1樓：Robert Zhou
Comment: 復高斯分布的輸入訊號是一種理想模型。主要是資訊理論證明，這樣的分布是達到復AWGN通道容量的最優輸入訊號分布。
因此，僅從這一角度來看的話，調製星座圖如果更接近復高斯分布則更好一些。要用QPSK，那就遠離了復高斯分布，無法逼近通道容量。
也就是說，復高斯分布是調製這一過程的結果。並不會再把它調製到某個星座圖上。
如果你真的遇到了復高斯分布的信源，由於其資訊量無窮大，因此需要進行lossy source coding，將其轉換為binary sequence再調製。
2樓：
首先，說一下調製的概念。
調製可以簡單理解為bits --經過調製--> symbol;用計算機的方法表達就是symbol = 調製(bits)
好了，現在理解題主你提的問題「復高斯分布的輸入訊號如何做QPSK調製」，根據上面調製的概念，可以知道，調製的物件是bit流(0101001011)，bit流是服從離散伯努利分布而不是復高斯分布的，所以你的問題不合理，不合理的核心點在於使用了不合理的調製的物件。
其次，說一下復高斯分布。
在通訊系統裡，通常考慮的經數字調製(MPSK, MQAM, MPAM等等)傳送訊號(symbol)，在數學上均是以複數形式表示的，從物理意義上講乙個symbol為兩路正交(相位差90°)的訊號的求和，所以該訊號在接收時考慮高斯白雜訊的影響（假設不考慮通道的影響），接收訊號為r = s + n ，因為s是複數，所以n也是複數，因此通常將n考慮為服從復高斯分布即n~CN(0, 1)。因此，復高斯分布的概念通常在通訊中是作為複數訊號受到的雜訊影響來考慮的，類似於實訊號受到高斯白雜訊的影響的推廣。所以，題主你這裡將傳送訊號假設服從復高斯分布這個假設是相當不合理的，復高斯分布通常描述雜訊而不是訊號，進一步說，服從復高斯分布的訊號也無法承載資訊（你想，乙個訊號的幅度是連續隨機的，相位也是連續隨機的，所以當給定乙個訊號的時候，完全無法將其對映為乙個bit序列）。
多維高斯分布是如何由一維發展而來的？
信陵君魏無忌 剛剛寫了一波專欄直觀數學漫談，今天來強答一發這個問題，前面的一元以及維度不相關的多維高斯分布熟悉的可以直接跳過 好，讓我們來研究研究這個看起來這麼複雜的多元高斯分布吧，我也順便學一學LaTeX公式書寫吧，畢竟還是人生第一次寫LaTeX公式！先從均值為0，方差為1的一元正態分佈開始，概率...
假設我的分布是高斯分布，我有一堆資料樣本，為什麼要用似然函式的方式估計引數，不能通過統計算均值的方式？
這其實是一同種方法，請看看貝葉斯公式，極大似然就是頻率派，所以你統計均值其實和極大似然時一樣的。回到具體問題上，極大似然估計方差時，由於我們事先不知道均值 所以用觀測樣本的均值 來代替，所以極大似然估計方差如下，是不是和統計方差一樣。 靜學社 學無止境 直接算樣本均值是估計總體均值的乙個方法。最大似...
如果高斯沒有推導出正態分佈這種分布形式，什麼分布將被更多的利用？
潘民科 高斯分布雖然被叫作 高斯分布 卻與棣莫弗 Stirling 和拉普拉斯所做的工作有關，而高斯對於正態分佈的歷史地位的確立起到了決定性的作用。 粗略地說，normal distribution 和 L vy distribution 是兩個 attractor，隨便拿兩個隨機變數求平均，根據這...