OFDM回波信号表达式推导

OFDM发射信号长度$T_{sym}$由有效信号长度$T$和循环前缀长度$T_{cp}$组成，即

$$T_{sym}=T+T_{cp}$$

其中，$T=1/\Delta f$，$\Delta f$为子载波间隔。

假设发射了$N_s$个OFDM符号，那么基带发射信号可以表示为

$$s(t)=\sum _{n=0}^{N_s-1}\sum _{m=0}^{N_c-1}{c}_{m,n}{e}^{j2\pi m\Delta f(t-n{T}_{sym})}{e}^{-j2\pi m\Delta f{T}_{cp}}rect(\frac{t-n{T}_{sym}}{T_{sym}})$$

其中，$c_{m,n}$为第$n$个符号的第$m$个子载波上携带的通信信息，$rect(t)$ 表示长度为$T_s$的矩形窗函数,即

$$rect(t)=\{\begin{array}{l}1,t\in [0,1]\\ 0,others\end{array}$$

将基带信号上变频，得到射频信号为

$$\tilde{s}(t)=s(t)e^{j2\pi f_{c}t}。$$

接下来将推导回波信号。首先，根据雷达原理，若发射信号为$s(t)$，则回波信号$y(t)$可以表示为

$$y(t)=s(t-\tau )$$

若目标静止，则$\tau =2R/c$，若目标运动，则$\tau =2(R-vt)/c$，目标接近雷达运动时，$v$为正，反之为负。

对于OFDM雷达信号，假设有$N_t$个目标，第$i$个目标的距离为 $R_i$，速度为$v_i$，则接收端接收到的射频信号$\tilde{y}(t)=\tilde{s}(t-(2R_i-2v_{i}t))$可以表示为：

$$\tilde{y}(t)=\sum _{i=0}^{N_t-1}\sum _{n=0}^{N_s-1}\sum _{m=0}^{N_c-1}{\xi }_i{c}_{m,n}{e}^{j2\pi f_c[t-(2R_i-2v_{i}t)/c]}{e}^{j2\pi m\Delta f[t-(2R_i-2v_{i}t)-T_{cp}-n{T}_{sym}]}rect(\frac{t-(2R_i-2v_{i}t)/c-n{T}_{sym}}{T_{sym}})+n(t)$$

其中${\xi }_i$为目标复值反射系数，$n(t)$为噪声。本文假设${\xi }_i$在$N_s$个符号时长中保持不变。

将射频回波信号下变频，即$y(t)=e^{-j2\pi f_{c}t}\tilde{y}(t)$，可以得到基带回波信号为

$$y(t)=\sum _{i=0}^{N_t-1}\sum _{n=0}^{N_s-1}\sum _{m=0}^{N_c-1}{\xi }_i{c}_{m,n}{e}^{-j2\pi f_c(2R_i-2v_{i}t)/c}{e}^{j2\pi m\Delta f[t-(2R_i-2v_{i}t)/c-T_{cp}-n{T}_{sym}]}rect(\frac{t-(2R_i-2v_{i}t)/c-n{T}_{sym}}{T_{sym}})+\overline{n}(t)$$

其中$\overline{n}(t)=e^{-j2\pi f_{c}t}n(t)$。

对基带回波信号进行采样，采样间隔为$\Delta t=1/f_s$，此时每个符号将有$N=N_c$个采样点。在去循环前缀后，第$n$个符号的第$k$个采样点可以表示为

y n ( k ) = ∑ i = 0 N t − 1 ∑ m = 0 N c − 1 ξ i c m , n e − j 2 π f c [ 2 R i − 2 v i ( k Δ t + T c p + n T s y m ) ] / c e j 2 π m Δ f { k Δ t − [ ( 2 R i − 2 v i ( k Δ t + T c p + n T s y m ) ] / c } + n ‾ n ( k ) ,   f o r   k = 0 , 1 , … , N − 1 , y_{n}(k) = \sum_{i=0}^{N_t-1} \sum_{m=0}^{N_c-1} \xi_i c_{m,n} e^{-j 2 \pi f_c[2R_i - 2 v_i (k \Delta t +T_{cp}+nT_{sym})] /c} \\ e^{j 2 \pi m \Delta f \{ k \Delta t-[(2R_i - 2 v_i ( k \Delta t +T_{cp}+nT_{sym}) ]/c \} } + \overline{n}_ {n} (k), \ \mathrm{for} \ k = 0,1, \ldots , N-1, yn​(k)=i=0∑Nt​−1​m=0∑Nc​−1​ξi​cm,n​e−j2πfc​[2Ri​−2vi​(kΔt+Tcp​+nTsym​)]/cej2πmΔf{kΔt−[(2Ri​−2vi​(kΔt+Tcp​+nTsym​)]/c}+nn​(k), for k=0,1,…,N−1,

其中，${\overline{n}}_n(k)={\overline{n}}_n(k\Delta t+n{T}_{sym})$。

由于$\Delta t = 1/f_s = T/N_c， $$y_n(k)$还可以表示为

KaTeX parse error: Expected 'EOF', got '&' at position 10: y_{n}(k) &̲=\sum_{i=0}^{N_…

为了简化公式，我们让${\varphi }_{R,i}=e^{-j2\pi f_{c}2\frac{R_i}{c}}$, ${\varphi }_{v,i}=e^{j2\pi f_{c}2\frac{v_i}{c}{T}_{cp}}$, ${\tilde{\varphi }}_{v,i}(n)=e^{j2\pi f_c\frac{2v_i}{c}n{T}_{sym}}$，从而

$$\begin{gathered} y_n(k)=\sum _{i=0}^{N_t-1}\sum _{m=0}^{N_c-1}{\xi }_i{c}_{m,n,p}{\varphi }_{R,i}{\varphi }_{v,i}{\tilde{\varphi }}_{v,i}(n)\cdot e^{j2\pi f_c\frac{2v_i}{c}k\Delta t}\cdot e^{j2\pi m{\rho }_i\frac{k}{N_c}} \\ \cdot e^{-j2\pi m\Delta f\frac{2R_i}{c}}\cdot e^{j2\pi m\Delta f\frac{2v_i}{c}(T_{cp}+n{T}_{sym})}+{\overline{n}}_n(k) \end{gathered}$$

其中，${\rho }_i=1+\frac{2v_i}{c}$。

若要将第$n$个符号的$N$个采样点依次排列为一个向量，即${\mathbf{y}}_n=[y_n(0),y_n(1),\dots ,y_n(N-1){]}^T$，${\overline{\mathbf{n}}}_n=[{\overline{n}}_n(0),{\overline{n}}_n(1),\dots ,{\overline{n}}_n(N-1){]}^T$，${\mathbf{c}}_n=[c_{0,n},c_{1,n},\dots ,c_{N_c-1,n}{]}^T$，

我们定义$\mathbf{F}({\rho }_i)=\left[\begin{array}{cccc}1& 1& \cdots & 1\\ 1& e^{j2\pi {\rho }_i/N_c}& \cdots & e^{j2\pi (N_c-1){\rho }_i/N_c}\\ ⋮& ⋮& \ddots & ⋮\\ 1& e^{j2\pi {\rho }_i(N-1)/N_c}& \cdots & e^{j2\pi (N_c-1){\rho }_i(N-1)/N_c}\end{array}\right]$，

$\tilde{\mathbf{a}}(R_i)=[1,e^{-j2\pi \Delta f\frac{2R_i}{c}},\dots ,e^{-j2\pi (N_c-1)\Delta f\frac{2R_i}{c}}{]}^T$,

${\mathbf{a}}_n(v_i)=[1,e^{j2\pi \Delta f\frac{2v_i}{c}(T_{cp}+n{T}_{sym})},\dots ,e^{j2\pi (N_c-1)\Delta f\frac{2v_i}{c}(T_{cp}+n{T}_{sym})}{]}^T$,

$\breve{\mathbf{a}}(v_i)=[1,e^{j2\pi f_c\frac{2v_i}{c}\Delta t},\dots ,e^{j2\pi f_c\frac{2v_i}{c}(N-1)\Delta t}{]}^T$，

那么根据矩阵相关知识，我们可以得到

$${\mathbf{y}}_n=\sum _{i=0}^{N_t-1}{\xi }_i{\varphi }_{R,i}{\varphi }_{v,i}{\tilde{\varphi }}_{v,i}(n)\mathrm{diag}(\breve{\mathbf{a}}(v_i))\mathbf{F}({\rho }_i)\mathrm{diag}({\mathbf{a}}_{n,p}(v_i))\mathrm{diag}({\mathbf{c}}_n)\tilde{\mathbf{a}}(R_i)+{\overline{\mathbf{n}}}_n$$

以上为单个符号的$N$个采样点的原始表达式，接下来我们将进行简化步骤。首先，若忽略采样点之间的多普勒频移，$\breve{\mathbf{a}}(v_i)$近似为$[1,1,\dots ,1{]}^T$。其次，若忽略子载波间的多普勒频移，${\mathbf{a}}_n(v_i)$也可近似为$[1,1,\dots ,1{]}^T$。另外，由于目标速度远小于光速，因此${\rho }_i$也近似为1，那么$\mathbf{F}({\rho }_i)$可以看作为一个$N_c\times N_c$的IFFT矩阵。

综上，${\mathbf{y}}_n$可以被简化为

$${\mathbf{y}}_n=\sum _{i=0}^{N_t-1}{\xi }_i{\varphi }_{R,i}{\varphi }_{v,i}{\tilde{\varphi }}_{v,i}(n)\mathbf{F}\mathrm{diag}({\mathbf{c}}_n)\tilde{\mathbf{a}}(R_i)+{\overline{\mathbf{n}}}_n$$

等式两边同时乘上${\mathbf{F}}^{-1}$和${\mathrm{diag}}^{-1}({\mathbf{c}}_n)$可以得到

$${\mathrm{diag}}^{-1}({\mathbf{c}}_n){\mathbf{F}}^{-1}{\mathbf{y}}_n=\sum _{i=0}^{N_t-1}{\xi }_i{\varphi }_{R,i}{\varphi }_{v,i}{\tilde{\varphi }}_{v,i}(n)\tilde{\mathbf{a}}(R_i)+{\mathrm{diag}}^{-1}({\mathbf{c}}_n){\mathbf{F}}^{-1}{\overline{\mathbf{n}}}_n$$

令${\tilde{\mathbf{y}}}_n={\mathrm{diag}}^{-1}({\mathbf{c}}_n){\mathbf{F}}^{-1}{\mathbf{y}}_n$, ${\tilde{\mathbf{n}}}_n={\mathrm{diag}}^{-1}({\mathbf{c}}_n){\mathbf{F}}^{-1}{\overline{\mathbf{n}}}_n$，我们有

$$\begin{gathered} {\tilde{\mathbf{y}}}_n=\sum _{i=0}^{N_t-1}{\xi }_i{\varphi }_{R,i}{\varphi }_{v,i}{\tilde{\varphi }}_{v,i}(n)\tilde{\mathbf{a}}(R_i)+{\tilde{\mathbf{n}}}_n \\ =\sum _{i=0}^{N_t-1}{\xi }_i{e}^{-j2\pi f_{c}2\frac{R_i}{c}}{e}^{j2\pi f_{c}2\frac{v_i}{c}{T}_{cp}}{e}^{j2\pi f_c\frac{2v_i}{c}n{T}_{sym}}\cdot [1,e^{-j2\pi \Delta f\frac{2R_i}{c}},\dots ,e^{-j2\pi (N_c-1)\Delta f\frac{2R_i}{c}}{]}^T+{\tilde{\mathbf{n}}}_n \end{gathered}$$

将所有$N_s$个OFDM符号组成一个矩阵，可以得到

KaTeX parse error: Expected 'EOF', got '&' at position 20: …de{\mathbf{Y}} &̲ = \sum_{i=0}^{…

其中$\tilde{\mathbf{a}}(v_i)=[1,e^{j2\pi f_c\frac{2v_i}{c}{T}_{sym}},\dots ,e^{j2\pi f_c\frac{2v_i}{c}{N}_s{T}_{sym}}{]}^T$和$\tilde{\mathbf{a}}(R_i)$分别为有关速度和距离的向量。对$\tilde{\mathbf{Y}}$进行进一步处理即可得到目标距离与速度信息。