用Python动态生成ASK/FSK/PSK波形：从二进制到无线电的视觉化之旅

通信工程专业的学生常常困惑于数字调制技术的抽象概念——那些教材上密密麻麻的公式和术语，往往让人望而生畏。但如果我们换种方式，用Python代码将这些理论转化为跳动的波形图，一切就会变得生动起来。本文将带您用Matplotlib亲手绘制三种基础数字调制（ASK、FSK、PSK）的时域波形，让"幅移键控"、"频移键控"这些专业术语变成屏幕上直观的视觉呈现。

1. 环境准备与基础概念

在开始编码前，我们需要明确几个核心概念。数字调制本质上是将离散的二进制数据（0和1）转换为连续变化的电磁波特征。就像摩尔斯电码用长短音表示字母，现代数字通信通过改变载波的 幅度 、 频率 或 相位 来传递信息。

准备Python环境只需三个核心库：

import numpy as np  # 数值计算
import matplotlib.pyplot as plt  # 绘图
from scipy import signal  # 信号处理

采样率 的设置尤为关键——它决定了波形的平滑程度。根据奈奎斯特采样定理，采样频率至少要是信号最高频率的两倍。对于我们的演示，设置如下参数：

bit_rate = 1000  # 比特率(bit/s)
sample_rate = 44100  # 采样率(Hz)
duration = 0.01  # 信号持续时间(s)

2. 生成测试信号与载波

任何调制过程都需要两个基本要素： 基带信号 （原始二进制数据）和 载波信号 。我们先创建一个随机的二进制序列作为测试数据：

bits = np.random.randint(0, 2, 10)  # 生成10位随机二进制序列
print(f"原始比特流: {bits}")

接下来构建载波信号。以1kHz的正弦波为例：

t = np.linspace(0, duration, int(sample_rate * duration), endpoint=False)
carrier_freq = 1000  # 1kHz载波
carrier = np.sin(2 * np.pi * carrier_freq * t)

为可视化原始信号，我们可以用以下代码绘制比特流示意图：

plt.step(np.arange(len(bits)), bits, where='post')
plt.title("原始二进制比特流")
plt.yticks([0, 1])
plt.xlabel("比特位置")
plt.ylabel("比特值")
plt.show()

3. ASK调制：用振幅传递信息

幅移键控(ASK)是最直观的调制方式——用不同的振幅表示0和1。在极端情况下，OOK(On-Off Keying)甚至直接用"有载波"和"无载波"来区分两种状态。

实现ASK调制的Python函数如下：

def ask_modulate(bits, carrier, samples_per_bit):
    modulated = np.zeros_like(carrier)
    for i, bit in enumerate(bits):
        start = i * samples_per_bit
        end = (i + 1) * samples_per_bit
        modulated[start:end] = carrier[start:end] * bit
    return modulated

调用这个函数并绘制结果：

samples_per_bit = len(t) // len(bits)
ask_signal = ask_modulate(bits, carrier, samples_per_bit)

plt.plot(t, ask_signal)
plt.title("ASK调制波形")
plt.xlabel("时间(s)")
plt.ylabel("振幅")
plt.show()

观察波形图会发现： 高振幅段对应比特1，低振幅（或零振幅）段对应比特0 。这种调制方式简单但抗噪声能力较弱，常用于低成本RFID和红外通信。

4. FSK调制：频率变化的密码

频移键控(FSK)通过改变载波频率来编码信息。例如用1.2kHz表示1，800Hz表示0。这种调制方式在音频频段尤为常见，老式调制解调器(Modem)的"猫叫"声就是FSK的典型应用。

FSK调制器的实现需要考虑频率平滑过渡：

def fsk_modulate(bits, t, f0=800, f1=1200):
    freq = np.where(np.repeat(bits, len(t) // len(bits)) > 0, f1, f0)
    phase = 2 * np.pi * np.cumsum(freq) / sample_rate
    return np.sin(phase)

绘制FSK波形时，可以明显看到频率变化：

fsk_signal = fsk_modulate(bits, t)

plt.plot(t, fsk_signal)
plt.title("FSK调制波形")
plt.xlabel("时间(s)")
plt.ylabel("振幅")
plt.show()

注意：实际应用中会采用连续相位FSK(CPFSK)避免相位跳变，这需要更复杂的相位累积计算。

5. PSK调制：相位的艺术

相移键控(PSK)通过改变载波相位来传递信息。最简单的BPSK用0°和180°两种相位状态，就像反着划船可以表示不同的信号。

PSK调制实现如下：

def psk_modulate(bits, carrier, samples_per_bit):
    modulated = np.zeros_like(carrier)
    for i, bit in enumerate(bits):
        start = i * samples_per_bit
        end = (i + 1) * samples_per_bit
        phase = 0 if bit else np.pi
        modulated[start:end] = np.sin(2 * np.pi * carrier_freq * t[start:end] + phase)
    return modulated

观察PSK波形时，需要特别注意 相位翻转点 ：

psk_signal = psk_modulate(bits, carrier, samples_per_bit)

plt.plot(t, psk_signal)
plt.title("PSK调制波形")
plt.xlabel("时间(s)")
plt.ylabel("振幅")
plt.show()

PSK的抗噪声性能优于ASK和FSK，广泛应用于Wi-Fi、卫星通信等场景。进阶的QAM调制更是结合了幅度和相位变化，可以大幅提升频谱效率。

6. 三种调制方式的对比分析

将三种调制波形放在同一坐标系下对比，能直观看出它们的区别：

调制类型	变化参数	抗噪声能力	频谱效率	典型应用场景
ASK	振幅	弱	低	红外遥控、RFID
FSK	频率	中等	中	无线键盘、早期Modem
PSK	相位	强	高	Wi-Fi、卫星通信

用代码实现对比绘图：

plt.figure(figsize=(12, 8))

plt.subplot(3, 1, 1)
plt.plot(t, ask_signal)
plt.title("ASK调制")

plt.subplot(3, 1, 2)
plt.plot(t, fsk_signal)
plt.title("FSK调制")

plt.subplot(3, 1, 3)
plt.plot(t, psk_signal)
plt.title("PSK调制")

plt.tight_layout()
plt.show()

从工程实践角度看，选择调制方式时需要权衡：

• 功率效率 ：ASK最简单但最耗能
• 带宽需求 ：FSK需要较宽频带
• 实现复杂度 ：PSK需要精确的相位同步

7. 进阶探索与实用技巧

掌握了基础调制后，可以尝试以下扩展实验：

1. 眼图分析 ：叠加多个符号周期的信号，评估系统性能

def plot_eye_diagram(signal, samples_per_symbol):
    offset = samples_per_symbol // 2
    segments = []
    for i in range(offset, len(signal)-samples_per_symbol, samples_per_symbol):
        segments.append(signal[i:i+samples_per_symbol])
    plt.figure()
    for seg in segments:
        plt.plot(np.linspace(0, 1, len(seg)), seg, color='blue', alpha=0.5)
    plt.title("眼图分析")
    plt.show()

2. 加入噪声 ：模拟真实信道条件

noisy_signal = psk_signal + 0.2 * np.random.normal(size=len(psk_signal))

3. 解调实验 ：尝试编写匹配滤波器或相干解调器

实际项目中遇到的坑点：

• 采样率不足会导致波形失真
• 符号同步误差会大幅降低系统性能
• 相位模糊问题需要差分编码解决

在物联网终端设计中，我常选择FSK调制平衡性能和功耗。一个实用的优化技巧是预计算正弦波表，避免实时计算三角函数消耗MCU资源。