雅虎最终放弃了自己的搜索业务， 但Overture所创立的商业模式，仍在被当今几乎所有主流搜索引擎使用。 从Google Adwords到百度竞价，它们实现搜索流量变现的基本商业逻辑皆可溯源至Overture。顺便八卦一句，Bill Gross不但自己是个创业狂，还在1996年建立了一间专门孵化创业公司的公司idealab，孵出了一连串金光闪闪的名字。
Pay-Per-Click的出现，称得上是互联网广告乃至整个广告行业的一个里程碑式的变化。广告主不再因为在某个广告位“ 展示 ”了自己的广告而支付费用，而是因为潜在消费者对其广告产生兴趣而进行的“ 点击 ”广告的行为付费。
换句话说， 广告主不再需要为对自己的产品或服务不感兴趣的人支付费用 ，John Wanamaker所提出的广告行业之“哥德巴赫猜想”——“我知道在广告上的投资有一半是无用的，但问题是我不知道是哪一半”——向着解决的方向迈出了关键性的一步。由于这种广告形式密切依存于搜索引擎，因此现在人们一般称它为搜索引擎营销(Search Engine Marketing，简称 SEM )。
在SEM广告出现之后，互联网广告的创新层出不穷，有些主打更加精美华丽的表现形式(如富媒体广告)，有些则致力于更加精准地定位到潜在消费者(如各种RTB广告系统)，但SEM广告仍然是一种非常重要的互联网广告形式，在国内市场上的收入占比接近40%。
SEM在将近20年的发展历程中，有过多次具体实现方式上的演变。这些变化所围绕的一个重要主题是， 当有多个广告主同时购买一个广告的时候，哪个广告主的广告应当排在前面 ？在早期，搜索引擎曾采用过单纯由广告主的出价决定其广告位置的方式。这一排序方法的弊端非常明显：它很容易导致好的广告位甚至是全部广告位都被广告费用支付能力和支付意愿都足够高的广告主所垄断的情况。
这样一来，搜索引擎的广告收入虽然有可能在短期内得到快速增长，但从长期来看，会将支付能力不高或者广告投放策略相对保守的广告主屏蔽在市场之外，从而缩小整个潜在市场的规模；同时，消费者也可能因为无法找到高质量的产品和服务而流失，使得市场规模进一步缩水。因此，各搜索引擎陆续推出了影响排名的权重因素。
权重因素的计算方式和命名随搜索引擎和时间推移而不同。以百度为例，它在2009年首次推出了自己的权重因素，并将其命名为“ 质量度 ”。质量度从低到高有一星至三星三个水平，是百度综合各种因素做出的对于广告质量的评价。2013年，三星分级的质量度被调整为0~10分的质量得分。
当有多个广告主购买同一个广告的时候，搜索引擎对每个广告主按照公式(1)计算出排名指数，然后按照排名指数从高到低排序，排名指数最高的广告主获得第一个广告位，以此类推。
在这一机制下， 权重得分高的广告主可以以更低的价格拿到更好的广告展现位置 ，从而搜索引擎实现了将广告主的竞争焦点从出价转移到提升权重得分上的目的。
权重的具体计算方式只有搜索引擎公司负责商业产品的核心团队了解，但是各公司都会公布可以提升权重的指导性原则，并且这些原则之间有很高的相似性，基本都以提升广告文案的吸引力、积累良好的投放数据等为主。
在决定了广告主的排列顺序之后，搜索引擎还需要决定的另一个重要问题是， 一旦用户点击了某一广告，搜索引擎应向相关的广告主收取多少费用 ？一个直观的选择是，按照广告主的出价收费。但各大搜索引擎多按类似于如下公式(2)的方式确定点击价格。为了便于说明，这里借用了百度对于权重的命名。公式中的“当前排名”与“下一名”均指根据公式(1)计算出来的广告排名。
根据公式(2)，广告主实际支付的价格与自己的出价无关，反而在很大程度上受到排名指数紧随其后的竞争对手出价的制约；不过，结合公式(1)、(2)可以知道，它一定不会高于广告主自己的出价。这意味着，如果某广告主提供的广告质量度相对对手更高，那么他不但能够以较低的价格得到更好的排名，而且实际支付的点击价格还会比自己的出价(广告主愿意为这个广告支付的费用)更低；他在质量度上的相对优势越明显，就能节省越多的广告预算。搜索引擎通过这一机制，实现了 进一步激励广告主提供高质量广告的目的 。
以上就是搜索流量变现的基本商业逻辑，接下来我们简单了解一下，想要在搜索引擎上投放广告的广告主具体需要进行哪些工作。为了说明便利，这部分仍以百度为例，这些内容在各主要搜索引擎上会有诸多细微的差别，但主干部分非常相似。
实现搜索流量的变现需要广告主、搜索引擎和用户三方共同完成，缺一不可。广告主一方，首先要在想投放广告的搜索引擎上开立一个 推广账户 ，并预存一部分费用。
然后他就要做出两个最关键的决策，购买哪些广告以及确定自己愿意为每一个广告支付的费用。
由于用户是通过提交搜索词的方式来使用搜索引擎的，因此广告主购买的广告也是以词为单位的，称为“ 关键词 ”，一个关键词就是一条广告；为了得到更多的展现和点击机会， 关键词应当尽可能贴近用户的提交搜索词的习惯 。
选定了关键词之后，广告主还要为这些广告决定出价、落地页和匹配方式等设置。
出价在之前已有描述，“ 落地页 ”是指用户点击广告后会进入的页面；这个页面来自于广告主的网站，应该与关键词足够匹配，否则用户即使点击了广告也会因为无法取得想要的信息而离开。比如，关键词“英语口语培训价格”对应的落地页，不应只介绍培训班的上课时间。
“ 匹配模式 ”则是在告诉搜索引擎，当用户的搜索词和一个广告主购买的关键词相似度达到什么程度的时候，才考虑展现该广告主的广告；比如在搜索“英语口语培训”时，由于匹配模式的不同，用户有可能会看到“英语口语培训”、“口语培训”、“英语外教”、“全外教教学”等关键词对应的广告。
用户的搜索习惯千差万别，这就决定了一个有效的SEM账户中会包含非常多的关键词。
这些关键词有些彼此含义非常相似，比如品牌的全称和简称、各种型号的同一产品的名称等。为了提高广告的投放效率，搜索引擎要求广告主将关键词按照相似性进行分组；百度要求的分组结构是两层的，相似关键词组成“ 单元 ”、相似单元再合并为“ 计划 ”。
组内的关键词很相似，因此可以为每一组关键词撰写通用的广告语，称为“ 创意 ”；而且组的数量相对于关键词的数量要小得多，创意与组关联使得广告主有精力对其进行精雕细琢，写出高质量的广告语。这是搜索引擎引导广告主提升广告质量的又一个手段。
对于一组关键词，广告主还可以设置它们的 投放时间 (例如只在工作日下午3点到5点投放)和 投放地域 (例如只在一线城市和省会城市投放)；在投放时间之外或投放地域之外进行搜索的用户，无法看到该广告主的广告。
至此，广告主的广告就有可能在搜索引擎上被用户看到和点击了。
图1 投放搜索引擎广告的实现
用户在搜索引擎进行搜索的时候，搜索引擎会先根据搜索词找到所有符合投放条件的关键词广告，按照公式(1)、(2)选择可以被用户看到的广告并计算出它们的点击价格，再将这些广告与非付费内容一起呈现给用户；用户看到广告后，可能会点击其中一部分引发其进一步阅览兴趣的广告，此时搜索引擎按照计算好的点击价格从用户预付的广告费用中扣除掉这次点击对应的费用。
SEM广告相关的基本行为到这里就结束了，搜索引擎会为广告主提供如下表1所示的数据报表以衡量投放效果。
表中的“ 展现 ”指一条关键词广告被呈现在搜索结果页上的次数；“ 点击 ”指用户点击该广告的次数；“ 消费 ”指广告主因这些点击向搜索引擎支付的合计费用；“ 平均排名 ”是关键词各次展现时排名的平均数，因为每个广告主预算以及他们在关键词推广时段等设定上的差异，同一关键词每次展现的排名可能是不同的，所以广告每次展现时的排名虽然是整数，但平均排名则可能是小数。
CPC和CTR是衍生指标：“ CPC ”是cost per click的缩写，通过消费除以点击得到，代表广告主平均为每次点击支付的费用；“ CTR ”是click through rate的缩写，通过点击除以展现得到，表示用户对展现出来的广告表现出兴趣的可能性大小。
搜索引擎一般以天为最细粒度提供数据，除了关键词级别之外，还按照账户级别、计划级别、单元级别、创意级别提供。广告主可以通过这些数据，了解自己的费用投放情况，并且根据它来优化自己的广告投放。比如，对于那些消费和CPC都很高(消耗资源多)、CTR很低(用户兴趣低)、平均排名非常靠前(出价相对于市场总体水平来说偏高)的关键词，可以考虑适当降低它们的出价(减少资源投放)或者尝试修改创意(尝试通过提升广告吸引力来提升质量度)。
表1 搜索引擎向广告主提供的数据报告示例片段
细心的读者可能会发现，在介绍SEM基本商业逻辑的时候，我们描述的是用户每一个步骤的行为，而表1所提供的则是按天对每一个关键词广告进行汇总或平均的结果。
在前面的讨论中，我们曾经提到过，关键词每一次展现的排名、用户是否点击广告、具体扣除的费用都可能随时间变化而不同，我们是否有可能拿到这样更细粒度的数据来对投放做更精细的优化呢？
比如，表1中的广告主，假定他希望平均排名2.5的广告“鲜花速递”一直都能出现在第2个广告位上就好，那么根据表1提供的数据，他还需要继续提高自己的出价，一般来说他为这个广告支付的费用也会随之增加。
但是，如果他进一步知道，这条广告在下午3点到5点之间可以保持在每次展现都在第1名，但在晚上8点至11点却一般排在第3名之后，那么他就可以在下午3~5点适度降低出价、在晚上8~11点适度提高出价，在控制消费量基本不变甚至略有下降的前提下实现提升平均排名的目标。
遗憾的是，搜索引擎一般并不提供这样的数据。
此外，同样是通过点击SEM广告进入广告主网站的搜索引擎用户，他们对于广告主的价值也不一样。
举一个极端的例子，彼此存在竞争关系的广告主也可以通过互相点击对方的广告来达到消耗对手广告预算的目的，这就是所谓的 恶意点击 。
搜索引擎会对其进行过滤，但不能完全防止它的发生。对于一些竞争特别激烈的行业，只要有少数的漏网之鱼就会造成大量的预算浪费(例如在前几年礼品经济还非常盛行的时候，节庆前期应季礼品相关的关键词，其点击价格有时会高达四位数)。
即使不考虑恶意点击之类极端的情况，通过SEM广告进入广告主网站的用户在到达网站后的行为也有差异，有些完成了广告主希望看到的行为(比如进入电商网站后，进行了注册和下单支付)，有些则没有；广告主花费在前者身上的推广费用得到了回报而后者则没有。
由上可知，仅靠搜索引擎提供的表1数据只能对SEM投放进行粗线条的优化。一个补救的方式是，在自己的网站上部署 网站流量监测工具 。
网站流量监测工具会在用户访问广告主网站的时候记录他们的访问轨迹，以及注册、购买等关键行为。
大型搜索引擎为了进一步扩大自己的数据收集能力，一般也会提供免费的网站监测工具供广告主使用，比如google的GA和百度的百度统计。
这些通用型的免费工具比较适用于那些仅仅将互联网作为引入潜在消费者的一种工具、最终的成交和交付行为主要发生在线下、并且由于规模等原因所限暂时无力负担数据技术团队的广告主；比如在医疗美容、教育培训等行业，潜在消费者在网站上的行为终止于留下联系方式，后续的销售、到店、支付、交易、售后等行为都在线下进行。
但是对于电商、第三方支付、互联网金融等几乎所有成交和交付行为都发生在线上的广告主来说，还是应当从一开始就建立自己的技术团队和网站流量监测工具。
表2 网站流量监测工具记录的基本信息
如果广告主进行推广的搜索引擎是百度，还可以在关键词广告的落地页链接上部署百度提供的 URL通配符 参数，以获取更多的推广相关信息。
URL通配符是加在关键词落地页链接后的一串符合特定格式的字符串，能够在用户点击SEM广告进入广告主网站时，传递给广告主用户点击的是哪个关键词广告、当时排名的位置、该关键词的匹配模式等信息。
表2中“访问页面”里问号后面的字符串就是由URL通配符返回的结果，它告诉我们用户进入网站是通过点击了哪个关键词广告(keywordId=xxxxxxx)、这个广告当时展现在第几个广告位(adPosition=xxxx)。
对于不提供类似URL通配符一类服务的搜索引擎，广告主可以在每个落地页链接上自行添加参数标明关键词，但操作起来相对麻烦一些而且一般来说无法获取关键词之外的信息。
网站流量监测工具和URL统配符一起应用，广告主就可以知道广告每一次被点击的时间、大致发生在哪个地方、广告展现在第几个位置等信息；同时访问者编号可以让广告主识别点击了广告的用户是马上离开了网站，还是继续访问了其他页面，以及有没有进行广告主所希望的目标行为(根据广告主业务模式的不同，这个行为也会不同，常见的比如注册、下单、咨询等)。
换句话说，广告主可以知道一个用户通过点击了某个关键词广告进入了自己的网站，结合关键词的CPC，就大致知道了获取这个用户的成本；通过网站流量监测工具，可以知道这个用户后续有没有达成目标行为，这就是用户带来的产出。
投入和产出合并在一起，广告主就可以在用户、关键词广告等各种级别上进行推广的投入产出分析，并通过投入产出分析来对SEM广告投放进行更加精细的优化。
这就是图1中几个红色方框所表述的内容， 它们发生在搜索引擎之外，但却是广告主精准评价自己的SEM广告投放效果所不可或缺的部分 。
举例来说，有了补充数据之后，表1将被扩充为表3。从中可以看到，“鲜花礼品”虽然单价略高，但 ROI (Return>有些时候，广告主希望用户达成的目标行为结果无法以金额来表示，比如，当广告主希望取得更多注册用户时，其目标行为就是完成注册流程、成为注册用户。在这种情况下，表3中最右侧的两列可以被替换成“转化数量”和“CPA”。
“ 转化数量 ”就是用户达成的广告主目标行为的次数，在这个例子里就是新增了多少注册用户；“ CPA ”通过消费除以转化数量得到，表示广告主获得每一个目标行为的平均成本，它是比CPC更好的单位成本衡量指标。
表3 搜索引擎与广告主自行监测数据的合并
总结：
1
本节主要为大家介绍SEM广告的基本商业逻辑，其中的两个关键问题是：
a) 多个广告主购买同一个广告时，谁可以排在前面？
b) 用户点击广告时，搜索引擎会向广告主收取多少费用？
2
SEM在精准衡量广告效果方面，迈出了里程碑式的一步。广告主想要提升自己SEM广告的优化效果，除了使用搜索引擎提供的数据外，最好进一步通过如下方式获取补充数据：
a) 部署网站流量监控工具：有免费工具，也可自行开发；对有技术能力者，推荐后者
b) 在关键词广告落地页链接中添加URL通配符(百度)或自行添加关键词标识(其他搜索引擎)
3
讲解了一些基本术语的含义：
Pay-per-Click、SEM；账户、计划、单元、关键词、创意、落地页、出价、匹配模式、投放地域、投放时间；质量度、排名指数；展现、点击、消费、CPC、CTR、ROI、转化数量、CPA；网站流量监控工具、URL通配符。
练习：
附件中提供了一份模拟的关键词级别SEM推广报表，请根据表中已有的数据计算衍生指标CPC、CTR、ROI，并尝试寻找可能的优化方向。
PS：附件中的计划、单元组织结构参考了常见的关键词分组策略，可供初步接触SEM实务的读者参考。
参考：
1、本文在介绍sem广告时，为便于理解，对其业务逻辑进行了适度地简化。需要了解更详细内容的读者，请查阅各搜索引擎提供的指南
2、关于URL统配符的详细信息，可参考帮助文档。【http://dev2.baidu.com/docs.do?product=2#page=URL_Tag#page=URL_Tag】
3、关于网站流量监测工具及相关的数据分析，可参考网站分析在中国等网站及博客。【http://www.chinawebanalytics.cn/】
4、Bill Gross和John Wanamaker都是富有传奇色彩的人，有兴趣的读者可自行八卦。
注：
本文中使用的所有数据皆在真实数据基础上进行过模糊化处理，保留了实际投放中会遇到的典型数据特征，但不可作为实际投放的参考。
描述射频信号指标
接收灵敏度，这应该是最基本的概念之一，表征的是接收机能够在不超过一定误码率的情况下识别的最低信号强度。
讲灵敏度的时候我们常常联系到SNR（信噪比，我们一般是讲接收机的解调信噪比），我们把解调信噪比定义为不超过一定误码率的情况下解调器能够解调的信噪比门限（面试的时候经常会有人给你出题，给一串NF、Gain，再告诉你解调门限要你推灵敏度）。那么S和N分别何来？
S即信号Signal，或者称为有用信号；N即噪声Noise，泛指一切不带有有用信息的信号。有用信号一般是通信系统发射机发射出来，噪声的来源则是非常广泛的，最典型的就是那个著名的-174dBm/Hz——自然噪声底，要记住它是一个与通信系统类型无关的量，从某种意义上讲是从热力学推算出来的（所以它跟温度有关）；另外要注意的是它实际上是个噪声功率密度（所以有dBm/Hz这个量纲），我们接收多大带宽的信号，就会接受多大带宽的噪声——所以最终的噪声功率是用噪声功率密度对带宽积分得来。
发射功率的重要性，在于发射机的信号需要经过空间的衰落之后才能到达接收机，那么越高的发射功率意味着越远的通信距离。
那么我们的发射信号要不要讲究SNR？譬如说，我们的发射信号SNR很差，那么到达接收机的信号SNR是不是也很差？
这个牵涉到刚才讲过的概念，自然噪声底。我们假设空间的衰落对信号和噪声都是效果相同的（实际上不是，信号能够通编码抵御衰落而噪声不行）而且是如同衰减器一般作用的，那么我们假设空间衰落-200dB，发射信号带宽1Hz，功率50dBm，信噪比50dB，接收机收到信号的SNR是多少？
接收机收到信号的功率是50-200=-150Bm（带宽1Hz），而发射机的噪声50-50=0dBm通过空间衰落，到达接收机的功率是0-200=-200dBm（带宽1Hz）？这时候这部分噪声早已被“淹没”在-174dBm/Hz的自然噪声底之下了，此时我们计算接收机入口的噪声，只需要考虑-174dBm/Hz的“基本成分”即可。
这在通信系统的绝大部分情况下是适用的。
我们把这些项目放在一起，是因为它们表征的实际上是“发射机噪声”的一部分，只是这些噪声不是在发射信道之内，而是发射机泄漏到临近信道中去的部分，可以统称为“邻道泄漏”。
其中ACLR和ACPR（其实是一个东西，不过一个是在终端测试中的叫法，一个是在基站测试中的叫法罢了），都是以“Adjacent Channel”命名，顾名思义，都是描述本机对其他设备的干扰。而且它们有个共同点，对干扰信号的功率计算也是以一个信道带宽为计。这种计量方法表明，这一指标的设计目的，是考量发射机泄漏的信号，对相同或相似制式的设备接收机的干扰——干扰信号以同频同带宽的模式落到接收机带内，形成对接收机接收信号的同频干扰。
在LTE中，ACLR的测试有两种设置，EUTRA和UTRA，前者是描述LTE系统对LTE系统的干扰，后者是考虑LTE系统对UMTS系统的干扰。所以我们可以看到EUTRA ACLR的测量带宽是LTE RB的占用带宽，UTRA ACLR的测量带宽是UMTS信号的占用带宽（FDD系统3.84MHz，TDD系统1.28MHz）。换句话说，ACLR/ACPR描述的是一种“对等的”干扰：发射信号的泄漏对同样或者类似的通信系统发生的干扰。
这一定义是有非常重要的实际意义的。实际网络中同小区邻小区还有附近小区经常会有信号泄漏过来，所以网规网优的过程实际上就是容量最大化和干扰最小化的过程，而系统本身的邻道泄漏对于邻近小区就是典型的干扰信号；从系统的另一个方向来看，拥挤人群中用户的手机也可能成为互相的干扰源。
同样的，在通信系统的演化中，从来是以“平滑过渡”为目标，即在现有网络上升级改造进入下一代网络。那么两代甚至三代系统共存就需要考虑不同系统之间的干扰，LTE引入UTRA即是考虑了LTE在与UMTS共存的情形下对前代系统的射频干扰。
讲SEM的时候，首先要注意它是一个“带内指标”，与spurious emission区分开来，后者在广义上是包含了SEM的，但是着重看的其实是发射机工作频段之外的频谱泄漏，其引入也更多的是从EMC（电磁兼容）的角度。
SEM是提供一个“频谱模版”，然后在测量发射机带内频谱泄漏的时候，看有没有超出模版限值的点。可以说它与ACLR有关系，但是又不相同：ACLR是考虑泄漏到邻近信道中的平均功率，所以它以信道带宽为测量带宽，它体现的是发射机在邻近信道内的“噪声底”；SEM反映的是以较小的测量带宽（往往100kHz到1MHz）捕捉在邻近频段内的超标点，体现的是“以噪声底为基础的杂散发射”。
如果用频谱仪扫描SEM，可以看到邻信道上的杂散点会普遍的高出ACLR均值，所以如果ACLR指标本身没有余量，SEM就很容易超标。反之SEM超标并不一定意味着ACLR不良，有一种常见的现象就是有LO的杂散或者某个时钟与LO调制分量（往往带宽很窄，类似点频）串入发射机链路，这时候即便ACLR很好，SEM也可能超标。
首先，EVM是一个矢量值，也就是说它有幅度和角度，它衡量的是“实际信号与理想信号的误差”，这个量度可以有效的表达发射信号的“质量”——实际信号的点距离理想信号越远，误差就越大，EVM的模值就越大。
很难定义EVM与ACPR/ACLR的定量关系，从放大器的非线性来看，EVM与ACPR/ACLR应该是正相关的：放大器的AM-AM、AM-PM失真会扩大EVM，同时也是ACPR/ACLR的主要来源。
但是EVM与ACPR/ACLR并不总是正相关，我们这里可以找到一个很典型的例子：数字中频中常用的Clipping，即削峰。Clipping是削减发射信号的峰均比（PAR），峰值功率降低有助于降低通过PA之后的ACPR/ACLR；但是Clipping同时会损害EVM，因为无论是限幅（加窗）还是用滤波器方法，都会对信号波形产生损伤，因而增大EVM。
PAR（信号峰均比）通常用CCDF这样一个统计函数来表示，其曲线表示的是信号的功率（幅度）值和其对应的出现概率。譬如某个信号的平均功率是10dBm，它出现超过15dBm功率的统计概率是0.01%，我们可以认为它的PAR是5dB。
所以对于正弦波，假设他的峰值是4，那么他的峰值功率就是4^2=16；而他的平均功率计算
t = [0:0.01:4*pi]
a = 4 * sin(t)
% b = fft(a, 1024)
% plot(abs(b))
result = sum(a.^2)/length(t)
计算得到的结果是8，也就是4^2/2=8；所以他的PAR是3dB。
PAR是现代通信系统中发射机频谱再生（诸如ACLP/ACPR/Modulation Spectrum）的重要影响因素。峰值功率会将放大器推入非线性区从而产生失真，往往峰值功率越高、非线性越强。
在GSM时代，因为GMSK调制的衡包络特性，所以PAR=0，我们在设计GSM功放的时候经常把它推到P1dB，以得到最大限度的效率。引入EDGE之后，8PSK调制不再是衡包络，因此我们往往将功放的平均输出功率推到P1dB以下3dB左右，因为8PSK信号的PAR是3.21dB。
UMTS时代，无论WCDMA还是CDMA，峰均比都比EDGE大得多。原因是码分多址系统中信号的相关性：当多个码道的信号在时域上叠加时，可能出现相位相同的情况，此时功率就会呈现峰值。
LTE的峰均比则是源自RB的突发性。OFDM调制是基于将多用户／多业务数据在时域上和频域上都分块的原理，这样就可能在某一“时间块”上出现大功率。LTE上行发射用SC-FDMA，先用DFT将时域信号扩展到频域上，等于“平滑”掉了时域上的突发性，从而降低了PAR。
这里的“干扰指标”，指的是出了接收机静态灵敏度之外，各种施加干扰下的灵敏度测试。实际上研究这些测试项的由来是很有意思的。
我们常见的干扰指标，包括Blocking，Desense，Channel Selectivity等。
Blocking实际上是一种非常古老的RF指标，早在雷达发明之初就有。其原理是以大信号灌入接收机（通常最遭殃的是第一级LNA），使得放大器进入非线性区甚至饱和。此时一方面放大器的增益骤然变小，另一方面产生极强非线性，因而对有用信号的放大功能就无法正常工作了。
另一种可能的Blocking其实是通过接收机的AGC来完成的：大信号进入接收机链路，接收机AGC因此产生动作降低增益以确保动态范围；但是同时进入接收机的有用信号电平很低，此时增益不足，进入到解调器的有用信号幅度不够。
Blocking指标分为带内和带外，主要是因为射频前端一般会有频带滤波器，对于带外blocking会有抑制作用。但是无论带内还是带外，Blocking信号一般都是点频，不带调制。事实上完全不带调制的点频信号在现实世界里并不多见，工程上只是把它简化成点频，用以（近似）替代各种窄带干扰信号。
对于解决Blocking，主要是RF出力，说白了就是把接收机IIP3提高，动态范围扩大。对于带外Blocking，滤波器的抑制度也是很重要的。
When the defined useful signal coexist with blocking signal, throughput loss less than 1%
useful signal = PREFSENS + 14dB, 20MHz, -79.5dBm
这里我们统称为“邻信道选择性”。在蜂窝系统中，我们组网除了要考虑同频小区，还要考虑邻频小区，其原因可以在我们之前讨论过的发射机指标ACLR/ACPR/Modulation Spectrum中可以找到：因为发射机的频谱再生会有很强的信号落到相邻频率中（一般来说频偏越远电平越低，所以邻信道一般是受影响最大的），而且这种频谱再生事实上是与发射信号有相关性的，即同制式的接收机很可能把这部分再生频谱误认为是有用信号而进行解调，所谓鹊巢鸠占。
举个例子：如果两个相邻小区A和B恰好是邻频小区（一般会避免这样的组网方式，这里只是讨论一个极限场景），当一台注册到A小区的终端游走到两个小区交界处，但是两个小区的信号强度还没有到切换门限，因此终端依然保持A小区连接；B小区基站发射机的ACPR较高，因此终端的接收频带内有较高的B小区ACPR分量，与A小区的有用信号在频率上重叠；因为此时终端距离A小区基站较远，因此接收到的A小区有用信号强度也很低，此时B小区ACPR分量进入到终端接收机时就可以对原有用信号造成同频干扰。
如果我们注意看邻道选择性的频偏定义，会发现有Adjacent和Alternative的区别，对应ACLR/ACPR的第一邻道、第二邻道，可见通信协议中“发射机频谱泄漏（再生）”与“接收机邻道选择性”实际上是成对定义的。
When the defined useful signal coexist with interference signal, throughput loss less than 1%
Blocking是“大信号干扰小信号”，RF尚有周旋余地；而以上的AM Suppression, Adjacent (Co/Alternative) Channel Suppression (Selectivity)这些指标，是“小信号干扰大信号”，纯RF的工作意义不大，还是靠物理层算法为主。
这种描述的是绝对的同频干扰，一般是指两个同频小区之间的干扰模式。
按照之前我们描述的组网原则，两个同频小区的距离应该尽量远，但是即便再远，也会有信号彼此泄漏，只是强度高低的区别。
对于终端而言，两个小区的信号都可以认为是“正确的有用信号”（当然协议层上有一组接入规范来防范这种误接入），衡量终端的接收机能否避免“西风压倒东风”，就看它的同频选择性。
动态范围，温度补偿和功率控制很多情况下是“看不到”的指标，只有在进行某些极限测试的时候才会表现出它们的影响，但是本身它们却体现着RF设计中最精巧的部分。
发射机动态范围表征的是发射机“不损害其他发射指标前提下”的最大发射功率和最小发射功率。
“不损害其他发射指标”显得很宽泛，如果看主要影响，可以理解为：最大发射功率下不损害发射机线性度，最小发射功率下保持输出信号信噪比。
最大发射功率下，发射机输出往往逼近各级有源器件（尤其末级放大器）的非线性区，由此经常发生的非线性表现有频谱泄漏和再生（ACLR/ACPR/SEM），调制误差（PhaseError/EVM）。此时最遭殃的基本上都是发射机线性度，这一部分应该比较好理解。
最小发射功率下，发射机输出的有用信号则是逼近发射机噪声底，甚至有被“淹没”在发射机噪声中的危险。此时需要保障的是输出信号的信噪比（SNR），换句话说就是在最小发射功率下的发射机噪声底越低越好。
在实验室曾经发生过一件事情：有工程师在测试ACLR的时候，发现功率降低ACLR反而更差（正常理解是ACLR应该随着输出功率降低而改善），当时第一反应是仪表出问题了，但是换一台仪表测试结果依然如此。我们给出的指导意见是测试低输出功率下的EVM，发现EVM性能很差；我们判断可能是RF链路入口处的噪声底就很高，对应的SNR显然很差，ACLR的主要成分已经不是放大器的频谱再生、而是通过放大器链路被放大的基带噪声。
接收机动态范围其实与之前我们讲过的两个指标有关，第一个是参考灵敏度，第二个是接收机IIP3（在讲干扰指标的时候多次提到）。
参考灵敏度实际上表征的就是接收机能够识别的最小信号强度，这里不再赘述。我们主要谈一下接收机的最大接收电平。
最大接收电平是指接收机在不发生失真情况下能够接收的最大信号。这种失真可能发生在接收机的任何一级，从前级LNA到接收机ADC。对于前级LNA，我们唯一可做的就是尽量提高IIP3，使其可以承受更高的输入功率；对于后面逐级器件，接收机则采用了AGC（自动增益控制）来确保有用信号落在器件的输入动态范围之内。简单的说就是有一个负反馈环路：检测接收信号强度（过低／过高）－调整放大器增益（调高／调低）－放大器输出信号确保落在下一级器件的输入动态范围之内。
这里我们讲一个例外：多数手机接收机的前级LNA本身就带有AGC功能，如果你仔细研究它们的datasheet，会发现前级LNA会提供几个可变增益段，每个增益段有其对应的噪声系数，一般来讲增益越高、噪声系数越低。这是一种简化的设计，其设计思想在于：接收机RF链路的目标是将输入到接收机ADC的有用信号保持在动态范围之内，且保持SNR高于解调门限（并不苛求SNR越高越好，而是“够用就行”，这是一种很聪明的做法）。因此当输入信号很大时，前级LNA降低增益、损失NF、同时提高IIP3；当输入信号小时，前级LNA提高增益、减小NF、同时降低IIP3。
一般来讲，我们只在发射机作温度补偿。
当然，接收机性能也是受到温度影响的：高温下接收机链路增益降低，NF增高；低温下接收机链路增益提高，NF降低。但是由于接收机的小信号特性，无论增益还是NF的影响都在系统冗余范围之内。
对于发射机温度补偿，也可以细分为两部分：一部分是对发射信号功率准确度的补偿，另一部分是对发射机增益随温度变化进行补偿。
现代通信系统发射机一般都进行闭环功控（除了略为“古老”的GSM系统和Bluetooth系统），因此经过生产程序校准的发射机，其功率准确度事实上取决于功控环路的准确度。一般来讲功控环路是小信号环路，且温度稳定性很高，所以对其进行温度补偿的需求并不高，除非功控环路上有温度敏感器件（譬如放大器）。
对发射机增益进行温度补偿则更加常见。这种温度补偿常见的有两种目的：一种是“看得见的”，通常对没有闭环功控的系统（如前述GSM和Bluetooth），这类系统通常对输出功率精确度要求不高，所以系统可以应用温度补偿曲线（函数）来使RF链路增益保持在一个区间之内，这样当基带IQ功率固定而温度发生变化时，系统输出的RF功率也能保持在一定范围之内；另一种是“看不见的”，通常是在有闭环功控的系统中，虽然天线口的RF输出功率是由闭环功控精确控制的，但是我们需要保持DAC输出信号在一定范围内（最常见的例子是基站发射系统数字预失真（DPD）的需要），那么我们就需要将整个RF链路的增益比较精确的控制在某个值左右——温补的目的就在于此。
发射机温补的手段一般有可变衰减器或者可变放大器：早期精度稍低以及低成本精度要求较低的情况下，温补衰减器比较常见；对精度要求更高的情形下，解决方案一般是：温度传感器＋数控衰减器／放大器＋生产校准。
讲完动态范围和温度补偿，我们来讲一个相关的、而且非常重要的概念：功率控制。
发射机功控是大多数通信系统中必需的功能，在3GPP中常见的诸如ILPC、OLPC、CLPC，在RF设计中都是必需被测试、经常出问题、原因很复杂的。我们首先来讲发射机功控的意义。
所有的发射机功控目的都包含两点：功耗控制和干扰抑制。
我们首先说功耗控制：在移动通信中，鉴于两端距离变化以及干扰电平高低不同，对发射机而言，只需要保持“足够让对方接收机准确解调”的信号强度即可；过低则通信质量受损，过高则空耗功率毫无意义。对于手机这样以电池供电的终端更是如此，每一毫安电流都需锱铢必量。
干扰抑制则是更加高级的需求。在CDMA类系统中，由于不同用户共享同一载频（而以正交用户码得以区分），因此在到达接收机的信号中，任何一个用户的信号对于其他用户而言，都是覆盖在同一频率上的干扰，若各个用户信号功率有高有高低，那么高功率用户就会淹没掉低功率用户的信号；因此CDMA系统采取功率控制的方式，对于到达接收机的不同用户的功率（我们称之为空中接口功率，简称空口功率），发出功控指令给每个终端，最终使得每个用户的空口功率一样。这种功控有两个特点：第一是功控精度非常高（干扰容限很低），第二是功控周期非常短（信道变化可能很快）。
在LTE系统中，上行功控也有干扰抑制的作用。因为LTE上行是SC-FDMA，多用户也是共享载频，彼此间也互为干扰，所以空口功率一致同样也是必需的。
GSM系统也是有功控的，GSM中我们用“功率等级”来表征功控步长，每个等级1dB，可见GSM功率控制是相对粗糙的。
这里提一个相关的概念：干扰受限系统。CDMA系统是一个典型的干扰受限系统。从理论上讲，如果每个用户码都完全正交、可以通过交织、解交织完全区分开来，那么实际上CDMA系统的容量可以是无限的，因为它完全可以在有限的频率资源上用一层层扩展的用户码区分无穷多的用户。但是实际上由于用户码不可能完全正交，因此在多用户信号解调时不可避免的引入噪声，用户越多噪声越高，直到噪声超过解调门限。
换而言之，CDMA系统的容量受限于干扰（噪声）。
GSM系统不是一个干扰受限系统，它是一个时域和频域受限的系统，它的容量受限于频率（200kHz一个载频）和时域资源（每个载频上可共享8个TDMA用户）。所以GSM系统的功控要求不高（步长较粗糙，周期较长）。
讲完发射机功控，我们进而讨论一下在RF设计中可能影响发射机功控的因素（相信很多同行都遇到过闭环功控测试不过的郁闷场景）。
对于RF而言，如果功率检测（反馈）环路设计无误，那么我们对发射机闭环功控能做的事情并不多（绝大多数工作都是由物理层协议算法完成的），最主要的就是发射机带内平坦度。
因为发射机校准事实上只会在有限的几个频点上进行，尤其在生产测试中，做的频点越少越好。但是实际工作场景中，发射机是完全可能在频段内任一载波工作的。在典型的生产校准中，我们会对发射机的高中低频点进行校准，意味着高中低频点的发射功率是准确的，所以闭环功控在进行过校准的频点上也是无误的。然而，如果发射机发射功率在整个频段内不平坦，某些频点的发射功率与校准频点偏差较大，因此以校准频点为参考的闭环功控在这些频点上也会发生较大误差乃至出错。
其实应该说是最大似然法和最小二乘法的区别吧。采用OLS的回归分析方法存在几方面的限制：
（1）不允许有多个因变量或输出变量
（2）中间变量不能包含在与预测因子一样的单一模型中
（3）预测因子假设为没有测量误差
（4）预测因子间的多重共线性会妨碍结果解释
（5）结构方程模型不受这些方面的限制
SEM的优点：
（1）SEM程序同时提供总体模型检验和独立参数估计检验；
（2）回归系数，均值和方差同时被比较，即使多个组间交叉；
（3）验证性因子分析模型能净化误差，使得潜变量间的关联估计较少地被测量误差污染；
（4）拟合非标准模型的能力，包括灵活处理追踪数据，带自相关误差结构的数据库（时间序列分析），和带非正态分布变量和缺失数据的数据库。
构方程模型最为显著的两个特点是：
（1）评价多维的和相互关联的关系；
（2）能够发现这些关系中没有察觉到的概念关系，而且能够在评价的过程中解释测量误差。
1、最小二乘法的典型应用是求解一套x和y的成对数据对应的曲线（或者直线）方程。
其思想是：设y和x之间的关系可以用一个公式在表示，但其系数为待定系数。然后，将各个点的实测数据与计算求得的数据相减，得到“误差”或者不符值（有正有负，但其平方都是正的），将这些不符值的平方相加，得到总的“误差”。通过调整公式中的各个系数，使得误差平方和最小，那么就确定了y和x之间的方程的最好结果。求解最小二乘问题的过程中没有提及概率问题。
2、而极大似然估计值，是用于概率领域的一种方法，和最小二乘法是两个领域的。这种方法是应用求极大值的方法，让某一个公式求导值为0，再根据情况判断该极值是否是合乎要求。极大似然估计法可以用于正态分布中 μ, σ2的极大似然估计。极大似然估计法就是要选取类似的数值作为参数的估计值，使所选取的样本在被选的总体中出现的可能性为最大。
欢迎分享，转载请注明来源：夏雨云
微信扫一扫
支付宝扫一扫
评论列表（0条）