同时改变载波的幅度和相位。 +• 基本映射关系：4比特/符号，I/Q分量独立映射 +◦ 前2位决定I分量（实部），后2位决定Q分量（虚部） +◦ 格雷码映射：00→+3,01→+1,11→−1,10→−3 +• 星座图特征：4×4正方形网格，共16个星座点 +• 归一化：除以 根号10 使平均符号功率为1 +• 优缺点： +◦ 优点：频谱效率高，4 bit/s/Hz +◦ 缺点：抗噪声性能较差，对信道质量要求高 +--- + +## 3. 实验方法与步骤 + +### 3.1 环境配置 + +实验使用 VSCode + GitHub Copilot 进行开发。环境配置步骤： +1. 安装 VSCode 和 GitHub Copilot 扩展 +2. 使用 Copilot Agent 辅助配置 Python 环境 +3. 安装依赖：pip install numpy matplotlib +4. Fork 实验仓库并 Clone 到本地 + +### 3.2 BPSK实现 + +def bpsk_modulate(bits): + symbols = 1 - 2 * bits + symbols = symbols.astype(np.complex128) + return symbols + +### 3.3 QPSK实现 + +def qpsk_modulate(bits): + if len(bits) % 2 != 0: + raise ValueError("QPSK要求比特序列长度为偶数") + + bit_pairs = bits.reshape(-1, 2) + indices = bit_pairs[:, 0] * 2 + bit_pairs[:, 1] + + mapping = np.array([1+1j, -1+1j, 1-1j, -1-1j], dtype=np.complex128) + symbols = mapping[indices] + symbols = symbols / np.sqrt(2) + + return symbols + +### 3.4 16-QAM实现 + +def qam16_modulate(bits): + if len(bits) % 4 != 0: + raise ValueError("16-QAM要求比特序列长度为4的倍数") + + bit_groups = bits.reshape(-1, 4) + + gray_map = {(0, 0): 3, (0, 1): 1, (1, 1): -1, (1, 0): -3} + + I_values = np.array([gray_map[tuple(pair)] for pair in bit_groups[:, :2]]) + Q_values = np.array([gray_map[tuple(pair)] for pair in bit_groups[:, 2:]]) + + symbols = I_values + 1j * Q_values + symbols = symbols / np.sqrt(10) + + return symbols + +--- + +## 4. 实验结果 + +### 4.1 BPSK星座图 + +https://www.kimi.com/chat/results/bpsk_constellation.png + +**分析**：从图中可以看出BPSK有两个星座点，分别位于实轴上的+1和-1位置。两个点关于原点对称，相位差为180°，符合BPSK的调制原理。星座点分布在单位圆与实轴的交点处。 + +### 4.2 QPSK星座图 +https://www.kimi.com/chat/results/qpsk_constellation.png + +**分析**：QPSK星座图显示4个点均匀分布在单位圆上，相位分别为45°、135°、225°、315°。每个点对应2比特信息，采用格雷码映射使得相邻星座点之间只有1位比特差异，降低误码时的比特错误率。 + +### 4.3 16-QAM星座图 + +https://www.kimi.com/chat/results/16qam_constellation.png + +**分析**：16-QAM星座图呈现4×4的正方形网格结构，共16个星座点。I路和Q路分量分别取值为±0.949和±0.316（归一化后），形成规则的网格分布。每个点对应4比特信息，频谱效率是QPSK的2倍。 + +### 4.4 性能测试结果（选做） + +如果完成了BER性能测试，请在此展示结果： + +![BER性能曲线](results/ber_comparison.png) + +**分析**：从曲线可以看出... + +--- + +## 5. 结果分析与讨论 + +### 5.1 星座图对比分析 + +从三种调制方式的星座图可以清晰看出： +• BPSK 只利用相位信息，实现最简单 +• QPSK 利用相位和正交分量，频谱效率提升 +• 16-QAM 同时利用幅度和相位，频谱效率最高但抗噪声性能最差 + +### 5.2 性能对比分析 + +频谱效率：BPSK(1) < QPSK(2) < 16-QAM(4) +• 抗噪声性能：BPSK > QPSK > 16-QAM +• 实现复杂度：BPSK < QPSK < 16-QAM +实际系统中需要根据信道条件选择合适的调制方式：信道质量好时选择高阶调制（如16-QAM），信道质量差时选择低阶调制（如BPSK）。 + +### 5.3 遇到的问题与解决方法 + +描述实验过程中遇到的问题及解决方法： + +1. 问题：.gitignore 文件忽略了 results/ 目录，导致星座图无法提交到GitHub +• 原因分析：默认的 .gitignore 配置将 results/ 和 *.png 加入了忽略列表 +• 解决方法：修改 .gitignore，删除或注释掉 results/ 和 *.png 的忽略规则，然后重新提交图片 +2. 问题：git push 连接GitHub失败，报错 "Could not connect to server" +• 原因分析：网络连接问题或HTTPS被限制 +• 解决方法：配置SSH密钥，使用SSH方式连接GitHub；或更换网络环境重试 +3. 问题：运行测试时提示 ModuleNotFoundError: No module named 'pytest' +• 原因分析：未安装pytest测试框架 +• 解决方法：执行 pip install pytest 安装依赖 + +--- + +## 6. 实验心得与Copilot使用体会 + +### 6.1 实验心得 + +通过本次实验，我对数字调制技术有了更深入的理解： +• 理论与实践结合：通过Python代码实现调制算法，验证了课堂上学到的理论知识，加深了对BPSK、QPSK、16-QAM原理的理解 +• 星座图的直观性：星座图是分析调制性能的有力工具，可以直观地看出不同调制方式的差异 +• 归一化的重要性：理解了为什么需要对星座图进行功率归一化，保证不同调制方式的公平比较 +• 格雷码的优势：认识到格雷码映射在降低误码率方面的作用 + +### 6.2 AI助手使用体会 + +在本次实验中，我大量使用了 GitHub Copilot 辅助编程： +AI帮助很大的地方： +• 快速生成代码框架和函数模板 +• 提供数学公式实现的建议（如格雷码映射） +• 帮助调试错误和解释报错信息 +• 生成matplotlib绘图代码 +需要人工思考的地方： +• 验证AI生成代码的正确性（如映射关系是否正确） +• 理解代码背后的数学原理 +• 根据实验要求调整参数（如归一化因子） +• 代码的整合和模块化设计 +对AI辅助编程的看法：AI编程助手是强大的工具，可以显著提高开发效率，但不能完全替代人工思考。使用AI时，需要理解其生成的代码，并能够独立验证正确性。 + +### 6.3 改进建议 + +1. 实验平台：建议优化 .gitignore 模板，避免默认忽略评分需要的文件 +2. 测试框架：可以提供更详细的测试用例说明，帮助学生理解评分标准 +3. 网络问题：建议提供国内镜像或代理配置指南，方便学生推送代码 + +--- + +## 7. 参考文献 + +1. John G. Proakis, Masoud Salehi. 《数字通信（第五版）》. 电子工业出版社, 2011. +2. [维基百科 - 相移键控](https://zh.wikipedia.org/wiki/%E7%9B%B8%E7%A7%BB%E9%94%AE%E6%8E%A7) +3. [NumPy官方文档](https://numpy.org/doc/) +4. 其他参考资料... + +--- + +## 附录：完整代码 + +如果需要，可以在此附上完整的代码实现。 + +```python +# modulation.py 完整代码 +... +``` + +--- + +**声明**：本实验报告内容真实，所有代码均为本人编写（或在AI助手辅助下完成），未抄袭他人成果。 + +**签名**：________ +**日期**：________ diff --git a/REPORT_TEMPLATE.md b/REPORT_TEMPLATE.md index 9cbc306..4ab7304 100644 --- a/REPORT_TEMPLATE.md +++ b/REPORT_TEMPLATE.md @@ -1,20 +1,21 @@ # 实验报告模板 **实验名称**：数字调制解调实验 -**学生姓名**：[你的姓名] -**学号**：[你的学号] +**学生姓名**：吴瑞炫 +**学号**：2024080712 **实验日期**：2026年4月24日 -**提交日期**：[提交日期] +**提交日期**：2026年5月4日 --- ## 1. 实验目的 -请在此描述实验的目的，例如： -- 理解数字调制的基本原理 -- 掌握BPSK、QPSK、16-QAM调制算法的实现 -- 学习使用Python和NumPy进行信号处理 -- 体验AI编程助手在开发中的应用 +• 理解数字调制的基本原理：BPSK、QPSK、16-QAM +• 掌握调制信号的生成方法和数学表达 +• 理解星座图的含义及其与误码性能的关系 +• 学会使用 AI 编程助手（GitHub Copilot）辅助编程 +• 熟悉 GitHub 代码协作流程 +• 培养通过代码验证通信理论的能力 --- @@ -22,55 +23,91 @@ ### 2.1 BPSK调制原理 -请简述BPSK的调制原理，包括： -- 基本映射关系 -- 星座图特征 -- 优缺点 - -可以插入公式（使用LaTeX语法）： - -比特 $b$ 映射到符号 $s$： -$$ -s = -\begin{cases} -+1, & \text{if } b = 0 \\ --1, & \text{if } b = 1 -\end{cases} -$$ +BPSK（Binary Phase Shift Keying，二进制相移键控）是最简单的数字调制方式。 +• 基本映射关系：1比特/符号，比特0映射到+1，比特1映射到-1 +• 星座图特征：实轴上两个点 [+1,−1] ，对应相位 0° 和 180° +• 数学表达式: s=1−2b,b∈{0,1} ： +• 优缺点： +◦ 优点：实现简单，抗噪声性能最好 +◦ 缺点：频谱效率低，仅1 bit/s/Hz ### 2.2 QPSK调制原理 -请简述QPSK的调制原理... +QPSK（Quadrature Phase Shift Keying，四相相移键控）利用正交载波传输2比特信息。 +• 基本映射关系：2比特/符号，采用格雷码映射 + 00→(1+j)/ 根号2 （相位45°） + ​01→(−1+j)/ 根号2（相位135°） + 11→(−1−j)/ 根号2（相位225°） + ​10→(1−j)/ 根号2 （相位315°） + +• 星座图特征：单位圆上均匀分布的4个点 +• 归一化：除以根号2​使平均符号功率为1 +• 优缺点： +◦ 优点：频谱效率是BPSK的2倍 +◦ 缺点：抗噪声性能略差于BPSK ### 2.3 16-QAM调制原理 -请简述16-QAM的调制原理... - +16-QAM（16-Quadrature Amplitude Modulation）同时改变载波的幅度和相位。 +• 基本映射关系：4比特/符号，I/Q分量独立映射 +◦ 前2位决定I分量（实部），后2位决定Q分量（虚部） +◦ 格雷码映射：00→+3,01→+1,11→−1,10→−3 +• 星座图特征：4×4正方形网格，共16个星座点 +• 归一化：除以 根号10 使平均符号功率为1 +• 优缺点： +◦ 优点：频谱效率高，4 bit/s/Hz +◦ 缺点：抗噪声性能较差，对信道质量要求高 --- ## 3. 实验方法与步骤 ### 3.1 环境配置 -描述你如何配置Python环境，是否使用了Copilot Agent辅助？ +实验使用 VSCode + GitHub Copilot 进行开发。环境配置步骤： +1. 安装 VSCode 和 GitHub Copilot 扩展 +2. 使用 Copilot Agent 辅助配置 Python 环境 +3. 安装依赖：pip install numpy matplotlib +4. Fork 实验仓库并 Clone 到本地 ### 3.2 BPSK实现 -描述BPSK的实现步骤和关键代码： - -```python def bpsk_modulate(bits): - # 你的代码实现 - pass -``` + symbols = 1 - 2 * bits + symbols = symbols.astype(np.complex128) + return symbols ### 3.3 QPSK实现 -描述QPSK的实现... +def qpsk_modulate(bits): + if len(bits) % 2 != 0: + raise ValueError("QPSK要求比特序列长度为偶数") + + bit_pairs = bits.reshape(-1, 2) + indices = bit_pairs[:, 0] * 2 + bit_pairs[:, 1] + + mapping = np.array([1+1j, -1+1j, 1-1j, -1-1j], dtype=np.complex128) + symbols = mapping[indices] + symbols = symbols / np.sqrt(2) + + return symbols ### 3.4 16-QAM实现 -描述16-QAM的实现... +def qam16_modulate(bits): + if len(bits) % 4 != 0: + raise ValueError("16-QAM要求比特序列长度为4的倍数") + + bit_groups = bits.reshape(-1, 4) + + gray_map = {(0, 0): 3, (0, 1): 1, (1, 1): -1, (1, 0): -3} + + I_values = np.array([gray_map[tuple(pair)] for pair in bit_groups[:, :2]]) + Q_values = np.array([gray_map[tuple(pair)] for pair in bit_groups[:, 2:]]) + + symbols = I_values + 1j * Q_values + symbols = symbols / np.sqrt(10) + + return symbols --- @@ -78,21 +115,20 @@ def bpsk_modulate(bits): ### 4.1 BPSK星座图 -![BPSK星座图](results/bpsk_constellation.png) +https://www.kimi.com/chat/results/bpsk_constellation.png -**分析**：从图中可以看出BPSK有两个星座点，分别位于... +**分析**：从图中可以看出BPSK有两个星座点，分别位于实轴上的+1和-1位置。两个点关于原点对称，相位差为180°，符合BPSK的调制原理。星座点分布在单位圆与实轴的交点处。 ### 4.2 QPSK星座图 +https://www.kimi.com/chat/results/qpsk_constellation.png -![QPSK星座图](results/qpsk_constellation.png) - -**分析**：... +**分析**：QPSK星座图显示4个点均匀分布在单位圆上，相位分别为45°、135°、225°、315°。每个点对应2比特信息，采用格雷码映射使得相邻星座点之间只有1位比特差异，降低误码时的比特错误率。 ### 4.3 16-QAM星座图 -![16-QAM星座图](results/16qam_constellation.png) +https://www.kimi.com/chat/results/16qam_constellation.png -**分析**：... +**分析**：16-QAM星座图呈现4×4的正方形网格结构，共16个星座点。I路和Q路分量分别取值为±0.949和±0.316（归一化后），形成规则的网格分布。每个点对应4比特信息，频谱效率是QPSK的2倍。 ### 4.4 性能测试结果（选做） @@ -108,24 +144,31 @@ def bpsk_modulate(bits): ### 5.1 星座图对比分析 -对比三种调制方式的星座图，分析它们的特点... +从三种调制方式的星座图可以清晰看出： +• BPSK 只利用相位信息，实现最简单 +• QPSK 利用相位和正交分量，频谱效率提升 +• 16-QAM 同时利用幅度和相位，频谱效率最高但抗噪声性能最差 ### 5.2 性能对比分析 -对比三种调制方式的性能，包括： -- 频谱效率 -- 抗噪声性能 -- 实现复杂度 +频谱效率：BPSK(1) < QPSK(2) < 16-QAM(4) +• 抗噪声性能：BPSK > QPSK > 16-QAM +• 实现复杂度：BPSK < QPSK < 16-QAM +实际系统中需要根据信道条件选择合适的调制方式：信道质量好时选择高阶调制（如16-QAM），信道质量差时选择低阶调制（如BPSK）。 ### 5.3 遇到的问题与解决方法 描述实验过程中遇到的问题及解决方法： -1. **问题**：初始实现的BPSK星座图显示异常 - - **原因分析**：... - - **解决方法**：... - -2. **问题**：... +1. 问题：.gitignore 文件忽略了 results/ 目录，导致星座图无法提交到GitHub +• 原因分析：默认的 .gitignore 配置将 results/ 和 *.png 加入了忽略列表 +• 解决方法：修改 .gitignore，删除或注释掉 results/ 和 *.png 的忽略规则，然后重新提交图片 +2. 问题：git push 连接GitHub失败，报错 "Could not connect to server" +• 原因分析：网络连接问题或HTTPS被限制 +• 解决方法：配置SSH密钥，使用SSH方式连接GitHub；或更换网络环境重试 +3. 问题：运行测试时提示 ModuleNotFoundError: No module named 'pytest' +• 原因分析：未安装pytest测试框架 +• 解决方法：执行 pip install pytest 安装依赖 --- @@ -133,21 +176,32 @@ def bpsk_modulate(bits): ### 6.1 实验心得 -描述通过本实验的收获，例如： -- 对数字调制的理解更加深入 -- 熟悉了Python科学计算工具的使用 -- 学会了如何调试信号处理代码 +通过本次实验，我对数字调制技术有了更深入的理解： +• 理论与实践结合：通过Python代码实现调制算法，验证了课堂上学到的理论知识，加深了对BPSK、QPSK、16-QAM原理的理解 +• 星座图的直观性：星座图是分析调制性能的有力工具，可以直观地看出不同调制方式的差异 +• 归一化的重要性：理解了为什么需要对星座图进行功率归一化，保证不同调制方式的公平比较 +• 格雷码的优势：认识到格雷码映射在降低误码率方面的作用 ### 6.2 AI助手使用体会 -描述使用GitHub Copilot或其他AI助手的体会： -- 哪些任务AI助手帮助很大？ -- 哪些地方还需要人工思考？ -- 对AI辅助编程的看法 +在本次实验中，我大量使用了 GitHub Copilot 辅助编程： +AI帮助很大的地方： +• 快速生成代码框架和函数模板 +• 提供数学公式实现的建议（如格雷码映射） +• 帮助调试错误和解释报错信息 +• 生成matplotlib绘图代码 +需要人工思考的地方： +• 验证AI生成代码的正确性（如映射关系是否正确） +• 理解代码背后的数学原理 +• 根据实验要求调整参数（如归一化因子） +• 代码的整合和模块化设计 +对AI辅助编程的看法：AI编程助手是强大的工具，可以显著提高开发效率，但不能完全替代人工思考。使用AI时，需要理解其生成的代码，并能够独立验证正确性。 ### 6.3 改进建议 -对本实验或实验平台的改进建议... +1. 实验平台：建议优化 .gitignore 模板，避免默认忽略评分需要的文件 +2. 测试框架：可以提供更详细的测试用例说明，帮助学生理解评分标准 +3. 网络问题：建议提供国内镜像或代理配置指南，方便学生推送代码 --- diff --git a/results/16qam_constellation.png b/results/16qam_constellation.png new file mode 100644 index 0000000..318e1ec Binary files /dev/null and b/results/16qam_constellation.png differ diff --git a/results/bpsk_constellation.png b/results/bpsk_constellation.png new file mode 100644 index 0000000..a5b39b9 Binary files /dev/null and b/results/bpsk_constellation.png differ diff --git a/results/qpsk_constellation.png b/results/qpsk_constellation.png new file mode 100644 index 0000000..5f031b5 Binary files /dev/null and b/results/qpsk_constellation.png differ diff --git a/src/modulation.py b/src/modulation.py index a8b5581..653dd09 100644 --- a/src/modulation.py +++ b/src/modulation.py @@ -8,141 +8,51 @@ def bpsk_modulate(bits): - """ - BPSK (Binary Phase Shift Keying) 调制 - - 任务要求： - - 输入：二进制比特序列（NumPy数组），元素为0或1 - - 输出：调制后的复数符号序列 - - 映射规则： - 比特 0 → 符号 +1 - 比特 1 → 符号 -1 - - 参数: - bits: 二进制比特数组，例如 np.array([0, 1, 0, 1, 1, 0]) - - 返回: - symbols: 复数符号数组，例如 np.array([1, -1, 1, -1, -1, 1]) - - 提示： - - 使用NumPy的数组运算可以很简洁地实现映射 - - 可以使用条件表达式或数学运算来完成转换 - - BPSK符号实际上是实数，但为了统一接口返回复数类型 - - 示例： - >>> bits = np.array([0, 1, 0, 1]) - >>> symbols = bpsk_modulate(bits) - >>> print(symbols) - [ 1.+0.j -1.+0.j 1.+0.j -1.+0.j] - """ - # TODO: 在这里实现BPSK调制 - # 提示：可以尝试以下方式之一： - # 方法1: 使用 np.where() - # 方法2: 使用数学运算 1 - 2*bits - # 方法3: 使用字典映射 + symbols = 1 - 2 *bits - # 你的代码： - raise NotImplementedError("请实现BPSK调制函数") + # 转换为复数类型（统一接口） + symbols = symbols.astype(np.complex128) + + + #raise NotImplementedError("请实现QPSK调制函数") - # return symbols + return symbols def qpsk_modulate(bits): - """ - QPSK (Quadrature Phase Shift Keying) 调制 - - 任务要求： - - 输入：二进制比特序列（长度必须是2的倍数） - - 输出：调制后的复数符号序列 - - 每2个比特映射到1个符号（格雷码映射）： - 00 → (1+1j)/√2 (第一象限，45°) - 01 → (-1+1j)/√2 (第二象限，135°) - 11 → (-1-1j)/√2 (第三象限，225°) - 10 → (1-1j)/√2 (第四象限，315°) - - 参数: - bits: 二进制比特数组，长度必须是偶数 - - 返回: - symbols: 复数符号数组，长度是bits的一半 - - 提示： - - 先将比特序列按2个一组进行分组 - - 可以使用reshape: bits.reshape(-1, 2) - - 符号的幅度应该归一化到单位功率：除以√2 - - 格雷码可以避免相邻星座点之间有多个比特差异 - - 示例： - >>> bits = np.array([0, 0, 0, 1, 1, 1, 1, 0]) - >>> symbols = qpsk_modulate(bits) - >>> print(symbols) - [ 0.707+0.707j -0.707+0.707j -0.707-0.707j 0.707-0.707j] - """ # 检查输入长度 if len(bits) % 2 != 0: raise ValueError("QPSK要求比特序列长度为偶数") - # TODO: 在这里实现QPSK调制 - # 提示步骤： - # 1. 将比特序列reshape成(N/2, 2)的形状 - # 2. 对每一对比特，根据格雷码映射生成对应的复数符号 - # 3. 别忘了归一化：除以√2使符号功率为1 + + # 将比特序列reshape成(N/2, 2)，每行是一对比特 + bit_pairs = bits.reshape(-1, 2) - # 你的代码： - raise NotImplementedError("请实现QPSK调制函数") + # 将每对比特转换为十进制索引：00→0, 01→1, 10→2, 11→3 + indices = bit_pairs[:, 0] * 2 + bit_pairs[:, 1] + + # 格雷码映射对应的复数符号（未归一化） + mapping = np.array([1+1j, -1+1j, 1-1j, -1-1j], dtype=np.complex128) - # return symbols + # 根据索引获取对应的符号 + symbols = mapping[indices] + + # 归一化：除以√2，使符号功率为1 + symbols = symbols / np.sqrt(2) + + #raise NotImplementedError("请实现QPSK调制函数") + + return symbols def qam16_modulate(bits): - """ - 16-QAM (16-Quadrature Amplitude Modulation) 调制 - - 任务要求： - - 输入：二进制比特序列（长度必须是4的倍数） - - 输出：调制后的复数符号序列 - - 每4个比特映射到1个符号 - - I路和Q路分量取值：{-3, -1, +1, +3} - - 使用格雷码映射（推荐） - - 参数: - bits: 二进制比特数组，长度必须是4的倍数 - - 返回: - symbols: 复数符号数组，长度是bits的四分之一 - - 提示： - - 16-QAM有16个星座点，排列成4×4的方格 - - 可以将4个比特分成两组：前2位决定I分量，后2位决定Q分量 - - I/Q分量的映射（格雷码）： - 00 → +3 - 01 → +1 - 11 → -1 - 10 → -3 - - 需要对星座图进行功率归一化 - - 平均功率 = (3²+1²+1²+3²)/4 = 5，归一化因子 = √10 - - 示例： - >>> bits = np.array([0, 0, 0, 0, 0, 1, 0, 1]) - >>> symbols = qam16_modulate(bits) - # 应该得到两个符号在正确位置 - """ - + # 检查输入长度 if len(bits) % 4 != 0: raise ValueError("16-QAM要求比特序列长度为4的倍数") - # TODO: 在这里实现16-QAM调制 - # 提示步骤： - # 1. 将比特序列reshape成(N/4, 4)的形状 - # 2. 对每组4个比特： - # - 前2位映射到I分量（实部） - # - 后2位映射到Q分量（虚部） - # 3. 使用格雷码映射：00→+3, 01→+1, 11→-1, 10→-3 - # 4. 归一化：除以√10使平均功率为1 - # 格雷码映射字典（可选使用） gray_map = { (0, 0): 3, @@ -152,9 +62,42 @@ def qam16_modulate(bits): } # 你的代码： - raise NotImplementedError("请实现16-QAM调制函数") + # 检查输入长度 + + + # 将比特序列reshape成(N/4, 4) + bit_groups = bits.reshape(-1, 4) + + + # 格雷码映射：00→+3, 01→+1, 11→-1, 10→-3 + gray_map = { + +(0, 0): 3, + +(0, 1): 1, + +(1, 1): -1, + +(1, 0): -3 + +} + + +# 前2位决定I分量（实部），后2位决定Q分量（虚部） + I_values = np.array([gray_map[tuple(pair)] for pair in bit_groups[:, :2]]) + Q_values = np.array([gray_map[tuple(pair)] for pair in bit_groups[:, 2:]]) + + +# 组合成复数符号 + symbols = I_values + 1j * Q_values + + +# 归一化：除以√10使平均功率为1 + symbols = symbols / np.sqrt(10) + + #raise NotImplementedError("请实现16-QAM调制函数") - # return symbols + return symbols def test_modulation():