第 1 章 概述 / Chapter 1 Overview

最后更新：2026-03-30

1.1 通信的基本概念

通信（Communication） 是指信息从发送端经过某种媒介传递到接收端的过程。其核心目标是在尽可能短的时间内、以尽可能高的可靠性传递尽可能多的信息。

人类通信的历史几乎与文明本身一样悠久——从烽火台、旗语到电报、电话，再到今天的 5G/6G 移动通信和卫星互联网，通信技术始终是推动社会进步的关键力量。

现代通信系统以电磁波为信息载体，涉及信号的产生、传输、处理和恢复四个基本环节。

1.2 通信系统模型

1.2.1 基本模型（模拟通信系统）

一个最简化的通信系统可以用如下框图描述：

1
2
3
4
5

  信源    →  发送设备  →    信道    →  接收设备  →  信宿
 (Source)  (Transmitter)  (Channel)  (Receiver)  (Destination)
                            ↑
                          噪声源
                         (Noise)

各部分功能：

组成部分功能说明
信源（Source）将原始信息（语音、图像、数据等）转换为原始电信号（基带信号）
发送设备（Transmitter）对基带信号进行调制、放大、滤波等处理，使其适合在信道中传输
信道（Channel）信号传输的物理媒介（有线/无线），信号在此过程中会衰减和畸变
噪声源（Noise）信道中引入的随机干扰（热噪声、互调噪声、脉冲噪声等）
接收设备（Receiver）从接收信号中恢复出基带信号（解调、滤波、判决等）
信宿（Destination）将恢复的电信号转换为最终用户可感知的信息

1.2.2 数字通信系统模型

数字通信系统在基本模型基础上增加了编码/解码环节：

1
2
3

信源 → 信源编码 → 信道编码 → 调制 → 信道 → 解调 → 信道解码 → 信源解码 → 信宿
                   ↗                          ↘
              加密（可选）                  解密（可选）

关键处理环节说明：

  • 信源编码（Source Coding）：压缩冗余，提高有效性。例如：Huffman 编码、PCM、MP3、H.264/H.265。
  • 信道编码（Channel Coding）：引入受控冗余，提高可靠性。例如：汉明码、卷积码、Turbo 码、LDPC 码、Polar 码。
  • 调制（Modulation）：将数字基带信号搬移到适合信道传输的频段。例如：ASK、FSK、PSK、QAM、OFDM。
  • 加密（Encryption）：保障信息的保密性与完整性（可选环节）。

模拟 vs 数字通信的核心区别：数字通信通过再生中继可消除噪声累积，这是其取代模拟通信的根本优势。

1.2.3 通信系统分类

分类维度类型
按信号类型模拟通信、数字通信
按传输媒介有线通信（光纤、双绞线、同轴电缆）、无线通信（微波、卫星、移动）
按工作频段基带传输、频带传输
按通信方式单工（Simplex）、半双工（Half-Duplex）、全双工（Full-Duplex）
按复用方式FDM、TDM、CDM、SDM、WDM/OFDM

1.3 信息及其度量

1.3.1 信息量

Shannon（香农）于 1948 年提出信息的统计度量方法。对于离散信源发出的符号 $x_i$，其自信息量定义为：

$$I(x_i) = \log_a \frac{1}{P(x_i)} = -\log_a P(x_i)$$

其中 $P(x_i)$ 为符号 $x_i$ 出现的先验概率。

  • 当 $a = 2$ 时，单位为比特（bit）——这是最常用的单位。
  • 当 $a = e$ 时，单位为奈特（nat）。
  • 当 $a = 10$ 时，单位为哈特莱（Hartley）。

关键直觉：事件越不可能发生，包含的信息量越大；必然事件信息量为 0。

1.3.2 平均信息量（信源熵）

对于发出 $M$ 个离散符号的信源，平均信息量（信源熵）为：

$$H = -\sum_{i=1}^{M} P(x_i) \log_2 P(x_i) \quad (\text{bit/符号})$$

性质：

  • 当所有符号等概率时，熵达到最大值 $H_{\max} = \log_2 M$。
  • 熵表征了信源的不确定性，也是对信源进行无损编码的理论下界。

1.4 通信系统的主要性能指标

通信系统的核心矛盾是有效性与可靠性的折中（trade-off）。这构成了通信系统设计和分析的永恒主题。

1.4.1 有效性指标（传输效率）

有效性衡量系统资源利用率的高低——用尽可能少的资源传尽可能多的信息。

(1) 码元速率（波特率 / Symbol Rate）

$$R_B = \frac{1}{T_B} \quad (\text{Baud})$$

其中 $T_B$ 为码元持续时间。单位为波特（Baud），即每秒传输的码元个数。

(2) 信息速率（比特率 / Bit Rate）

$$R_b = R_B \cdot \log_2 M \quad (\text{bit/s 或 bps})$$

其中 $M$ 为每个码元可取的离散状态数（进制数）。

关键关系：对于二进制系统（$M=2$），$R_b = R_B$，数值相等但单位不同。

(3) 频带利用率

$$\eta = \frac{R_B}{B} \quad (\text{Baud/Hz}) \quad \text{或} \quad \eta = \frac{R_b}{B} \quad (\text{bit/s/Hz})$$

其中 $B$ 为系统带宽。频带利用率是衡量频谱效率的核心指标，直接反映了单位带宽上的传输能力。

(4) 模拟通信的有效性

对于模拟通信，有效性用有效传输带宽衡量——传输同样的信息所占带宽越窄，有效性越好。

1.4.2 可靠性指标（传输质量）

可靠性衡量系统传输准确程度的高低——接收端恢复的信息与发送端原始信息的一致程度。

(1) 数字通信的可靠性

指标定义公式
误码率（$P_e$）错误码元数 / 传输总码元数$P_e = \frac{\text{错误码元数}}{\text{传输总码元数}}$
误比特率（$P_b$ / BER）错误比特数 / 传输总比特数$P_b = \frac{\text{错误比特数}}{\text{传输总比特数}}$

注意区分：对于二进制系统 $P_e = P_b$；对于多进制系统，一般 $P_b < P_e$（一个错误码元不一定导致所有比特全错，取决于映射关系，如 Gray 码映射下 $P_b \approx P_e / \log_2 M$）。

典型可靠性要求示例：

应用场景要求误比特率（参考值）
语音通信$\leq 10^{-3}$
数据通信$\leq 10^{-6}$
深空通信$\leq 10^{-7}$（经信道编码后）

(2) 模拟通信的可靠性

模拟通信的可靠性用输出信噪比（SNR） 衡量：

$$\text{SNR} = \frac{S}{N} = \frac{\text{信号平均功率}}{\text{噪声平均功率}}$$

通常以分贝（dB）表示：$(\text{SNR})_{\text{dB}} = 10 \lg(S/N)$。

1.4.3 有效性与可靠性的关系

核心矛盾：提高有效性通常以牺牲可靠性为代价，反之亦然。这一矛盾体现在多个层面：

层面提高有效性的代价
多进制调制（增大 $M$）码元间距减小 → 判决错误概率增大 → 可靠性降低
减小带宽 $B$码间干扰增大 → 误码率升高
提高码元速率 $R_B$码元持续时间缩短 → 噪声容限降低
信道编码（增加冗余）可靠性提高，但净信息速率降低 → 有效性降低

设计通信系统就是在有效性、可靠性和复杂度三者之间寻找最佳平衡。

1.5 信道容量与香农定理

1.5.1 香农公式

1948 年，Claude Shannon 给出了有噪带限信道的理论容量上限：

$$C = B \cdot \log_2\left(1 + \frac{S}{N}\right) \quad (\text{bit/s})$$

其中：

  • $C$：信道容量（最大无差错信息传输速率）
  • $B$：信道带宽（Hz）
  • $S$：信号平均功率（W）
  • $N$：噪声平均功率（W），$N = n_0 B$（$n_0$ 为噪声单边功率谱密度）

1.5.2 香农公式的重要推论

(1) 带宽与信噪比的互换

$$C = B \cdot \log_2\left(1 + \frac{S}{n_0 B}\right)$$

当带宽 $B$ 增大时，可以用更低的信噪比维持相同的容量——这就是扩频通信的理论基础。

(2) 带宽无限时的极限容量

当 $B \to \infty$ 时（利用 $\lim_{x\to\infty} x\ln(1+1/x) = 1$）：

$$C_\infty = \frac{S}{n_0} \cdot \log_2 e \approx 1.44 \frac{S}{n_0}$$

这表明：即使带宽无限，信道容量也有上界，由信号功率和噪声谱密度决定。

(3) 香农界限的意义

  • 正面：只要传输速率 $R_b < C$，理论上存在一种编码方式使误码率任意小。
  • 反面：若 $R_b > C$，则无论采用何种编码方案，都无法实现无差错传输。

香农公式给出的是理论极限，实际系统只能逼近而无法达到。Turbo 码（1993 年）和 LDPC 码是迄今最接近香农极限的实用编码方案（差距约 0.1-0.5 dB），Polar 码（2009 年）则在理论上被证明可达香农极限。

1.6 通信发展简史与趋势

关键里程碑

年代里程碑
1837Morse 发明电报——电通信的开端
1876Bell 发明电话
1895Marconi 无线电通信实验
1906De Forest 发明真空三极管
1920sCarson, Nyquist 奠定通信理论基础
1948Shannon 发表《通信的数学理论》——信息论诞生
1948晶体管发明
1962第一颗通信卫星 Telstar
1970s光纤通信实用化起步
1980s移动通信（1G 模拟蜂窝）商用
1990s2G（GSM）数字移动通信，互联网兴起
2000s3G/4G 宽带移动通信
2020s5G 商用部署，6G 研究启动

发展趋势

  1. 数字化：从模拟到数字的全面迁移已基本完成。
  2. 宽带化：从 kbps 到 Gbps，下一代目标 Tbps。
  3. 智能化：AI/ML 在信号检测、资源调度、网络优化中的应用日益广泛。
  4. 融合化：天地一体化（地面 + 卫星 + 高空平台）、通感一体化。
  5. 安全化：后量子密码（PQC）迁移、物理层安全等新兴方向。

本章小结

  1. 通信系统由信源、发送设备、信道、接收设备、信宿五大部分构成（外加噪声源）。数字通信系统额外包含信源编码/解码和信道编码/解码环节。
  2. 信息量 $I = -\log_2 P$，信源熵 $H = -\sum P(x_i)\log_2 P(x_i)$ 是信息的定量度量。
  3. 通信系统的两大核心性能指标是有效性（码元速率、比特率、频带利用率）和可靠性（误码率、误比特率、输出信噪比），二者存在根本性矛盾。
  4. 香农公式 $C = B\log_2(1+S/N)$ 给出了有噪信道的理论容量极限，是通信工程的基石。
  5. 现代通信系统正朝着数字化、宽带化、智能化、融合化和安全化的方向持续演进。

思考题

  1. 数字通信相比模拟通信的主要优势是什么？为什么数字信号可以通过再生中继消除噪声累积？
  2. 若一个信源以等概率发出 4 个符号，其信源熵是多少？如果概率分布变为 ${1/2, 1/4, 1/8, 1/8}$，熵如何变化？
  3. 一个 8 进制数字通信系统，码元速率为 2400 Baud，其信息速率是多少？若系统带宽为 3200 Hz，频带利用率是多少？
  4. 香农公式揭示了哪些提高信道容量的途径？实际系统中哪些途径受到了哪些限制？
  5. 某信道带宽 3 kHz，信噪比 30 dB，求信道容量。若要求传输速率达到 30 kbps，至少需要多大的信噪比？

本章为"通信原理"课程的基础框架，后续章节将在此模型基础上，依次深入分析信号与噪声、模拟调制、数字基带传输、数字频带传输、模拟信号数字化、信道编码等核心内容。