如图所示，我有一个 16QAM 星座，由于相位旋转而未对齐。在这种情况下，您可以看到旋转量约为, 但一般情况下不会如此。对于真实世界的数据，相位可能是一个缓慢变化的时间函数，，因此仅应用一些固定的校正因子是不够的。
我知道由于星座具有解决相位模糊问题的差分映射方案对称，但似乎必须仍然知道执行切片。
一种建议的解决方案是尝试将接收到的星座点映射到最近的 QAM 星座点，并将结果提供给锁相环，但目前尚不清楚这将如何执行随时间变化。
有哪些技术可以恢复符号？我已经尝试了基于反馈回路的各种载波恢复方案，但没有成功，并且对可能避免必须找到相位的决策导向方法感兴趣。
您需要的是载波相位同步。这是一个复杂的话题，有许多不同的方法。您将选择的方法可能取决于以下内容：
数据辅助与盲目：底层序列是否包含任何已知数据（例如某种训练或同步序列），您可以使用这些数据来预测相位偏移？或者，您是否必须在不了解调制符号的情况下进行同步？
盲法更通用，但如果您有数据的帮助，您可以获得更好的相位估计性能。此外，盲法通常会在恢复的相位中引入模糊性（即存在多个同样满足盲优化标准的相位偏移解决方案）。
我还没有遇到过在所有调制类型中同样有效的盲解决方案。例如，大多数盲相位估计器最适用于PSK信号。它们可以在 QAM 上以次优方式工作。文献中记录了 QAM 的各种盲载波相位估计器，但我对特定于 QAM 的估计器没有任何好的建议。PSK 类型信号最常用的盲估计器是幂律检测器。这是一篇讨论其在 QAM 中的应用的论文示例。
相干与差分：正如您所指出的，避免直接与载波相位同步的一种方法是使用差分调制。在这种情况下，信息由连续符号之间的相位差来承载。由于载波相位可能在两个符号时间段内大致恒定，因此载波分量被抵消。这使得同步更容易，但是对于差分相干调制与完全相干操作相比，符号错误率性能损失大约为 1-2 dB。
前馈与反馈：您是在处理连续的、无限长的符号流，还是有一个有限大小的批次？像锁相环这样的反馈方法可能适用于前者，而一次估计一个符号块的整体相位偏移的前馈技术最适合后者（反馈技术有一些采集周期，在此期间你会赢t 获得良好的输出；如果您一次只有很短的数据块，这可能是个问题）。
如果您正在寻找参考书籍，我的首选是 Mengali 的数字接收器同步技术。它既昂贵又难以找到副本，但我发现它非常彻底。
杰森写了一个很好的答案，所以我只是补充一下：
可以避免必须找到相位的决策导向方法。
这不适用于 16QAM，因为在不知道决策边界网格如何旋转的情况下，您无法做出有意义的决策。
因此，从我的角度来看，这里唯一可行的方法总是必须要么
例如，类型 1 的方法是与已知前导码的形状相关（没有决定！）。
例如，类型 2 的方法是对观察到的复数进行统计分析，以找到接收到的星座点的方形边界框，并将其旋转为平行于 I 轴和 Q 轴。请注意，这首先需要一致性！
在任何情况下，16QAM 通常用于高速率系统，在您恢复正确的相位一次后，您必须跟踪这些相位——无论是通过导频符号，还是通过连续运行的 PLL来自决策者的相位误差信息。