从开关灯到传数据：用Python+GNURadio手把手仿真OOK信号（附完整代码）-平芜编程栈

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：