2. 无线信号问题分类与特征提取

在复杂无线信号分析中,第一步往往不是急着打开频谱仪或矢量信号分析仪,而是先回答一个更基础的问题:眼前这个信号问题,究竟属于哪一类?分类决定了后续用什么工具、看哪个域、提取哪些特征。如果分类错了,即使仪器设置再精细,也可能在错误的维度上反复打转。

本节围绕三个层次展开:常见复杂信号问题的类型划分、时域/频域/调制域三类特征的含义与提取方法,以及把特征组织成可判断的问题表征方式。

一、常见复杂信号问题类型

复杂无线信号问题通常不是单一故障,而是多种机制叠加。按工程实践中最常遇到的形态,可以归纳为以下几类:

  • 干扰类问题:包括同频干扰、邻道干扰、互调干扰、外部宽带噪声抬升。典型表现是底噪抬高、EVM 恶化、误码率上升,但发射机自身指标可能正常。
  • 调制质量类问题:如 IQ 不平衡、本振泄漏、相位噪声偏大、功放非线性导致的星座图发散。这类问题在频域上可能看不出明显异常,但在调制域非常敏感。
  • 频谱再生与杂散类问题:由功放非线性、混频器泄漏、时钟谐波引起,表现为带外杂散、邻道功率比(ACPR)超标。
  • 瞬态与切换类问题:如突发信号的上升/下降沿异常、频率切换时间过长、功率爬坡不平滑,常见于跳频、TDD 和突发通信系统。
  • 多径与信道类问题:在室内或复杂环境中,多径导致频率选择性衰落、群时延失真,表现为 EVM 随频率波动、星座图局部畸变。

需要强调的是,这五类问题并非互斥。例如功放非线性既会产生频谱再生,也会恶化调制质量;多径既影响频域响应,也会在时域上表现为延迟扩展。因此分类的目的是确定主攻方向,而不是给问题贴一个唯一标签。

二、三个域的特征提取

分类之后,就要在具体域中提取可量化、可比较的特征。时域、频域、调制域各有其擅长的观察对象。

时域特征关注信号随时间的变化形态。常用特征包括:包络上升/下降时间、脉冲宽度、占空比、峰值功率与平均功率之比(峰均比)、突发间隔抖动。例如在分析一个 TDD 突发信号时,若发现上升沿超过 5 μs(示例判据),而系统要求小于 2 μs,就说明功率爬坡控制存在问题。时域特征适合捕捉瞬态异常和时序错误。

频域特征关注功率随频率的分布。常用特征包括:占用带宽、中心频率偏移、邻道功率比、杂散电平、底噪抬升量。例如某发射机在偏离中心频率 1 MHz 处出现 -35 dBc 的杂散(示例值),而规范要求低于 -45 dBc,则可判定为杂散超标。频域特征适合发现干扰、杂散和频谱模板违规。

调制域特征关注信号承载信息的方式是否被破坏。常用特征包括:EVM(误差矢量幅度)、幅度误差、相位误差、IQ 不平衡、星座图分布、码域功率。例如 EVM 从 2% 恶化到 8%(示例值),同时星座图呈现明显的象限压缩,往往指向功放非线性或 IQ 调制器失衡。调制域特征对发射机内部缺陷最为敏感。

三个域不是孤立使用的。一个成熟的表征方法,通常是把同一段信号在三个域中的特征并列观察,寻找相互印证或相互矛盾的线索。

复杂信号问题:分类 → 三域特征 → 表征判断 问题类型 干扰类 同频/邻道/互调 调制质量类 IQ失衡/相噪/非线性 频谱再生类 杂散/ACPR超标 瞬态切换类 沿异常/切换超时 多径信道类 衰落/群时延失真 特征提取域 时域 上升/下降时间、脉宽、占空比 峰均比、突发间隔抖动 → 捕捉瞬态异常与时序错误 频域 占用带宽、中心频偏、ACPR 杂散电平、底噪抬升量 → 发现干扰、杂散与模板违规 调制域 EVM、幅度/相位误差、IQ不平衡 星座图分布、码域功率 → 敏感反映发射机内部缺陷 问题表征 特征向量 多域指标并列 形成可比较描述 阈值判据 对照规范/基线 判定是否超标 因果链 特征间相互印证 定位根因方向 可复现记录 仪器设置+数据 支撑后续验证 同一段信号在三域中并列观察,寻找印证或矛盾线索

三、问题表征方法

提取到特征之后,还需要把它们组织成可判断、可复现、可传递的表征。一个实用的表征方法包含四个要素:

  1. 特征向量:把同一段信号在时域、频域、调制域的关键指标并列记录,形成一组可比较的数值。例如:上升时间 6.2 μs、ACPR -38 dBc、EVM 7.5%、中心频偏 +1.2 kHz(均为示例值)。
  2. 阈值判据:每个特征都要有对应的规范限值或基线值。没有判据的特征只是数字,无法支撑判断。判据来源可以是标准规范、设备规格书,也可以是正常状态下的历史基线。
  3. 因果链:把多个特征之间的关联关系写清楚。例如“EVM 恶化 + ACPR 超标 + 星座图象限压缩”三者同时出现,比单独一个 EVM 超标更能指向功放非线性。
  4. 可复现记录:记录仪器型号、中心频率、参考电平、RBW、捕获时长、触发方式等设置,使他人能在相同条件下复现观察结果。
表征的核心不是“记录了多少个数字”,而是“这些数字能否支撑一个明确的判断”。如果一组特征无法指向任何根因方向,说明提取的维度或判据还需要补充。

四、一个简化的表征示例

假设某基站发射机在例行测试中出现误码率升高。按上述方法,可以先建立如下表征表(数值为教学示例,非实测):

域特征观察值判据判断
时域上升时间1.8 μs< 2 μs正常
频域ACPR(邻道)-36 dBc< -45 dBc超标
频域底噪抬升+2 dB< +1 dB轻微异常
调制域EVM8.2%< 3.5%超标
调制域星座图形态外圈压缩均匀分布异常

从这张表可以读出:时域正常,说明突发时序和功率爬坡没有问题;频域 ACPR 超标且底噪轻微抬升,调制域 EVM 严重超标且星座外圈压缩——三者共同指向功放非线性这一根因方向,而不是干扰或时序问题。这就是表征的价值:把分散的特征收敛为一个可行动的判断。

注意区分“特征异常”与“根因确定”。上表只能说明问题方向指向功放非线性,仍需通过降低输出功率、更换功放或调整偏置等方式做验证,才能确认根因。表征是缩小搜索范围,不是替代验证。

总结来说,复杂无线信号问题的处理路径是:先按类型确定主攻方向,再在时域、频域、调制域中提取有判据的特征,最后用特征向量、阈值、因果链和可复现记录形成问题表征。分类决定看哪里,特征决定看什么,表征决定怎么判断。三者环环相扣,缺一不可。