通信原理里,2PSK的功率谱密度推导,可能是很多人在期末复习和考研备考时最头疼的一块。公式又长又抽象,教材上往往直接甩出结论,中间的“为什么”全靠自己脑补。但功率谱密度恰恰是理解2PSK带宽、频带利用率、抗噪声性能的钥匙,绕不开。这篇文章我就把2PSK功率谱密度从信号模型、自相关函数、维纳-辛钦定理到最终公式的推导全过程,一步步拆开讲清楚,还会附上MATLAB仿真验证的方法和几个常见误区。不管你是正在备考通信原理的学生,还是工作中需要评估调制信号带宽的工程师,这篇内容都能让你把这块知识真正吃透,而不是停留在背公式的层面。
1. 先从信号模型说起:2PSK到底长什么样
1.1 从“用相位传信息”理解信号表达式
2PSK,全称二进制相移键控,核心思路是用载波的两个相位状态来分别表示二进制码元0和1。最常见的形式是绝对相移键控:当发送码元“0”时,载波相位为0;当发送码元“1”时,载波相位为π。用公式表达就是:
s_2PSK(t) = A·cos(ω_c t + φ_n),其中φ_n取0或π,分别对应二进制码元0和1。
很多同学一上来就被这个带φ_n的表达式绕晕了。实际上,用积化和差公式展开一下,事情会变得非常清爽。当φ_n=0时,cos(ω_c t)就是它本身;当φ_n=π时,cos(ω_c t + π) = -cos(ω_c t)。所以你完全可以把它看成一个双极性基带信号m(t)去乘以载波cos(ω_c t):
s_2PSK(t) = m(t)·cos(ω_c t),m(t)取值为+1或-1。
这里的m(t)就是双极性不归零(NRZ)随机脉冲序列。这一个转换是整个推导的基石,后面所有的频域分析都是从这个“基带信号乘载波”的模型出发的。你不妨记住这个画面:2PSK本质上就是“双极性基带信号做线性搬移”,而不是像2FSK那样改变频率,也不是像2ASK那样改变幅度。
1.2 为什么功率谱密度是绕不开的一个坎
时域波形能告诉我们信号长什么样,但它回答不了一个关键问题:这个信号到底占用多少带宽?信道怎么分配?滤波器怎么设计?邻道干扰怎么评估?这些都得靠频域分析,也就是功率谱密度。
可以把时域波形类比成一套房子的平面图,功率谱密度则是这张平面图的结构分析报告——哪些承重墙占了多少面积,哪里是主要活动区域。对通信系统来说,功率谱密度直接决定了信号的频带占用情况,也决定了接收端滤波器的通带设计。比如你设计一个2PSK系统,码速率是100 kbps,如果不知道功率谱密度的主瓣宽度是200 kHz,你都不知道信道带宽至少要预留多少。
另一个实际理由是,2PSK的功率谱密度结论和2ASK的推导路径几乎同源,学会这一套,后面学2ASK、QPSK的功率谱分析都能顺下来。所以这块内容不只是考试要考,它是你理解整个数字频带传输系统的一扇门。下面我们就从推导的第一环——基带信号的自相关函数——正式开始。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 一步一步推:从自相关函数到功率谱密度
2.1 基带信号的自相关函数:一切推导的起点
要得到s_2PSK(t)的功率谱密度,最正统的路径是:先求自相关函数,再用维纳-辛钦定理变换到频域。为什么非要从自相关函数入手?因为2PSK信号是随机信号,没法直接做傅里叶变换(它不满足绝对可积条件),但它的自相关函数在统计意义上是稳定的,可以做傅里叶变换。
先把基带信号m(t)写出来:
m(t) = Σ a_n·g(t - nT_b)
其中a_n是第n个码元的幅度,取+1或-1,等概率出现;g(t)是宽度为T_b的矩形脉冲(不归零);T_b是码元周期,R_b = 1/T_b就是码速率。
求自相关函数R_m(τ) = E[m(t)·m(t+τ)],关键要看两个时刻是否落在同一个码元内。这里有个很重要的手法:把延时τ限制在|τ| ≤ T_b内来讨论。
当两个时刻落在同一个码元内的概率是1 - |τ|/T_b(你可以理解为窗口重叠的比例),此时a_n·a_n = 1,自相关贡献为1;当落在不同码元时,由于a_n和a_{n+1}独立且等概率取±1,期望E[a_n·a_{n+1}] = (1/2)·1 + (1/2)·(-1) = 0,这部分贡献为零。所以:
R_m(τ) = 1 - |τ|/T_b,|τ| ≤ T_b;R_m(τ) = 0,|τ| > T_b
这个函数画出来就是一个三角形。很多同学会问,为什么矩形脉冲的自相关是三角形?你可以类比:两个同样宽度的矩形窗,错开τ后重叠面积随τ线性减小,减到零时τ等于窗宽。这里的数学本质是一样的,只是把“面积重叠”换成了“概率重叠”
