当前位置: 首页 > news >正文

5G NR调制阶数与EVM关系以及对系统SNR要求分析

移动通信技术对数据传输速率要求越来越高。一种提高传输速率的思路是使用更高阶的QAM 调制方式,例如5G NR 的256QAM PDSCH,微波的1024QAM,2048QAM和4096QAM 调制。更高阶的QAM 调制方式对系统也提出了更高的要求。例如某个系统的EVM 测试结果为3%,这个EVM 算好还是不好,单纯从数值看似乎很好,但是EVM 的好坏与否不仅要看数值,还要看其调制阶数,不同调制阶数对EVM要求不同。直观来看,更高阶QAM 调制方式对EVM 有更高要求,但是具体要求是多少?例如对1024QAM 调制,EVM 要小于多少才能实现正常通信?本文主要讨论这个问题。EVM确定了,就可以指导系统信噪比SNR(SIGNAL NOISE RATIO)的指标分解和预算。

例如3GPP TS38.141对5G NR 不同调制方式的PDSCH EVM 要求如下表,从表中也可以看到随着调制阶数的提高,EVM 的要求在不断提高,这些EVM 是怎么定出来的?目前已经有客户开始测试1024QAM 的PDSCH,TS38.141 没有给出1024QAM 的EVM 要求,在测试的时候1024QAM EVM多少才算通过?本文将会给出答案。

表1、TS38.141对不同阶QAM EVM指标要求

Modulation scheme for PDSCH

Required EVM (%)

QPSK

18.50%

16QAM

13.50%

64QAM

9%

256QAM

4.50%

1、QAM 调制及EVM 以及EVM 与SNR 的关系

​图1、EVM定义

QAM 调制信号通常用其EVM 来衡量信号质量,EVM是英文Error Vector Magnitude缩写,意为误差向量幅度,其定义为误差矢量Error Vector 的幅度与参考信号Reference Signal 幅度的比值,有时候用百分比比表示,有时候用dB 表示。通常测量的EVM为其RMS 值,计算公式如下:

EVM 可以与信噪比SNR 相互换算,在星座图中,EVM 是以电压表示的,因而二者之间的换算公式如下,当然如果有编码增益,要在该公式中考虑编码增益,例如扩频增益。

2、不同阶QAM 信号对EVM 的要求

不同阶QAM 对信号的抗干扰能力是不一样的,数字调制信号调制方式越复杂,频率带宽利用率越高,调制方式越复杂,抗干扰能力越差,功率利用率低,也就是说接收时需要较高的C/N比,才能达到相同传输质量,选择调制方式需要根据通信系统在这两个方面折衷256QAM 的符号点间距离比BPSK 调制近的多,这意味256QAM 和BPSK 相比容易被干扰而造成误码。

​图2、不同调制方式抗干扰能力

从EVM 的含义看,结合几种调制方式的星座图拿来看,如果要保证通信正常,也就是星座点不发生误判,则要求每个星座点的误差矢量幅度最大为0.5a(其中a 为相邻星座点之间的间距),即|E|max<0.5a,因而每个星座点需要落在以参考信号为中心,半径为0.5a 的圆内。由于不同星座点的参考信号幅度是不一样的,离原点最远的那个星座点对应的参考信号幅度最大,记为|R|max,则其可容忍的EVM 最小,即EVM_thre=0.5a/|R|max,只要所有星座点的EVM小于EVM_thre,就不会发生误判,即总的EVM 小于EVM_thre。下图中的A=0.5a,表示相邻星座点间距的一半。

​图3、64QAM EVM_thre 示意图

比如64QAM,星座图可以看作是间距为a 的8x8 阵列,那么距离原点最远的那个星座点坐标就是(3.5a,3.5a),矢量长度为1.414x3.5a,为了不发生误判,允许的矢量误差要小于半个星座间距(0.5a),这时的EVM<0.5a/(1.414x3.5a)=10.10%,为了保证接收机正常解调,留有一定的余量,5G NR 协议TS38.141 将64QAM 的EVM 限值设定在9%,是合理的。

当然这种估算方法保证了所有星座点的都不会发生误判,由于距离原点近一点的星座点参考信号幅度会小些,其EVM 会大些也不会发生误判,假设所有星座点同时达到最大误差矢量|E|max=0.5a,同时所有星座点等概率出现,此时系统的EVM 达到容忍上限,EVM 再大就会误判。此时系统的EVM RMS 值成为EVMRMS_thre,只要EVM 小于改值EVMRMS_thre,则系统一定不会发生误判。

​图4、计算不同QAM 调制方式下对系统EVM 和SNR 要求门限

通过图4 Matlab 代码就可以计算出EVMRMS_thre 和EVM_thre,并计算出了其对系统SNR 的要求值。不同调制方式下对系统要求的EVM 和SNR 门限如表2 所示。从表中可看出,调制阶数越高,对系统的EVM 和SNR 要求就越高。

表2、不同QAM 调制方式对系统EVM 和SNR 要求

以目前已经使用的最高调制阶数4096QAM 为例,其对系统的EVM 的RMS值要求小于1.91%,如果以最远点计算EVM 要求小于1.12%。如果将信号源和频谱仪直接相连,相当于在没有衰落的静态信道条件下,EVM RMS 值最好一般在0.2%左右,所以4096QAM 对EVM 的要求已经接近于硬件的极限水平。

3、实验验证

使用信号源产生一个4096QAM 信号,使用频谱分析仪进行解调。

​图5、生成4096QAM 调制信号

在不额外增加噪声的条件下,FSW 的解调结果如图6,其EVM 很好,星座图清晰可见。

​图6、不加噪声下FSW 对4096QAM 信号解调结果

根据表1 计算结果,4096QAM 对系统的EVM 要求必须小于1.91%,对应的SNR 为34.36dB。在上述信号基础上增加-34dB 的AWGN 噪声,此时加噪声后信号的解调结果如图8 所示,星座图已经接近于模糊和误判,对应的EVM 测试结果为1.56%,与理论计算1.91%还是比较接近。

​图7、4096QAM 信号增加-34dB 的AWGN 噪声

​图8、加-34dB 噪声下FSW 对4096QAM 信号解调结果

4、结论

更高阶的QAM 调制方式对系统EVM 和SNR 提出了更高的要求,系统的EVM 测试结果算好还是不好,不能只单纯看EVM 数值,还要看其调制阶数。本文计算了不同调制阶数下星座点不发生误判时对系统的EVM 和SNR 要求,具体结果参考表2,该结论可以理解调制阶数与EVM的关系以及对系统SNR的要求,可以用来指导系统设计和器件选型。

来源:5G NR调制阶数与EVM关系以及对系统SNR要求分析

关于RFASK射频问问

射频问问是在"微波射频网”系列原创技术专栏基础上升级打造的技术问答学习平台,主要围绕射频芯片、微波电路、天线、雷达、卫星等相关技术领域,致力于为无线通信、微波射频、天线、雷达等行业的工程师,提供优质、原创的技术问答、专栏文章、射频课程等学习内容。更多请访问:RFASK射频问问 - 射频技术研发服务平台 | 技术问答、专栏文章、射频课程

相关文章:

5G NR调制阶数与EVM关系以及对系统SNR要求分析

移动通信技术对数据传输速率要求越来越高。一种提高传输速率的思路是使用更高阶的QAM 调制方式&#xff0c;例如5G NR 的256QAM PDSCH&#xff0c;微波的1024QAM&#xff0c;2048QAM和4096QAM 调制。更高阶的QAM 调制方式对系统也提出了更高的要求。例如某个系统的EVM 测试结果…...

【NAS群晖drive异地访问】远程连接drive挂载电脑硬盘「内网穿透」

文章目录前言1.群晖Synology Drive套件的安装1.1 安装Synology Drive套件1.2 设置Synology Drive套件1.3 局域网内电脑测试和使用2.使用cpolar远程访问内网Synology Drive2.1 Cpolar云端设置2.2 Cpolar本地设置2.3 测试和使用3. 结语转发自CSDN远程穿透的文章&#xff1a;【群晖…...

react:hooks为什么不能写在条件语句里

背景 最近朋友在面试&#xff0c;说面试官问到了一个问题不会&#xff0c;说为什么 react hooks为什么不能写在条件语句里&#xff0c;今天我们来研究一下这个问题。 我们在来简单实现一个 useState&#xff1a; const reRender () > {stateIndex -1 ReactDOM.render(&…...

模型优势缺陷整理

&#xff08;1&#xff09;BERT 1. 计算资源消耗&#xff1a;bert模型是一个相对较大的模型&#xff0c;具有数亿个参数。因此&#xff0c;为了训练和使用bert模型&#xff0c;需要大量的计算资源和时间。 2. 学习不足问题&#xff1a;尽管bert模型在大规模语料库上进行了预训…...

编写猫咪相册应用 HTML

文章目录1. 标题元素标签2. p元素用于在网站上创建一段文本3. 注释4. 页面主要部分标识标签5. 通过使用img元素来为你的网站添加图片6. 使用锚点元素(a)链接到另一个页面7. 使用 section 元素将照片内容与未来的内容分开8. 无序列表(ul)元素&#xff0c;列表项(li)元素在列表中…...

基于Arduino与LabVIEW的远程家庭监控系统

在基于Arduino与LabVIEW的远程家庭监控系统中&#xff0c;Arduino Uno控制器需要完成以下功能&#xff1a;1&#xff09;通过W5100网络模块接收并判断命令&#xff0c;采集和传输温度、煤气浓度、热释电传感器的数据&#xff0c;并通过W5100网络模块上传给LabVIEW软件。2&#…...

使用FRP(快速反向代理)实现内网穿透——以腾讯云服务器为例

一、FRP简介 FRP&#xff0c;即快速反向代理技术&#xff08;fast reverse proxy&#xff09;。本文的FRP程序是基于github开源项目GitHub - fatedier/frp。当前&#xff0c;该程序可实现&#xff1a;“将位于 NAT 或防火墙后面的本地服务器暴露给互联网”。它目前支持 TCP 和…...

d跨语言链接优化

原文 使用LDC的(LTO)链接时优化的简短文章,包含演示了如何提高程序性能的简单示例.因为LTO在LLVMIR级别工作,因此可跨越C/D语言优化! 重要提示:LDC/LLVM的LTO在窗口上不可用. 链接时优化 (LTO)链接时优化是指链接时的程序优化.链接器提取所有目标文件在一起,并合并到一个程序…...

【Linux】-- 进程概念的引入

目录 硬件 冯诺依曼体系结构 冯诺依曼体系结构推导 重点概念 网络数据流向 软件 操作系统(Operator System - OS) 概念 定位 进程内核数据结构PCB&#xff08;task_struct&#xff09; 通过系统调用创建进程-fork初始 fork基本用法 使用if进行分流 查看运行效果 …...

一文看懂“低代码、零代码”是什么?有什么区别?

低代码和零代码近几年热度一直居高不下&#xff0c;乍一看&#xff0c;很容易混淆低代码和零代码开发平台—— 因为它们都是传统开发的替代方案&#xff0c;旨在通过类似于可视化编程的功能加速软件开发过程。 但二者根本不是一回事。从开发人员经验 、目标角色到使用场景&…...

【华为OD机试真题】去除多余的空格(java)

去除多余空格 知识点字符串数组Q队列时间限制:2s空间限制:256MB限定语言:不限 题目描述: 去除文本多余空格,但不去除配对单引号之间的多余空格。给出关键词的起始和结束 下标,去除多余空格后刷新关键词的起始和结束下标。 输入: Life is painting a picture, not …...

【SQL 必知必会】- 第十三课 创建高级联结

目录 使用表别名 Oracle 中没有AS 使用不同类型的联结 自联结 用自联结而不用子查询 自然联结 外联结 全外联结 使用带聚集函数的联结 使用联结和联结条件 使用表别名 SQL 除了可以对列名和计算字段使用别名&#xff0c;还允许给表名起别名。这样做有两个主要理由&#xff…...

ios逆向工具有那些

以下是一些常用的 iOS 逆向工具&#xff1a; Cycript&#xff1a;一种用于在运行时动态分析和修改 iOS 应用程序的强大工具&#xff0c;可以与应用程序进行交互式调试和注入代码。 Frida&#xff1a;一个强大的动态二进制插桩工具&#xff0c;可以在运行时修改应用程序的行为&…...

【软件设计师14】UML建模

UML建模 稳定出一个&#xff0c;但是由于UML的图比较多&#xff0c;所以这种题比数据流图和数据库难度高 一般都会考用例图和类图&#xff0c;再附加其他的图 1. 用例图 包含关系include&#xff1a;比如登记外借信息必须先有用户登录 扩展关系extend&#xff1a;修改书籍…...

容器镜像的设计原理

1 概述&#xff1a; 1.1 历史概要 2016年&#xff0c;Docker制定了镜像规范v2&#xff0c;并在Docker 1.10中实现了这个规范。镜像规范v2分为Schema 1和Schema 2。 Schema 1主要兼容使用v1规范的Docker客户端&#xff08;从2017年2月起&#xff0c;镜像规范v1不再被Registry支…...

arm64异常向量表

arm64异常向量表1 arm64异常向量表2 linux arm64异常向量表3 kernel_ventry宏4 异常向量表的保存4. VBAR_ELx寄存器4.2 __primary_switched4.3 __primary_switched1 arm64异常向量表 When an exception occurs, the processor must execute handler code which corresponds to …...

【测试面试】吐血整理,大厂测试开发岗面试题(1~4面),拿下年40w...

目录&#xff1a;导读前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结&#xff08;尾部小惊喜&#xff09;前言 自动化测试面试题&am…...

SpringSecurity之权限模块设计

目录 前言 实现思路 代码结构 使用说明 前言 前面我们了解了关于微服务权限设计方案以及J W T的相关介绍&#xff0c;今天我们来聊一下&#xff0c;如何避免自己重复的写相同的代码&#xff0c;一次代码实现&#xff0c;即可完美复制到任何项目中实现权限相关的功能。 实现…...

002_双指针法

1.移除元素 目标&#xff1a;移除数组中的某一个元素 数组的元素在内存地址中是连续的&#xff0c;不能单独删除数组中的某个元素&#xff0c;只能覆盖。 1.1暴力解法 建立两个for循环&#xff0c;当查找到某个元素以后&#xff0c;将此元素后面的元素全部往前移动 时间复…...

超实用的 Linux 高级命令,程序员一定要懂

前言 在运维的坑里摸爬滚打好几年了&#xff0c;我还记得我刚开始的时候&#xff0c;我只会使用一些简单的命令&#xff0c;写脚本的时候&#xff0c;也是要多简单有多简单&#xff0c;所以有时候写出来的脚本又长又臭。 像一些高级点的命令&#xff0c;比如说 Xargs 命令、管…...

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…...

synchronized 学习

学习源&#xff1a; https://www.bilibili.com/video/BV1aJ411V763?spm_id_from333.788.videopod.episodes&vd_source32e1c41a9370911ab06d12fbc36c4ebc 1.应用场景 不超卖&#xff0c;也要考虑性能问题&#xff08;场景&#xff09; 2.常见面试问题&#xff1a; sync出…...

【磁盘】每天掌握一个Linux命令 - iostat

目录 【磁盘】每天掌握一个Linux命令 - iostat工具概述安装方式核心功能基础用法进阶操作实战案例面试题场景生产场景 注意事项 【磁盘】每天掌握一个Linux命令 - iostat 工具概述 iostat&#xff08;I/O Statistics&#xff09;是Linux系统下用于监视系统输入输出设备和CPU使…...

04-初识css

一、css样式引入 1.1.内部样式 <div style"width: 100px;"></div>1.2.外部样式 1.2.1.外部样式1 <style>.aa {width: 100px;} </style> <div class"aa"></div>1.2.2.外部样式2 <!-- rel内表面引入的是style样…...

【Java_EE】Spring MVC

目录 Spring Web MVC ​编辑注解 RestController RequestMapping RequestParam RequestParam RequestBody PathVariable RequestPart 参数传递 注意事项 ​编辑参数重命名 RequestParam ​编辑​编辑传递集合 RequestParam 传递JSON数据 ​编辑RequestBody ​…...

NLP学习路线图(二十三):长短期记忆网络(LSTM)

在自然语言处理(NLP)领域,我们时刻面临着处理序列数据的核心挑战。无论是理解句子的结构、分析文本的情感,还是实现语言的翻译,都需要模型能够捕捉词语之间依时序产生的复杂依赖关系。传统的神经网络结构在处理这种序列依赖时显得力不从心,而循环神经网络(RNN) 曾被视为…...

Java线上CPU飙高问题排查全指南

一、引言 在Java应用的线上运行环境中&#xff0c;CPU飙高是一个常见且棘手的性能问题。当系统出现CPU飙高时&#xff0c;通常会导致应用响应缓慢&#xff0c;甚至服务不可用&#xff0c;严重影响用户体验和业务运行。因此&#xff0c;掌握一套科学有效的CPU飙高问题排查方法&…...

LLMs 系列实操科普(1)

写在前面&#xff1a; 本期内容我们继续 Andrej Karpathy 的《How I use LLMs》讲座内容&#xff0c;原视频时长 ~130 分钟&#xff0c;以实操演示主流的一些 LLMs 的使用&#xff0c;由于涉及到实操&#xff0c;实际上并不适合以文字整理&#xff0c;但还是决定尽量整理一份笔…...

【MATLAB代码】基于最大相关熵准则(MCC)的三维鲁棒卡尔曼滤波算法(MCC-KF),附源代码|订阅专栏后可直接查看

文章所述的代码实现了基于最大相关熵准则(MCC)的三维鲁棒卡尔曼滤波算法(MCC-KF),针对传感器观测数据中存在的脉冲型异常噪声问题,通过非线性加权机制提升滤波器的抗干扰能力。代码通过对比传统KF与MCC-KF在含异常值场景下的表现,验证了后者在状态估计鲁棒性方面的显著优…...

BLEU评分:机器翻译质量评估的黄金标准

BLEU评分&#xff1a;机器翻译质量评估的黄金标准 1. 引言 在自然语言处理(NLP)领域&#xff0c;衡量一个机器翻译模型的性能至关重要。BLEU (Bilingual Evaluation Understudy) 作为一种自动化评估指标&#xff0c;自2002年由IBM的Kishore Papineni等人提出以来&#xff0c;…...