OFDM（这次必须记住！！！）

打基础

傅里叶变换对：

FFT

快速傅立叶变化简称FFT，其实FFT就是DFT（离散傅立叶变化）的一种快速算法，通过时间抽取或频率抽取算法来加快变化过程。
数据由时域转换为频域的过程我们称为傅立叶转换，由于转换后的频域数据是不连续的，所以为离散傅立叶转换。其中转换后得到的频谱图中频率不为零且幅值最大的一般都是基波，也叫零次谐波。
离散傅里叶变换:

其中N为时域离散信号的点数，n为时域离散信号的编号（取值范围为0~N-1），m为频域信号的编号（取值范围为0~N-1），频域信号的点数也为N。因此离散傅里叶变换的输入为N个离散的点（时域信号），输出为N个离散的点（频域信号，频域信号的每个点都用一个复数表示）。
根据欧拉公式：

离散傅里叶变换可以写成如下形式：

IFFT

FFT变换是将信号从时域转换到频域，在时域看起来复杂的信号转换到频域看起来就方便容易了很多。但有时候也需要将频域信号转换到时域，所以这时需要用到IFFT变换。

其实IFFT的计算原理之一就是将频域（注意频域是复数）数据进行取共轭复数（虚部取反），然后再进行FFT变换，这样便将频域信号转换到时域。因为FFT变换的结果是复数，所以从频域进行FFT变换过来的结果也是复数，而此时只需取复数的实部，便是原时域信号（同时此复数的虚部已经比非常小了，就省略不要了）。
离散傅里叶反变换:

时域上的OFDM

OFDM的"O"代表着"正交"，那么就先说说正交吧。
首先说说最简单的情况，sin(t)和sin(2t)是正交的【证明：sin(t)·sin(2t)在区间[0,2π]上的积分为0】，而正弦函数又是波的最直观描述，因此我们就以此作为介入点。我们用图形的方式来先理解一下正交性。
在下面的图示中，在[0,2π]的时长内，采用最易懂的幅度调制方式传送信号：sin(t)传送信号a，因此发送a·sin(t)，sin(2t)传送信号b，因此发送b·sin(2t)。
其中，sin(t)和sin(2t)的用处是用来承载信号，是收发端预先规定好的信息，在本文中一律称为子载波；调制在子载波上的幅度信号a和b，才是需要发送的信息。因此在信道中传送的信号为a·sin(t)+b·sin(2t)。在接收端，分别对接收到的信号作关于sin(t)和sin(2t)的积分检测，就可以得到a和b了。


流程图：

这里其实有个隐含的条件，书中一般都没提到，就是作为承载信号的sin(t)和sin(2t)，他们需要正交的话，其发送的时机是有严格限定的，即其0点的位置需要同步。这就是为什么说时延会影响载波的正交性，这也是为什么OFDM较难从时域上实现。

1. 将sin(t)和sin(2t)扩展到更多的子载波序列{sin(2π·Δf·t)，sin(2π·Δf·2t)，sin(2π·Δf·3t),…,sin(2π·Δf·kt)} (例如k=16，256，1024等)，应该是很好理解的事情。其中，2π是常量；Δf是事先选好的载频间隔，也是常量。1t,2t,3t,…,kt保证了正弦波序列的正交性。
2. 将cos(t)也引入。容易证明，cos(t)与sin(t)是正交的，也与整个sin(kt)的正交族相正交。同样，cos(kt)也与整个sin(kt)的正交族相正交。因此发射序列扩展到{sin(2π·Δf·t),sin(2π·Δf·2t),sin(2π·Δf·3t),…,sin(2π·Δf·kt),cos(2π·Δf·t),cos(2π·Δf·2t),cos(2π·Δf·3t),…,cos(2π·Δf·kt)}也就顺理成章了。
3. 经过前两步的扩充，选好了2组正交序列sin(kt)和cos(kt)，这只是传输的"介质"。真正要传输的信息还需要调制在这些载波上，即sin(t),sin(2t),…,sin(kt)分别幅度调制a1,a2,…,ak信号,cos(t),cos(2t),…,cos(kt)分别幅度调制b1,b2,…,bk信号。这2n组互相正交的信号同时发送出去，在空间上会叠加出怎样的波形呢？做简单的加法如下：

$$f(t)=a_1\cdot sin(2\pi \cdot \Delta f\cdot t)+a_2\cdot sin(2\pi \cdot \Delta f\cdot 2t)+a_3\cdot sin(2\pi \cdot \Delta f\cdot 3t)+...a_k\cdot sin(2\pi \cdot \Delta f\cdot kt)+b_1\cdot cos(2\pi \cdot \Delta f\cdot t)+b_2\cdot cos(2\pi \cdot \Delta f\cdot 2t)+b_3\cdot cos(2\pi \cdot \Delta f\cdot 3t)+...b_k\cdot cos(2\pi \cdot \Delta f\cdot kt)$$$$=\sum a_k\cdot sin(2\pi \cdot \Delta f\cdot kt)+\sum b_k\cdot cos(2\pi \cdot \Delta f\cdot kt)$$
为了方便进行数学处理，上式有复数表达形式如下：
$$f(t)=\sum F_k\cdot e^{(j\cdot 2\pi \cdot \Delta f\cdot kt)}$$

上面的公式可以这样看：每个子载波序列都在发送自己的信号，互相交叠在空中，最终在接收端看到的信号就是f(t)。接收端收到杂糅信号f(t)后，再在每个子载波上分别作相乘后积分的操作，就可以取出每个子载波分别承载的信号了。
　上面的公式就是傅里叶级数。如果将t离散化，那么就是离散傅立叶变换。所以才有OFDM以FFT来实现的故事。将在下面的章节进行更多的描述。
　遵循古老的传统，F表示频域，f表示时域，所以可以从公式2中看出，每个子载波上面调制的幅度，就是频域信息。类似的说法是：OFDM传输的是频域信号。这种说法有些别扭，但是很多教程或文章会使用这样的说明方式，就看读者如何理解了。如果纯粹从公式或者子载波来看，这种说法其实也是很直接的阐述了。
时域上的OFDM系统图：

频域上的OFDM

第一章节时域上的讨论开始于OFDM中的"O"；本章节频域上我们从"FDM"开始。
先图例一个常规FDM的系统图：
常规FDM，两路信号频谱之间有间隔，互相不干扰

　　为了更好的利用系统带宽，子载波的间距可以尽量靠近些。
　　
靠得很近的FDM，实际中考虑到硬件实现，解调第一路信号时，已经很难完全去除第二路信号的影响了（电路的实现毕竟不能像剪刀裁纸一样利落），两路信号互相之间可能已经产生干扰了。
还能再近些吗？可以的。这就是OFDM的来历啊，近到完全等同于奈奎斯特带宽（后面有详述），使频带的利用率达到了理论上的最大值。
继续靠近，间隔频率互相正交，因此频谱虽然有重叠，但是仍然是没有互相干扰的。神奇的OFDM：

频带利用率是码元速率1/T和带宽B(或者W)的比值。
理想情况下，低通信道频带利用率为2Baud/Hz；带通信道频带利用率在传输实数信号时为1Baud/Hz，传送复数信号时为2Baud/Hz（负频率和正频率都独立携带信号）。由于讨论低通信道时往往考虑的是实数信号，而讨论带通信道时通常考虑的是复数信号，因此可以简单认为：理想情况下，信道的频带利用率为2Baud/Hz。

OFDM的子载波间隔最低能达到奈奎斯特带宽，也就是说（在不考虑最旁边的两个子载波情况下），OFDM达到了理想信道的频带利用率。

OFDM正交子载波，载频间距为奈奎斯特带宽，保证了最大的频带利用率

OFDM符号时长的倒数也就等于子载波间的频率间隔。

用IFFT实现OFDM

$$f(t)=\sum F_k\cdot e^{(j\cdot 2\pi \cdot \Delta f\cdot kt)}$$经过时域离散后变为：
$$f(n)=1/N\cdot \sum F_k\cdot e^{(j\cdot 2\pi \cdot k\cdot n/N)}$$
两式右侧所表达的物理意义是相同的，均代表了不同子载波$e^{(j\cdot 2\pi \cdot k\cdot n/N)}$发送各自的信号$F_k$，然后在时域上的叠加形成$f(n)$，只不过现在叠加出来的时域不是连续波形，而是离散的时序抽样点。
另一种更容易，更可爱的理解方式是：在一个OFDM symbol的时长T内，用N个子载波各自发送一个信号F(k)（k∈[1,N]），等效于直接在时域上连续发送$f(n)$（n∈[1,N]）N个信号，每个信号发送T/N的时长。
在IFFT实现OFDM中，发送端添加了IFFT模块、接收端添加了FFT模块。IFFT模块的功能相当于说：别麻烦发送N个子载波信号了，我直接算出你们在空中会叠加成啥样子吧；FFT模块的功能相当于说：别用老式的积分方法来去除其余的正交子载波了，我帮你一次把N个携带信号全算出来吧。就是这样，IFFT实现OFDM的系统用"数学的方法"，在发送端计算信号的叠加波形，在接收端去除正交子载波，从而大大简化了系统的复杂度。

关于负频率

http://home.eeworld.com.cn/my/space-uid-355576-blogid-114050.html

参考资料

https://zhuanlan.zhihu.com/p/365872805
https://blog.csdn.net/madongchunqiu/article/details/18614233/