射频经典概念之SNR、SINAD和SINR

SNR / SINAD / SINR

SNR/SINAD/SINR这几个名词相似，但又有不同。表征的是有用的信号和无用的噪声之间的比例。 这些术语几乎让所有人都困惑。 我将尽可能地解释这些术语的概念和实际意义， 如果了解使用它们的目的 ，就会更容易理解。

SNR (Signal to Noise Ratio)

SNR 代表“信噪比”。 这几乎是不言自明的，不需要太多解释。 它只是信号功率和噪声功率的比率，如下面以数学形式描述的。

信噪比可以用图形表示，如下所示。

如果以对数形式表示换算成dB，信噪比可以是正值，也可以是负值。 负信噪比意味着信号功率低于噪声功率。 你可能认为在负信噪比条件下通信是不可能的，实际上cdma，wcdma就可以在负信噪比下解调信号。 为什么信噪比很重要？ 这是因为信噪比是表征信号质量的最重要指标之一。 你可能认为信号功率才是影响信号质量的最重要因素，但实际上信号功率本身并不意味着能够代表信号质量，也不能帮你预测通信系统将发生多少错误。 因为即使你的信号功率很强，而噪声功率也很高，你也不会得到很好的通信结果(Low BER or No BER)。 相反，即使信号功率很低，如果噪声功率远小于信号功率，也能得到很好的通信效果。 这就是为什么在大多数通信教科书或大多数测量过程中，把信噪比而不是绝对信号功率作为评价和测试射频标准的原因。 现在让我们来考虑一下如何测量 SNR。你可以使用频谱分析仪来粗略估计某个信号的信噪比，但是要测量精确的信噪比可能不像听起来那么容易，因为理想情况下，这种测量应该在频谱仪RBW为1Hz 的情况下进行。然而，如果你必须在通信设备(不是测试设备)中测量信噪比，你不能使用与频谱分析仪相同的方法。 在这种情况下，设备使用非常复杂的信号处理算法来估计信噪比，而且方法本身也因通信技术的不同而有所不同。 信噪比如何影响系统的性能(特别是对传输系统的接收机) ？ 我想下面的情节会让你对此有一个直观的理解。 正如你看到的，随着信噪比的降低，信号的质量变得更差(更高的噪声水平)。 因此，误码率(BER)将增加，灵敏度将降低。 (注意: 这个例子中的噪音是AWGN，加性高斯白噪声。 在下面的图中，红点表示几乎没有误差的理想星座，黑点表示每个噪声数据点的统计位置。 你可以说，黑点离红点越远，可能发生的错误(比特错误)就越多。 在这个例子中，你可以看到三种情况的QAM（正交幅度调制）星座，每种情况都暴露在不同信噪比的错误中。 你会注意到，随着信噪比的降低，星座散布范围变得更广。

TIPS：同样的调制方式。随着信噪比的降低，出现错误的可能性会相应增大。

现在让我们更定量地描述信噪比和误码率之间的关系。下面的星座是基于LTE物理层规范。 信噪比和精确误码率之间的精确定量关系取决于每个通信系统的设计，但这里解释的总体逻辑对任何系统都适用。 首先，看看最上面的星座系列。 你可以看到不同的调制方式(BPSK，QAM，16QAM，64QAM，256 QAM)但是信噪比相同。 你会注意到，即使在相同的信噪比下，随着调制深度的增加，出错的概率也会增加。

TIPS：不同的调制方式，对信噪比要求也不同，调制深度越高，对信噪比的要求也高。

现在我们把信噪比降低5dB，星座图上的误码率变高（黑色区域增加，且远离红点）。

现在我们再把信噪比降低5dB，星座图上的误码率更高（黑色区域变得更多，且远离红点）。

现在我们再把信噪比降低5dB，星座图上的误码率更高（黑色区域变得越来越多，且远离红点）。

现在你能从这个例子中看出什么趋势吗？ 即使在完全相同的调制星座图的情况下，误码率也会根据信噪比的变化而变化。 许多人倾向于认为错误率是由绝对功率或者说绝对的信号强度决定的，但实际上绝对功率并不重要，重要的是信噪比。 很多同事会认为噪声水平是已知的 ，并且噪声水平不会随着功率的增加或减少而改变。 实际上如果这个大的假设成立，你增加发射功率，信噪比会变高；降低发射机功率，信噪比会变低； 如果你在研究中需要非常准确的误码分析，你需要检查信号路径上的每个部件的信噪比。可能你已经注意到信噪比与误码率紧密相关。

然而，在现代通信中，各种信道编码和纠错技术被用来纠正一定的误码率。 因此，如果你在纠错之后测量错误率，你可能会看到比没有纠错的情况下更低的错误率。 通常，误差修正后的误差率称为误块率（Block Error Rate)。 然而，即使有这种纠错机制，修复错误的能力也有限。误码率和调制深度的关系不变。

SINAD (Signal to Noise And Distortion Ratio)

类似于信噪比，还有一个指标叫做 SINAD。 定义如下，表示总能量(有用的 + 无用的)和无用功率的比率。 因为分子是定义中的总功率，所以 用dB表示的值总是正的。

在大多数射频领域，我们更频繁地使用信噪比，在音频信号分析等领域，我们更频繁地使用SINAD。 我们经常混淆SNR和SINAD。 除了信号谐波项，只留下噪声项外，其余的信噪比(SNR，有时称为无谐波 SNR-Without-Harmonics)与SINAD算法相同。 实际上，只需要排除前五次谐波（因为它们占主导地位）。 但由于排除了谐波项，通常不会下降得那么快。 如上所述，主要的区别在于是否在计算中包括“扭曲”。 失真体现在时间域， 如果你把失真的信号转换成频域，失真就会以谐波的形式出现。 因此，在频域上，SNR和SINAD的主要区别在于计算中是否包含谐波。SINAD包含谐波，而SNR不包含谐波。

SINR (Signal to Interference plus Noise Ratio)

SINR代表信号干扰加噪声比，其定义如下(我希望这张图片可以解释一切)。 简单地说，SINR是信号(期望信号)和不需要的噪声的比值。 不需要的噪声包括所有的外部干扰和内部产生的噪声。

Example 1 : SNR (SINR) vs Throughput in a LTE Live Network

下面的示意图可见随着信噪比(SINR)的增加，吞吐量呈指数增长。 换句话说，随着信噪比的降低，吞吐量将大幅度降低。 如果网络不改变码率(即MCS) ，吞吐量下降可能是由于接收端的解码失败(即UE解码失败) ，而在实际网络中，报告CQI会周期性地改变码率(即随着CQI 值的降低而减少MCS，从而导致传输块尺寸减小) ，因此这种吞吐量的变化可能是由于传输块尺寸减小所致。这里CQI=Channel Quality Indicator，信道质量指示。