【无线通信】误差矢量幅度(EVM)

2024-08-27 13:04

本文主要是介绍【无线通信】误差矢量幅度(EVM),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

误差矢量幅度 (Error Vector Magnitude, EVM) 是一种用来评估数字通信系统中调制质量的重要指标。EVM 衡量的是理想信号与实际接收信号之间的差异,通常用来评估调制质量、信号完整性和接收机性能。

EVM的定义

在一个数字通信系统中,理想情况下接收到的信号应该精确地落在特定的理想星座点上(比如 QAM 或 PSK 星座图)。然而,由于各种现实因素,如噪声、失真、非线性效应和相位误差,接收到的信号可能会偏离理想位置。EVM 就是用来度量这种偏差的。

具体来说,EVM 是误差矢量与理想矢量的比值,表示为:

E V M = 误差矢量的均方根值 理想信号矢量的均方根值 EVM = \frac{\text{误差矢量的均方根值}}{\text{理想信号矢量的均方根值}} EVM=理想信号矢量的均方根值误差矢量的均方根值

其中:

  • 误差矢量 是指接收信号点与理想信号点之间的差异矢量。
  • 理想信号矢量 是指理想情况下的信号点。

EVM 通常以百分比形式表示。EVM 值越低,表示系统的调制质量越高。

计算公式

假设接收到的符号为 r k r_k rk,理想的符号为 s k s_k sk,那么 EVM 的计算公式为:
E V M = 1 N ∑ k = 1 N ∣ r k − s k ∣ 2 1 N ∑ k = 1 N ∣ s k ∣ 2 × 100 % EVM = \frac{\sqrt{\frac{1}{N}\sum_{k=1}^{N} |r_k - s_k|^2}}{\sqrt{\frac{1}{N}\sum_{k=1}^{N} |s_k|^2}} \times 100\% EVM=N1k=1Nsk2 N1k=1Nrksk2 ×100%
其中:

  • N N N是总的符号数。
  • ∣ r k − s k ∣ |r_k - s_k| rksk是误差矢量的模,表示实际接收符号与理想符号之间的距离。
  • 分子表示误差矢量的均方根值 (RMS),分母表示理想信号矢量的均方根值。

EVM的意义

  • 低EVM值:表示接收信号与理想信号之间的误差很小,调制质量好,信号的传输可靠性高。
  • 高EVM值:表示接收信号与理想信号之间的误差较大,可能是由于噪声、失真、干扰等原因,导致调制质量差。

EVM的典型应用

  1. 无线通信系统测试:EVM 经常用于测试和评估无线通信设备(如手机、基站、Wi-Fi 路由器等)的调制和解调性能。
  2. 调制质量分析:在调制解调过程中,EVM 可以帮助工程师识别系统中的问题,如信号失真、功放非线性等。
  3. 标准合规性测试:许多通信标准(如 LTE、Wi-Fi)都规定了 EVM 的最大允许值,设备必须满足这些标准才能通过认证。

影响EVM的因素

  1. 噪声:热噪声、相位噪声等都会增加接收信号的误差,进而增加 EVM。
  2. 失真:非线性失真、增益压缩等会导致信号偏离理想星座点,增加 EVM。
  3. IQ 不平衡:调制器或解调器中的 I/Q 失衡也会导致 EVM 增加。
  4. 多径效应:在无线通信中,多径传播可能会引起符号间干扰,进而影响 EVM。

EVM的测量

EVM 的测量通常使用频谱分析仪、矢量信号分析仪等设备。在测试过程中,这些设备会生成理想的参考信号,并与实际接收到的信号进行比较,计算误差矢量并最终得出 EVM 值。

总结

EVM 是评价数字通信系统中调制质量的关键指标,通过衡量实际信号与理想信号之间的误差,帮助工程师优化系统性能并确保信号传输的可靠性。较低的 EVM 值通常意味着更高的信号质量和更低的误码率。

这篇关于【无线通信】误差矢量幅度(EVM)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1111741

相关文章

单位权中误差 详细介绍

单位权中误差(Unit Weight Error, UWE)是用于描述测量数据不确定性的一个统计量,特别是在地理信息系统(GIS)、导航和定位系统中。它主要用于评估和比较不同测量系统或算法的精度。以下是对单位权中误差的详细介绍: 1. 基本概念 单位权中误差(UWE): 定义:单位权中误差表示每个观测值(测量值)在估算中的标准误差。它是误差的一个统计量,主要用于评估测量系统的精度。单位:通常

用Python实现时间序列模型实战——Day 14: 向量自回归模型 (VAR) 与向量误差修正模型 (VECM)

一、学习内容 1. 向量自回归模型 (VAR) 的基本概念与应用 向量自回归模型 (VAR) 是多元时间序列分析中的一种模型,用于捕捉多个变量之间的相互依赖关系。与单变量自回归模型不同,VAR 模型将多个时间序列作为向量输入,同时对这些变量进行回归分析。 VAR 模型的一般形式为: 其中: ​ 是时间  的变量向量。 是常数向量。​ 是每个时间滞后的回归系数矩阵。​ 是误差项向量,假

【无线通信发展史⑧】测量地球质量?重力加速度g的测量?如何推导单摆周期公式?地球半径R是怎么测量出来的?

前言:用这几个问答形式来解读下我这个系列的来龙去脉。如果大家觉得本篇文章不水的话希望帮忙点赞收藏加关注,你们的鼓舞是我继续更新的动力。 我为什么会写这个系列呢? 首先肯定是因为我本身就是一名从业通信者,想着更加了解自己专业的知识,所以更想着从头开始了解通信的来源以及在每一个时代的发展进程。 为什么会从头开始写通信? 我最早是学习了中华上下五千年,应该说朝代史,这个算个人兴趣,从夏

【深度学习 误差计算】10分钟了解下均方差和交叉熵损失函数

常见的误差计算函数有均方差、交叉熵、KL 散度、Hinge Loss 函数等,其中均方差函数和交叉熵函数在深度学习中比较常见,均方差主要用于回归问题,交叉熵主要用于分类问题。下面我们来深刻理解下这两个概念。 1、均方差MSE。 预测值与真实值之差的平方和,再除以样本量。 均方差广泛应用在回归问题中,在分类问题中也可以应用均方差误差。 2、交叉熵 再介绍交叉熵损失函数之前,我们首先来介绍信息

PMF源解析软件下载、安装、运行;Fpeak模式运行结果优化及误差评估;大气颗粒物理化性质等基础知识和通过PMF方法对其来源解析

目录 专题一 PMF源解析技术简要及其输入文件准备 专题二 PMF源解析技术的原理,PMF软件的实操及应用举例 专题三 PMF源解析结果的优化及误差评估 更多应用 颗粒物污染不仅对气候和环境有重要影响,而且对人体健康有严重损害,尤其在一些重污染天气,如灰霾和沙尘暴等。为了高效、精准地治理区域大气颗粒物污染,首先需要了解颗粒物的来源。因此,颗粒物源解析成为目前解决大气颗粒物污染的关键技

【自动驾驶】控制算法(七)离散规划轨迹的误差计算

写在前面: 🌟 欢迎光临 清流君 的博客小天地,这里是我分享技术与心得的温馨角落。📝 个人主页:清流君_CSDN博客,期待与您一同探索 移动机器人 领域的无限可能。 🔍 本文系 清流君 原创之作,荣幸在CSDN首发🐒 若您觉得内容有价值,还请评论告知一声,以便更多人受益。 转载请注明出处,尊重原创,从我做起。 👍 点赞、评论、收藏,三连走一波,让我们一起养成好习惯😜 在这里,您将

3674B/C/D/E/F/G矢量网络分析仪

3674B/C/D/E/F/G矢量网络分析仪 <<<3674系列矢量网络分析仪>>> Ceyear 3674系列矢量网络分析仪是技术创新的巅峰之作,可以轻松应对半导体芯片测试、材料测试、天线测试、高速线缆测试、微波部组件测试等带来的严峻挑战。出色的射频特性、灵活的硬件配置和丰富的软件功能相辅相成,只需一次连接即可完成多种测量任务。创新的人机交互设计可帮助您快速便捷地完成所需的测

2024年全国各省路网矢量数据介绍

一、2024年全国路网矢量数据介绍 数据更新时间:2024年5月 数据范围:全国(不包含台湾省) 数据格式:shp(线) 数据包含类型:城市主干道、城市次干道、城市快速路、城市支路、高速公路、内部道路、人行道、乡村道路、自行车道路。 数据来源:Open Street Map  属性表语言:汉语(原为英语,翻译后为汉语) 坐标系:平面坐标系无投影参数 数据查看地址:https://w

开绕组永磁电机驱动系统零序电流抑制策略研究(7)——基于零矢量重新分布的120°矢量解耦/中间六边形调制零序电流抑制策略

1.前言 很久没有更新过开绕组电机的仿真了。在一年前发了开绕组的各种调制策略。开绕组电机最常见的两种解耦调制就是120°矢量解耦/中间六边形调制和180°矢量解耦/最大六边形调制。 我当时想的是,180°解耦调制/最大六边形调制的电压利用率最高,所以我就一直用这个调制方式。但是近年来做开绕组电机的基本都是华科的老师,而他们都采用了120°调制/中间六边形调制。 我之前是做了120°解耦调

高速传输uwb无线收发芯片,超宽带、低时延无线通信,定位测距技术

在信息化的时代,无线通信技术的每一次创新都极大地推动了社会的发展。近年来,随着物联网、智能家居、自动驾驶等技术的飞速发展,对无线通信技术的要求也越来越高。在众多无线通信技术中,UWB(Ultra-Wideband)无线收发芯片以其超宽带、低时延的特性,成为了行业内的翘楚,飞睿智能创新着无线通信的新潮流。 一、UWB无线收发芯片:技术解读 UWB,即超宽带无线通信技术,是一种使用极短脉冲进行