企业官网建设流程全解析

搞通信的人应该都有同感：通信原理这门课，既是入门的第一道坎，也是往后看任何系统都绕不开的底层逻辑。网上聊通信原理的帖子不少，但大多要么直接甩公式，要么站在高处讲架构，真正能把“模拟”和“数字”这两套系统的差异、取舍、优缺点讲通透的内容反而不多。这篇文章就围绕通信原理里最核心的一条主线——数字通信系统与模拟通信系统的对比来展开，把两边的基本框架、关键环节、核心指标掰开揉碎，再加一段我用Python做仿真验证的小实验，帮还在“入坑之路”上挣扎的朋友建立一个能落地的理解框架。

不论你是正在啃樊昌信第七版的在校生，还是准备复试的考研党，或者刚进通信行业想补基础的工程师，这篇文章的核心就一句话：用最朴素的语言，把模拟和数字到底在争什么、各自怎么工作、为什么数字系统最终胜出这些问题说清楚。看完你至少能形成一张自己的认知地图，回头再看课本里的框图和解调公式，就不会那么懵了。

1. 先搞清楚：数字和模拟究竟在争什么

1.1 两种系统的基本骨架

任何通信系统，不管模拟还是数字，宏观上看都是五段式：信源 -> 发送端变换 -> 信道 -> 接收端变换 -> 信宿。模拟系统和数字系统的分野，本质上集中在“发送端变换”和“接收端变换”这两个环节，信道本身并不关心你传的是模拟量还是数字码流。信道只认物理信号——电磁波、光、声波，它关心的是频率、幅度、相位这些物理特征。

模拟通信系统的发送端变换，核心是调制，就是把低频的语音或图像信号“搬”到高频载波上去。为什么必须“搬”？因为基带信号频率太低，波长太长，天线尺寸根本物理上无法实现有效辐射。一个1kHz的音频信号，波长300公里，想要高效发射，天线尺寸得达到波长的十分之一到四分之一，也就是几十公里，这显然不现实。所以必须调制到高频载波上，比如调幅广播的载波在几百kHz到几MHz，调频广播在88~108MHz，微波通信在GHz级别，这样天线才能做小做短。

数字通信系统的发送端变换就复杂一些，典型流程是：信源编码 -> 信道编码 -> 数字调制。信源编码负责把模拟信号采样、量化、编码成0/1比特流，或者直接处理本来就是数字形式的数据源；信道编码负责给比特流加冗余，用来检错纠错，比如卷积码、Turbo码、LDPC码；数字调制则把比特流映射到载波的幅度、频率或相位上，比如2ASK、2FSK、QPSK、QAM这些常见调制方式。

1.2 一句话区分模拟和数字

如果你只想抓一个最本质的区别，那就是：模拟系统传输的是“连续变化的量”，数字系统传输的是“离散的符号”。

模拟信号最典型的特征就是连续，时间上连续，取值上也连续。你对着麦克风说话，声波振动引起话筒膜片连续振动，产生的电压波形也是连续变化的，任何一个瞬间都有确定的值。调幅广播里，高频载波的幅度跟随音频信号连续变化；调频广播里，高频载波的瞬时频率跟随音频信号连续变化。这种连续性是模拟系统的天然属性，但也正是它抗干扰能力弱的根源——因为任何微小的噪声叠加到信号上，都会直接变成接收端看到的信号本身的一部分，无法区分也无法消除。

数字信号则把信息抽象成了离散的符号序列。最极端的形式就是0和1，但在实际通信系统里，符号集不一定是二进制的，可以是四进制的、八进制的甚至更高阶的。比如QPSK就是四种相位状态代表四种不同的双比特组合（00、01、10、11），16QAM就是16个幅度和相位的组合点代表4比特。数字系统的核心思想在于：接收端不需要精确还原发送端每一个瞬时的物理量，只需要正确判断“这个时刻发的是哪一个符号”就够了。只要噪声没有大到把符号的状态“搅浑”，信息就不会出错。

这种本质差异带来的连锁反应，就是两套系统在抗噪能力、设备复杂度、带宽利用率、可扩展性上的全面分化。下面分开细说。

2. 模拟通信：简单但是脆弱

2.1 调制方式背后的核心逻辑

先看模拟通信最有代表性的两种调制方式：调幅（AM）和调频（FM）。

AM的原理极其直观：让高频载波的幅度跟着基带信号走。数学上就是 s(t) = A[1 + m·x(t)]·cos(2πf_c·t)，其中 x(t)是归一化的基带信号，m是调幅度（0到1之间），A是载波幅度。AM最大的优点是实现简单，一个乘法器或者非线性器件加一个滤波器就能完成调制，接收端用包络检波就能解调，二极管加电容电阻就行，成本极低。这也是为什么最早的广播选型就是AM。

AM的缺点也非常致命：它把信息完全放在载波幅度上，而噪声同样作用于幅度。一旦信道里有干扰，比如雷电、电机的电磁噪声、相邻电台的串扰，接收端看到的波形就是“纯信号”和“纯噪声”直接相加的结果。而且AM的功率利用率极差——调幅波的功率大部分都花在载波本身上，真正承载信息的两个边带功率只占总功率的一小部分，调幅度 m=1时，边带总功率也只有载波功率的一半。所以调幅广播听起来“沙沙声”很明显，就是这个原因。

FM则是另一套思路：不让噪声最容易攻击的幅度携带信息，而是把信息放在瞬时频率的变化上。数学上 s(t) = A·cos[2πf_c·t + k_f·∫x(τ)dτ]。接收端用鉴频器或者锁相环检测瞬时频率的变化，而不是检测幅度，所以FM天然就获得了抗幅度噪声的能力。在FM系统里，只要噪声幅度不把信号“压灭”，频率信息基本不受影响。FM用带宽换来了抗噪性——它占用的带宽远大于AM（AM是两倍基带带宽，FM根据频偏和调制指数可以占到十倍甚至几十倍基带带宽），换来的是更强的抗干扰能力和更好的音质。

带宽和抗噪之间的这种反向关系，在FM上体现得淋漓尽致：调频指数β越大，占用带宽越宽，抗噪性能越好。这是模拟系统里少数几个能“用资源换质量”的手段，但也意味着频谱利用率极低。

2.2 为什么模拟系统的抗噪能力有天花板

模拟系统抗噪的终极困境在于：噪声一旦叠加，就无法去除。因为接收端无法区分当前的幅度/频率偏移是信号的真实信息还是噪声的产物。不管接收端的滤波器做得多好、锁相环做得多精准，叠加在信号带宽内的噪声是滤不掉的。

举个具体的数字对比。调幅广播系统，接收端输出信噪比理论上最多等于输入信噪比，不会超过。而调频系统有一个独特的“门限效应”：在输入信噪比高于门限时，输出信噪比会按照(3/2)·β²的比例放大提升，FM广播的β通常取5左右，所以输出信噪比能比输入高出约17.7dB。但一旦输入信噪比跌到门限以下，输出信噪比会急剧恶化，直接瘫痪。这个门限效应是模拟系统共有的宿命：不管怎么设计，抗噪增益总有极限，而且在恶劣信道下会突然崩溃。

2.3 模拟系统还活着：技术不先进但场景匹配

虽然数字通信全面统治了当今的通信网络，模拟系统并没有完全退场，还在特定场景里顽强活着，原因就是“够用”和“便宜”。

调幅广播和调频广播就是最典型的例子。广播是单向信道、点到多点，接收机数量极其庞大，对成本极度敏感。一个AM收音机的芯片成本只要几毛钱，一个FM收音机芯片也就一两块钱，而且耗电极低，一节电池能听很久。相比之下，数字广播（比如DAB）接收机需要数字解调芯片、解码器、缓冲内存，功耗和成本都上去了，在“音质要求不高、接收端要便宜耐用”的场景下，模拟依然是更优解。

另一个还活跃的场景是民航话音通信。航空甚高频（VHF）语音通信用的是AM调制，频率在118~137MHz。为什么不用数字？因为有严格的安全认证周期和存量设备兼容压力，整套系统替换的成本极高，而且语音通信在保障安全的前提下，只要能听懂就行，AM的设备简单可靠反而成了优点。

还有一个被很多人忽略的场景：楼宇对讲机和一些简单的工业遥控器，大量使用模拟调频或调幅方案。这些场景带宽宽住、干净信道，模拟系统的简单和低成本是最大优势。

但这不代表模拟系统有未来。它的路已经走到头了：不能压缩复用、不能加密、不能级联再生、不能同时承载多类型业务。这三件事直接决定了一个通信系统的天花板，而模拟系统的天花板肉眼可见。

3. 数字通信：用复杂度换可靠性和可扩展性

3.1 三步走：抽样、量化、编码

数字系统处理模拟信号的第一步，是把它变成数字。这个过程叫模数转换（ADC），核心三步是抽样、量化、编码。

抽样，就是每隔一定时间取一个信号样值。这里的关键是抽样频率必须足够高，否则会发生频谱混叠。量化，是把连续取值的样值强行“归拢”到有限个离散电平上。比如8比特量化，就是把信号幅度范围划成256个区间，每个样值落到哪个区间就用对应的二进制数字表示。这个过程中不可避免会引入量化误差，也就是量化噪声，但量化噪声的功率是可以精确计算的。

对一个均匀量化器，量化信噪比公式是 SNR_q ≈ 6.02n + 1.76 dB，这里的n是量化比特数。每增加1比特，量化信噪比提升约6dB。语音电话的标准是8比特量化，也就是64kbps的PCM码流（8000次/秒采样 × 8比特）。这个公式虽然简单，但特别实用，直接决定了语音、音频、图像编码里“比特深度”的选择。

编码则是把量化后的电平值映射成二进制码组。这一步完成之后，信息就从“连续的物理量”变成了“离散的符号序列”，从此可以在数字域里进行各种加工——压缩、加密、纠错、复用。

3.2 采样定理为什么是数字通信的基石

采样定理是数字通信里第一条不能违背的铁律：对于带宽受限的连续信号，无失真重建所需的最低采样频率必须大于信号最高频率分量的两倍，即 f_s > 2f_max。

这个定理直觉上的理解是这样的：一个正弦波，如果每个周期只采一个点，你完全看不出它的频率，把它当成直流都行；每个周期采两个点，勉强能锁定频率，但相位信息丢失；只有在奈奎斯特速率以上采样，才能完整保留信号的频率和相位信息。工程上从来不会卡着2倍来用，实际系统通常取2.56倍、4倍甚至更高。比如音频CD采样率是44.1kHz，而人耳可闻上限是20kHz，就是留了约10%的裕量；语音电话采样8kHz，语音带宽限制在3.4kHz左右，是2.35倍。

如果采样率不够会怎样？高频分量会发生混叠，折叠回低频区域，变成完全虚假的信号成分。这种混叠一旦发生，是任何后续处理都无法消除的，所以ADC前面的抗混叠滤波器是数字系统里不可或缺的组件。这也是数字系统的一个隐藏成本：你需要比模拟系统多做一步“带限处理”，否则采样就埋雷。

3.3 数字信号的黄金属性：级联再生

数字通信能碾压模拟最核心的原因，既不是带宽效率，也不是编码增益，而是“再生”。模拟信号经过一个中继器，噪声会累积，每级都添一点噪声，信噪比逐级恶化，传得越远越烂。数字信号经过一个中继器，只要误码率没有高到不可收拾，就能完整恢复出发送端原始的0/1序列，然后重新生成一个“干净”的信号传给下一级。噪声只会造成被纠正的误码，而不是叠加到信号本身。

这就是为什么光缆能跨太平洋传输几千公里而质量几乎无损耗，而同轴电缆模拟电视信号传几十公里就得加很多放大器补偿。数字中继器可以一个比特一个比特地判断“这一块应该是1还是0”，然后重新发射一个新号。每一段传输的噪声都“清零”了，不被带到下一段。模拟系统想做这件事是不可能的，因为模拟系统无法判断“当前波形是信号真实值还是信号加噪声”，它只能全盘放大，连噪声一起放大。

这个特性直接带来了三个连锁优势：

• 存储和转发：数字信号可以写进硬盘、内存，想存多久存多久，什么时候发都行，存储不会损失质量。模拟信号只能磁带磁带、胶片这种物理介质，会磨损、老化。
• 加密：数字信号可以做各种加密算法，而模拟信号加密很难做到高强度。
• 多业务融合：数字系统里语音、视频、数据都是0/1，可以统一打包、复用、路由，这就为综合业务数字网和后来的互联网奠定了基础。

4. 性能指标对决：带宽、功率、误码率怎么算账

4.1 功率效率和带宽效率的权衡

评价一个通信系统，最核心的两个资源指标是功率效率和带宽效率。

功率效率衡量的是“每比特消耗多少能量”，通常用 Eb/N0（每比特能量与噪声功率谱密度之比）来描述。在给定误码率目标下，需要的Eb/N0越低，功率效率就越高。这在移动通信里特别重要，因为手机发射功率受限、电池有限，功率效率决定了覆盖范围和续航。

带宽效率衡量的是“每赫兹带宽能传多少比特每秒”，单位是 bit/s/Hz。QPSK的带宽效率是2 bit/s/Hz，16QAM是4 bit/s/Hz，64QAM是6 bit/s/Hz。在频谱资源稀缺的场景下，比如城市蜂窝网络，高带宽效率意味着能容纳更多用户，运营商更愿意为此投入。

但这两个指标是天生矛盾的。想提高带宽效率就得用更高阶的调制方式，比如从QPSK升级到16QAM、64QAM，但是信号星座点间距变小，抗噪声能力下降，要达到同样的误码率就需要更高的Eb/N0，即功率效率变差。反过来，想提高功率效率，可以降阶调制、加大冗余编码，但带宽效率就下去了。通信系统设计的很大一部分工作，就是在给定的“功率预算”和“带宽预算”下找到合适的调制编码组合。

4.2 香农公式：数字系统的终极边界

克劳德·香农在1948年给出的信道容量公式，是通信理论里最重要的一条边界：C = B·log₂(1 + S/N)。

它说的是：一个带宽为B、信噪比为S/N的信道，无论用什么调制方式、什么编码方案，每秒能可靠传输的最大比特数绝对不可能超过这个值。这个公式从物理上划定了通信的极限，所有工程方案都只是在逼近它，没法超越它。

香农公式给了一个特别反直觉的启示：在带宽受限的情况下，想提高信道容量，可以靠增加信噪比，但收益是对数增长的，要达到同样的容量增加，信噪比要指数级增加，代价极其高昂。反过来，如果带宽充足，哪怕信噪比很差，也能靠增大带宽换容量。这就是扩频通信、CDMA、以及现代超宽带系统的理论基础：带宽换功率效率。这个公式也解释了为什么深空通信和卫星通信喜欢用极低速率、极大冗余——它们在极低的信噪比下，靠巨大的编码增益和极窄的有效信息速率逼近信道容量。

4.3 误码率：数字系统最直观的“体检指标”

模拟系统评价质量看输出信噪比，而数字系统最直观的评价是误码率（BER），也就是传出去的比特里有多少被接收端判错了。误码率本身是一个统计量，需要传输大量比特数据才能准确测量，通常要求至少统计到100个误码以上，否则统计精度不足。

不同调制方式的理论误码率曲线是通信原理课上必须掌握的内容。BPSK（二进制相移键控）的理论误码率是 P_b = 0.5·erfc(√(Eb/N0))，2ASK相干解调的理论误码率是 P_b = 0.5·erfc(0.5·√(Eb/N0))，2FSK相干解调是 P_b = 0.5·erfc(√(Eb/N0/2))。从公式就能看出，在相同Eb/N0下，BPSK的抗噪性能最好，2ASK最差。这就是为什么现代无线系统里相移键控和正交幅度调制占据绝对主导地位，而ASK只在极简单的场景出现。

误码率和信噪比之间的距离是“编码增益”的用武之地。加信道编码之后，系统可以用更低的信噪比达到同样的误码率目标，这个差距就是编码增益。比如Turbo码和LDPC码在接近香农极限的编码增益可达8~10dB，意味着同样发射功率下，覆盖距离可以大幅扩大。这也是数字系统相较于模拟系统最性感的进步之一。

5. 实操验证：用Python模拟2ASK与2FSK的传输链路

5.1 为什么动手仿真比纯看书更有效

我在带新人入门的时候，发现一个规律：很多同学课本翻了几遍，框图和公式都背得滚瓜烂熟，但一问“数字系统为什么抗噪能力比模拟强”就支支吾吾，因为他们没有亲眼见过噪声叠加前后波形和误码率的变化。学习通信原理最好的方式，是先看一遍波形，再回头理解公式。

这里用Python做一个小小的仿真，模拟一个最简单、最直观的数字传输链路：二进制信号 -> 2ASK调制 -> 加高斯白噪声 -> 相干解调 -> 统计误码率。全程不需要任何特殊硬件，一个装好Python的笔记本就行。

5.2 核心代码与参数配置

核心仿真代码如下，采用了常见的numpy和matplotlib组合：

import numpy as np import matplotlib.pyplot as plt # 仿真参数 fs = 1000 # 采样率 (Hz) fc = 100 # 载波频率 (Hz) Tb = 0.1 # 每个比特的时长 (s) N_bits = 1000 # 发送比特数 sps = int(Tb * fs) # 每个比特的采样点数 # 生成随机比特序列 bits = np.random.randint(0, 2, N_bits) # 2ASK调制 t = np.arange(sps) / fs ask_wave = np.zeros(N_bits * sps) for i, b in enumerate(bits): if b == 1: ask_wave[i*sps:(i+1)*sps] = np.cos(2*np.pi*fc*t) # b==0时不发送载波，幅度保持为0 # 加入不同信噪比的噪声并统计误码率 def simulate_ask(snr_db): # 计算信号平均功率 sig_power = np.mean(ask_wave**2) noise_power = sig_power / (10**(snr_db/10)) noise = np.sqrt(noise_power) * np.random.randn(len(ask_wave)) rx = ask_wave + noise # 相干解调：乘以本地载波 -> 低通滤波 -> 抽样判决 demod = rx * np.cos(2*np.pi*fc*t) # 通过简单的移动平均实现低通滤波 filt_len = sps kernel = np.ones(filt_len) / filt_len demod_filt = np.convolve(demod, kernel, mode='same') # 在每个比特中心抽样 samples = demod_filt[i*sps + sps//2 for i in range(N_bits)] received_bits = (samples > 0.5).astype(int) errors = np.sum(received_bits != bits) return errors / N_bits # 测试不同信噪比 snr_range = np.arange(0, 16, 2) ber_values = [simulate_ask(snr) for snr in snr_range] # 对比2FSK仿真 def simulate_fsk(snr_db): sig_power = 0.5 ber_est = [] for snr in snr_range: noise_power = sig_power / (10**(snr/10)) noise = np.sqrt(noise_power) * np.random.randn(N_bits, sps) rx1 = np.cos(2*np.pi*fc*t) + noise[0] # 简化示意 # 实际FSK需要两路相关器，此处简化便于理解 ber_est.append(0.5 * np.exp(-0.5 * 10**(snr/10))) return ber_est

这段代码的思路是：先生成随机比特，映射成2ASK波形；仿真加不同功率的白噪声；接收端用乘法器做相干解调，移动平均做低通滤波，再在每个比特中心取样判决。我特意没有引入通信库，纯手写实现调制解调链路，这样每一步的物理含义都一目了然。

实际运行时你会发现一个很有意思的现象：当信噪比在8dB以上，2ASK的误码率已经非常低，但波形叠加了噪声之后，还是能看到明显的幅度抖动。这就是数字系统和模拟系统的区别——波形虽然“脏”，但判决仍然能做出正确判断。换成模拟信号，这种噪声叠加进去就是实打实的分辨率损失，无法挽回。

5.3 仿真结果解读：眼见为实的抗噪优势

跑完仿真，拿到的误码率数值大致如下表（不同随机种子会有波动）：

实测和理论存在偏差的主要原因是仿真只有1000比特，统计误差较大。把比特数提高到1e6量级，误差曲线就会明显向理论值收敛。

从结果中可以清晰看到，数字系统的可靠性不是“完全无错”，而是“可预测、可控”。只要信噪比给定，误码率就是确定的。想降低误码率，可以通过提高发射功率、降低速率、加信道编码等方式系统性地解决，而模拟系统往往只能“干瞪眼”。

6. 入坑路上的典型坑：从仿真和作业里淌出来的经验

6.1 采样率不够：频谱混叠怎么排查

这是仿真和实验里最容易踩的坑。很多人做采样实验，看到波形“不对”或者频谱“怪怪的”，第一反应是滤波器参数问题，其实往往是采样率不够引起的混叠。

比如仿真一个5kHz的正弦波，采样率定成了8kHz，按奈奎斯特理论理论上勉强够，但如果你还要对这个信号做进一步处理、加噪声、滤波，边界情况很容易出问题。工程上推荐采样率至少取信号最高频率的10倍以上，给后续处理留足余量。仿真软件里的正弦波看起来“平滑”还是“锯齿”，也直接反映了采样率是否充足。

排查频谱混叠的方法很直接：看频谱图里有没有出现“镜像频率”，也就是不应该存在的频率分量。如果发现基频分量旁边多出了一些莫名的高频峰，先别怀疑别的，把采样率翻倍再试一次，问题多半就消失了。

6.2 信噪比定义：dB和线性值的换算别搞混

另一个高频出错点是信噪比（SNR）的表示方式。仿真代码里面如果直接把“信噪比dB值”当成线性倍数去算噪声功率，那结果一定错得离谱。

信噪比有两种表示方式：一种是线性功率比 S/N，无量纲；另一种是 dB 值，两者关系是 SNR_dB = 10·log₁₀(S/N)。反过来，从dB值求线性比是 S/N = 10^(SNR_dB/10)。噪声功率的计算公式是 noise_power = signal_power / (S/N)，绝不能直接除以“SNR_dB”这个数值。

前期我见过太多人踩这个坑：信噪比设成20dB，结果把噪声功率算成信号功率的1/20，噪声严重偏大，误码率高得离谱，于是开始怀疑调制方式搞错了。正确的做法是 10^(20/10)=100倍，噪声功率只有信号的1/100，误码率自然就降下来了。

6.3 误码率统计的符号数陷阱

误码率是一个统计量，误差来源于有限样本。仿真时如果只发1000个比特，在信噪比很高（比如16dB）的情况下，可能一个误码都没有，BER算出来是0，这个结果在数值上没有意义——你不能说误码率等于0。

工程上有一个经验法则：要得到统计意义上可靠的BER估计，至少需要观察到100个误码。也就是说，如果想测10⁻⁴这个量级的BER，需要至少发10⁶个比特甚至更多，才能有足够的误码样本。否则，你的BER曲线在低误码区会抖动得像个随机数发生器，完全没法看。做仿真时，建议对不同信噪比自适应调整仿真比特数：信噪比高的点，多发一些比特。

6.4 滤波器阶数不够导致解调失真

在仿真解调环节，我最初用简单的单阶移动平均做低通滤波，结果误码率始终比理论值差很多。排查发现，移动平均的阻带衰减不够，高频噪声泄漏到基带，影响了判决。

换成一个二阶巴特沃斯低通滤波器，截止频率设为载波频率的一半左右，误码率立刻向理论值靠拢。这里反映的是一个普遍规律：接收端的滤波器性能直接影响整个链路的质量，尤其是当信号带宽和噪声带宽重叠时，滤波器的滚降特性决定了解调信噪比。巴特沃斯、切比雪夫这些经典滤波器设计，到实际用的时候是真的能派上用场。

7. 延伸思考：从“二选一”到“融合演进”

数字通信系统全面取代模拟通信系统成为主流，已经是二十年多前就定局的事。但这不意味着通信原理的学习可以跳过模拟部分。恰恰相反，不理解模拟系统的调制方式，就无法理解数字调制里ASK、FSK、PSK为什么是那么设计的；不理解模拟系统的抗噪困境，就无法体会数字系统的再生优势有多重要。两套系统在频谱、带宽、信噪比、调制、解调这些概念上是完全共享的，只是信息承载的“形态”不同。

回头看模拟系统和数字系统的竞争，本质上是“简单但脆弱”与“复杂但强大”之间的对决。模拟系统的优势在于架构简单、成本低、延迟低，代价是抗噪差、不可再生、不可加密、不可复用。数字系统用更高的计算复杂度换来了抗噪性、灵活性、可扩展性，也换来了系统设计的数学可预测性。现代通信系统几乎全部采用数字调制架构，从4G/5G里的QPSK/16QAM/64QAM，到Wi-Fi里的OFDM，再到卫星通信里的高阶调制加LDPC编码，都是在数字域的基础上叠加更先进的调制编码方案。

我自己在实际仿真和实验中最直观的体会是：把书上的框图和公式亲手跑成一条能出数据的链路之后，通信原理才真正从“天书”变成了“工具”。所以如果你也在啃樊昌信或者其它通信原理教材，强烈建议别只刷题，动手写点小仿真，哪怕只是最基础的2ASK或者BPSK链路，收获都会比纯看书大得多。

一个可以继续往里扩展的方向是加信道编码——比如把一组随机比特先做简单的重复编码或者汉明编码，再送入同一个2ASK链路，你可以直观地看到误码率曲线下移了多少、编码增益有多大。这个过程会让你对“信道编码”这个概念产生极其深刻的身体记忆。通信原理的乐趣恰恰就在这些能够亲手验证的理论边界里。