MIMOOFDM无线通信的笔记
- 写在前面
- 老师的作业要求
- 系统仿真的大致流程：
- 1 产生并调制基带信号
- 2 随机生成导频插入数据符号
- 一、从计算的角度理解与设计OFDM系统
- 二、从编程的角度理解与设计OFDM系统
- （一）传统OFDM仿真
- （1）发射端模块：产生一组随机的二进制比特（这一点之后为改善BER性能可以考虑Turbo编码），将其分组映射到QPSK或QAM符号，为了接收端可以获取信道估计，需要发射导频，导频开销和其在OFDM符号频域排列方式可参考梳状导频。
- （2）信道生成模块：根据上述表产生8径信道（多径延时可以假设在系统采样的整数点上）
- （3）发射信号经过多径信道进入接收端，接收端AWGN的SNR为0 5 10 15 20 25 30 dB,
- （4）接收端根据导频估计信道，通过信道均衡QPSK/QAM，完成接收信号检测。
- （5）画出信道估计NMSE在SNR从0~ 30dB的曲线。
- （6）画出信号检测BER在从0~30dB的曲线。
- （1） 信号通过信道有两种形式，一是信号和信道脉冲响应卷积；二是信号做FFT变换后和信道频率响应做乘积。验证时域卷积和频域乘积最后的结果是一致的。
- （2） 分别采用LS线性插值、LS三次样条插值、LS-DFT插值以及LMMSE四种插值方式进行信道估计（LS-DFT插值的NMSE曲线应满足NMSEdB+SNRdB=0dB，可用于验证信道估计结果正确性），对比DFT去噪前后的NMSE性能。
- （3） 添加turbo编码，观察其对BER性能的影响。
- （4） 通过绘制接收端星座图验证四种OFDM符号的起始点引起的STO，并验证CASEⅡ的星座图可以通过信道估计完美恢复。
- （5） 对信道四倍上采样并改变信道时延抽头位置使其随机分布在最大时延范围内，添加升余弦滤波器。接收端进行四倍下采样并进行信道估计，观察其NMSE曲线。
- （二）用OMP算法进行信道估计仿真
- chapter1 无线信道：传播与衰落
- chapter2 SISO信道
- chapter3 MIMO信道
- chap4 OFDM概述
- chap 5 OFDM同步
- chap 6 信道估计
- chap 7 PAPR减小
- chap 8 小区间干扰抑制技术
- chap 9 MIMO信道容量
- chap 10 天线分集与空-时编码技术
- chap 11 空间复用MIMO系统信号检测
- chap 12 发射端利用信道状态
- chap 13 多用户MIMO
写在前面
截图键win + shift + s 雾
想写点东西督促自己学习MIMO OFDM
链接: 学长发的链接. 学长发的链接2.日后有空会更的
主要是基于下面这本书学习
首先是关于OFDM部分的可以了解这些：Ch1,CH4，CH5粗略浏览，CH6的6.1-6.3 ，6.4-6.5粗略
关于MIMO部分的：可以先看 CH2，CH3粗略浏览，CH9，CH11的11.1部分
老师的作业要求
根据《MIMO-OFDM》这本书上106页的 OFDM系统框图，进行代码编写工作。性能指标用BER（误码率）和NMSE（归一化均方误差）。
系统仿真的大致流程：
1 产生并调制基带信号
2 随机生成导频插入数据符号
一、从计算的角度理解与设计OFDM系统
设计OFDM系统关键是OFDM参数的选择，一般确定三个参数：带宽、比特率、保护间隔。 具体实例：根据下列参数设计OFDM系统： 1.比特率20Mbit/s；2.可容忍的时延扩展200ns；3.带宽<15MHz。
(一）参数计算
首先回答几个问题：
（1）为了对抗上述信道多径延时，不产生相邻OFDM符号间的干扰，循环前缀的长度至少需要多大？
（2）当用户的速度是60km/h时，信道的相干时间是多少？那么多少个OFDM符号信道可以认为是静态的？（注意：OFDM符号长度=CP+OFDM本身）。
（3）为了估计信道，一个OFDM符号需要的导频开销最少是多少？
（4）根据前面的系统参数要求，确定子载波数以及子载波间隔。
（二）思考题
（1）如何产生多径衰落信道？何为多径？何为衰落？
（2）后续信道估计需要用到导频，如何确定需要插入的导频个数？
（3）基于以上设置，如何产生整个的OFDM符号？
（4）信号卷积和信号乘积两种形式，加入的噪声如何保证一致？
（5）如何用NMSE评判估计的信道好坏？NMSE的下界如何得到？
（6）如何通过turbo编码改善BER？
二、从编程的角度理解与设计OFDM系统
（一）传统OFDM仿真
用MATLAB实现上述OFDM系统，模块包括信道估计、信号检测。其中信道估计采用梳状导频，信号采用QPSK或QAM符号。具体流程：
（1）发射端模块：产生一组随机的二进制比特（这一点之后为改善BER性能可以考虑Turbo编码），将其分组映射到QPSK或QAM符号，为了接收端可以获取信道估计，需要发射导频，导频开销和其在OFDM符号频域排列方式可参考梳状导频。
（2）信道生成模块：根据上述表产生8径信道（多径延时可以假设在系统采样的整数点上）
（3）发射信号经过多径信道进入接收端，接收端AWGN的SNR为0 5 10 15 20 25 30 dB,
（4）接收端根据导频估计信道，通过信道均衡QPSK/QAM，完成接收信号检测。
（5）画出信道估计NMSE在SNR从0~ 30dB的曲线。
（6）画出信号检测BER在从0~30dB的曲线。
要求：
（1） 信号通过信道有两种形式，一是信号和信道脉冲响应卷积；二是信号做FFT变换后和信道频率响应做乘积。验证时域卷积和频域乘积最后的结果是一致的。
（2） 分别采用LS线性插值、LS三次样条插值、LS-DFT插值以及LMMSE四种插值方式进行信道估计（LS-DFT插值的NMSE曲线应满足NMSEdB+SNRdB=0dB，可用于验证信道估计结果正确性），对比DFT去噪前后的NMSE性能。
（3） 添加turbo编码，观察其对BER性能的影响。
（4） 通过绘制接收端星座图验证四种OFDM符号的起始点引起的STO，并验证CASEⅡ的星座图可以通过信道估计完美恢复。
（5） 对信道四倍上采样并改变信道时延抽头位置使其随机分布在最大时延范围内，添加升余弦滤波器。接收端进行四倍下采样并进行信道估计，观察其NMSE曲线。
（二）用OMP算法进行信道估计仿真
思考如何将上述信道估计问题建模成稀疏信号恢复问题，并利用经典的压缩感知算法（如OMP等）进行求解，并分析不同导频位置（如均匀等间隔，随机间隔等）对信号恢复性能的影响。
（1）思考，压缩感知真的突破了香农耐奎斯特采样了吗？
（2）上述的CIR是否纯稀疏？如果实际CIR并未必在采样整数点，会导致泄露，这时候稀疏cir重构性能是否会恶化？怎么解决（利用冗余字典）；
（3）CS里面有一个MMV概念，你这个仿真是SMV么？无线CIR有时候在SISO系统下，相邻的CIR的tap近似相同，增益变化，这可以被利用MMV做联合重构，能进一步提高性能；
（4）目前是基于频域导频（观测矩阵是部分dft矩阵），还有一种基于时域训练序列的方法，观测矩阵是时域训练序列构成的拓普利兹矩阵，可以对比两者的区别。
chapter1 无线信道：传播与衰落
ememm这个图看不懂哎
大尺度衰落
一般路径损耗模型
- 自由空间路径传播模型
2.对数正态阴影衰落模型
emmm大概就是在确定性的对数路径损耗模型上叠加了阴影产生的随机效应
okumura/hate 模型
IEEE 802.16d 模型
小尺度衰落
小尺度衰落指的是短期内的衰落，具体指的是当移动台移动一个较小距离，接收信号在短期内的快速波动
小尺度衰落常用的参数
相干带宽：
时间色散衰落与频率色散衰落
多径时延拓展和多普勒拓展分别引起时间色散和频率色散效应，对应分别引起频率选择性衰落和时间选择性衰落
时间色散引起频率选择性衰落信道
频率色散引起时间选择性衰落信道
衰落信道的统计特性与生成
衰落信道的统计特性
衰落信道的生成
chapter2 SISO信道
室内信道
2径模型与指数模型
2径模型有两条射线一条没时延一条有时延
指数模型
P
(
τ
)
=
1
τ
d
e
−
τ
/
τ
d
P(\tau)=\frac{1}{\tau_{\mathrm{d}}} \mathrm{e}^{-\tau / \tau_{\mathrm{d}}}
P(τ)=τd1e−τ/τd
室外信道
chapter3 MIMO信道
MIMO统计信道模型
I-METRA MIMO 信道
SCM MIMO信道
chap4 OFDM概述
复习一下通信原理的ISI与单载波传输
单载波与多载波传输
OFDM传输方案
OFDM基本原理
正交
OFDM调制与解调
OFDM 发射机将信息比特流映射成一个 PSK 或 QAM 符号序列, 之后将符号序列转换为 N N N 个 并行符号流。每 N N N 个经过串/并转换的符号被不同的子载波调制。令 X l [ k ] X_{l}[k] Xl[k] 表示在第 k k k 个子载波上的第 l l l 个发送符号, l = 0 , 1 , 2 , ⋯ , ∞ , k = 0 , 1 , 2 , ⋯ , N − 1 l=0,1,2, \cdots, \infty, k=0,1,2, \cdots, N-1 l=0,1,2,⋯,∞,k=0,1,2,⋯,N−1 。由于串/并转换, N N N 个符号的传输时间扩展为 N T s N T_{\mathrm{s}} NTs , 它是单个 OFDM 符号的持续时间 T s y m T_{\mathrm{sym}} Tsym , 即 T s y m = N T s T_{\mathrm{sym}}=N T_{\mathrm{s}} Tsym=NTs 。令 Ψ l , k ( t ) \Psi_{l, k}(t) Ψl,k(t) 表示在第 k k k 个子载波上 的第 l l l 个 OFDM 信号:
Ψ l , k ( t ) = { e j 2 π f k ( t − l T sym ) , 0 < t ⩽ T sym 0 , 其他 (4.13) \Psi_{l, k}(t)=\left\{\begin{array}{ll} \mathrm{e}^{\mathrm{j} 2 \pi f_{k}\left(t-l T_{\text {sym }}\right)}, & 0<t \leqslant T_{\text {sym }} \\ 0, & \text { 其他 } \end{array}\right. \tag{4.13} Ψl,k(t)={ej2πfk(t−lTsym ),0,0<t⩽Tsym 其他 (4.13)
时间连续的通频带和基带信号可以分别表示为：
x l ( t ) = Re { 1 T sym ∑ l = 0 ∞ { ∑ k = 0 N − 1 X l [ k ] Ψ l , k ( t ) } } (4.14a) x_{l}(t)=\operatorname{Re}\left\{\frac{1}{T_{\text {sym }}} \sum_{l=0}^{\infty}\left\{\sum_{k=0}^{N-1} X_{l}[k] \Psi_{l, k}(t)\right\}\right\} \tag{4.14a} xl(t)=Re{Tsym 1l=0∑∞{k=0∑N−1Xl[k]Ψl,k(t)}}(4.14a)
和
x l ( t ) = ∑ l = 0 ∞ ∑ k = 0 N − 1 X l [ k ] e j 2 π f k ( t − l T s y m ) (4.14b) x_{l}(t)=\sum_{l=0}^{\infty} \sum_{k=0}^{N-1} X_{l}[k] \mathrm{e}^{\mathrm{j} 2 \pi f_{k}\left(t-l T_{\mathrm{sym}}\right)} \tag{4.14b} xl(t)=l=0∑∞k=0∑N−1Xl[k]ej2πfk(t−lTsym)(4.14b)
在时刻 t = l T sym + n T s , T s = T s y m / N , f k = k / T s y m t=l T_{\text {sym }}+n T_{\mathrm{s}}, \quad T_{\mathrm{s}}=T_{\mathrm{sym}} / N, f_{k}=k / T_{\mathrm{sym}} t=lTsym +nTs,Ts=Tsym/N,fk=k/Tsym , 对式 (4.14) 中时间连续的基带 OFDM 信 号进行采样, 可以得到相应的离散时间的 OFDM 符号:
x l [ n ] = ∑ k = 0 N − 1 X l [ k ] e j 2 π k n / N , n = 0 , 1 , ⋯ , N − 1 (4.15) x_{l}[n]=\sum_{k=0}^{N-1} X_{l}[k] \mathrm{e}^{\mathrm{j} 2 \pi k n / N}, \quad n=0,1, \cdots, N-1 \tag{4.15} xl[n]=k=0∑N−1Xl[k]ej2πkn/N,n=0,1,⋯,N−1(4.15)
可以证明式 (4.15) 是 PSK 或 QAM 数据符号 { X l [ k ] } k = 0 N − 1 \left\{X_{l}[k]\right\}_{k=0}^{N-1} {Xl[k]}k=0N−1 的 N N N 点 IDFT, 并且利用 IFFT 算法 可以进行有效的计算。
考虑基带 OFDM 接收符号 y l ( t ) = ∑ k = 0 N − 1 X l [ k ] e j 2 π f k ( t − l T s y m ) y_{l}(t)=\sum_{k=0}^{N-1} X_{l}[k] \mathrm{e}^{\mathrm{j} 2 \pi f_{k}\left(t-l T_{\mathrm{sym}}\right)} yl(t)=∑k=0N−1Xl[k]ej2πfk(t−lTsym), l T s y m < t < l T s y m + n T s l T_{\mathrm{sym}}<t<l T_{\mathrm{sym}}+n T_{\mathrm{s}} lTsym<t<lTsym+nTs 。利用式 (4.10) 中子载波间的正交性, 可以重构原发送符号 X l [ k ] X_{l}[k] Xl[k] :
Y l [ k ] = 1 T sym ∫ − ∞ ∞ y l ( t ) e − j 2 π k f k ( t − l T sym ) d t = 1 T sym ∫ − ∞ ∞ ∑ i = 0 N − 1 { X l [ i ] e j 2 π f i ( t − l T sym ) } e − j 2 π f k ( t − l T sym ) d t = ∑ i = 0 N − 1 X l [ i ] { 1 T sym ∫ 0 T sym e j 2 π ( f i − f k ) ( t − l T sym ) d t } = X l [ k ] (4.16) \begin{aligned} Y_{l}[k] & =\frac{1}{T_{\text {sym }}} \int_{-\infty}^{\infty} y_{l}(t) \mathrm{e}^{-\mathrm{j} 2 \pi k f_{k}\left(t-l T_{\text {sym }}\right)} \mathrm{d} t \\ & =\frac{1}{T_{\text {sym }}} \int_{-\infty}^{\infty} \sum_{i=0}^{N-1}\left\{X_{l}[i] \mathrm{e}^{\mathrm{j} 2 \pi f_{i}\left(t-l T_{\text {sym }}\right)}\right\} \mathrm{e}^{-\mathrm{j} 2 \pi f_{k}\left(t-l T_{\text {sym }}\right)} \mathrm{d} t \\ & =\sum_{i=0}^{N-1} X_{l}[i]\left\{\frac{1}{T_{\text {sym }}} \int_{0}^{T_{\text {sym }}} \mathrm{e}^{\mathrm{j} 2 \pi\left(f_{i}-f_{k}\right)\left(t-l T_{\text {sym }}\right)} \mathrm{d} t\right\}=X_{l}[k] \end{aligned} \tag{4.16} Yl[k]=Tsym 1∫−∞∞yl(t)e−j2πkfk(t−lTsym )dt=Tsym 1∫−∞∞i=0∑N−1{Xl[i]ej2πfi(t−lTsym )}e−j2πfk(t−lTsym )dt=i=0∑N−1Xl[i]{Tsym 1∫0Tsym ej2π(fi−fk)(t−lTsym )dt}=Xl[k](4.16)
式 (4.16) 没有考虑信道和噪声的影响。令 { y l [ n ] } n = 0 N − 1 \left\{y_{l}[n]\right\}_{n=0}^{N-1} {yl[n]}n=0N−1 为 OFDM 接收符号 y l ( t ) y_{l}(t) yl(t) 在 t = l T s y m + n T s t=l T_{\mathrm{sym}}+n T_{\mathrm{s}} t=lTsym+nTs 时刻的采样。在式 (4.16) 中, 调制过程的积分可以表示为下面的离散时域形式:
Y l [ k ] = ∑ n = 0 N − 1 y l [ n ] e j 2 π k n / N = ∑ n = 0 N − 1 { 1 N ∑ i = 0 N − 1 X l [ i ] e j 2 π n / N } e − j 2 π k n / N = 1 N ∑ n = 0 N − 1 ∑ i = 0 N − 1 X l [ i ] e j 2 π ( i − k ) n / N = X l [ k ] (4.17) \begin{aligned} Y_{l}[k] & =\sum_{n=0}^{N-1} y_{l}[n] \mathrm{e}^{\mathrm{j} 2 \pi k n / N} \\ & =\sum_{n=0}^{N-1}\left\{\frac{1}{N} \sum_{i=0}^{N-1} X_{l}[i] \mathrm{e}^{\mathrm{j} 2 \pi n / N}\right\} \mathrm{e}^{-\mathrm{j} 2 \pi k n / N} \\ & =\frac{1}{N} \sum_{n=0}^{N-1} \sum_{i=0}^{N-1} X_{l}[i] \mathrm{e}^{\mathrm{j} 2 \pi(i-k) n / N}=X_{l}[k] \end{aligned} \tag{4.17} Yl[k]=n=0∑N−1yl[n]ej2πkn/N=n=0∑N−1{N1i=0∑N−1Xl[i]ej2πn/N}e−j2πkn/N=N1n=0∑N−1i=0∑N−1Xl[i]ej2π(i−k)n/N=Xl[k](4.17)
实际上, 式 (4.17) 是 { y l [ n ] } n = 0 N − 1 \left\{y_{l}[n]\right\}_{n=0}^{N-1} {yl[n]}n=0N−1 的 N N N 点 DFT, 并且利用 FFT 算法可以更有效地计算。
根据上面的讨论, 可以用图 4.9 所示的方框图说明 OFDM 调制和解调。如图 4.9 (a) 所示, 频域信号 X [ k ] X[k] X[k] 调制频率为 f k = k / T sym f_{k}=k / T_{\text {sym }} fk=k/Tsym 的子载波, 其中载波数量为 N = 6 N=6 N=6 , 即 k = 0 , 1 , 2 , ⋯ , 5 k=0,1,2, \cdots, 5 k=0,1,2,⋯,5 。在接收机, 利用子载波间的正交性, 可以解调这些信号。注意, 原来符号 X [ k ] X[k] X[k] 的周期为 T s T_{s} Ts , 通过并行 发射 N N N 个符号, 使它的周期扩展至 T sym = N T s T_{\text {sym }}=N T_{\mathrm{s}} Tsym =NTs 。OFDM 符号是 N N N 个并行符号的复合信号, 其周期 为 T s y m T_{\mathrm{sym}} Tsym 。图 4.9 (b) 显示了所有子载波间正交性的一种典型实现。在发射机和接收机分别使用 IFFT 和 FFT, 可以实现这种多载波调制。图 4.10 给出了典型的 OFDM 发射机和接收机的完整框图, 包 括 FFT 和 IFFT 运算。下一小节将讨论每个模块的细节。
OFDM保护间隔
多径信道对OFDM符号的影响
循环前缀
OFDM 的保护间隔有两种不同的插入方法。一种方法是补零 (Zero Padding, ZP), 即在保护 间隔中填充零。另一种方法是利用循环前缀 (CP) 或循环后缀 (Cyclic Suffix, CS) 实现 OFDM 符 号的循环扩展 (为了某种连续性)。将 OFDM 符号后部的采样复制到其前面, 实现 CP 对 OFDM 符号的扩展。令 T G T_{\mathrm{G}} TG 为用采样数表示的 C P \mathrm{CP} CP 长度, 则扩展后的 OFDM 符号周期变为 T s y m = T sub + T G T_{\mathrm{sym}}=T_{\text {sub }}+T_{\mathrm{G}} Tsym=Tsub +TG 。 如图 4.13 (a) 所示为两个连续的 OFDM 符号, 每一个符号的长度为 T s y m = T s u b + T G T_{\mathrm{sym}}=T_{\mathrm{sub}}+T_{\mathrm{G}} Tsym=Tsub+TG , 其中 C P \mathrm{CP} CP 的 长度为 T G T_{\mathrm{G}} TG 。图 4.13( b \mathrm{~b} b) 从时域和频域共同描述了 OFDM 符号。图 4.13 © 显示了多径信道对 OFDM 符号中某些子载波的 ISI 影响。从图 4.13 中可以看到, 如果 CP 的长度大于或等于多径信 道的最大时延，那么一个 OFDM 符号对下一个 OFDM 符号的 ISI 影响（虚线）将被限制在保护间 隔中, 因此不会影响下一个 OFDM 符号的 FFT 变换, 其周期为 T sub T_{\text {sub }} Tsub 。这意味着, 只要保护间隔的 长度大于多径信道的最大时延, 就可以维持子载波间的正交性。因为 C P \mathrm{CP} CP 能够保证每个经历时延的 子载波的连续性, 所以在 T s u b T_{\mathrm{sub}} Tsub 内每个子载波与其他子载波之间是正交的。也就是说, 对于时延为 t 0 t_{0} t0 的第一个 OFDM 符号, 满足:
1 T sub ∫ 0 T sub e j 2 π f k ( t − t 0 ) e − j 2 π f i ( t − t 0 ) d t = 0 , k ≠ i \frac{1}{T_{\text {sub }}} \int_{0}^{T_{\text {sub }}} \mathrm{e}^{\mathrm{j} 2 \pi f_{k}\left(t-t_{0}\right)} \mathrm{e}^{-\mathrm{j} 2 \pi f_{i}\left(t-t_{0}\right)} \mathrm{d} t=0, \quad k \neq i Tsub 1∫0Tsub ej2πfk(t−t0)e−j2πfi(t−t0)dt=0,k=i
对于时延为 t 0 + T s 的第二个子载波信号, 满足: \text { 对于时延为 } t_{0}+T_{\mathrm{s}} \text { 的第二个子载波信号, 满足: } 对于时延为 t0+Ts 的第二个子载波信号, 满足:
1 T sub ∫ 0 T sub e j 2 π f k ( t − t 0 ) e − j 2 π f i ( t − t 0 − T s ) d t = 0 , k ≠ i \frac{1}{T_{\text {sub }}} \int_{0}^{T_{\text {sub }}} \mathrm{e}^{\mathrm{j} 2 \pi f_{k}\left(t-t_{0}\right)} \mathrm{e}^{-\mathrm{j} 2 \pi f_{i}\left(t-t_{0}-T_{\mathrm{s}}\right)} \mathrm{d} t=0, \quad k \neq i Tsub 1∫0Tsub ej2πfk(t−t0)e−j2πfi(t−t0−Ts)dt=0,k=i
如图 4.14 所示, 如果保护间隔的长度小于最大多径时延扩展, 那么前一个 OFDM 符号的尾部 (用四分之一圆表示) 将影响下一个 OFDM 符号的前端, 这样会造成 ISI。在实际中, 可能会出现 符号定时偏差 (Symbol Timing Offset, STO), STO 会使 OFDM 符号的前端和 FFT 窗的起始点不 一致。
如图 4.15 所示, 即使 CP 的长度大于多径信道的最大时延, 也会出现 ISI 和/或 ICI, 这取决于 FFT 窗的起始点的定时。更具体地, 如果 FFT 窗的起始点早于时延的前一个符号末端, 那么会出 现 ISI; 如果 FFT 窗的起始点晚于符号的起始点, 那么既会出现（由下一个符号引起的）ISI, 又 会出现 I C I [ 78 ] \mathrm{ICI}^{[78]} ICI[78] 。
现在, 假设 C P \mathrm{CP} CP 的长度不小于信道的最大时延, 并且假设 OFDM 符号的 FFT 窗的起始点确定 在其保护间隔内, 则 OFDM 接收机对收到的采样信号 { y l [ n ] } n = 0 N − 1 \left\{y_{l}[n]\right\}_{n=0}^{N-1} {yl[n]}n=0N−1 进行 FFT 转换得到:
Y l [ k ] = ∑ n = 0 N − 1 y l [ n ] e − j 2 π k n / N = ∑ n = 0 N − 1 { ∑ m = 0 ∞ h l [ m ] x l [ n − m ] + z l [ n ] } e − j 2 π k n / N = ∑ n = 0 N − 1 { ∑ m = 0 ∞ h l [ m ] { 1 N ∑ i = 0 N − 1 X l [ i ] e j 2 π / ( n − m ) / N } + z l [ n ] } e − j 2 π k n / N = 1 N ∑ i = 0 N − 1 { { ∑ m = 0 ∞ h l [ m ] e − j 2 π i m / N } X l [ i ] ∑ n = 0 N − 1 e − j 2 π ( k − 1 ) m / N } + Z l [ k ] = 1 N ∑ i = 0 N − 1 { H l [ i ] X l [ i ] ∑ n = 0 N − 1 e − / 2 π ( k − 1 ) a / N } + Z l [ k ] = ∑ i = 0 N − 1 H l [ i ] X l [ i ] δ [ i − k ] + Z l [ k ] = H l [ k ] X l [ k ] + Z l [ k ] (4.20) \begin{array}{l} Y_{l}[k]=\sum_{n=0}^{N-1} y_{l}[n] e^{-j 2 \pi k n / N} \\ =\sum_{n=0}^{N-1}\left\{\sum_{m=0}^{\infty} h_{l}[m] x_{l}[n-m]+z_{l}[n]\right\} e^{-j 2 \pi k n / N} \\ =\sum_{n=0}^{N-1}\left\{\sum_{m=0}^{\infty} h_{l}[m]\left\{\frac{1}{N} \sum_{i=0}^{N-1} X_{l}[i] e^{j 2 \pi /(n-m) / N}\right\}+z_{l}[n]\right\} e^{-j 2 \pi k n / N} \\ =\frac{1}{N} \sum_{i=0}^{N-1}\left\{\left\{\sum_{m=0}^{\infty} h_{l}[m] e^{-j 2 \pi i m / N}\right\} X_{l}[i] \sum_{n=0}^{N-1} e^{-j 2 \pi(k-1) m / N}\right\}+Z_{l}[k] \\ =\frac{1}{N} \sum_{i=0}^{N-1}\left\{H_{l}[i] X_{l}[i] \sum_{n=0}^{N-1} e^{-/ 2 \pi(k-1) a / N}\right\}+Z_{l}[k] \\ =\sum_{i=0}^{N-1} H_{l}[i] X_{l}[i] \delta[i-k]+Z_{l}[k] \\ =H_{l}[k] X_{l}[k]+Z_{l}[k] \\ \end{array} \tag{4.20} Yl[k]=∑n=0N−1yl[n]e−j2πkn/N=∑n=0N−1{∑m=0∞hl[m]xl[n−m]+zl[n]}e−j2πkn/N=∑n=0N−1{∑m=0∞hl[m]{N1∑i=0N−1Xl[i]ej2π/(n−m)/N}+zl[n]}e−j2πkn/N=N1∑i=0N−1{{∑m=0∞hl[m]e−j2πim/N}Xl[i]∑n=0N−1e−j2π(k−1)m/N}+Zl[k]=N1∑i=0N−1{Hl[i]Xl[i]∑n=0N−1e−/2π(k−1)a/N}+Zl[k]=∑i=0N−1Hl[i]Xl[i]δ[i−k]+Zl[k]=Hl[k]Xl[k]+Zl[k](4.20)
其中, X l [ k ] X_{l}[k] Xl[k] 、 Y l [ k ] Y_{l}[k] Yl[k] 、 H l [ k ] H_{l}[k] Hl[k] 和 Z l [ k ] Z_{l}[k] Zl[k] 分别表示第 l l l 个符号的第 k k k 个子载波上的发射符号、接 收符号、信道的频率响应和频域噪声。式 (4.20) 中最后一行说明, 在频域可以将 OFDM 系统看做输入符号与信道的频率响应的乘积。换句话说, 在频域可以将 OFDM 系统等效为如图 4.16 所示的频域 系统。在没有噪声的情况下, Y l [ k ] = H l [ k ] X l [ k ] Y_{l}[k]=H_{l}[k] X_{l}[k] Yl[k]=Hl[k]Xl[k] , 因此 只需要用接收信号除以信道 (即 X l [ k ] = Y l [ k ] / H l [ k ] X_{l}[k]=Y_{l}[k] / H_{l}[k] Xl[k]=Yl[k]/Hl[k] ), 就可以通过单抽头均衡器检测发射符号。对于卷积运算 *, 当 { y l [ n ] } = { x l [ n ] } ∗ { h l [ n ] } \left\{y_{l}[n]\right\}=\left\{x_{l}[n]\right\} *\left\{h_{l}[n]\right\} \quad {yl[n]}={xl[n]}∗{hl[n]} 时 DFT { y l [ n ] } ≠ DFT { x l [ n ] } ⋅ DFT { h l [ n ] } \quad \operatorname{DFT}\left\{y_{l}[n]\right\} \neq \operatorname{DFT}\left\{x_{l}[n]\right\} \cdot \operatorname{DFT}\left\{h_{l}[n]\right\} DFT{yl[n]}=DFT{xl[n]}⋅DFT{hl[n]} 。因此, 如果没有 CP, 那么 Y l [ k ] ≠ H l [ k ] X l [ k ] Y_{l}[k] \neq H_{l}[k] X_{l}[k] Yl[k]=Hl[k]Xl[k] 。事实上, 对于循环卷积运算 ⊗ \otimes ⊗ , 当 { y l [ n ] } = { x l [ n ] } ⊗ { h l [ n ] } \left\{y_{l}[n]\right\}=\left\{x_{l}[n]\right\} \otimes\left\{h_{l}[n]\right\} {yl[n]}={xl[n]}⊗{hl[n]} 时, Y l [ k ] = H l [ k ] X l [ k ] Y_{l}[k]=H_{l}[k] X_{l}[k] Yl[k]=Hl[k]Xl[k] 。换句话 说, 在发射信号中插入 C P \mathrm{CP} CP , 使得发射采样与信道采样满足循 环卷积, 因此可以在接收机得到 Y l [ k ] = H l [ k ] X l [ k ] Y_{l}[k]=H_{l}[k] X_{l}[k] Yl[k]=Hl[k]Xl[k] 。
5万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
