OFDM系统仿真

ops/2025/2/3 0:04:22/

1️⃣ OFDM的原理

1.1 介绍

OFDM是一种多载波调制技术,将输入数据分配到多个子载波上,每个子载波上可以独立使用 QAM、PSK 等传统调制技术进行调制。这些子载波之间互相正交,从而可以有效利用频谱并减少干扰。

1.2 OFDM的核心

  1. 多载波调制
    高速数据流被拆分成多个并行的低速数据流,每个低速数据流被分配到正交的子载波上
  2. 子载波正交性
    子载波的正交性是OFDM的核心,正交性保证了不同子载波之间不会相互干扰
  3. 使用FFT/IFFT的实现
    OFDM使用IFFT生成正交的子载波信号,而在接收端通过FFT恢复频域信号

1.3 OFDM系统架构

在这里插入图片描述

以MQAM调制为例,假设OFDM系统的输入信号是串行的二进制码元,每个二进制码元的持续时间为 T b T_\mathrm{b} Tb

分帧:首先,将输入信号分帧,每一帧包含F个二进制码元,即包含F比特。

分组:然后针对每一帧来说,每帧都会再进一步分组,即把F个二进制码元分成N组,每组中的比特数可以不同。例如,第 i i i组包含的比特数是 b i b_i bi

码元转换:将每组中的 b i b_i bi个比特看作一个 M i M_i Mi进制的码元 B i B_i Bi b i b_i bi M i M_i Mi的关系是 b i = l o g 2 M i b_i=log_2M_i bi=log2Mi

串并转换:此步骤将串行的N个码元 B i B_i Bi变成N路并行码元 B i B_i Bi。并行码元的持续时间相同,都是 T B = F ⋅ T b T_B=F·T_b TB=FTb

在这里插入图片描述

映射:在MQAM调制中,一个并行码元 B i B_i Bi可以用平面上的一个点表示,将 M i M_i Mi进制的码元 B i B_i Bi变成一一对应的复数 B i \boldsymbol{B_i} Bi的过程称为映射过程。例如 B i B_i Bi包含4bit “1100”,那就是16进制码元,进行的是16QAM调制,假设星座图如下图所示,则其相位为45°,振幅为 A / 2 A/\sqrt{2} A/2 。此映射过程将“1100”映射为复数形式 B i = ( A / 2 ) e j π / 4 \boldsymbol{B_i}=(A/\sqrt{2})e^{j\pi/4} Bi=(A/2 )e/4

在这里插入图片描述
调制:N路并行码元 B i B_i Bi对N个子载波进行不同的MQAM调制。由于各个并行码元 B i B_i Bi包含比特数不同,所以调制方式不同,举个例子,若并行码元 B i B_i Bi包含4bit,那就是16QAM调制;包含8bit就是64QAM调制

IDFT:使用IDFT实现正交频分复用

  • 最低子载波频率设定:为了用IDFT实现OFDM,先将OFDM的最低子载波频率设定为0。这是为了满足IDFT公式: s ( k ) = 1 K ∑ n = 0 K − 1 S ( n ) e j ( 2 π / K ) n k , k = 0 , 1 , 2 , ⋯ , K − 1 s(k)=\frac{1}{\sqrt{K}} \sum_{n=0}^{K-1} \boldsymbol{S}(n) \mathrm{e}^{\mathrm{j}(2 \pi / K) n k} \quad ,k=0,1,2, \cdots, K-1 s(k)=K 1n=0K1S(n)ej(2π/K)nk,k=0,1,2,,K1在n=0时,其右端第一项的指数因子等于1的条件,方便后续数学运算和信号处理。

  • IDFT项数设定与等效复码元序列生成:假设IDFT的项数为K,设置K=2N,即IDFT的项数等于子信道数目N的2倍。根据下述共轭对称性条件:

    若信号的时域函数 s ( k ) s(k) s(k) 是实函数,则其 K K K 点 DFT 的值 S ( n ) \boldsymbol{S}(n) S(n) 一定满足对称性条件: S ( K − k ) = S ∗ ( k ) k = 0 , 1 , 2 , ⋯ , K − 1 \boldsymbol{S}(K-k)=\boldsymbol{S}^*(k) \quad k=0,1,2, \cdots, K-1 S(Kk)=S(k)k=0,1,2,,K1式中: S ∗ ( k ) \boldsymbol{S}^*(k) S(k) S ( k ) \boldsymbol{S}(k) S(k) 的复共轭。

    从N个并行复数码元序列 { B i } \left\{\boldsymbol{B_i}\right\} {Bi} i = 0 , 1 , ⋯ , N − 1 ) i=0,1, \cdots, N-1) i=0,1,,N1) 生成 K = 2 N K=2 N K=2N 【将 IDFT 项数设为2N】个等效复数码元序列 { B n ′ } ( \left\{\boldsymbol{B_n}^{\prime}\right\}( {Bn}( n = 0 , 1 , ⋯ , 2 N − 1 ) n=0,1, \cdots, 2 N-1) n=0,1,,2N1),具体规则如下:
    ① 当 n = 1 , 2 , ⋯ , N − 1 n=1,2, \cdots, N-1 n=1,2,,N1 时, B K − n − 1 ′ = B n ∗ ( B n ∗ \boldsymbol{B}_{K-n-1}^{\prime}=\boldsymbol{B}_n^* \quad\left(B_n^*\right. BKn1=Bn(Bn B n B_n Bn 的共轭复数)。
    ② 当 n = N , N + 1 , ⋯ , 2 N − 2 n=N, N+1, \cdots, 2 N-2 n=N,N+1,,2N2 时, B K − n − 1 ′ = B K − n − 1 \boldsymbol{B}_{K-n-1}^{\prime}=\boldsymbol{B}_{K-n-1} BKn1=BKn1
    B 0 ′ = Re ⁡ ( B 0 ) \boldsymbol{B}_0^{\prime}=\operatorname{Re}\left(B_0\right) B0=Re(B0) ,即取 B 0 \boldsymbol{B}_0 B0 的实部。
    B K − 1 ′ = B 2 N − 1 ′ = Im ⁡ ( B 0 ) \boldsymbol{B}_{K-1}^{\prime}=\boldsymbol{B}_{2 N-1}^{\prime}=\operatorname{Im}\left(\boldsymbol{B}_0\right) BK1=B2N1=Im(B0) ,即取 B 0 \boldsymbol{B}_0 B0 的虚部。

    补充:为什么一定要K=2N?
    OFDM 系统最终需要生成实值的时域信号进行传输(实信号在实际硬件中更易处理和传输)。IDFT 具有这样的特性:当频域序列满足一定的共轭对称性质时,经过 IDFT 变换后得到的时域序列是实值的。通过将 IDFT 项数设为 2 N 2 N 2N ,可以利用这一性质,通过对 N N N 个并行复数码元序列构建出具有共轭对称性质的 2 N 2 N 2N 个等效复数码元序列(如前面提到的通过特定的对称规则生成),从而确保经过 IDFT 后得到实值的时域信号。

  • OFDM信号的离散形式:将生成的新码元序列 { B n ′ } \left\{\boldsymbol{B}_n^{\prime}\right\} {Bn} 作为频域信号代入IDFT公式,得到时域离散信号:
    e ( k ) = 1 K ∑ n = 0 K − 1 B n ′ e j ( 2 π / K ) n k ( k = 0 , 1 , ⋯ , K − 1 ) e(k)=\frac{1}{\sqrt{K}} \sum_{n=0}^{K-1} \boldsymbol{B}_n^{\prime} \mathrm{e}^{\mathrm{j}(2 \pi / K) n k} \quad(k=0,1, \cdots, K-1) e(k)=K 1n=0K1Bnej(2π/K)nk(k=0,1,,K1)
    这里的 e ( k ) e(k) e(k) 是离散的,且 e ( k ) = e ( k T B / K ) e(k)=e\left(k T_{\mathrm{B}} / K\right) e(k)=e(kTB/K),即在离散的时间点 k T B / K k T_{\mathrm{B}} / K kTB/K 上对连续的 OFDM 信号 e ( t ) e(t) e(t) 进行抽样得到了 e ( k ) e(k) e(k)

循环前缀:对每个 OFDM 符号添加循环前缀,以对抗多径效应等引起的干扰,它是在时域上操作的【OFDM信号长啥样??? 例如,50个OFDM符号,每个符号64个子载波,那矩阵大小就是64×50,加8个循环前缀的话,就会变成72×50】

并串转换:此时的信号 e ( k ) e(k) e(k) 在时域上还是以并行的形式存在,为了后续能够进行 D/A 转换以及在实际信道中传输【因为D/A 转换器通常接收串行的信号】,需要将这些并行的离散信号进行并串转换,将其变为串行的离散信号序列

通过D/A转换得到连续形式:离散抽样信号 e ( k ) e(k) e(k)经过数模(D/A)转换后就得到OFDM 信号的连续时间表达式:
e ( t ) = 1 K ∑ n = 0 K − 1 B n ′ e j ( 2 π / T B ) n t ( 0 ⩽ t ⩽ T B ) e(t)=\frac{1}{\sqrt{K}} \sum_{n=0}^{K-1} \boldsymbol{B}_n^{\prime} \mathrm{e}^{\mathrm{j}\left(2 \pi / T_{\mathrm{B}}\right) n t} \quad\left(0 \leqslant t \leqslant T_{\mathrm{B}}\right) e(t)=K 1n=0K1Bnej(2π/TB)nt(0tTB)
它是从离散抽样信号 e ( k ) e(k) e(k) 推导而来的,体现了 OFDM 信号在整个时间区间 [ 0 , T B ] \left[0, T_{\mathrm{B}}\right] [0,TB] 上的连续变化情况。在这个表达式中,每一项 B n ′ e j ( 2 π / T B ) n t \boldsymbol{B}_n^{\prime} \mathrm{e}^{\mathrm{j}\left(2 \pi / T_{\mathrm{B}}\right) n t} Bnej(2π/TB)nt 都代表一个子载波信号,不同的 n n n 对应不同的子载波,通过对这些子载波信号进行叠加,就得到了完整的 OFDM 信号 e ( t ) e(t) e(t)

  • 子载波频率:子载波频率 f k = n / T B ( n = 0 , 1 , ⋯ , N − 1 ) f_k=n / T_{\mathrm{B}}(n=0,1, \cdots, N-1) fk=n/TB(n=0,1,,N1) 。在 OFDM 系统中,子载波是承载信息的关键元素。这个公式表明子载波频率是等间隔分布的,间隔为 1 / T B 1 / T_{\mathrm{B}} 1/TB T B T_{\mathrm{B}} TB是并行码元的持续时间】 。从物理意义上讲,不同的子载波频率使得各个子载波能够在频域上相互正交,从而在相同的时间和带宽资源下,实现多个子载波同时传输不同信息,提高了频谱利用率。

上变频:由于实际通信中信号需要在特定高频频段传输,后续会用上变频将OFDM信号频谱搬移到指定高频为止


http://www.ppmy.cn/ops/155162.html

相关文章

自然语言处理-词嵌入 (Word Embeddings)

人工智能例子汇总:AI常见的算法和例子-CSDN博客 词嵌入(Word Embedding)是一种将单词或短语映射到高维向量空间的技术,使其能够以数学方式表示单词之间的关系。词嵌入能够捕捉语义信息,使得相似的词在向量空间中具有相近的表示。 常见词嵌入方法 基于矩阵分解的方法 Lat…

CVE-2023-38831 漏洞复现:win10 压缩包挂马攻击剖析

目录 前言 漏洞介绍 漏洞原理 产生条件 影响范围 防御措施 复现步骤 环境准备 具体操作 前言 在网络安全这片没有硝烟的战场上,新型漏洞如同隐匿的暗箭,时刻威胁着我们的数字生活。其中,CVE - 2023 - 38831 这个关联 Win10 压缩包挂…

C语言初阶力扣刷题——349. 两个数组的交集【难度:简单】

1. 题目描述 力扣在线OJ题目 给定两个数组,编写一个函数来计算它们的交集。 示例: 输入:nums1 [1,2,2,1], nums2 [2,2] 输出:[2] 输入:nums1 [4,9,5], nums2 [9,4,9,8,4] 输出:[9,4] 2. 思路 直接暴力…

松灵机器人 scout ros2 驱动 安装

必须使用 ubuntu22 必须使用 链接的humble版本 #打开can 口 sudo modprobe gs_usbsudo ip link set can0 up type can bitrate 500000sudo ip link set can0 up type can bitrate 500000sudo apt install can-utilscandump can0mkdir -p ~/ros2_ws/srccd ~/ros2_ws/src git cl…

【题解】AtCoder Beginner Contest ABC391 D Gravity

题目大意 原题面链接 在一个 1 0 9 W 10^9\times W 109W 的平面里有 N N N 个方块。我们用 ( x , y ) (x,y) (x,y) 表示第 x x x 列从下往上数的 y y y 个位置。第 i i i 个方块的位置是 ( x i , y i ) (x_i,y_i) (xi​,yi​)。现在执行无数次操作,每一次…

寒假刷题Day19

一、923. 三数之和的多种可能 class Solution { public:int threeSumMulti(vector<int>& arr, int target) {const int MOD 1000000007; // 正确的模数long long ans 0; // 使用 long long 防止溢出std::sort(arr.begin(), arr.end());for (size_t i 0; i < a…

python3+TensorFlow 2.x(三)手写数字识别

目录 代码实现 模型解析&#xff1a; 1、加载 MNIST 数据集&#xff1a; 2、数据预处理&#xff1a; 3、构建神经网络模型&#xff1a; 4、编译模型&#xff1a; 5、训练模型&#xff1a; 6、评估模型&#xff1a; 7、预测和可视化结果&#xff1a; 输出结果&#xff…

数据挖掘常用算法

文章目录 基于机器学习~~线性/逻辑回归~~树模型~~贝叶斯~~~~聚类~~集成算法神经网络~~支持向量机~~~~降维算法~~ 基于机器学习 线性/逻辑回归 类似单层神经网络 yk*xb 树模型 优点 可以做可视化分析速度快结果稳定 依赖前期对业务和数据的理解 贝叶斯 贝叶斯依赖先验概…