射频系统学习2——IQ信号与正交调制

先做总结： $$s(t)=A(t)\cos ({\omega }_{c}t+\varphi (t))$$ $$s(t)=\underset{I(t)}{\underbrace{[A(t)\cos (\varphi (t))]}}\cos ({\omega }_{c}t)-\underset{Q(t)}{\underbrace{[A(t)\sin (\varphi (t))]}}\sin ({\omega }_{c}t)$$ $$s(t)=I(t)\cos ({\omega }_{c}t)-Q(t)\sin ({\omega }_{c}t)$$ $$A(t)=\sqrt{I(t{)}^2+Q(t{)}^2}$$ $$\varphi (t)=\text{atan2}(Q(t),I(t))$$

一、为什么必须使用IQ信号？

  使用IQ信号是必要的，因为它以极其高效的方式解决了三个根本性问题：

1. 问题一：如何同时传输振幅和相位？

• 解决：现代通信（如QPSK, 16-QAM）不仅仅靠改变振幅（AM）或频率（FM）来传输数据，而是通过同时改变振幅和相位来在同一时刻打包更多的数据。
• IQ信号在二维平面（I为X轴，Q为Y轴）上的一个点 $(I,Q)$，可以完美地用一个向量来表示。这个向量的长度就是信号的瞬时振幅，向量的角度就是信号的瞬时相位。
• 这就是“星座图（Constellation Diagram）”的来源。

2. 问题二：如何处理“镜像频率”？

• 在传统的“超外差”接收机中，当将信号（如2.0MHz）混频到中频（如0.5MHz）时，如果用1.5MHz本振，一个在“镜像”位置（如-1.0MHz，或说1.0MHz的另一个边带）的信号也会被同时混频到0.5MHz，造成干扰。
• 解决：IQ解调（也称“零中频”或“直接变频”）通过使用两个正交的混频器（$\cos$ 和 $\sin$），创建了一个复数信号 $I(t)+jQ(t)$。
• 在数学上，复数信号的频谱是单边的（只存在正频率或负频率）。这从根本上消除了镜像频率问题。

3. 问题三：如何用“慢”的数字芯片处理“快”的射频信号？

• 解决：根据奈奎斯特定理，要直接用ADC采样一个2.4GHz的Wi-Fi信号，需要一个至少4.8 Gsps（每秒采样48亿次）的ADC，这非常昂贵且困难。
• 使用IQ解调，我们将2.4GHz的信号直接混频到基带（0 Hz）。信号的“信息”现在包含在两个慢速的I和Q信号中（例如，带宽仅为20MHz）。
• 这样只需要两个慢速的ADC（例如，每个40 Msps）来分别采样I和Q信号即可。这使得使用低成本的DSP和FPGA进行处理成为可能，这也是**软件定义无线电（SDR）**的核心原理。

二、 数学推导：IQ正交调制与解调

1. 信号的调制（调制：从IQ到RF）

  从最通用的带通（射频）信号 $s(t)$ 出发，它围绕载波频率 $f_c$（角频率 ${\omega }_c=2\pi f_c$）振荡。其振幅 $A(t)$ 和相位 $\varphi (t)$ 都可以随时间 $t$ 变化：

$$s(t)=A(t)\cos ({\omega }_{c}t+\varphi (t))$$

步骤1：使用三角恒等式展开
  把$s(t)$展开得到：

$$s(t)=A(t)\left[\cos ({\omega }_{c}t)\cos (\varphi (t))-\sin ({\omega }_{c}t)\sin (\varphi (t))\right]$$

步骤2：重新组合
  将随时间慢速变化的部分（信息）和高速振荡的载波分开：

$$s(t)=\underset{I(t)}{\underbrace{[A(t)\cos (\varphi (t))]}}\cos ({\omega }_{c}t)-\underset{Q(t)}{\underbrace{[A(t)\sin (\varphi (t))]}}\sin ({\omega }_{c}t)$$

步骤3：定义I和Q
  定义这两个慢速变化的基带信号：

• $I(t)=A(t)\cos (\varphi (t))$ （同相分量）
• $Q(t)=A(t)\sin (\varphi (t))$ （正交分量）

最终的调制方程：
  将 $I(t)$ 和 $Q(t)$ 这两个基带信号“搭载”到正交载波上，然后组合成一个射频信号：

$$s(t)=I(t)\cos ({\omega }_{c}t)-Q(t)\sin ({\omega }_{c}t)$$

2. 信号的解调（接收：从RF到IQ）

  现在反过来，我们收到了 $s(t)$，如何从中恢复出 $I(t)$ 和 $Q(t)$？

目标：恢复 $I(t)$
  将收到的信号 $s(t)$ 乘以同相的本地载波 $\cos ({\omega }_{c}t)$。

$$v_I(t)=s(t)\cdot \cos ({\omega }_{c}t)$$

$$v_I(t)=\left[I(t)\cos ({\omega }_{c}t)-Q(t)\sin ({\omega }_{c}t)\right]\cdot \cos ({\omega }_{c}t)$$

$$v_I(t)=I(t){\cos }^2({\omega }_{c}t)-Q(t)\sin ({\omega }_{c}t)\cos ({\omega }_{c}t)$$

使用三角恒等式：

• $2{\cos }^2(A)=1+\cos (2A)$
• $2\sin (A)\cos (A)=\sin (2A)$

$$v_I(t)=\frac{1}{2}I(t)\left[1+\cos (2{\omega }_{c}t)\right]-\frac{1}{2}Q(t)\left[\sin (2{\omega }_{c}t)\right]$$

$$v_I(t)=\underset{\text{基带信号}}{\underbrace{\frac{1}{2}I(t)}}+\underset{\text{高频信号 (2fc)}}{\underbrace{\frac{1}{2}I(t)\cos (2{\omega }_{c}t)-\frac{1}{2}Q(t)\sin (2{\omega }_{c}t)}}$$

  最后，通过一个低通滤波器（LPF）。LPF会滤除所有在两倍载波频率（$2f_c$）附近的高频分量，只留下基带信号 $I(t)$。

目标：恢复 $Q(t)$
  我们将收到的信号 $s(t)$ 乘以正交的本地载波 $-\sin ({\omega }_{c}t)$。

$$v_Q(t)=s(t)\cdot [-\sin ({\omega }_{c}t)]$$

$$v_Q(t)=\left[I(t)\cos ({\omega }_{c}t)-Q(t)\sin ({\omega }_{c}t)\right]\cdot [-\sin ({\omega }_{c}t)]$$

$$v_Q(t)=-I(t)\cos ({\omega }_{c}t)\sin ({\omega }_{c}t)+Q(t){\sin }^2({\omega }_{c}t)$$

使用三角恒等式：

• $2\sin (A)\cos (A)=\sin (2A)$
• $2{\sin }^2(A)=1-\cos (2A)$

$$v_Q(t)=-\frac{1}{2}I(t)\left[\sin (2{\omega }_{c}t)\right]+\frac{1}{2}Q(t)\left[1-\cos (2{\omega }_{c}t)\right]$$

$$v_Q(t)=\underset{\text{基带信号}}{\underbrace{\frac{1}{2}Q(t)}}-\underset{\text{高频信号 (2fc)}}{\underbrace{\frac{1}{2}I(t)\sin (2{\omega }_{c}t)-\frac{1}{2}Q(t)\cos (2{\omega }_{c}t)}}$$

同样，通过一个低通滤波器（LPF），我们滤除了所有高频分量，只留下了基带信号 $Q(t)$。

  结论：通过这个过程，将一个高速的RF信号 $s(t)$，解调为了两个慢速的基带信号 $I(t)$ 和 $Q(t)$。

三、 IQ信号的复数域理解

  在数学上，IQ信号是描述一个真实射频（RF）信号的**“复包络”（Complex Envelope）**。

1. 欧拉公式

  先回顾一下欧拉公式：
$$e^{j\theta }=\cos (\theta )+j\sin (\theta )$$
这个公式告诉我们，一个复指数信号 $e^{j\theta }$，可以分解为一个同相（In-Phase）的余弦分量和一个正交（Quadrature）的正弦分量。一个高速振荡的复数载波可以写为：
$$c(t)=e^{j{\omega }_{c}t}=\cos ({\omega }_{c}t)+j\sin ({\omega }_{c}t)$$

2. 定义复包络（基带信号）

  现在，把 $I(t)$ 和 $Q(t)$ 这两个慢速变化的基带信号组合成一个复数信号，称为“复包络”或“复基带信号”，我们称之为 $b(t)$：

$$b(t)=I(t)+jQ(t)$$

• $I(t)$ 是这个复数信号的实部。
• $Q(t)$ 是这个复数信号的虚部。

3. 调制：复数乘法

  在复数域中，“调制”这个操作被极大地简化了：它就是复包络信号 $b(t)$ 与复数载波 $c(t)$ 的乘法。

$$s_{complex}(t)=b(t)\cdot c(t)$$
$$s_{complex}(t)=(I(t)+jQ(t))\cdot (\cos ({\omega }_{c}t)+j\sin ({\omega }_{c}t))$$

展开这个乘法：
$$s_{complex}(t)=\left[I(t)\cos ({\omega }_{c}t)-Q(t)\sin ({\omega }_{c}t)\right]+j\left[I(t)\sin ({\omega }_{c}t)+Q(t)\cos ({\omega }_{c}t)\right]$$

4. 关键连接：回到真实世界

  在真实世界中，我们无法生成或测量一个“复数”信号，我们所有的信号都是实信号。

  真实世界的射频信号 $s(t)$，就是这个 $s_{complex}(t)$ 的实部

s ( t ) = Re { s c o m p l e x ( t ) } s(t) = \text{Re}\{ s_{complex}(t) \} s(t)=Re{scomplex​(t)}
$$s(t)=I(t)\cos ({\omega }_{c}t)-Q(t)\sin ({\omega }_{c}t)$$

  这就回到了上一轮推导中对真实RF信号的定义。

  总结：在复数域中理解，一个真实RF信号 $s(t)$，是由一个复数基带信号 $b(t)=I(t)+jQ(t)$ 调制到一个复数载波 $e^{j{\omega }_{c}t}$ 上，然后取其“实部”所得到的。$I(t)$ 和 $Q(t)$ 就是这个复数基带信号的实部和虚部。

四、 如何从IQ信号中读取幅度和相位

  这部分在复数域中变得极其简单直观。我们的信息都包含在复包络 $b(t)=I(t)+jQ(t)$ 中。在任何一个时间点 $t$，这个 $b(t)$ 都是一个复数，我们可以在复平面（IQ平面）上将其表示为一个从原点 $(0,0)$ 指向坐标点 $(I(t),Q(t))$ 的向量。

我们所需要的瞬时振幅 $A(t)$ 和瞬时相位 $\varphi (t)$，就是这个向量的极坐标表示。

1. 读取瞬时振幅 $A(t)$

  瞬时振幅 $A(t)$ 就是这个向量的长度（模）。根据勾股定理：

$$A(t)=|b(t)|=\sqrt{I(t{)}^2+Q(t{)}^2}$$

验证：
  根据之前的定义：$$I(t)=A(t)\cos (\varphi (t))$$ $$Q(t)=A(t)\sin (\varphi (t))$$
那么
$$I(t{)}^2+Q(t{)}^2=A(t{)}^2\left({\cos }^2(\varphi (t))+{\sin }^2(\varphi (t))\right)$$
$=A(t{)}^2$
  因此 $A(t)=\sqrt{I(t{)}^2+Q(t{)}^2}$。

2. 读取瞬时相位 $\varphi (t)$

  瞬时相位 $\varphi (t)$ 就是这个向量与I轴（实轴）的夹角（辐角）。

ϕ ( t ) = arg ⁡ { b ( t ) } = atan2 ( Q ( t ) , I ( t ) ) \phi(t) = \arg\{b(t)\} = \text{atan2}(Q(t), I(t)) ϕ(t)=arg{b(t)}=atan2(Q(t),I(t))

  为什么使用 $\text{atan2}(Y,X)$ 而不是 $\arctan (Y/X)$？

• $\arctan (Q/I)$ 只能返回 $(-\pi /2,+\pi /2)$（即-90°到+90°）之间的角度，它无法区分第一象限和第三象限，也无法区分第二象限和第四象限。
• $\text{atan2}(Q,I)$ 是一个在编程和数学中更强大的函数，它通过同时考虑 $Q(t)$ 和 $I(t)$ 的符号，可以正确地返回 $(-\pi ,+\pi ]$（即-180°到+180°）全四象限的角度，这对于相位解调至关重要。

总结：在FPGA或DSP中，在任何一个采样时刻 $n$，只需要从ADC（或其他模块）中获取当前的 $I[n]$ 和 $Q[n]$ 值，然后：

• 计算幅度：$A[n]=\sqrt{I[n{]}^2+Q[n{]}^2}$ （在FPGA中通常使用CORDIC算法实现）
• 计算相位：$\varphi [n]=\text{atan2}(Q[n],I[n])$ （同样使用CORDIC算法实现）

  这样，就可以从两个基带信号中完美地重建出原始射频信号的全部信息。