使用正交 (I/Q) 信号的主要动机是频谱效率。

大多数信号自然是基带信号：它们没有载波，它们的能量集中在直流附近，并且它们受限于带宽$B$. 一个示例是音频信号，其带宽约为 20 kHz。

为了传输这样的信号，通常必须使用载波对其进行调制（或“上变频”）。例如，在 AM 广播中，音频信号首先受限于带宽$B=10\,\text{kHz}$，然后上变频到大约 1 兆赫的频率。

问题是，当上变​​频时，信号占用带宽$2B$，是原始带宽的两倍$B$. 因此，一个 AM 信号占据$20\,\text{kHz}$“在空中”。额外的 10 千赫兹没有任何附加信息；它们只是损失了一半的可用带宽。

由于带宽是一种非常有限且昂贵的资源，因此这种浪费是不可接受的。

解决此问题的一种方法是使用单边带调制 (SSB)，从而消除浪费。然而，单边带信号更难以生成并且具有其他缺点。

最流行的解决方案是使用正交信号。这允许传输两个带宽信号$B$在一个宽度的通道上$2B$，将平均光谱占用率恢复为$B$每个信号的赫兹。

要了解正交发射器和接收器背后的更多数学知识，请参阅此答案。

据我了解，I/Q 数据是任何波形的复杂表示。

是和不是。I/Q 数据是利用一对相位相差 90 度的本地振荡器信号对 RF 信号（即载于载波上的信号）进行解调的结果。我认为您假设 I/Q 数据必须表示为复杂值的流——这不是必需的，它只是使分析变得容易。不必携带本地振荡器信号并用三角恒等式证明事物，您只需注意 I/Q 数据的行为类似于（不是）复杂数据，然后您可以遵循复杂算术的规则。

考虑到这一点，使用真实数据而不是 I/Q 数据不可能进行什么样的调制/解调？

I/Q 数据是真实数据。它只是同时获得的两个真实通道，并且彼此之间具有特定的关系，可以将其视为复杂数据的单个通道。

所以你的二分法是错误的。

使用 I 和 Q 数据的主要优点是您可以接收和传输各种模拟或数字调制，只需改变 I 和 Q 分量的幅度。看一下相量理论以更好地理解整个问题。信号可以看作是 IQ 平面中从原点开始的移动矢量。当信号 I 和 Q 分量的幅度随时间相同时，您将进行 AM 调制。当幅度为 R 的矢量围绕一个角度来回移动时，您就有了相位调制。如果矢量围绕中心旋转超过 2pi 角度，则您有频率调制。如果两个分量 I 和 Q 的幅度是离散的，则您有数字调制。例如 .. 说 I、Q 分量只能假设值 -1 和 1 你在 IQ 平面上有四个点 (-1,-1) (-1,1) (1,1) (1, -1) 所以你有 4QAM 或 4PSK 调制。使用 IQ 表示还有许多其他优点，即频率转换和其他数学阐述。但是，如果您对社区有任何问题，可以在一条消息中解决这个问题非常复杂。我建议你一本关于数字信号处理的介绍性教科书。

PS Hilbert 滤波很容易使用 IQ 信号……它不使用真实信号。

看看这个介绍性视频 https://youtu.be/h_7d-m1ehoY

法比奥

我倾向于将使用 I/Q 的优势分为两大类。然而，这些可以根据正在实施的系统进行组合：

1. 利用 I/Q 的特性提高频谱效率。这就是让两个信号独立地“骑”在它们各自的同相 (I) 和正交 (Q) 通道上。可以传输两个单独的带宽信号$B$在支持带宽的同一通道内$2B$.
2. 利用复数的数学特性。当实数信号转换为 I/Q 或复数时尤其如此，其中复数的数学特性使某些任务更容易和/或更直观。这也有一些真正的优势，例如在某些类型的系统中提高 SNR。

第一个围绕使用具有多个感兴趣信号的 I/Q 进行，目的是有效地发送/接收信号。第二个通常涉及一个感兴趣的信号，并利用复杂算术的各种优势对该信号执行操作。

由于意图，我喜欢像这样分解它。当有人问“为什么使用 I/Q？”这个问题时，答案可以细分为您关心的是 (1) 还是 (2)。有时，在尝试将其固定到特定应用程序时，尝试将两者合并为一个答案可能会令人困惑甚至误导。例如，您的评论

据我了解，I/Q 数据是任何波形的复杂表示。

不是一个准确的说法。尽管 I/Q 调制/解调使用复数的基本属性，但它确实更适合于 (2) 而不是 (1)，在这种情况下，很多时候我们将真实信号转换为其复数形式是不开玩笑的。我认为您真正关心的是 I/Q 的这种使用。(2) 相对于“真实”调制/解调的各种一般优势包括但不限于：

1. 两个 ADC 以较低的速率对每个 I 和 Q 分支进行采样。这可以减少每个分支收集的样本总数，降低抽取要求，并且可以由于较低的时钟速度而节省功耗。

2. 使用 I/Q 允许我们将信号移动到以 0 Hz 为中心，我们可以利用其他属性进一步降低采样要求。

3. 通过操作 I/Q 组件立即恢复幅度和相位（以及可能的频率）。这在必须连贯的系统中特别有用。

4. 数字信号处理在复杂领域是直观的。傅里叶变换和频谱的所有这些优点都可以直接应用，例如频移。这里有一些示例，我们使用频移设计带通滤波器并通过自相关执行脉冲压缩。

5. 一些算法经过优化，可以对复杂数据执行操作。