答案是很容易的，这取决于QAM点的数量。例如：

4-QAM，每个符号传输2比特 256-QAM, 每个符号传输8比特一般的规则是，对于一个M-QAM系统，每个符号可以运送LOG2M比特。上面的28 MHz频道间隔例子表明可运送25 MHz的符号。256-QAM，导致25×8 =200 Mb / s的吞吐量。

唯一的吞吐量变量是滚降系数，但效果几乎可以忽略不计。使用最低的实际使用值 – 在例子中使用0.10，而不是0.12 - 吞吐量为201.6 MB/ s，而不是200 Mb / s。

现在的问题是，空气中多少吞吐量是用户信息和多少是开销？回答这个问题需要看看纠错码理论去确定通信系统的最终性能极限。

Shannon: 提高纠错

1948年， Claude Shannon发表了一个理论来描述在一定噪声干扰和数据损坏级别下的最大可能纠错效率的方法。

香农定律组成了现代信息理论领域的基础。它指出，给定一个信道容量C的噪声信道和信息传输速率R，那么必定存在一种编码方法使得在接收器的错误概率任意小。这意味着，从理论上讲，在任何低于限制率C之下，几乎无差错的传输信息是可能的。

研究人员已经做了很多尝试去确定最佳的方式来实现 - 或者至少接近 -– 香农极限，也就是说，以任意低错误的可能性去达到香农的容量。达到香农容量任意低误差的概率。 Reed-Solomon码，MLC码和Viterbi码是广泛用于微波行业的纠错代码的例子。

在1993年，实现香农极限迈进了一大步，当Claude Berrou和 Alain Glavieux在他们的论文中介绍了Turbo码：接近Shannon极限纠错的编码和解码，Turbo码。

进一步的，并极有可能最终，实现了另一步：低密度奇偶校验（LDPC）码。 LDPC码是纠错编码协会最近经常介绍的编码方式，它的执行非常接近香农极限。

LDPC：错误修正

LDPC码的最初设想是Robert Gallager于1960年在他麻省理工学院（MIT）的论文中提出的，但是，在当时实施它是不实际的。
1996年剑桥大学的David MacKay和多伦多大学的Radford Neal，开发了第一个LDPC实例。直到今天，LDPC仍然是可用的最有效的纠错编码方式。

为了达到香农极限，必须使用纠错编码。然而，根据定义，一个纠错码总是带来区分用户信息和噪声的开销。开销较高，就会有越高的与噪声的区分率，但是吞吐量也越低。

微波行业采用的代码的开销范围在5％至15％之间。对整体吞吐量的影响必须考虑，然而诸如LDPC的代码是比其他代码更有效的。采用纠错，以前的200 Mb / s的变成200×0.9 =180 Mb / s的净容量 –这是用户在被编码之前发出的比特。