📘《AI 時代系列（6）：進階通訊工程——邁向 2035 年太空星鏈網路時代》
21／100 單元 第三週：🎶 電波的語言：調變、編碼與 6G 高頻革命
________________________________________
📘 第 3 章導讀
— 5G / 6G 調變 × 編碼 × 等化 × AI 的核心基礎 —
第三章將帶你正式理解「資料如何成為電波」這件看似神祕但實際非常工程化的過程。從最基本的 BPSK (Binary Phase Shift Keying 二進位相位調變)、QAM (Quadrature Amplitude Modulation 正交振幅調變) 調變開始，我們會看見位元如何被映射到星座點，再透過 OFDM、多工技術與時頻資源的切分，轉換成今日 LTE/5G/LEO 衛星都在使用的基頻波形。
本章的第二重點是「通道效應」：反射、多路徑、延遲擴散、Doppler shift 等真實現象如何扭曲訊號，以及接收端如何使用 ZF/MMSE 等化器將其修正。這裡會特別介紹 LEO 衛星的高速多普勒補償——是 NTN 最大的技術挑戰之一。
接著，我們將進入可靠通訊的核心 —— 通道編碼（Channel Coding）。從最早的卷積碼，到改寫行業的 Turbo Code，再到 Wi-Fi/5G 的主流 LDPC、5G 控制通道用的 Polar Code，這些編碼如何讓通訊系統逼近香農極限，都會一一呈現。最後，本章會連接到最新趨勢：AI-based Channel Coding 如何讓 Starlink、OneWeb 與 6G 設計更靈活、更接近理論上限。
總結來說：本章讓你理解電波的完整語言——資料如何被調變、如何在通道中被扭曲、如何被等化、如何被編碼保護。這是踏入 6G、LEO、高頻 mmWave / THz 通訊前，最關鍵的工程基礎。
________________________________________
21. BPSK / QAM 調變 🎶
——資料如何變成電波（從比特 → 星座點 → RF）
________________________________________
🎯 單元導讀
在無線通訊中，我們傳的不是 0 和 1，而是：
👉 正弦波的相位、幅度、頻率
👉 複數平面上的點（constellation）
這些點，就是資料在空氣中的“語言”。
本單元帶你理解所有通訊系統的起點：
• 為何要把 bit 轉成複數符號？
• BPSK、QPSK、QAM 的設計邏輯是什麼？
• 星座圖距離（Euclidean Distance）為什麼影響 BER？
• 為何 5G/6G 使用 64QAM、256QAM、1024QAM？
• 在高多普勒（如 LEO）、高頻 mmWave/THz 下會出什麼問題？
• AI 是否能找到比 QAM 更好的星座？
這是進入 AI Receiver、MIMO、等化器、OFDM 的基礎。
________________________________________
🧠 一、從 bit 到符號：調變的本質
資料 101101 → 無法直接在空氣中傳
因為空氣只能傳：
• 波的幅度
• 波的相位
• 波的頻率
因此必須做：
📌 Mapping：bit → 複數符號 x = I + jQ
這個複數值會控制 RF 前端的：
• I/Q mixer
• DAC
• PA
• 天線 array 的相位/幅度
最終變成空氣中的電波。
________________________________________
🎶 二、BPSK：最簡單卻最強韌的調變
BPSK 星座圖：
-1 +1
o-------o
Mapping：
• 0 → +1
• 1 → −1
BPSK 是最簡單的二元相位調變方式，它的星座圖只有兩個點，分別位於 −1 與 +1。位元 0 通常被映射到 +1，位元 1 映射到 −1，兩點之間距離最大，因此抗雜訊能力也最強。由於只有兩個相位選擇，BPSK 的調變結構簡單、可靠，是許多通訊系統（如衛星、LEO 低 SNR環境）的基礎調變方式。
特性:
• 點距離最大 → BER 最低
• 最抗干擾
• 大多普勒/LEO 下仍可用
• 但頻譜效率非常低（1 bit/symbol）
📌 在低 SNR、惡劣衰落、遠距離 NTN/衛星中最常用。
________________________________________
🔶 三、QPSK：4 個點，2 bit/symbol
星座：
o o
+
o o
Mapping：
00、01、10、11
→ 四個相位（45°、135°、225°、315°）
這個星座圖代表 QPSK（Quadrature Phase Shift Keying） 的四個等距訊號點，每個點都對應一組 2-bit（00、01、10、11）。四個點分別分佈在 45°、135°、225°、315° 的四個相位上，彼此距離相同，因此能在同一符號時間內傳送兩個位元，效率比 BPSK 加倍。由於每個點的能量一致、相位分布均勻，QPSK 在吞吐量與抗雜訊能力之間取得很好平衡，是 4G/5G/LEO 衛星最常見的基礎調變方式之一。
特性：
• 點距離仍大 → BER 好
• 頻譜效率提升到兩倍
• 5G 上行（UL）大量用 QPSK
________________________________________
🟥 四、M-QAM：提升容量的主力（5G/6G 核心）
QAM = 同時調節 I 與 Q 的幅度
星座圖呈現格狀（square grid）
例：16QAM、64QAM、256QAM、1024QAM
以 16QAM 為例：
o o o o
o o o o
o o o o
o o o o
QAM（Quadrature Amplitude Modulation）是同時調整 I（同相） 與 Q（正交） 兩個分量的幅度，因此星座圖呈現規則的 方格狀分布（square grid）。以 16QAM 為例，星座圖由 4×4 的 16 個點組成，每個點代表一組 4-bit，可在同一符號時間傳送更多資訊。位元數增加時，如 64QAM、256QAM、1024QAM，星座點會更加密集，頻譜效率提高，但抗噪能力下降。因此 QAM 是高吞吐系統的主力調變方式，常用於 5G、WiFi、光纖和衛星通訊。
QAM 調變特性（條列式）
• 16QAM
o Bits/Symbol：4 bits
o SNR 需求：中
• 64QAM
o Bits/Symbol：6 bits
o SNR 需求：高
• 256QAM
o Bits/Symbol：8 bits
o SNR 需求：更高
• 1024QAM
o Bits/Symbol：10 bits
o SNR 需求：極高
📌 高階調變需要高 SNR，否則 BER 急劇上升。
電信公司 5G NR 的 MCS 就是依照：
• SINR
• BLER
• 雜訊模型
• 通道估計品質
• UE 回報（CQI）
來調整 QAM 階級。
________________________________________
🌪 五、高多普勒（LEO/高速移動）對 QAM 的摧毀力
高速移動（如時速 300km/h、LEO 7.6km/s）
會造成：
• 相位旋轉
• 子載波間干擾
• 星座點整坨旋轉
星座圖會變成：
* . *
. * .
. . *
在高速移動環境（例如高鐵 300 km/h 或 LEO 衛星 7.6 km/s）下，多普勒效應會使接收信號產生快速變化的相位旋轉與頻率偏移，導致星座點不再固定在原本的格點上，而是開始成團地旋轉、擴散甚至彼此重疊。這會造成子載波間干擾（ICI），讓高階 QAM（如 64QAM、256QAM、1024QAM）幾乎無法辨識。簡單來說：多普勒會把原本整齊的 QAM 星座圖扭曲成散亂的雜點，高階調變在高速環境中最容易被摧毀。
點不再集中 → ML/MAP 偵測崩潰 → BER 爆炸
原因：
📌 多普勒造成的 Carrier Frequency Offset (CFO)
📌 快衰落造成的 相位擾動
📌 OFDM 正交性破壞
所以：
• LEO 通道經常降到 QPSK 或 BPSK
• 1024QAM 在 LEO 幾乎無法使用
________________________________________
🌟 六、AI 找到比 QAM 更好的星座（Neural Constellation）
近年研究證明：
⭐ AI 找到的星座比 256QAM 更省能
⭐ 分布更符合通道特性（Rayleigh/Rician/LEO）
⭐ 在低 SNR 可降低 BER 20～40%
因為 AI 不受：
• 格狀星座
• 等距點
• Gray mapping
等“人類限制”。
這是 6G PHY Auto-Design 的核心之一。
________________________________________
💡 七、ASCII 圖——星座的進化
BPSK：
-1 +1
QPSK：
o o
+
o o
16QAM：
o o o o
o o o o
o o o o
o o o o
AI 星座（例）：
. o . .
o . o
. o
. o .
（不規則、可適應通道分布）
這組 ASCII 圖展示了星座圖從傳統調變到 AI 調變的演化過程：最基本的 BPSK 只有兩個點；QPSK 以四個等距相位提升資料量；16QAM 進一步在 I/Q 平面形成規則的方格，使每個符號能承載更多 bit。相比之下，AI 生成的星座不再拘泥於對稱或格狀，而是依據實際通道特性自動排列成「不規則且最有效」的分布，使互資訊最大化。簡單來說，AI 星座能根據通道條件自我適應，超越傳統星座的固定幾何限制，讓傳輸在複雜或時變通道下更加接近容量極限。
________________________________________
🧩 八、模擬題（電信實務版）
（1）何時上行 UL 必須降到 QPSK？
在 UE 單天線、覆蓋弱、路徑損耗高或 SINR < 5 dB 的情況下，上行鏈路需要降到 QPSK 以維持可靠傳輸，避免 UL BLER 爆掉。
________________________________________
（2）LEO 通道中為何 256QAM 難以使用？
LEO 的高速移動會造成劇烈多普勒偏移與相位旋轉，使星座點互相重疊，導致高階 QAM 的 BER 急速惡化，無法穩定解調。
________________________________________
（3）什麼最影響 QAM BER？
QAM 的 BER 主要由星座點間距決定，點距越小，對雜訊與相位偏移越敏感；其他因素（如品牌、天氣）對 BER 的影響都遠低於點距。
________________________________________
（4）AI 星座比傳統 QAM 更好的原因？
AI 星座可以依據真實通道分布動態排布點位，不受方格限制，能自動避開高干擾區，使互資訊最大化，在非理想通道中優於固定 QAM。
________________________________________
（5）當 SINR = 3 dB 時最可能使用的調變？
在 SINR 僅 3 dB 的情況下，系統必須選用低階且穩定的調變，通常會落在 BPSK 或 QPSK，以避免過高的 BLER。
________________________________________
✅ 九、小結與啟示
✔ 無線通訊不是傳 bit，而是傳複數符號
✔ BPSK → 最抗噪
✔ QPSK → UL 主力
✔ QAM（16/64/256/1024）→ 5G/6G 的容量來源
✔ 高階 QAM 要高 SINR
✔ LEO/高速環境會摧毀高階 QAM
✔ AI 星座正在成為 6G PHY 自動化設計核心
✔ 調變是所有 PHY/RAN 的起點
一句話總結：
⭐ 「調變是資料進入空氣的方式，而 AI 正在重新定義電波的語言。」
