⚡ electrical engineering

A Comparative study on THz Communication Systems: Photonics versus Electronics Approaches

本文通过综述实验演示、建模硬件损伤以及推导解析表达式以评估和对比信噪比与误码率性能，对面向6G网络的电子学与光子学太赫兹通信系统进行了全面的对比分析。

原作者： Talha Rahman, Murat Uysal

发布于 2026-04-30

📖 1 分钟阅读☕ 轻松阅读

原作者： Talha Rahman, Murat Uysal

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在试图为数据建造一条超高速公路，这条公路能够承载全息视频通话和沉浸式虚拟现实等应用所需的巨量信息。这条公路存在于一个被称为太赫兹（THz）频段的频谱区域。它之所以被称为“超级高速公路”，是因为它拥有巨大的空间（带宽）来承载数据，但同时也是一片极难通行的地形。

本文比较了两种为在这条公路上行驶的“汽车”和“引擎”构建的不同方法：电子学方法和光子学方法。

两种方法：两种不同的引擎

将太赫兹信号想象成一种极高音调的哨声。要产生这种哨声，你需要一个声源。

电子学方法（变速箱）：
- 工作原理： 想象你有一个稳定、低音调的引擎（标准无线电振荡器）。为了获得高音调的太赫兹哨声，你让这个引擎通过一系列齿轮（倍频器）来加速。
- 问题： 就像自行车链条在换挡过快时会变得嘈杂且不稳定一样，这种“变速箱”会放大引擎固有的不完美之处。论文发现，噪声基底（引擎的背景杂音）会被显著放大。如果基础引擎不完美，最终的高速信号就会充满杂音。
- 类比： 这就像试图通过一条漫长且颠簸的隧道低声耳语。你试图说话的声音越大（增加信号功率），隧道墙壁震动并扭曲你声音的程度就越严重，最终导致声音无法被理解。
光子学方法（激光二重奏）：
- 工作原理： 这种方法不使用齿轮，而是利用光。想象两束非常精确的激光束（就像两束不同颜色的手电筒光）。当它们在一种特殊晶体（光混频器）中混合时，它们会相互“拍击”，基于两种激光颜色的差异产生一种新的、高音调的声音（太赫兹信号）。
- 问题： 激光也不完全稳定。它们存在“抖动”（相位噪声）和“闪烁”（强度噪声）。此外，用于放大光信号的放大器也会添加它们自己的“嘶嘶声”（放大自发辐射）。
- 类比： 这就像试图通过拍击两只略微颤抖的手来创造完美的节奏。如果你的手颤抖得太厉害（激光噪声），节奏就会变得混乱。

重大发现：“信号相关噪声”

论文中最重要的发现是一个被称为信号相关噪声的概念。

在普通无线电（如你的 Wi-Fi）中： 背景噪声就像一场恒定的雨。无论你是在低语还是大喊，雨滴落下的速率都是一样的。如果你大声喊叫，就能盖过雨声。
在太赫兹系统（两种类型）中： 噪声就像一张晃动的桌子。你推桌子的力气越大（信号越强），桌子晃动得就越剧烈。
- 电子学： 晃动源于振荡器齿轮被放大的噪声。
- 光子学： 晃动源于激光与混频过程的相互作用。

为什么这很重要： 在这些系统中，单纯调大音量（增加功率）并不能永远奏效。最终，晃动会变得如此剧烈，以至于无论你的声音多大，都会淹没你的信息。这就形成了一个“天花板”或性能底线，无论增加多少功率，误码率都不会再改善。

调制方式的较量（QAM）

论文测试了将数据打包进这些信号的不同方式，称为QAM（正交幅度调制）。可以将 QAM 想象成地图上的不同点阵图案。

简单图案（QPSK、16QAM）： 这些就像大而间距宽的点。它们非常坚固。即使桌子晃动得厉害，你仍然能分辨出自己在哪个点上。电子学和光子学都能很好地处理这些。
复杂图案（64QAM、256QAM）： 这些就像微小且紧密排列的点。它们效率极高，但非常脆弱。
- 结果： 当“晃动桌子”（噪声）变得太强时，微小的点会模糊在一起。论文表明，对于这些复杂图案，电子学方法比光子学方法更受晃动的影响。电子学中的噪声随信号强度的增加而更激进地放大。

“数字大脑”（DSP）的作用

由于硬件（激光器和振荡器）并不完美，论文强调需要一个强大的数字信号处理器（DSP）——接收器的“大脑”。

频率偏移： 激光器或振荡器可能会发生轻微漂移，就像赛跑者起跑时比起跑线提前了几步。大脑必须计算出这种漂移并进行校正。
相位噪声： 信号在时间上可能会发生抖动。大脑利用算法（如锁相环）来追踪这种抖动并将其平滑。
局限： 大脑可以修复缓慢、可预测的抖动（相关噪声），但无法修复随机、突发的杂音（白噪声基底）。如果硬件噪声过高，即使是最聪明的大脑也无法挽救信号。

比较总结

特征	电子学方法（变速箱）	光子学方法（激光二重奏）
主要弱点	“变速箱”放大了基础振荡器的噪声基底。	激光器存在“抖动”（相位噪声），放大器添加了“嘶嘶声”（ASE）。
噪声行为	随着信号功率增加，噪声恶化（信号相关）。	随着信号功率增加，噪声恶化（信号相关）。
谁胜出？	适用于简单信号，但由于振荡器噪声，难以应对复杂的高速数据。	通常能更好地处理复杂的高速数据，前提是激光器质量高。
极限	你会遇到一堵墙，更多的功率只会产生更多的噪声。	你会遇到一堵墙，激光器的不完美会形成噪声基底。

核心结论

论文得出结论，虽然这两种方法对于 6G 的未来都是必不可少的，但它们各有不同的“阿喀琉斯之踵”。

如果你使用电子学方法，你需要极其安静、高质量的基频振荡器，否则噪声将毁掉你的高速数据。
如果你使用光子学方法，你需要非常稳定、低噪声的激光器，并仔细管理光放大器。

论文并没有断言其中一种方法在所有情况下都绝对“更好”，但它提供了一张数学地图，精确地展示了每种系统在哪里以及为什么会失效。这有助于工程师设计更好的“大脑”（DSP 算法），并选择合适的“引擎”（激光器或振荡器）来建造 6G 超级高速公路。

以下是论文《太赫兹通信系统比较研究：光子学方法与电子学方法》的详细技术总结。

1. 问题陈述

太赫兹（THz）通信（300 GHz – 3 THz）是 6G 网络的关键使能技术，有望为全息远程临场感和沉浸式 XR 等应用提供每秒太比特级的数据速率。然而，“太赫兹间隙”在历史上一直缺乏高效的器件。尽管最近的进展催生了两种主要的生成方法——基于电子学的方法（使用倍频器）和基于光子学的方法（使用光混频）——但两者都遭受严重的硬件损伤，导致性能下降。

现有文献通常孤立地处理这些损伤，或假设简单的加性高斯白噪声（AWGN）模型，这无法捕捉太赫兹系统特有的复杂、信号相关噪声特征。目前缺乏一个统一的框架来：

并排比较这两种架构。
建模特定的硬件损伤（例如，激光器的相对强度噪声与振荡器的相位噪声基底）及其在收发信机链中的传播。
推导考虑这些非线性和信号相关噪声源的解析信噪比（SNR）表达式。

2. 方法论

作者开发了一个涵盖信号建模、噪声表征和性能评估的综合分析框架：

信号建模：
- 基于光子学的方法： 对通过两束光学激光器光混频生成太赫兹信号的过程进行建模。该模型考虑了光拍频噪声、激光器相对强度噪声（RIN）、光放大器产生的放大的自发辐射（ASE）以及散粒噪声。
- 基于电子学的方法： 对通过基频振荡器倍频生成信号的过程进行建模。该模型考虑了振荡器的白噪声基底和相位噪声被倍频因子（ $N$ ）放大，以及混频器中的热噪声。
噪声表征：
- 作者区分了信号无关噪声（SIN）（例如热噪声）和信号相关噪声（SDN）。
- 他们证明，在这两种架构中，总噪声是异方差的（方差取决于信号幅度），这违反了标准的 AWGN 假设。
- 光子学： SDN 源于光噪声与信号的拍频（RIN/ASE）以及散粒噪声。
- 电子学： SDN 源于振荡器的白噪声基底与信号的相乘。
解析推导：
- 推导了两种架构在发射机和接收机处的 SNR 的闭式解析表达式。
- 明确追踪了噪声源（RIN、ASE、散粒噪声、振荡器噪声基底）如何在系统中传播和缩放。
仿真与验证：
- 针对各种平方 QAM 格式（从 QPSK 到 256QAM）进行了蒙特卡洛仿真。
- 在真实参数下（例如，激光线宽、振荡器噪声基底、I/Q 不平衡）评估了误码率（BER）性能。
- 将解析模型与现有文献中的实验数据进行了验证（例如，[26]、[36]）。

3. 主要贡献

统一信号模型： 为光子学和电子学方法开发了全面的信号和噪声模型，明确纳入了特定于实现的硬件损伤，超越了简单的 AWGN 假设。
解析 SNR 表达式： 推导了发射机和接收机 SNR 的精确解析表达式，将噪声分类为信号无关和信号相关分量，以解释性能极限。
比较性能分析： 提供了直接比较，表明虽然两种系统都受到信号相关噪声的影响，但基于电子学的方法对振荡器噪声基底更为敏感，导致高阶调制性能急剧下降。
损伤影响量化： 量化了以下因素的影响：
- 相位噪声： 对激光器建模为维纳过程，对振荡器建模为多斜率过程。
- I/Q 不平衡： 分析了其对高阶 QAM 误码底的影响。
- 噪声缩放： 证明了噪声方差随符号功率缩放，导致高信噪比区域出现误码底。

4. 关键结果

噪声特性：
- 在光子学中，发射机的主要损伤是 RIN 和 ASE。在接收机处，噪声是热噪声、散粒噪声和光噪声的混合。噪声方差随符号功率缩放，但其影响程度相较于电子学方法较为温和。
- 在电子学中，振荡器噪声基底是关键瓶颈。倍频会将此噪声放大 $N^2$ 倍，使其成为信号相关噪声（SDN）的主要来源。
误码率（BER）性能：
- 低阶调制（QPSK/16QAM）： 由于热噪声占主导地位，两种系统的性能都接近理论 AWGN 极限。
- 高阶调制（64QAM/256QAM）： 两种系统在高接收功率下均因信号相关噪声而表现出误码底。
- 比较： 基于电子学的系统在高阶 QAM 方面显示出更大的代价。对于 256QAM，电子学方法相比 AWGN 遭受约 5 dB 的代价，而光子学方法仅遭受约 2 dB 的代价。
相位噪声敏感性：
- 光子学： 需要低线宽激光器（例如 <100 kHz）或光学频率梳来减轻相位噪声累积。
- 电子学： 虽然锁相环（PLL）可以跟踪近载波相位噪声，但白噪声基底无法补偿。为了匹配 100 kHz 线宽激光系统的性能，基于电子学的系统需要（倍频后） $\le -166$ dBc/Hz 的基频振荡器噪声基底，这极难实现。
I/Q 不平衡： 高阶调制（64QAM、256QAM）对两种系统中的 I/Q 不平衡高度敏感，会产生无法通过增加发射功率来克服的误码底。

5. 意义与启示

设计指南： 本文为设计稳健的 6G 太赫兹收发信机提供了系统基础。它强调，由于信号相关噪声的存在，单纯增加发射功率带来的收益递减；相反，提高器件质量（低 RIN 激光器、超低噪声振荡器）至关重要。
架构选择：
- 光子学提供卓越的频谱纯度和可调谐性，但在功率效率和器件成本方面面临挑战。如果使用低噪声激光器，它更适合需要极高频谱效率和高阶 QAM 的场景。
- 电子学提供更好的集成潜力（CMOS/InP）和更高的输出功率，但严重受限于振荡器噪声基底。它可能更适合低阶调制或热噪声占主导的短距离链路。
DSP 需求： 该研究强调了先进的数字信号处理（DSP）在载波恢复、相位噪声抑制和 I/Q 不平衡补偿方面的必要性。然而，它也指出了 DSP 复杂度与功耗之间的权衡。
未来研究： 这些模型可扩展到混合架构（光子发射机 + 电子接收机）和多载波波形（OFDM），尽管后者在相位噪声和峰均功率比（PAPR）方面面临额外挑战。

总之，这项工作填补了太赫兹通信中理论建模与实际硬件约束之间的空白，证明了硬件损伤是 6G 太赫兹性能的根本限制因素，而光子学与电子学之间的选择在很大程度上取决于所需的调制阶数以及低噪声器件的可用性。