OFDM通信连路仿真学习

已于 2024-05-26 18:59:49 修改
阅读量1.4k 收藏 35
点赞数 27
分类专栏： OFDM 文章标签： OFDM matlab
于 2023-11-29 12:38:09 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41839588/article/details/134659448
版权

文章目录

前言

本文继续进行 OFDM 通信连路仿真学习。

一、前置知识

1、块状导频与梳状导频

块状导频也称为训练序列

在这里插入图片描述

①、相似点

  • 导频序列和训练序列的作用都是为了得到准确符号同步和频偏纠正；
  • 导频序列和训练序列都进行信道估计；
  • 二者都传输已知数据；
  • 二者都可称之为基于辅助信息的信道估计方法；

②、区别

  • 添加位置不同：导频序列加在频域上，作用在频域。训练序列是在时域上添加的特定的序列；
  • 表现形式不同：导频序列表现为频谱上的一根线，散布在整个时频单元（在整个帧中是离散的）。训练序列表现为时域上的时间块，一个或多个连续的符号（集中在帧头并且连续）。
  • 要求不同：加在时域的训练序列要求有较强自相关性和弱互相关性。加在频域的导频序列无此要求。

③、其他

  • 同步信道（sync channel）的概念一般只在训练序列中涉及，对于导频来说似乎没有；
  • 导频的频率应当是与载频有关的或者就是载频的频率；
  • 块状导频就相当于训练序列；
  • 导频序列常用于载波同步，训练序列用于帧同步；
  • 二者都可进行信道估计，信道估计的目的是获得信道的一些参数，如频移、时延等。因此信道估计也称为信道参数估计。

2、其他知识

有关其他仿真细节原理知识可以参考我之前的博客：OFDM深入学习及MATLAB仿真

二、仿真任务及方案

1、仿真任务

  • 使用 Matlab 语言，仿真实现 OFDM 基带信号在频率选择性信道条件下的发送与接收。输入为随机比特流，经由 OFDM 调制、仿真信道传输、OFDM 解调后输出比特流，可计算不同信噪比条件下的误码率。其中子载波间隔 15KHz，循环前缀长度及子载波数目可调，各子载波使用 QPSK 调制。
  • 信道：信号经历 3GPP TS36.101 附录 B 中表 B.2.2-1 给出的ETU300 多径信道，随后叠加一个信噪比可调的 AWGN 信道。
    在这里插入图片描述
    在这里插入图片描述
  • 要求：能够查看并解释从输入到输出沿路各点信号的时域波形和频域特性图；能够绘制误码率随信噪比变化的曲线。
  • 设计梳状或块状导频并在接收端完成信道估计与补偿（即均衡）。

2、仿真方案

  • 本方案在满足以上要求的前提下，选用了块状导频；除了循环前缀长度及子载波数目可调外，可以通过改变 M 的值，选用 MPSK，且导频间隔与 OFDM 符号数可任意调整，并具有信道编码，交织，脉冲成型模块。
  • 仿真系统模块依次为：
    • 二进制基带数据生成，卷积码编码，交织，QPSK调制，串并转换，加入虚载波（补零，数目为 fft 点数减去子载波数），插入导频，IFFT，插入循环前缀，并串转换，脉冲成型（先上采样再通过升余弦滚降滤波器），过信道。
    • 解脉冲成型（通过相同的升余弦滚降滤波器，再抽样），串并转换，去循环前缀，FFT，信道估计（取出数据与导频，进行LS信道估计），去除虚载波（去零），并串转换，QPSK解调，解交织，信道译码（维比特译码），得到数据并计算误码率。

三、MATLAB仿真

1、MATLAB 源码

ofdm.m

%%
% 仿真系统构成：信号输入（为随机比特流）、OFDM调制、仿真信道传输、OFDM解调、信号输出
% 仿真分析内容：根据输入、输出比特流计算不同信噪比条件下的误码率，
% 并绘制曲线对调制的要求：
% OFDM调制的子载波间隔为15KHz
% 循环前缀长度，子载波数目，导频间隔及ofdm符号数可调，
% 各子载波使用QPSK调制
% 未使用扩频技术，未乘以载波进行上变频，未测试梳妆导频性能
%%
clc;
clear ;
close ;
tic;
disp("simulation start");
%% 参数设置
sta_num = 5;              %仿真次数
SNR = -4:1:25; 
num_carriers = 100;       %子载波数
cp_length = 15;           %循环前缀长度
M = 8;                    %QPSK时，M=4
is_pilot_k = 1;           %块状导频
q = 8;                    %fs = q*B_jidai;
pilot_interval = 4;       %导频间隔
num_ofdm_symbol = 99;     %ofdm符号数
%% 以上参数为可调部分
f_delta = 15e3;
n = 1;
while(true)
%     if(2^n >= num_carriers / pilot_interval * (pilot_interval +1))
    if(2^n >= num_carriers )
        num_fft = 2^n;
        break;
    end
    n = n+1;
end
num_bit = num_carriers * num_ofdm_symbol * log2(M);%二进制bit数  乘以 log2(M) 是为了考虑调制方式对传输数据的影响
B_jidai = num_carriers * f_delta;                  %基带宽度
fs = q*B_jidai;                                    %数字系统采样率
ts = 1/fs;
fd = 300;                                          %多普勒频偏
pathPower = [-1.0 -1.0 -1.0 0 0 0 -3.0 -5.0 -7.0];
pathDelays = [0 50 120 200 230 500 1600 2300 5000]*1e-9;
% chan = rayleighchan(ts, fd, pathDelays, pathPower);  
rchan = comm.RayleighChannel('SampleRate',fs, ...
    'PathDelays',pathDelays,'AveragePathGains',pathPower, ...
    'MaximumDopplerShift',fd,'FadingTechnique','Sum of sinusoids');

%% 基带数据数据产生
data_sourcebit = randi([0,1],1,num_bit);
%% 信道编码（卷积码、再交织）
L=7;                %卷积码约束长度
tblen=6*L;          %Viterbi译码器回溯深度
trellis = poly2trellis(7,[133 171]);       %(2,1,7)卷积编码
data_conv = convenc(data_sourcebit,trellis);
data_scramble = matintrlv(data_conv, log2(M), length(data_conv) / log2(M));
%% qpsk调制
data_dec = bi2de(reshape(data_scramble,length(data_scramble)/log2(M),log2(M)));
data_moded = pskmod(data_dec,M,pi/M);
scatterplot(data_moded);
%% 串并转换
data_moded = reshape(data_moded,num_carriers,length(data_moded)/num_carriers);
%% 扩频
%%补零
data_buling = [data_moded;...
    zeros(num_fft-size(data_moded,1),size(data_moded,2))];
%% 插入导频    
if (is_pilot_k==1)
    pilot_bit_k = randi([0,1],1,log2(M)*num_fft);
    pilot_seq = pskmod(bi2de...
    (reshape(pilot_bit_k,length(pilot_bit_k)/log2(M),log2(M))),M,pi/M);
    data_pilot_inserted = insert_pilot_f(data_buling,pilot_seq,pilot_interval,is_pilot_k);
end

%% IFFT
data_ifft = ifft(data_pilot_inserted,num_fft)*num_fft;
%data_ifft = ifft(data_pilot_inserted,num_fft)*sqrt(num_fft);
%% 插入保护间隔、循环前缀
data_after_cp = [data_ifft(num_fft-cp_length+1:end,:);data_ifft];
%% 并串转换
data_total = reshape(data_after_cp,[],1);
%% 脉冲成型，
sendfir = rcosdesign(0.4,4,fs/B_jidai,'sqrt');
data_upsam = upsample(data_total,fs/B_jidai);
data_send = conv(data_upsam,sendfir,'same');
%% 画图
signal = data_send;
figure(2);
subplot(311);
plot(real(signal));
subplot(312);
plot(imag(signal));
subplot(313);
fft_y=abs(fft(signal,q*num_fft));
fft_x=fs*((1:(q*num_fft))/(q*num_fft)-1/2);
plot(fft_x,20*log10(fftshift(fft_y./max(fft_y))));
%% DA
%% 上变频
%% 信道（通过多经瑞利信道、AWGN信道）

Ber=zeros(1,length(SNR));
for jj=1:length(SNR) 
    for ii=1:sta_num
        channel_out = step(rchan,data_send);
        rx_channel=awgn(channel_out,SNR(jj),'measured');       
%% 下变频
%% AD
        rx_data1 = conv(rx_channel, sendfir, 'same');
        rx_data2 = rx_data1(1:fs/B_jidai:length(rx_data1));
%% 串并转换
        rx_data3=reshape(rx_data2,num_fft+cp_length,[]);
%% 去掉循环前缀
        rx_data4=rx_data3(cp_length+1:end,:);
%% FFT
        rx_data_fft = (1/num_fft)*fft(rx_data4,num_fft);
%% 信道估计与插值（均衡）
%% 信道校正
        [rx_data_delpilot,H] = get_pilot_f(rx_data_fft,pilot_interval);
        rx_data_estimation = chan_estimation_f...
        (rx_data_delpilot,H,pilot_seq,pilot_interval);
%% 去零，并串转换
        rx_data_quling = rx_data_estimation(1:num_carriers,:);
        rx_data_psk = reshape(rx_data_quling,[],1);
%         scatterplot(rx_data_psk);
%% 解扩
%% QPSK解调
        demodulation_data=pskdemod(rx_data_psk,M,pi/M);    
        De_data1 = reshape(demodulation_data,[],1);
        De_data2 = de2bi(De_data1);
        De_Bit = reshape(De_data2,1,[]);   
%% （解交织）
        rx_data_jiejiaozi = matdeintrlv(De_Bit, log2(M), length(De_Bit) / log2(M));
%% 信道译码（维特比译码）
        rx_data_deco = vitdec(rx_data_jiejiaozi,trellis,tblen,'trunc','hard');   %硬判决
%% 计算误码率
[~, ber] = biterr(rx_data_deco(1:length(data_sourcebit)),data_sourcebit);%译码后的误码率
Ber(jj)=Ber(jj)+ber;
    end
Ber(jj)=Ber(jj)/sta_num;
fprintf("SNR = %d dB, ber = %.5f \n",SNR(jj),Ber(jj));
end
figure(3);
signal = rx_channel;
subplot(311);
plot(real(signal));
subplot(312);
plot(imag(signal));
subplot(313);
fft_y=abs(fft(signal,q*num_fft));
fft_x=fs*((1:(q*num_fft))/(q*num_fft)-1/2);
plot(fft_x,20*log10(fftshift(fft_y./max(fft_y))));
figure(4);
%  semilogy(SNR,Ber2,'b-s');
%  hold on;
semilogy(SNR,Ber,'r-o');
hold on;
xlabel('SNR');
ylabel('BER');
title('ETU300叠加AWGN信道下误比特率曲线');

toc;
  • 第 36 行计算 num_bit 时乘以 log2(M) 是为了考虑调制方式对传输数据的影响。
    • 在 OFDM 系统中，每个子载波上可以传输多个比特，通常使用调制方式将多个比特映射到一个符号上进行传输。调制方式可以是 QPSK、16-QAM、64-QAM等。
    • 在计算 num_bit 时，乘以 log2(M) 可以得到需要传输的总比特数。这是因为在 OFDM 系统中，每个 OFDM 符号的数据部分由多个子载波组成，每个子载波上都传输一定数量的比特，因此需要考虑每个符号上的比特数和调制方式的关系。
  • 第 82 行使用 rcosdesign 函数设计了一个根号升余弦滤波器。该函数的输入参数为滚降系数（0.4）、滤波器的长度（4），以及滤波器的归一化截止频率（fs/B_jidai），其中 fs 为数字系统的采样率，B_jidai 为基带带宽。这个滤波器的作用是在信号传输过程中对信号进行滤波，以限制频带内的能量，并控制信号的带内和带外衰减。
  • 第 83 行使用 upsample 函数对输入的信号 data_total 进行上采样。上采样是将信号的采样率提高，即在信号中插入更多的零值样本，以增加信号的频带范围。上采样的倍数为 fs/B_jidai，其中 fs 为数字系统的采样率，B_jidai 为基带带宽。
  • 第 84 行使用 conv 函数对上采样后的信号 data_upsam 和滤波器的脉冲响应 sendfir 进行卷积运算。卷积运算的结果是将信号通过滤波器，得到经过滤波的信号。'same' 参数表示输出的卷积结果与输入信号的长度相同。
  • 第 94 行计算频域的横坐标，即频率。fs 是采样率，(1:(q*num_fft))/(q*num_fft)-1/2 生成一个从 -0.5 到 0.5 的等间隔序列，并乘以采样率 fs 得到真实的频率值。
  • 第 95 行在当前子图中绘制频谱图。fftshift 函数将频域数据进行移位，使得 0 频率位于图形中心。./max(fft_y) 将 FFT 结果进行归一化处理，使得最大值为 1。20*log10 将幅度转换为以分贝为单位的对数尺度。绘制出的图形将显示信号的频域特性。
  • 第 107-108 行：这两行代码实现了接收端的信号处理。首先，通过卷积运算将接收到的信号与发送端的滤波器的脉冲响应进行反脉冲成型，恢复出发送信号的波形。然后，通过采样操作从反脉冲成型后的信号中提取出每个采样点的样本，以便后续的信号解调和处理。提取后的样本保存在 rx_data2 变量中。
    • 第 107 行使用 conv 函数将接收到的信号 rx_channel 与发送端的滤波器的脉冲响应 sendfir 进行卷积运算。卷积的结果是对接收信号进行反脉冲成型，即恢复出发送信号经过信道传输后的波形。'same' 参数表示输出的卷积结果与输入信号的长度相同。
  • 第 110 行：将接收到的连续信号按照每个子载波的长度（包括循环前缀）进行分组，重新排列为一个矩阵。矩阵的每一列对应于一个子载波的信号样本，行数则表示每个子载波上进行FFT的点数加上循环前缀的长度。这样做的目的是为了后续对每个子载波进行 FFT 处理，以提取频域信息。

2、程序流程

程序流程思维导图文末资源自取。
在这里插入图片描述

3、仿真结果

①、打印信息

simulation start
SNR = -4 dB, ber = 0.45980 
SNR = -3 dB, ber = 0.45087 
SNR = -2 dB, ber = 0.42770 
SNR = -1 dB, ber = 0.41361 
SNR = 0 dB, ber = 0.38854 
SNR = 1 dB, ber = 0.37098 
SNR = 2 dB, ber = 0.34956 
SNR = 3 dB, ber = 0.32510 
SNR = 4 dB, ber = 0.30745 
SNR = 5 dB, ber = 0.28106 
SNR = 6 dB, ber = 0.25711 
SNR = 7 dB, ber = 0.24377 
SNR = 8 dB, ber = 0.22386 
SNR = 9 dB, ber = 0.21781 
SNR = 10 dB, ber = 0.21100 
SNR = 11 dB, ber = 0.20307 
SNR = 12 dB, ber = 0.18618 
SNR = 13 dB, ber = 0.19459 
SNR = 14 dB, ber = 0.16919 
SNR = 15 dB, ber = 0.16418 
SNR = 16 dB, ber = 0.16908 
SNR = 17 dB, ber = 0.15683 
SNR = 18 dB, ber = 0.15314 
SNR = 19 dB, ber = 0.15960 
SNR = 20 dB, ber = 0.14756 
SNR = 21 dB, ber = 0.17572 
SNR = 22 dB, ber = 0.16144 
SNR = 23 dB, ber = 0.14231 
SNR = 24 dB, ber = 0.15244 
SNR = 25 dB, ber = 0.15856 
时间已过 29.591768 秒。

②、8PSK 星座图

请添加图片描述

③、发端脉冲成型图

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

④、收端信号图

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
从上到下依次为脉冲成型后收端信号的实部图、虚部图和频谱图

⑤、ETU300登加AWGN信道下误比特率曲线

请添加图片描述

四、资源自取

链接：OFDM通信连路仿真学习
在这里插入图片描述

本文参考：
matlab-ofdm通信链路仿真

我的qq：2442391036，欢迎交流！

须尽欢~~
关注
  • 27
    点赞
  • 踩
  • 35
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
ofdm_OFDM的Pyhon仿真_pythonOFDM_pythonofdm通信工程_
09-29
总结来说，"ofdm_OFDM的Pyhon仿真_pythonOFDM_pythonofdm通信工程_"项目提供了一个基础的OFDM通信系统Python仿真框架，虽然简化了某些复杂功能，但足以帮助初学者和专业人士理解OFDM的基本操作流程。通过扩展和优化...
【OFDM：二】OFDM系统的信道估计技术
qq_58869016的博客
05-31 2609
OFDM系统的信道估计技术①传输的数据随机产生；②调制方式采用16QAM；设计仿真方案，导频采用块状，比较两个信道估计算法（基于LS与基于DFT +LS）及理想情况下（信道频域响应在接收端已知）的BER性能。
信道估计中的导频结构
forest_LL的博客
03-21 3894
发射机将信息比特序列调制成PSK/QAM符号，然后对相应的符号执行IFFT(逆傅里叶变换）将其变换成时域信号，最后通过一个无线信道将它们发射出去。接收端信道估计的意义：接收的信号通常因受到信道特性的影响而失真。为了恢复发送的比特信息，在接收机必须对信道的影响进行估计和补偿；发射端信道估计的意义：设计预编码矩阵，避免自干扰；
【MATLAB源码-第38期】基于OFDM的块状导频和梳状导频误码率性能对比,不同信道估计方法以及不同调制方式对比。
Matlab程序猿i的博客
09-27 778
定义： 在频域上，块状导频是连续放置的一组导频符号。组合使用： 在某些系统中，也可能会结合使用块状导频和梳状导频，以适应不同的信道环境和性能要求。由于导频符号集中发送，能够在信道的时变性不明显的情况下，提供较好的性能。选择依据： 需要根据具体的通信环境和系统要求，选择合适的导频结构。块状导频和梳状导频都是用于无线通信系统中信道估计的方法。对于时间选择性信道，块状导频可以提供准确的信道估计。需要较高的信道传输功率来保证信道估计的准确性。信道估计的准确性可能受到时间选择性信道的影响。、MATLAB 源码获取。
2021-08-27
米粒范的博客
02-09 1983
参考文献： 基于MIMO_OFDM系统的信道估计算法综述 ----丁旭（国内会议） 参考课本： MIMO-OFDM无线通信技术及MATLAB实现 参考文章： 信道估计（百度百科） OFDM学习笔记（四）（信道估计简介） 信道估计算法 OFDM中基于块状分布的导频信号信道估计仿真 OFDM中的信道估计Channel Estimation SISO/MIMO信道估计（channel estimation）原理详细图解 信道估计硬件实现 LS算法 LTE基础原理与关键技术第4章OFDM信道估计 Chpater .
WIFI受到跨协议干扰分析
qq_38606166的博客
12-24 837
以在WIFI和zigbee共存的环境为例，WIFI端受到的跨协议干扰和通常的高斯噪声或者环境噪声干扰不同，此时的跨协议干扰具有明显的窄带和强干扰的特征。基于跨协议干扰环境下，我们对WIFI端进行观测和并且分析一下OFDM技术。
基于 Matlab实现的OFDM通信系统仿真
最新发布
06-23
【作品名称】：基于 Matlab实现的OFDM通信系统仿真. 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】：仿真计算了频率...
OFDM_ofdm通信_OFDM系统仿真_ofdm_通信_
10-03
OFDM（Orthogonal Frequency Division Multiplexing，正交频分复用）是一种高效的数据传输...通过上述仿真，我们可以深入理解OFDM的工作机制，分析不同参数对系统性能的影响，优化系统设计，以适应实际无线通信环境。
MIMO-OFDM通信系统仿真报告.docx
04-09
总的来说，MIMO-OFDM通信系统仿真涉及到通信系统的多个层面，从信号调制到信道建模，再到性能评估，都需要深入理解和掌握相关理论知识，才能有效地进行仿真分析和优化设计。这份文档对于了解和研究MIMO-OFDM系统提供...
块状和梳状导频下的OFDM信道估计LMMSELSSVDLMMSE-OFDMoncha.rar
08-14
块状和梳状导频下的OFDM信道估计LMMSELSSVDLMMSE-OFDMoncha.rar NOTE：基本代码，以及代码的更详细的注释，请参见论坛帖子（一下子又找不到了，如果有朋友找到的话，请告知，我好把链接在此放上，该帖子上只有   "一个用MATLAB实现的ofdm的信道估计1.rar"   文件提供下载，在附件里面我会把这个文件贴上，再次感谢原作者代码里面提供的有用的信息）： 【参考文献】：[1] O.Edfors, M. Sandell, J. –J. van de Beek, S. K. Wilson, and P. O.Borjesson, ‘’ OFDM channel estimation by singular value decomposition,’’ IEEE Trans. Commun., Vol. 46, pp. 931-939,July 1998. [2] Van de Beek, J. –J., Edfors, O. S., Sandell, M. Wilson, S. K., andBorjesson, O. P., ‘’On channel estimation in OFDM system,’’ 45th IEEE VehicularTechnology Conference, Chicago, Ⅱ., Vol. 2, pp. 815-819, July 1995. 【代码功能】：1. 对于基于块状（block-type）导频的信道估计，仿真实现LS， LMMSE modified 和基于SVD的降维LMMSE 算法在多径频率选择性特征的信道上的BER VS SNR 和BER VS Doppler frequency shift 的功能。                          2. 对于基于梳状（comb-type）导频的信道估计，实现LS with 1D linear interpolation, LS with second-order interpolation, LS with Spline cubic interpolation.                          3. 比较块状和梳妆导频信道估计方法在不同的特征的信道上的性能（channel with fast fading and channel with slow fading）.                          4. 信号的调制方式可以选择16QAM或者QPSK                          5.对于SVD-LMMSE （optimal rank reduction）, rank的取值P也会的到分析。 【代码的简单解释】：包含在 OFDMconcha.rar 文件夹里的.m函数是没有注释的，有一些基本函数的中文注释可以详见 MATLAB实现的ofdm的信道估计1.rar中的函数。函数包的具体使用请参见OFDMdemo.m函数。 【部分仿真结果】： 块状和梳妆导频信道估计在不同的Doppler frequency shift值下的性能（16-QAM 和 QPSK） BlockFd.jpg     CombFd.jpg 块状和梳状导频信道估计在不同的SNR值下的性能（16-QAM ） QAM16Block.jpg     QAM16Comb.jpg 块状和梳状导频信道估计在不同的SNR值下的性能（1QPSK ） QPSKBlock.jpg       QPSKComb.jpg 附件： OFDMoncha.rar 用MATLAB实现的ofdm的信道估计1.rar
基于块状导频的ofdm信道估计
04-01
基于块状导频的ofdm信道估计 ls和mmse性能分析
OFDM基于块状导频的信道估计算法仿真，包括LSLMMSE估计算法
12-06
附有OFDM系统基于块状导频的信道估计仿真算法
3GPP TS 36.101 20150107 标准协议
01-21
3GPP TS 36.101 RF相关协议
基于matlab的多径信道下OFDM通信系统误码率仿真
06-22
使用MATLAB语言仿真实现OFDM基带信号在频率选择性衰落信道条件下的发送与接收。 仿真系统构成：信号输入（为随机比特流）、OFDM调制、仿真信道传输、OFDM解调、信号输出（可能存在误码的比特率）； 仿真分析内容：根据输入、输出比特流计算不同信噪比条件下的误码率，并绘制曲线。 对调制的要求：OFDM调制的子载波间隔为15KHz，循环前缀长度及子载波数目可调，各子载波使用QPSK调制。 其它要求：  信道采用3GPP TS36.101给出的ETU300Hz多径信道，并在其上叠加一个信噪比可调的白噪声。在附录中表2.1-1~表2.1-4和表2.2-1给出的ETU300Hz多径信道了参数。  能够查看并解释从输入到输出沿路各点信号的时域波形和频域特性图；能够绘制误码率随信噪比变化的曲线。  设计梳妆或者块状导频并在接收端完成信道估计与补偿，并与没有信道估计情况下的性能进行分析比较。
OFDM通信系统的完整仿真MATLAB程序
01-05
本资源提供了一个完整的OFDM通信系统仿真MATLAB程序，对于理解和学习OFDM的工作原理及其在实际系统中的应用具有重要意义。 首先，OFDM的基本原理是将高速数据流分解成多个低速子流，每个子流在不同的正交子载波上...
OFDM学习笔记（四）（信道估计简介）
daijingxin的博客
08-20 2万+
相干解调在实际中应用的比差分解调多很多。而信道估计作为相干解调的主要技术就尤为重要。信道估计器是接收机一个很重要的组成部分。在OFDM系统中，信道估计器的设计上要有两个问题:** 一是导频信息的选择，由于无线信道的时变特性，需要接收机不断对信道进行跟踪，因此导频信息也必须不断的传送: 二是既有较低的复杂度又有良好的导频跟踪能力的信道估计器的设计，在确定导频发送方式和信道估计准则条件下，寻找最佳的信道估计器结构。 **在实际设计中，导频信息的选择和最佳估计器的设计通常又是相互关联的，因为估计器的性能与导频信息
【MATLAB源码-第154期】基于matlab的OFDM系统多径信道下块状和梳妆两种导频插入方式误码率对比仿真。
Matlab程序猿i的博客
03-03 1756
OFDM（Orthogonal Frequency Division Multiplexing，正交频分复用）是一种高效的无线信号传输技术，广泛应用于现代通信系统，如Wi-Fi、LTE和5G。OFDM通过将宽带信道划分为多个正交的窄带子载波来传输数据，有效地提高了频谱利用率并降低了多径传播引起的干扰。接下来，我们将详细讨论OFDM系统的关键组成部分，包括导频、训练符号、调制方式、信道估计方法等。
无线通信——基于MATLAB实现OFDM系统（信道估计与均衡）
热门推荐
啥也不会的博客
05-25 2万+
基于MATLAB实现OFDM系统基带信号在频率选择性衰落信道条件下的发送与接收 题目及要求： 仿真系统构成：信号输入（为随机比特流）、OFDM调制、仿真信道传输、OFDM解调、信号输出（可能存在误码的比特率）； 仿真分析内容：根据输入、输出比特流计算不同信噪比条件下的误码率，并绘制曲线。 对调制的要求：OFDM调制的子载波间隔为15KHz，循环前缀长度及子载波数目可调，各子载波使用QPSK调制。 其它要求： 信道采用3GPP TS36.101给出的ETU300Hz多径信道，并在其上叠加一个信噪比可调的白噪
ofdm通信系统建模仿真
07-29
OFDM（正交频分复用）是一种常用于无线通信系统的调制技术。它通过将高速数据流分成多个低速子载波，并在频域上将它们正交化，以提高信道容量和抗干扰能力。下面是一个简单的OFDM通信系统建模仿真框架： 1. 子载波生成：根据系统需求确定子载波数量和带宽分配，生成对应的正交子载波。 2. 数据调制：将待传输的数字数据进行调制，常用的调制方式包括二进制相移键控(BPSK)、四进制相移键控(QPSK)等。 3. 并行-串行转换：将调制后的数据并行转换为串行数据流。 4. 前导序列插入：在串行数据流前插入一段已知的前导序列，用于接收端的同步和信道估计。 5. IFFT：对串行数据进行快速傅里叶逆变换（IFFT），将频域信号转换为时域信号。 6. 加入循环前缀：为了消除多径效应引起的符号间干扰，将时域信号的后部分复制到前面形成循环前缀。 7. 并行发送：将加入循环前缀的时域信号并行发送到无线信道。 8. 信道模型：根据实际情况选择适当的信道模型，如AWGN信道、多径衰落信道等。 9. 加噪声：根据信噪比（SNR）参数，向接收信号中添加合适的高斯白噪声。 10. 接收端处理：接收端首先去除循环前缀，然后进行快速傅里叶变换（FFT）将时域信号转换为频域信号。 11. 频域均衡：根据信道估计结果对频域信号进行均衡，以抑制多径干扰和增强信号质量。 12. 解调和译码：对均衡后的频域信号进行解调和译码，恢复出原始的数字数据。 以上是OFDM通信系统建模仿真的一个简单框架，具体实现还需根据系统要求进行细化和优化。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

须尽欢~~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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。

余额充值