这里写目录标题
20210408
频率选择性衰落
数据块的符号个数N > 循环前缀的符号个数P
x
=
[
x
(
0
)
,
x
(
1
)
,
⋯
,
x
(
N
−
1
)
]
T
\mathbf{x}=[x(0), x(1), \cdots, x(N-1)]^{T}
x=[x(0),x(1),⋯,x(N−1)]T N × 1
c
=
[
x
(
N
−
P
)
,
⋯
,
x
(
N
−
1
)
]
T
\mathbf{c}=[x(N-P), \cdots, x(N-1)]^{T}
c=[x(N−P),⋯,x(N−1)]T P × 1
将要被发送的添加CP的数据块
x
c
p
=
[
x
(
N
−
P
)
,
⋯
,
x
(
N
−
1
)
,
x
(
0
)
,
x
(
1
)
,
⋯
,
x
(
N
−
1
)
]
T
\mathbf{x}_{c p}=[x(N-P), \cdots, x(N-1), x(0), x(1), \cdots, x(N-1)]^{T}
xcp=[x(N−P),⋯,x(N−1),x(0),x(1),⋯,x(N−1)]T (N + P) × 1
x
c
p
=
[
x
~
(
0
)
,
⋯
,
x
~
(
P
−
1
)
,
x
~
(
P
)
,
x
~
(
P
+
1
)
,
⋯
,
x
~
(
P
+
N
−
1
)
]
T
\mathbf{x}_{c p}=[\tilde{x}(0), \cdots, \tilde{x}(P-1),\tilde{x}(P), \tilde{x}(P+1), \cdots, \tilde{x}(P+N-1)]^{T}
xcp=[x~(0),⋯,x~(P−1),x~(P),x~(P+1),⋯,x~(P+N−1)]T (N + P) × 1
其中,
x
~
(
i
)
=
x
~
(
i
+
N
)
\tilde{x}(i)=\tilde{x}(i+N)
x~(i)=x~(i+N) for
i
=
0
,
⋯
,
P
−
1
i=0, \cdots, P-1
i=0,⋯,P−1
x
~
(
i
)
=
x
(
N
−
P
+
i
)
\tilde{x}(i)=x(N-P+i)
x~(i)=x(N−P+i) for
i
=
0
,
⋯
,
P
−
1
i=0, \cdots, P-1
i=0,⋯,P−1
x
~
(
i
)
=
x
(
i
−
P
)
\tilde{x}(i)=x(i-P)
x~(i)=x(i−P) for
i
=
P
,
⋯
,
P
+
N
−
1
i=P, \cdots, P+N-1
i=P,⋯,P+N−1
x
(
i
)
=
x
~
(
P
−
N
+
i
)
x(i)=\tilde{x}(P-N+i)
x(i)=x~(P−N+i) for
i
=
N
−
P
,
⋯
,
N
−
1
i=N-P, \cdots, N-1
i=N−P,⋯,N−1
x
(
i
)
=
x
~
(
P
+
i
)
x(i)=\tilde{x}(P+i)
x(i)=x~(P+i) for
i
=
0
,
⋯
,
N
−
1
i=0, \cdots, N-1
i=0,⋯,N−1
x
~
(
P
−
1
)
=
x
~
(
P
−
1
+
N
)
\tilde{x}(P-1)=\tilde{x}(P-1+N)
x~(P−1)=x~(P−1+N)
h
0
,
h
1
,
⋯
,
h
L
h_{0}, h_{1}, \cdots, h_{L}
h0,h1,⋯,hL (L + 1)个
在此,L也称为信道memory (平坦信道的信道memory为L = 0)。
接收到的序列 (P+N)个
y
~
(
n
)
=
∑
l
=
0
L
h
l
x
~
(
n
−
l
)
+
u
~
(
n
)
\tilde{y}(n)=\sum_{l=0}^{L} h_{l} \tilde{x}(n-l)+\tilde{u}(n)
y~(n)=∑l=0Lhlx~(n−l)+u~(n) n = 0, …, P+N-1
丢弃 与CP部分相关的 P个接收信号
y
~
(
0
)
,
…
,
y
~
(
P
−
1
)
\tilde{y}(0), \ldots, \tilde{y}(P-1)
y~(0),…,y~(P−1)
保留 N个接收信号
y
~
(
P
)
,
…
,
y
~
(
P
+
N
−
1
)
\tilde{y}(P), \ldots, \tilde{y}(P+N-1)
y~(P),…,y~(P+N−1)
y
~
(
P
)
=
h
0
x
~
(
P
−
0
)
+
h
1
x
~
(
P
−
1
)
+
h
2
x
~
(
P
−
2
)
+
⋯
=
h
0
x
(
0
)
+
h
1
x
(
N
−
1
)
+
h
2
x
(
N
−
2
)
+
⋯
\tilde{y}(P)= h_{0} \tilde{x}(P-0)+h_{1} \tilde{x}(P-1)+h_{2} \tilde{x}(P-2)+\cdots\\ = h_{0} x(0)+h_{1} x(N-1)+h_{2} x(N-2)+\cdots
y~(P)=h0x~(P−0)+h1x~(P−1)+h2x~(P−2)+⋯=h0x(0)+h1x(N−1)+h2x(N−2)+⋯
y
~
(
P
+
1
)
=
h
0
x
~
(
P
+
1
−
0
)
+
h
1
x
~
(
P
+
1
−
1
)
+
h
2
x
~
(
P
+
1
−
2
)
+
⋯
=
h
0
x
(
1
)
+
h
1
x
(
0
)
+
h
2
x
(
N
−
1
)
+
⋯
\tilde{y}(P+1)= h_{0} \tilde{x}(P+1-0)+h_{1} \tilde{x}(P+1-1)+h_{2} \tilde{x}(P+1-2)+\cdots\\ = h_{0} x(1)+h_{1} x(0)+h_{2} x(N-1)+\cdots
y~(P+1)=h0x~(P+1−0)+h1x~(P+1−1)+h2x~(P+1−2)+⋯=h0x(1)+h1x(0)+h2x(N−1)+⋯
…
…
\ldots \ldots
……
y
~
(
P
+
N
−
1
)
=
h
0
x
~
(
P
+
N
−
1
−
0
)
+
h
1
x
~
(
P
+
N
−
1
−
1
)
+
h
2
x
~
(
P
+
N
−
1
−
2
)
+
⋯
=
h
0
x
(
N
−
1
)
+
h
1
x
(
N
−
2
)
+
h
2
x
(
N
−
3
)
+
⋯
\tilde{y}(P+N-1)= h_{0} \tilde{x}(P+N-1-0)+h_{1} \tilde{x}(P+N-1-1)+h_{2} \tilde{x}(P+N-1-2)+\cdots\\ = h_{0} x(N-1)+h_{1} x(N-2)+h_{2} x(N-3)+\cdots
y~(P+N−1)=h0x~(P+N−1−0)+h1x~(P+N−1−1)+h2x~(P+N−1−2)+⋯=h0x(N−1)+h1x(N−2)+h2x(N−3)+⋯
[ y ~ ( P ) y ~ ( P + 1 ) ⋮ y ~ ( P + N − 1 ) ] = [ h 0 0 . 0 h L h L − 1 ⋅ h 1 h 1 h 0 0 ⋅ 0 h L ⋅ h 2 ⋮ 0 . 0 h L h L − 1 . h 1 h 0 ] [ x ( 0 ) x ( 1 ) ⋮ x ( N − 1 ) ] + [ u ~ ( P + 1 ) u ~ ( P + 2 ) ⋮ u ~ ( P + N ) ] \left[\begin{array}{c}\tilde{y}(P) \\ \tilde{y}(P+1) \\ \vdots \\ \tilde{y}(P+N-1)\end{array}\right] =\left[\begin{array}{cccccccc}h_{0} & 0 & . & 0 & h_{L} & h_{L-1} & \cdot & h_{1} \\ h_{1} & h_{0} & 0 & \cdot & 0 & h_{L} & \cdot & h_{2} \\ \vdots & & & & & & & \\ 0 & . & 0 & h_{L} & h_{L-1} & . & h_{1} & h_{0}\end{array}\right]\left[\begin{array}{c}x(0) \\ x(1) \\ \vdots \\ x(N-1)\end{array}\right]+\left[\begin{array}{c}\tilde{u}(P+1) \\ \tilde{u}(P+2) \\ \vdots \\ \tilde{u}(P+N)\end{array}\right] y~(P)y~(P+1)⋮y~(P+N−1) = h0h1⋮00h0..000⋅hLhL0hL−1hL−1hL.⋅⋅h1h1h2h0 x(0)x(1)⋮x(N−1) + u~(P+1)u~(P+2)⋮u~(P+N)
y
=
H
x
+
u
\mathbf{y}=\mathbf{H x}+\mathbf{u}
y=Hx+u
信道矩阵H是循环矩阵,这要归功于CP的添加
N×N循环矩阵分解
N×N循环矩阵可以分解为
H
=
W
H
Λ
W
\mathbf{H}=\mathbf{W}^{H} \boldsymbol{\Lambda} \mathbf{W}
H=WHΛW
Λ
=
d
i
a
g
(
H
0
,
…
,
H
N
−
1
)
∈
C
N
×
N
\mathbf{\Lambda} =diag(H_{0}, …, H_{N-1}) \in \mathcal{C}^{N \times N}
Λ=diag(H0,…,HN−1)∈CN×N是对角矩阵
H
k
=
∑
l
=
0
L
h
l
e
−
j
2
π
k
l
N
,
H_{k}=\sum_{l=0}^{L} h_{l} e^{-j \frac{2 \pi k l}{N}},
Hk=∑l=0Lhle−jN2πkl, for
k
=
0
,
⋯
,
N
−
1.
k=0, \cdots, N-1.
k=0,⋯,N−1.是所有子载波中的信道频率响应
W
∈
C
N
×
N
\mathbf{W} \in \mathcal{C}^{N \times N}
W∈CN×N是离散傅立叶矩阵
W
=
1
N
[
1
1
⋯
1
1
e
−
j
2
π
N
⋯
e
−
j
2
π
×
(
N
−
1
)
N
⋯
1
e
−
j
2
π
×
(
N
−
1
)
N
⋯
e
−
j
2
π
×
(
N
−
1
)
(
N
−
1
)
N
]
\mathbf{W}=\frac{1}{\sqrt{N}} \left[\begin{array}{cclc}1 & 1 & \cdots & 1 \\ 1 & e^{\frac{-j 2 \pi}{N}} & \cdots & e^{\frac{-j 2 \pi \times(N-1)}{N}} \\ \cdots & & & \\ 1 & e^{\frac{-j 2 \pi \times(N-1)}{N}} & \cdots & e^{\frac{-j 2 \pi \times(N-1)(N-1)}{N}} \end{array}\right]
W=N1
11⋯11eN−j2πeN−j2π×(N−1)⋯⋯⋯1eN−j2π×(N−1)eN−j2π×(N−1)(N−1)
下面证明
H
=
W
H
Λ
W
\mathbf{H}=\mathbf{W}^{H} \boldsymbol{\Lambda} \mathbf{W}
H=WHΛW
令
H
~
=
W
H
A
\tilde{\mathbf{H}}=\mathbf{W}^{H} \mathbf{A}
H~=WHA,
A
=
Λ
W
\mathbf{A}=\mathbf{\Lambda} \mathbf{W}
A=ΛW
A
=
Λ
W
=
1
N
[
H
0
H
0
⋯
H
0
H
1
H
1
e
−
j
2
π
N
⋯
H
1
e
−
j
2
π
×
(
N
−
1
)
N
⋯
H
N
−
1
H
N
−
1
e
−
j
2
π
×
(
N
−
1
)
N
⋯
H
N
−
1
e
−
j
2
π
×
(
N
−
1
)
(
N
−
1
)
N
]
\mathbf{A}=\Lambda \mathbf{W}=\frac{1}{\sqrt{N}}\left[\begin{array}{cccc}H_{0} & H_{0} & \cdots & H_{0} \\ H_{1} & H_{1} e^{\frac{-j 2 \pi}{N}} & \cdots & H_{1} e^{-j 2 \pi \times(N-1)}{N} \\ \cdots & & & \\ H_{N-1} & H_{N-1} e^{-\frac{j 2 \pi \times(N-1)}{N}} & \cdots & H_{N-1} e^{-\frac{j 2 \pi \times(N-1)(N-1)}{N}}\end{array}\right]
A=ΛW=N1
H0H1⋯HN−1H0H1eN−j2πHN−1e−Nj2π×(N−1)⋯⋯⋯H0H1e−j2π×(N−1)NHN−1e−Nj2π×(N−1)(N−1)
因为
H
~
(
:
,
k
)
=
W
H
A
(
:
,
k
)
\tilde{\mathbf{H}}(:, k)=\mathbf{W}^{H} \mathbf{A}(:, k)
H~(:,k)=WHA(:,k)
只需要证明
H
~
(
:
,
k
)
=
H
(
:
,
k
)
\tilde{\mathbf{H}}(:, k)=\mathbf{H}(:, k)
H~(:,k)=H(:,k) for
k
=
1
,
⋯
,
N
k=1, \cdots, N
k=1,⋯,N
[
H
0
H
1
⋮
H
N
−
1
]
=
N
W
[
h
0
h
1
⋮
h
L
−
1
0
⋮
0
]
\left[\begin{array}{c}H_{0} \\ H_{1} \\ \vdots \\ H_{N-1}\end{array}\right]=\sqrt{N} \mathbf{W}\left[\begin{array}{c}h_{0} \\ h_{1} \\ \vdots \\ h_{L-1} \\ 0 \\ \vdots \\ 0\end{array}\right]
H0H1⋮HN−1
=NW
h0h1⋮hL−10⋮0
A
(
:
,
1
)
=
W
H
(
:
,
1
)
\mathbf{A}(:, 1)=\mathbf{W H}(:, 1)
A(:,1)=WH(:,1)
H
~
(
:
,
1
)
=
W
H
A
(
:
,
1
)
=
H
(
:
,
1
)
\tilde{\mathbf{H}}(:, 1)=\mathbf{W}^{H} \mathbf{A}(:, 1)=\mathbf{H}(:, 1)
H~(:,1)=WHA(:,1)=H(:,1)
定理2
序列1 [ x ( 0 ) , x ( 1 ) , ⋯ , x ( N − 1 ) ] [x(0), x(1), \cdots, x(N-1)] [x(0),x(1),⋯,x(N−1)]
序列2 [ x ~ ( 0 ) , x ~ ( 1 ) , ⋯ , x ~ ( N − 1 ) ] [\tilde{x}(0), \tilde{x}(1), \cdots, \tilde{x}(N-1)] [x~(0),x~(1),⋯,x~(N−1)]
其傅立叶变换
序列1 [ X ( 0 ) , X ( 1 ) , ⋯ , X ( N − 1 ) ] [X(0), X(1), \cdots, X(N-1)] [X(0),X(1),⋯,X(N−1)]
序列2 [ X ~ ( 0 ) , X ~ ( 1 ) , ⋯ , X ~ ( N − 1 ) ] [\tilde{X}(0), \tilde{X}(1), \cdots, \tilde{X}(N-1)] [X~(0),X~(1),⋯,X~(N−1)]
如果序列2是序列1的循环移位版本,方法是将元素右移到m个位置,即 x ~ ( n ) = x ( ( n − m ) N ) \tilde{x}(n)=x\left((n-m)_{N}\right) x~(n)=x((n−m)N),其中 ( n − m ) N (n-m)_{N} (n−m)N表示周期N上的模运算,那么有
X ~ ( k ) = X ( k ) e − j 2 π k m N \tilde{X}(k)=X(k) e^{\frac{-j 2 \pi k m}{N}} X~(k)=X(k)eN−j2πkm
定理2的证明:
X ~ ( k ) = ∑ n = 0 N − 1 x ~ ( n ) e − j 2 π n k N \tilde{X}(k)=\sum_{n=0}^{N-1} \tilde{x}(n) e^{\frac{-j 2 \pi n k}{N}} X~(k)=∑n=0N−1x~(n)eN−j2πnk
= ∑ n = 0 N − 1 x ( ( n − m ) N ) e − j 2 π n k N =\sum_{n=0}^{N-1} x\left((n-m)_{N}\right) e^{\frac{-j 2 \pi n k}{N}} =∑n=0N−1x((n−m)N)eN−j2πnk
= ∑ n = 0 m − 1 x ( N − m + n ) e − j 2 π n k N + ∑ n = m N − 1 x ( n − m ) e − j 2 π n k N = ∑ n ′ = N − m N − 1 x ( n ′ ) e − j 2 π ( n ′ − N + m ) k N + ∑ n ′ = 0 N − m − 1 x ( n ′ ) e − j 2 π ( n ′ + m ) k N = e − j 2 π m k N ∑ n = 0 N − 1 x ( n ) e − j 2 π n k N = X ( k ) e − j 2 π m k N =\sum_{n=0}^{m-1} x(N-m+n) e^{\frac{-j 2 \pi n k}{N}} +\sum_{n=m}^{N-1} x(n-m) e^{\frac{-j 2 \pi n k}{N}}\\ =\sum_{n^{\prime}=N-m}^{N-1} x\left(n^{\prime}\right) e^{\frac{-j 2 \pi\left(n^{\prime}-N+m\right) k}{N}} +\sum_{n^{\prime}=0}^{N-m-1} x\left(n^{\prime}\right) e^{\frac{-j 2 \pi\left(n^{\prime}+m\right) k}{N}}\\ =e^{\frac{-j 2 \pi m k}{N}} \sum_{n=0}^{N-1} x(n) e^{\frac{-j 2 \pi n k}{N}}\\ =X(k) e^{\frac{-j 2 \pi m k}{N}} =∑n=0m−1x(N−m+n)eN−j2πnk+∑n=mN−1x(n−m)eN−j2πnk=∑n′=N−mN−1x(n′)eN−j2π(n′−N+m)k+∑n′=0N−m−1x(n′)eN−j2π(n′+m)k=eN−j2πmk∑n=0N−1x(n)eN−j2πnk=X(k)eN−j2πmk
因此,通过向下移动元素m-1个位置,
H
~
\tilde{\mathbf{H}}
H~的第m列只是
H
~
\tilde{\mathbf{H}}
H~的第1列的循环移位版本
注意,通过向下移动元素m-1个位置,
H
\mathbf{H}
H的第m列也是
H
\mathbf{H}
H的第1列的循环移位版本,并且
H
~
(
:
,
1
)
=
H
(
:
,
1
)
\tilde{\mathbf{H}}(:, 1)=\mathbf{H}(:, 1)
H~(:,1)=H(:,1),我们得出
H
~
=
H
\tilde{\mathbf{H}}=\mathbf{H}
H~=H
第n个接收到的块
通常,第n个接收到的块可以表示为
y
(
n
)
=
W
H
Λ
W
x
(
n
)
+
u
(
n
)
\mathbf{y}(n)=\mathbf{W}^{H} \boldsymbol{\Lambda} \mathbf{W} \mathbf{x}(n)+\mathbf{u}(n)
y(n)=WHΛWx(n)+u(n)
x
(
n
)
∈
C
N
×
1
\mathbf{x}(n) \in \mathcal{C}^{N \times 1}
x(n)∈CN×1是块n的发射信号向量
y
(
n
)
∈
C
N
×
1
\mathbf{y}(n) \in \mathcal{C}^{N \times 1}
y(n)∈CN×1是块n的接收信号向量
u
(
n
)
∈
C
N
×
1
\mathbf{u}(n) \in \mathcal{C}^{N \times 1}
u(n)∈CN×1是块n的AWGN向量
CP的添加使接收机设计变得简单
将分别针对OFDM和SCCP进行讨论
缺点
- 频谱效率损耗因子 P/(P+N)
- 功率损耗因子 P/(P+N)
- OFDM:发射信号的高峰均功率比(PAPR)需要具有大线性范围的功率放大器。
OFDM
流程
串并转换→
s
(
n
)
\mathbf{s}(n)
s(n)→IDFT→
x
(
n
)
\mathbf{x}(n)
x(n)→加循环前缀→并串转换→发送 时域
并串转换←
s
(
n
)
\mathbf{s}(n)
s(n)←均衡←
z
(
n
)
\mathbf{z}(n)
z(n)←DFT←
y
(
n
)
\mathbf{y}(n)
y(n)←去循环前缀←串并转换←接收 时域
y
(
n
)
=
W
H
Λ
W
x
(
n
)
+
u
(
n
)
\mathbf{y}(n)=\mathbf{W}^{H} \boldsymbol{\Lambda} \mathbf{W} \mathbf{x}(n)+\mathbf{u}(n)
y(n)=WHΛWx(n)+u(n)
s
(
n
)
=
[
s
0
(
n
)
,
…
,
s
N
−
1
(
n
)
]
T
\mathbf{s}(n)=\left[s_{0}(n), \ldots, s_{N-1}(n)\right]^{T}
s(n)=[s0(n),…,sN−1(n)]T是N×1个带有信息的符号向量
s
(
n
)
\mathbf{s}(n)
s(n)→IDFT→
x
(
n
)
=
W
H
s
(
n
)
\mathbf{x}(n)=\mathbf{W}^{H} \mathbf{s}(n)
x(n)=WHs(n)
发送的信号向量
z
(
n
)
=
W
y
(
n
)
\mathbf{z}(n)=\mathbf{W} \mathbf{y}(n)
z(n)=Wy(n)←DFT←
y
(
n
)
\mathbf{y}(n)
y(n)
过滤接收到的信号向量
z
(
n
)
=
W
y
(
n
)
=
W
W
H
Λ
W
x
(
n
)
+
W
u
(
n
)
=
Λ
W
W
H
s
(
n
)
+
W
u
(
n
)
=
Λ
s
(
n
)
+
W
u
(
n
)
\mathbf{z}(n)=\mathbf{W} \mathbf{y}(n)\\ =\mathbf{W} \mathbf{W}^{H} \boldsymbol{\Lambda} \mathbf{W} \mathbf{x}(n)+\mathbf{W}\mathbf{u}(n)\\ =\boldsymbol{\Lambda} \mathbf{W} \mathbf{W}^{H} \mathbf{s}(n)+\mathbf{W}\mathbf{u}(n)\\ =\boldsymbol{\Lambda} \mathbf{s}(n)+\mathbf{W}\mathbf{u}(n)
z(n)=Wy(n)=WWHΛWx(n)+Wu(n)=ΛWWHs(n)+Wu(n)=Λs(n)+Wu(n)
z
(
n
)
=
Λ
s
(
n
)
+
W
u
(
n
)
\mathbf{z}(n)=\mathbf{\Lambda} \mathbf{s}(n)+\mathbf{W u}(n)
z(n)=Λs(n)+Wu(n)
发送处理只不过是逆DFT(IDFT)
到目前为止,接收处理只是DFT
这是OFDM
OFDM将频率选择信道转换为频率平坦的SISO信道的并行
第k个子载波的输出由下式给出:
z
k
(
n
)
=
H
k
s
k
(
n
)
+
u
~
k
(
n
)
,
k
=
0
,
…
,
N
−
1
z_{k}(n)=H_{k} s_{k}(n)+\tilde{u}_{k}(n), \quad k=0, \ldots, N-1
zk(n)=Hksk(n)+u~k(n),k=0,…,N−1
u
~
k
(
n
)
=
W
(
k
,
:
)
u
(
n
)
\tilde{u}_{k}(n)=\mathbf{W}(k,:) \mathbf{u}(n)
u~k(n)=W(k,:)u(n)
Λ
=
d
i
a
g
(
H
0
,
…
,
H
N
−
1
)
∈
C
N
×
N
\mathbf{\Lambda} =diag(H_{0}, …, H_{N-1}) \in \mathcal{C}^{N \times N}
Λ=diag(H0,…,HN−1)∈CN×N
简单的接收器:一键式均衡器可以应用于每个子载波输出,以恢复通过该子载波传送的传输符号。
s
^
k
(
n
)
=
1
H
k
z
k
(
n
)
\hat{s}_{k}(n)=\frac{1}{H_{k}} z_{k}(n)
s^k(n)=Hk1zk(n)
s
(
n
)
\mathbf{s}(n)
s(n)←均衡←
z
(
n
)
\mathbf{z}(n)
z(n)
OFDM的应用非常广泛。 它已在DSL,DAB / DVB,WLAN(IEEE802.11a,11g,11n)中采用,并且可能会在第四代(4G)蜂窝通信系统中采用。
对于802.11a
N个数据块占用的带宽= 20 MHz
数据块的符号个数N = 64
1个数据块占用的带宽= 20 MHz/N = 20 MHz/64 = 312500Hz
数据块的长度= 1/312500Hz = 3.2 µs
循环前缀的长度= 0.8µs
OFDM系统的传输分集
让我们考虑一个两发射器的单接收器系统。
空频(SF)编码
Amalouti码的两个输出分配给同一OFDM块的两个连续子载波。
H
k
,
1
H_{k, 1}
Hk,1和
H
k
,
2
H_{k, 2}
Hk,2是(从两个发射机到接收机的第k个子载波处的)信道响应
s
k
,
1
(
n
)
s_{k, 1}(n)
sk,1(n)和
s
k
,
2
(
n
)
s_{k, 2}(n)
sk,2(n)是在第k个子载波上,从两个发射天线发射的信号
第k个子载波的接收信号由下式给出:
z
k
(
n
)
=
H
k
,
1
s
k
,
1
(
n
)
+
H
k
,
2
s
k
,
2
(
n
)
+
u
k
(
n
)
z_{k}(n)=H_{k, 1} s_{k, 1}(n)+H_{k, 2} s_{k, 2}(n)+u_{k}(n)
zk(n)=Hk,1sk,1(n)+Hk,2sk,2(n)+uk(n)
类似地,在第(k +1)个子载波上,接收信号由下式给出:
z
k
+
1
(
n
)
=
H
k
+
1
,
1
s
k
+
1
,
1
(
n
)
+
H
k
+
1
,
2
s
k
+
1
,
2
(
n
)
+
u
k
+
1
(
n
)
z_{k+1}(n)=H_{k+1,1} s_{k+1,1}(n)+H_{k+1,2} s_{k+1,2}(n)+u_{k+1}(n)
zk+1(n)=Hk+1,1sk+1,1(n)+Hk+1,2sk+1,2(n)+uk+1(n)
因为
H
k
,
1
≈
H
k
+
1
,
1
H_{k, 1} \approx H_{k+1,1}
Hk,1≈Hk+1,1,
H
k
,
2
≈
H
k
+
1
,
2
H_{k, 2} \approx H_{k+1,2}
Hk,2≈Hk+1,2
传输的信号
s
k
,
1
(
n
)
,
s
k
,
2
(
n
)
s_{k, 1}(n), s_{k, 2}(n)
sk,1(n),sk,2(n)和
s
k
+
1
,
1
(
n
)
,
s
k
+
1
,
2
(
n
)
s_{k+1,1}(n), s_{k+1,2}(n)
sk+1,1(n),sk+1,2(n)可以设计为Alamouti编码
这种方案称为空频编码,因为编码是在两个连续的频率子载波上完成的
空时(ST)编码
Amalouti码的两个输出分配给(对应于两个连续OFDM块的)相同子载波。
z
k
(
n
)
=
H
k
,
1
s
k
,
1
(
n
)
+
H
k
,
2
s
k
,
2
(
n
)
+
u
k
(
n
)
z_{k}(n)=H_{k, 1} s_{k, 1}(n)+H_{k, 2} s_{k, 2}(n)+u_{k}(n)
zk(n)=Hk,1sk,1(n)+Hk,2sk,2(n)+uk(n)
z
k
(
n
+
1
)
=
H
k
,
1
s
k
,
1
(
n
+
1
)
+
H
k
,
2
s
k
,
2
(
n
+
1
)
+
u
k
+
1
(
n
)
z_{k}(n+1)=H_{k, 1} s_{k, 1}(n+1)+H_{k, 2} s_{k, 2}(n+1)+u_{k+1}(n)
zk(n+1)=Hk,1sk,1(n+1)+Hk,2sk,2(n+1)+uk+1(n)
k:子载波索引
n:OFDM块索引
MIMO-OFDM
假设有Mt个发射天线和Mr接收天线。
当发射器上的CSI未知时,每个发射天线将发送一个OFDM数据流。
在接收器侧,(与每个Rx天线上的CP部分相对应的)接收信号被丢弃。
然后将丢弃CP的块传递到DFT操作
在第k个子载波处,在第1个接收天线处的接收信号由下式给出:
z
k
,
1
(
n
)
=
∑
i
=
1
M
t
H
k
,
i
,
1
s
k
,
i
(
n
)
+
u
k
,
1
(
n
)
z_{k, 1}(n)=\sum_{i=1}^{M_{t}} H_{k, i, 1} s_{k, i}(n)+u_{k, 1}(n)
zk,1(n)=∑i=1MtHk,i,1sk,i(n)+uk,1(n)
H
k
,
i
,
1
H_{k, i, 1}
Hk,i,1是第i个发射天线到第1个接收天线,在第k个子载波处的信道响应
s
k
,
i
s_{k, i}
sk,i是第i个发射天线处,第k个子载波所载的信号
然后,将所有接收天线的第k个子载波输出形成为向量,由下式给出:
z
k
(
n
)
=
H
k
s
k
(
n
)
+
u
k
(
n
)
,
k
=
0
,
…
,
N
−
1
\mathbf{z}_{k}(n)=\mathbf{H}_{k} \mathbf{s}_{k}(n)+\mathbf{u}_{k}(n), \quad k=0, \ldots, N-1
zk(n)=Hksk(n)+uk(n),k=0,…,N−1
k:子载波索引
n:OFDM块索引
z
k
(
n
)
:
M
r
×
1
\mathbf{z}_{k}(n): M_{r} \times 1
zk(n):Mr×1
H
k
:
M
r
×
M
t
\mathbf{H}_{k}: M_{r} \times M_{t}
Hk:Mr×Mt
s
k
(
n
)
:
M
t
×
1
\mathbf{s}_{k}(n): M_{t} \times 1
sk(n):Mt×1
u
k
(
n
)
:
M
r
×
1
\mathbf{u}_{k}(n): M_{r} \times 1
uk(n):Mr×1
所以总共有N个MIMO信道
MIMO-OFDM收发器设计
CSI未知情况:
每个天线发出一个数据流。
信号检测是在逐个子载波的基础上进行的
为平坦衰落信道开发的最佳(ML)和次优(ZF,MMSE,VBLAST)接收机可用于检测每个子载波中的已传输符号。
CSI已知情况:
当发射机知道CSI时,可以应用联合发射和接收波束成形来解耦每个子载波的数据流
MIMO-OFDM的应用
高吞吐量无线局域网:IEEE802.11n
MIMO-OFDM是IEEE802.11n中提出的调制方案,用于实现无线局域网的200 Mbps以上的传输。
有效负载计算:
在IEEE802.11a中
N个数据块占用的带宽= 20 MHz
数据块的符号个数N = 64
1个数据块占用的带宽= 20 MHz/N = 20 MHz/64 = 312500Hz
数据块的长度= 1/312500Hz = 3.2 µs
循环前缀的长度= 0.8µs
分配的带宽为20MHz
一个OFDM符号为3.2µs
CP长度为0.8µs
在N = 64个子载波中,只有48个数据子载波
假设峰值速率传输使用64 QAM,并且编码率为3/4。
峰值数据速率是多少?
答:峰值数据速率 = 48 ∗ 6bit/symbol ∗ 3/4 /(4µs)= 54 Mbps。
使用上述相同参数计算2×2 MIMO系统的峰值数据速率。
答:峰值数据速率为2 * 48 * 6bit/symbol ∗ 3/4 /(4µs)= 108 Mbps。
4×4呢? 答:216 Mbps。
高吞吐量无线广域网(WiMAX):IEEE802.16e
第三代长期演进(3G LTE)
第四代蜂窝系统。
MIMO OFDM无处不在…
基于单载波循环前缀 (SCCP) 的系统
OFDM
流程
串并转换→ s ( n ) \mathbf{s}(n) s(n)→IDFT→ x ( n ) \mathbf{x}(n) x(n)→加循环前缀→并串转换→发送 时域
并串转换← s ( n ) \mathbf{s}(n) s(n)←均衡← z ( n ) \mathbf{z}(n) z(n)←DFT← y ( n ) \mathbf{y}(n) y(n)←去循环前缀←串并转换←接收 时域
流程
串并转换→
s
(
n
)
\mathbf{s}(n)
s(n)→加循环前缀→并串转换→发送
并串转换←
s
(
n
)
\mathbf{s}(n)
s(n)←IDFT←均衡←
z
(
n
)
\mathbf{z}(n)
z(n)←DFT←
y
(
n
)
\mathbf{y}(n)
y(n)←去循环前缀←串并转换←接收
x
(
n
)
=
s
(
n
)
\mathbf{x}(n)=\mathbf{s}(n)
x(n)=s(n)
z
(
n
)
=
W
y
(
n
)
\mathbf{z}(n)=\mathbf{W} \mathbf{y}(n)
z(n)=Wy(n)
y
(
n
)
=
W
H
Λ
W
x
(
n
)
+
u
(
n
)
\mathbf{y}(n)=\mathbf{W}^{H} \boldsymbol{\Lambda} \mathbf{W} \mathbf{x}(n)+\mathbf{u}(n)
y(n)=WHΛWx(n)+u(n)
z
(
n
)
=
Λ
W
s
(
n
)
+
W
u
(
n
)
\mathbf{z}(n)=\mathbf{\Lambda} \mathbf{W} \mathbf{s}(n)+\mathbf{W u}(n)
z(n)=ΛWs(n)+Wu(n)
发送器处理纯粹为每个块添加一个 CP。
这是单载波循环前缀 (SCCP) 系统。
上面的接收器处理只是一个 DFT 操作。
频域均衡可用于恢复传输的符号
令
S
(
n
)
=
W
s
(
n
)
\mathbf{S}(n)= \mathbf{W} \mathbf{s}(n)
S(n)=Ws(n) 并使用 MMSE 或 ZF 方法估计 Sˆ(n)
使用 ˆs(n) = WHSˆ(n) 估计
s
(
n
)
\mathbf{s}(n)
s(n)
$$
。。。。。。。。。。。