从开关灯到传数据：用Python+GNURadio手把手仿真OOK信号（附完整代码）
从开关灯到传数据：用Python+GNURadio手把手仿真OOK信号（附完整代码）
在物联网和无线通信蓬勃发展的今天，数字调制技术作为信息传输的基石，其重要性不言而喻。而OOK（On-Off Keying）作为最简单的二进制振幅键控（2ASK）实现方式，不仅是理解复杂调制技术的入门钥匙，更是许多低功耗无线设备的首选方案。本文将带您用Python和GNURadio搭建一个完整的OOK仿真系统，通过可视化手段让抽象的通信原理变得触手可及。
1. OOK调制基础与Python实现
OOK的本质就像用开关控制灯泡：用载波的有无表示二进制数据。这种直观的特性使其成为理解数字调制的理想起点。我们先通过Python生成一个简单的OOK信号：
import numpy as np import matplotlib.pyplot as plt # 参数设置 bit_rate = 1000 # 比特率(Hz) carrier_freq = 10000 # 载波频率(Hz) sample_rate = 100000 # 采样率(Hz) bits = [1, 0, 1, 1, 0, 1, 0, 0] # 待传输数据 # 生成时间轴 duration = len(bits)/bit_rate t = np.arange(0, duration, 1/sample_rate) # 生成载波和基带信号 carrier = np.sin(2*np.pi*carrier_freq*t) baseband = np.zeros_like(t) for i, bit in enumerate(bits): baseband[i*sample_rate//bit_rate:(i+1)*sample_rate//bit_rate] = bit # OOK调制 ook_signal = baseband * carrier # 绘制波形 plt.figure(figsize=(12, 6)) plt.subplot(311) plt.plot(t, baseband) plt.title('Baseband Signal') plt.subplot(312) plt.plot(t, carrier) plt.title('Carrier Wave') plt.subplot(313) plt.plot(t, ook_signal) plt.title('OOK Modulated Signal') plt.tight_layout() plt.show()这段代码会生成三个波形图：原始基带信号、载波和调制后的OOK信号。通过这种可视化方式，可以直观看到数据如何"骑"在载波上传输。
注意：采样率应至少是载波频率的5倍以上，才能准确还原信号特征。过低的采样率会导致波形失真。
OOK的主要特点包括：
- 实现简单：只需控制载波的开关
- 带宽效率低：典型带宽是比特率的2倍
- 抗噪能力弱：易受信道增益变化影响
2. GNURadio搭建OOK仿真系统
GNURadio作为开源的软件定义无线电工具，可以构建完整的通信系统仿真。下面我们搭建一个包含发射端和接收端的OOK系统：
2.1 发射端设计
发射端流程图包含以下关键模块：
- 随机比特源：生成测试数据
- 重复模块：提升采样率以匹配载波
- OOK调制：用乘法器实现载波开关
- 带通滤波：限制发射带宽
# GNURadio Companion命令流示例 python -m pip install gnuradio gnuradio-companion在GNURadio中搭建的发射端会生成如下参数设置的OOK信号：
| 参数 | 值 | 说明 |
|---|---|---|
| 比特率 | 1kbps | 数据传输速率 |
| 载波频率 | 10kHz | 正弦波频率 |
| 采样率 | 100kHz | 系统处理速率 |
| 滤波器截止频率 | 2kHz | 限制信号带宽 |
2.2 接收端解调方案
接收端提供两种解调方法对比：
相干解调流程：
- 带通滤波去除带外噪声
- 与本地载波相乘
- 低通滤波提取基带
- 抽样判决恢复数据
包络检波流程：
- 带通滤波
- 整流器取绝对值
- 低通滤波
- 抽样判决
两种方法的性能对比如下：
- 误码率：相干解调在小信噪比下优势明显
- 实现复杂度：包络检波无需载波同步，电路简单
- 适用场景：大信噪比时优选包络检波
3. 误码率分析与可视化
误码率是衡量系统性能的关键指标。我们通过蒙特卡洛仿真来评估不同信噪比下的表现：
def simulate_ber(snr_db, num_bits=10000): # 生成随机数据 tx_bits = np.random.randint(0, 2, num_bits) # 调制信号 tx_signal = np.repeat(tx_bits, samples_per_bit) # 添加高斯白噪声 noise_power = 10**(-snr_db/10) noise = np.sqrt(noise_power)*np.random.randn(len(tx_signal)) rx_signal = tx_signal + noise # 解调（简单阈值判决） rx_bits = (rx_signal.reshape(-1, samples_per_bit).mean(axis=1) > 0.5).astype(int) # 计算误码率 errors = np.sum(rx_bits != tx_bits) return errors/num_bits # 测试不同信噪比 snr_range = np.arange(0, 15, 1) bers = [simulate_ber(snr) for snr in snr_range] # 绘制曲线 plt.semilogy(snr_range, bers, label='Simulation') plt.xlabel('SNR(dB)') plt.ylabel('Bit Error Rate') plt.grid(True) plt.legend() plt.title('OOK误码率性能曲线') plt.show()该仿真会生成误码率随信噪比变化的曲线，直观展示系统在不同信道条件下的表现。
4. 从仿真到实践：Arduino应用示例
将仿真结果应用到实际硬件，我们使用常见的RF模块如CC1101实现简单无线传输：
发射端Arduino代码片段：
void sendOOK(bool bit) { if(bit) { digitalWrite(RF_PIN, HIGH); delayMicroseconds(1000); // 对应1kbps } else { digitalWrite(RF_PIN, LOW); delayMicroseconds(1000); } } void loop() { // 发送数据 sendOOK(1); // 发送'1' sendOOK(0); // 发送'0' // ... }接收端处理要点：
- 使用ADC采样接收信号
- 应用移动平均滤波
- 设置合适判决门限
- 添加简单前向纠错
实际部署时需注意：
- 天线匹配对传输距离影响显著
- 环境噪声会导致误码率升高
- 电源稳定性直接影响发射功率