OFDM 十六讲 5 -Discrete Convolution, ISI and ICI on DMT/OFDM Systems

最新推荐文章于 2022-09-18 21:57:54 发布

明朝百晓生

最新推荐文章于 2022-09-18 21:57:54 发布

阅读量175

点赞数

分类专栏：芯片开发文章标签： java servlet 数据库

4AM_明朝百晓生

本文链接：https://blog.csdn.net/chengxf2/article/details/126135857

版权

芯片开发专栏收录该内容

94 篇文章 36 订阅

订阅专栏

参考：

这篇文章的观点非常新颖和直观,主要从线性代数方面阐述相关原理

目录：

1：离散卷积

2： ISI & ICI

一离散卷积

前面讲过连续数据的卷积公式

$h(k)=x(k)\ast h(k)=\int_{-\infty}^{\infty}x(t)h(k-t)dt$

实际没有连续的数据我们一般采用离散卷积，

$y(k)=\sum_{0}^{\infty} x[n] \bullet h[k-n]$

假设x的长度为n, h的长度为m, y的长度为n+m

1.1 例子

假设

$x=[x_0,x_1,x_2,x_3]$

$h=[h_0,h_1,h_2,h_3]$

$y_0=\sum_{n=0}^{3}x[n]\bullet h[0-n]$

$=x_0h_0$

$y_1=\sum_{n=0}^{3}x[n]\bullet h[1-n]$

$=x_0 \bullet h_1+x_1 \bullet h_0$

$y_2=\sum_{n=0}^{3}x[n]\bullet h[2-n]$

$=x_2h_0+x_1h_1+x_0h_2$

$y_3=\sum_{n=0}^{3}x[n]\bullet h[3-n]$

$=x_3h_0 +x_2h_1+x_1 h_2 +x_0h_3$

本质上就是两个矩阵相乘

进一步表示方法,如下图,为对应列元素相乘后求和

二 CP(Cyclic prefix) CS(Cyclic suffix)

2.1 循环前缀,循环后缀结构

发送端

经过IDFT 离散傅里叶逆变换后，得到长度为N的时域数据

然后插入长度为a 的cp, 以及长度为b 的 cs

假设原始数据为

$X=[x_0,x_1,x_2,x_3]$

a= b=2

$cp=[x_2,x_3], cs=[x_0,x_1]$

最后数据变成了

2.2 ICI

译码的时候，我们会对其做傅里叶变换，对CP,CS 部分丢弃

$y_0=h_0 x_0+h_1x_3 +h_2x_2$

如下

$y_0=h_0x_0+h_1x_3+h_2x_2+ h_1x_1$

发现了多了一个噪声 $h_1x_1$

$y_0=y_{idle}+y_{ici}$

$y_{ici}=h_1x_1$ ,其它信道之间的干扰

下面是草图

2.3 ISI 模型

跟上面差不多

，

明朝百晓生

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。