一、OFDM正交性
考虑时间有限的复指数信号 { e j 2 π f k t } k = 0 N − 1 \left\{e^{j 2 \pi f_{k} t}\right\}_{k=0}^{N-1} {ej2πfkt}k=0N−1 , 表示OFDM信号中在 f k = k / T s y m f_{k}=k / T_{s y m} fk=k/Tsym 处的不同子载波,其中 0 ≤ t ≤ T s y m 0 \leq t \leq T_{s y m} 0≤t≤Tsym .
如果这些信号的乘积在其公共(基本)周期内的积分为零,则这些信号被定义为是 正交 的,即
1
T
s
y
m
∫
0
T
s
y
m
e
j
2
π
f
k
t
e
−
j
2
π
f
i
t
d
t
=
1
T
s
y
m
∫
0
T
s
y
m
e
j
2
π
k
T
s
s
m
t
e
−
j
2
π
i
T
s
y
m
t
d
t
=
1
T
s
y
m
∫
0
T
s
y
m
e
j
2
π
(
k
−
i
)
T
s
y
m
t
d
t
=
{
1
,
∀
integer
k
=
i
0
,
otherwise
(1)
\begin{aligned} \frac{1}{T_{s y m}} \int_{0}^{T_{s y m}} e^{j 2 \pi f_{k} t} e^{-j 2 \pi f_{i} t} d t &=\frac{1}{T_{s y m}} \int_{0}^{T_{s y m}} e^{j 2 \pi\frac{k}{T_{s s m}} t} e^{-j 2 \pi \frac{i}{T_{s y m} }t} d t \\ &=\frac{1}{T_{s y m}} \int_{0}^{T_{s y m}} e^{j 2 \pi \frac{(k-i)}{T_{s y m}} t} d t \\ &=\left\{\begin{array}{ll} 1, & \forall \text { integer } k=i \\ 0, & \text { otherwise } \end{array}\right. \end{aligned} \tag{1}
Tsym1∫0Tsymej2πfkte−j2πfitdt=Tsym1∫0Tsymej2πTssmkte−j2πTsymitdt=Tsym1∫0Tsymej2πTsym(k−i)tdt={1,0,∀ integer k=i otherwise (1)
在时刻
t
=
n
T
s
=
n
T
s
y
m
/
N
t=n T_{s}=n T_{s y m} / N
t=nTs=nTsym/N , 进行离散采样,可以在 离散时域 将式(1)表示为
1
N
∑
n
=
0
N
−
1
e
j
2
π
k
T
s
y
m
⋅
n
T
s
e
−
j
2
π
i
T
s
y
m
⋅
n
T
s
=
1
N
∑
n
=
0
N
−
1
e
j
2
π
k
T
s
y
m
⋅
n
T
s
y
m
N
e
−
j
2
π
i
T
s
y
m
⋅
n
T
s
y
m
N
=
1
N
∑
n
=
0
N
−
1
e
j
2
π
(
k
−
i
)
N
n
=
{
1
,
∀
integer
k
=
i
0
,
otherwise
(2)
\begin{array}{l} \frac{1}{N} \sum_{n=0}^{N-1} e^{j 2 \pi \frac{k}{T_{s y m}} \cdot n T_{s}} e^{-j 2 \pi \frac{i}{T_{s y m}} \cdot n T_{s}}=\frac{1}{N} \sum_{n=0}^{N-1} e^{j 2 \pi \frac{k}{T_{s y m}} \cdot \frac{n T_{s y m}}{N}} e^{-j 2 \pi \frac{i}{T_{s y m}} \cdot \frac{n T_{s y m}}{N}}\\ =\frac{1}{N} \sum_{n=0}^{N-1} e^{j 2 \pi \frac{(k-i)}{N} n}\\ =\left\{\begin{array}{ll} 1, & \forall \text { integer } k=i \\ 0, & \text { otherwise } \end{array}\right. \end{array} \tag{2}
N1∑n=0N−1ej2πTsymk⋅nTse−j2πTsymi⋅nTs=N1∑n=0N−1ej2πTsymk⋅NnTsyme−j2πTsymi⋅NnTsym=N1∑n=0N−1ej2πN(k−i)n={1,0,∀ integer k=i otherwise (2)
二、OFDM调制和解调
OFDM 发射机将消息比特映射为一系列 PSK 或 QAM 符号,随后将其转换为 N 个并行符号流。串并(S/P)转换后的N个符号中的每一个由不同的子载波调制。
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(S/P)转换, N N N 个符号的传输时间扩展为 N T s N T_{s} NTs , 它是单个OFDM符号的持续时间 T s y m T_{sym} Tsym.
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符号
Ψ
l
.
k
(
t
)
=
{
e
j
2
π
f
k
(
t
−
l
T
s
y
m
)
,
0
<
t
≤
T
s
y
m
0
,
elsewhere
(3)
\Psi_{l . k}(t)=\left\{\begin{array}{ll} e^{j 2 \pi f_{k}\left(t-l T_{s y m}\right)}, & 0<t \leq T_{s y m} \\ 0, & \text { elsewhere } \end{array}\right. \tag{3}
Ψl.k(t)={ej2πfk(t−lTsym),0,0<t≤Tsym elsewhere (3)
时间连续的通频带信号可以表示为
x
l
(
t
)
=
Re
{
1
T
s
y
m
∑
l
=
0
∞
{
∑
k
=
0
N
−
1
X
l
[
k
]
Ψ
l
.
k
(
t
)
}
}
(4)
x_{l}(t)=\operatorname{Re}\left\{\frac{1}{T_{s y m}} \sum_{l=0}^{\infty}\left\{\sum_{k=0}^{N-1} X_{l}[k] \Psi_{l . k}(t)\right\}\right\} \tag{4}
xl(t)=Re{Tsym1l=0∑∞{k=0∑N−1Xl[k]Ψl.k(t)}}(4)
时间连续的基带信号可以表示为
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)
x_{l}(t)=\sum_{l=0}^{\infty} \sum_{k=0}^{N-1} X_{l}[k] e^{j 2 \pi f_{k}\left(t-l T_{s y m}\right)} \tag{4}
xl(t)=l=0∑∞k=0∑N−1Xl[k]ej2πfk(t−lTsym)(4)
在
t
=
l
T
s
y
m
+
n
T
s
t=l T_{s y m} + n T_{s}
t=lTsym+nTs 时刻(其中
T
s
=
T
s
y
m
/
N
T_{s} = T_{s y m}/N
Ts=Tsym/N,
f
k
=
k
/
T
s
y
m
f_{k}=k / T_{s y m}
fk=k/Tsym ),对式(4)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信号
x l [ n ] = ∑ k = 0 N − 1 X l [ k ] e j 2 π k n / N for n = 0 , 1 , … , N − 1 (5) x_{l}[n]=\sum_{k=0}^{N-1} X_{l}[k] e^{j 2 \pi k n / N} \quad \text { for } \quad n=0,1, \ldots, N-1 \tag{5} xl[n]=k=0∑N−1Xl[k]ej2πkn/N for n=0,1,…,N−1(5)
式(5)是PSK 或 QAM 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点IDFT,并且利用FFT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] e^{j 2 \pi f_{k}\left(t-l T_{s y m}\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_{s y m}<t \leq l T_{s y m}+n T_{s} lTsym<t≤lTsym+nTs .
利用式(1)中子载波间的正交性,可重构原发送符号 X l [ k ] X_{l}[k] Xl[k] :
Y
l
[
k
]
=
1
T
s
y
m
∫
−
∞
∞
y
l
(
t
)
e
−
j
2
π
f
k
(
t
−
l
T
s
y
m
)
d
t
=
1
T
s
y
m
∫
−
∞
∞
{
∑
i
=
0
N
−
1
X
l
[
i
]
e
j
2
π
f
i
(
t
−
l
T
s
s
m
)
}
e
−
j
2
π
f
k
(
t
−
l
T
s
y
m
)
d
t
=
∑
i
=
0
N
−
1
X
l
[
i
]
{
1
T
s
y
m
∫
0
T
s
y
m
e
j
2
π
(
f
i
−
f
k
)
(
t
−
l
T
s
y
m
)
d
t
}
=
X
l
[
k
]
(6)
\begin{aligned} Y_{l}[k] &=\frac{1}{T_{s y m}} \int_{-\infty}^{\infty} y_{l}(t) e^{-j 2 \pi f_{k}\left(t-l T_{s y m}\right)} d t \\ &=\frac{1}{T_{s y m}} \int_{-\infty}^{\infty}\left\{\sum_{i=0}^{N-1} X_{l}[i] e^{j 2 \pi f_{i}\left(t-l T_{s s m}\right)}\right\} e^{-j 2 \pi f_{k}\left(t-l T_{s y m}\right)} d t \\ &=\sum_{i=0}^{N-1} X_{l}[i]\left\{\frac{1}{T_{s y m}} \int_{0}^{T_{s y m}} e^{j 2 \pi\left(f_{i}-f_{k}\right)\left(t-l T_{s y m}\right)} d t\right\}=X_{l}[k] \end{aligned} \tag{6}
Yl[k]=Tsym1∫−∞∞yl(t)e−j2πfk(t−lTsym)dt=Tsym1∫−∞∞{i=0∑N−1Xl[i]ej2πfi(t−lTssm)}e−j2πfk(t−lTsym)dt=i=0∑N−1Xl[i]{Tsym1∫0Tsymej2π(fi−fk)(t−lTsym)dt}=Xl[k](6)
上式(6)未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接受符号 y l ( t ) y_{l}(t) yl(t) 在 t = l T s y m + n T s t=l T_{s y m} + n T_{s} t=lTsym+nTs 时刻的采样。 将 t , T s = T s y m / N t , T_{s} = T_{s y m}/N t,Ts=Tsym/N, f k = k / T s y m f_{k}=k / T_{s y m} fk=k/Tsym 带入式(6)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
f
k
(
t
−
l
T
s
y
m
)
=
∑
n
=
0
N
−
1
y
l
[
n
]
e
−
j
2
π
(
l
T
s
y
m
+
n
T
s
y
m
/
N
−
l
T
s
y
m
)
k
/
T
s
y
m
=
∑
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
i
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
]
(7)
\begin{aligned} Y_{l}[k] &=\sum_{n=0}^{N-1} y_{l}[n]e^{-j 2 \pi f_{k}\left(t-l T_{s y m}\right)}\\ &=\sum_{n=0}^{N-1} y_{l}[n]e^{-j 2 \pi \left(l T_{s y m} + n T_{s y m}/N-l T_{s y m}\right)k / T_{s y m}} \\ &=\sum_{n=0}^{N-1} y_{l}[n] e^{-j 2 \pi k n / N} \\ &=\sum_{n=0}^{N-1}\left\{\frac{1}{N} \sum_{i=0}^{N-1} X_{l}[i] e^{j 2 \pi i n / N}\right\} e^{-j 2 \pi k n / N} \\ &=\frac{1}{N} \sum_{n=0}^{N-1} \sum_{i=0}^{N-1} X_{l}[i] e^{j 2 \pi(i-k) n / N}=X_{l}[k] \end{aligned} \tag{7}
Yl[k]=n=0∑N−1yl[n]e−j2πfk(t−lTsym)=n=0∑N−1yl[n]e−j2π(lTsym+nTsym/N−lTsym)k/Tsym=n=0∑N−1yl[n]e−j2πkn/N=n=0∑N−1{N1i=0∑N−1Xl[i]ej2πin/N}e−j2πkn/N=N1n=0∑N−1i=0∑N−1Xl[i]ej2π(i−k)n/N=Xl[k](7)
式(7)是
{
y
l
[
n
]
}
n
=
0
N
−
1
\left\{y_{l}[n]\right\}_{n=0}^{N-1}
{yl[n]}n=0N−1 的N点DFT,并且利用FFT可以更有效地计算。
三、保护间隔——循环前缀Cyclic Prefix (CP)
假设循环前缀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
i
(
n
−
m
)
/
N
}
}
e
−
j
2
π
k
n
/
N
+
Z
l
[
k
]
=
1
N
∑
i
=
0
N
−
1
{
{
∑
m
=
0
∞
h
l
[
m
]
e
−
j
2
π
i
m
/
N
}
X
l
[
i
]
∑
n
=
0
∞
e
−
j
2
π
(
k
−
i
)
n
/
N
}
+
Z
l
[
k
]
=
H
l
[
k
]
X
l
[
k
]
+
Z
l
[
k
]
(8)
\begin{aligned} 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 i(n-m) / N}\right\}\right\} e^{-j 2 \pi k n / N}+Z_{l}[k] \\ &=\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}^{\infty} e^{-j 2 \pi(k-i) n / N}\right\}+Z_{l}[k] \\ &=H_{l}[k] X_{l}[k]+Z_{l}[k] \end{aligned} \tag{8}
Yl[k]=n=0∑N−1yl[n]e−j2πkn/N=n=0∑N−1{m=0∑∞hl[m]xl[n−m]+zl[n]}e−j2πkn/N=n=0∑N−1{m=0∑∞hl[m]{N1i=0∑N−1Xl[i]ej2πi(n−m)/N}}e−j2πkn/N+Zl[k]=N1i=0∑N−1{{m=0∑∞hl[m]e−j2πim/N}Xl[i]n=0∑∞e−j2π(k−i)n/N}+Zl[k]=Hl[k]Xl[k]+Zl[k](8)
前面式(5)
x
l
[
n
]
=
∑
k
=
0
N
−
1
X
l
[
k
]
e
j
2
π
k
n
/
N
x_{l}[n]=\sum_{k=0}^{N-1} X_{l}[k] e^{j 2 \pi k n / N}
xl[n]=∑k=0N−1Xl[k]ej2πkn/N ,令n = n - m 则
x
l
[
n
−
m
]
=
∑
k
=
0
N
−
1
X
l
[
k
]
e
j
2
π
k
(
n
−
m
)
/
N
x_{l}[n - m]=\sum_{k=0}^{N-1} X_{l}[k] e^{j 2 \pi k (n - m) / N}
xl[n−m]=∑k=0N−1Xl[k]ej2πk(n−m)/N .
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 k k k 个子载波上的第 l l l 个发送符号、接收符号、信道频率响应和频域噪声,式(8)说明,在频域可以将OFDM系统看做输入符号与信道频率响应的乘积。
无噪声的情况下, Y l [ k ] = H l [ k ] X l [ k ] Y_{l}[k]=H_{l}[k] X_{l}[k] Yl[k]=Hl[k]Xl[k] ,因此知需要用接收信号除以信道即 $ X_{l}[k]=Y_{l}[k] / H_{l}[k]$ 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\} {yl[n]}={xl[n]}∗{hl[n]} 时, DFT { y l [ n ] } ≠ DFT { x l [ n ] } ⋅ DFT { h l [ n ] } \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] 。
对于循环卷积 ⊗ \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] 。即在发射信号中插入CP是的发射采样与信号采样满足循环卷积,因此可以再接收机得到 Y l [ k ] = H l [ k ] X l [ k ] Y_{l}[k]=H_{l}[k] X_{l}[k] Yl[k]=Hl[k]Xl[k] 。
四、峰均-平均功率比(PAPR)
PAPR定义为复通频带 s(t) 的最大功率和平均功率之比
PAPR
{
s
~
(
t
)
}
=
max
∣
Re
(
s
~
(
t
)
e
j
2
π
f
c
t
)
∣
2
E
{
∣
Re
(
s
~
(
t
)
e
j
2
π
f
c
t
)
∣
2
}
=
max
∣
s
(
t
)
∣
2
E
{
∣
s
(
t
)
∣
2
}
(9)
\operatorname{PAPR}\{\tilde{s}(t)\}=\frac{\max \left|\operatorname{Re}\left(\tilde{s}(t) e^{j 2 \pi f_{c} t}\right)\right|^{2}}{E\left\{\left|\operatorname{Re}\left(\tilde{s}(t) e^{j 2 \pi f_{c} t}\right)\right|^{2}\right\}}=\frac{\max |s(t)|^{2}}{E\left\{|s(t)|^{2}\right\}} \tag{9}
PAPR{s~(t)}=E{∣Re(s~(t)ej2πfct)∣2}max
Re(s~(t)ej2πfct)
2=E{∣s(t)∣2}max∣s(t)∣2(9)
通过定义波峰因数(Crest Factor, CF),可以按照幅度形式描述上面的功率特性
通频带: C F = P A P R \mathrm{CF}=\sqrt{\mathrm{PAPR}} CF=PAPR
基带: C F = P M E P R \mathrm{CF}=\sqrt{\mathrm{PMEPR}} CF=PMEPR
在具有N个子载波的PSK/OFDM系统中,当N个子载波都以相同的相位相加时,信号出现最大功率。假设 E { ∣ s ( t ) ∣ 2 } = 1 E\left\{|s(t)|^{2}\right\}=1 E{∣s(t)∣2}=1 ,这时 PAPR = N ,即最大功率等于N倍的平均功率。当M > 4 , M-QAM比M-PSK的PAPR大。此外,当N增大时,信号出现最大功率的可能性降低。
例如,在MPSK/OFDM系统中,假设在 M N M^{N} MN 个OFDM信号中有 M 2 M^{2} M2 个具有最的大功率,那么最大PAPR出现的可能性为 M 2 / M N = M 2 − N , M^{2} / M^{N}=M^{2-N}, M2/MN=M2−N, 或者说很少出现最大的PAPR。
更应关注信号功率超出高功率放大器(High Power Amplifer, HPA)线性范围的概率。为此,首先考虑IFFT模块的输出信号分布。根据中心极限定理,当N点IFFT的输入信号相互独立且幅度有限时(对于QPSK和QAM调制服从均匀分布),对于足够大的子载波数,(在发射机经过 IFFT后)时域复OFDM信号 s(t) 的实部和虚部都渐进服从高斯分布。因此,OFDM信号s(t)的幅度服从瑞利分布。
令
{
Z
n
}
\left\{Z_{n}\right\}
{Zn} 表示复采样
{
s
(
n
T
s
/
N
)
}
n
=
0
N
−
1
\left\{s\left(n T_{\mathrm{s}} / N\right)\right\}_{n=0}^{N-1}
{s(nTs/N)}n=0N−1 的幅度。假设s(t)的平均功率等于1,即
E
{
∣
s
(
t
)
∣
2
}
=
1
,
E\left\{|s(t)|^{2}\right\}=1,
E{∣s(t)∣2}=1, 那么
{
Z
n
}
\left\{Z_{n}\right\}
{Zn} 是独立同分布的瑞利随机变量,概率密度函数(PDF)为
f
Z
n
(
z
)
=
z
σ
2
e
−
z
2
2
σ
2
=
2
z
e
−
z
2
,
n
=
0
,
1
,
⋯
,
N
−
1
(10)
f_{Z_{n}}(z)=\frac{z}{\sigma^{2}} \mathrm{e}^{-\frac{z^{2}}{2 \sigma^{2}}}=2 z \mathrm{e}^{-z^{2}}, \quad n=0,1, \cdots, N-1 \tag{10}
fZn(z)=σ2ze−2σ2z2=2ze−z2,n=0,1,⋯,N−1(10)
其中,
E
{
Z
n
2
}
=
2
σ
2
=
1
E\left\{Z_{n}^{2}\right\}=2 \sigma^{2}=1
E{Zn2}=2σ2=1 。最大的
{
Z
n
}
\left\{Z_{n}\right\}
{Zn} 相当于前面定义的CF 。令
Z
max
Z_{\max }
Zmax 表示CF, 即
Z
max
=
max
n
=
0
,
1
,
⋯
,
N
−
1
Z
n
Z_{\max }=\max _{n=0,1, \cdots, N-1} Z_{n}
Zmax=maxn=0,1,⋯,N−1Zn 。
Z
max
Z_{\max }
Zmax 的累积分布函数 (cumulative distribution function, CDF) 为:
F
Z
max
(
z
)
=
P
(
Z
max
<
z
)
=
P
(
Z
0
<
z
)
⋅
P
(
Z
1
<
z
)
…
P
(
Z
N
−
1
<
z
)
=
(
1
−
e
−
z
2
)
N
(11)
\begin{aligned} F_{\mathbf{Z}_{\max }}(z) &=P\left(\mathbf{Z}_{\max }<z\right) \\ &=P\left(\mathbf{Z}_{0}<z\right) \cdot P\left(\mathbf{Z}_{1}<z\right) \ldots P\left(\mathbf{Z}_{N-1}<z\right) \\ &=\left(1-e^{-z^{2}}\right)^{N} \end{aligned} \tag{11}
FZmax(z)=P(Zmax<z)=P(Z0<z)⋅P(Z1<z)…P(ZN−1<z)=(1−e−z2)N(11)
其中,
P
(
Z
n
<
z
)
=
∫
0
z
f
Z
n
(
x
)
d
x
,
n
=
0
,
1
,
2
,
⋯
,
N
−
1
P\left(Z_{n}<z\right)=\int_{0}^{z} f_{Z_{n}}(x) \mathrm{d} x, \quad n=0,1,2, \cdots, N-1
P(Zn<z)=∫0zfZn(x)dx,n=0,1,2,⋯,N−1 。
为了得到CF超过Z的概率,这里考虑互补累积分布函数(complementary cumulative distribution function,CCDF):
F
~
Z
max
(
z
)
=
P
(
Z
max
>
z
)
=
1
−
P
(
Z
max
≤
z
)
=
1
−
F
Z
max
(
z
)
=
1
−
(
1
−
e
−
z
2
)
N
(12)
\begin{aligned} \tilde{F}_{\mathbf{Z}_{\max }(z)} &=P\left(\mathbf{Z}_{\max }>z\right) \\ &=1-P\left(\mathbf{Z}_{\max } \leq z\right) \\ &=1-F_{\mathbf{Z}_{\max }}(z) \\ &=1-\left(1-e^{-z^{2}}\right)^{N} \end{aligned} \tag{12}
F~Zmax(z)=P(Zmax>z)=1−P(Zmax≤z)=1−FZmax(z)=1−(1−e−z2)N(12)
式(11)和式(12)是在假设N个采样相互独立且N足够大的情况下得到的,因此对于带宽有限或过采样信号,上述两式不再成立。这是因为采样信号不一定包含连续时间信号的最大点。由于很难得到过采样信号准确的CDF,因此使用下面简化了的CDF:
F
Z
(
z
)
≈
(
1
−
e
−
z
2
)
α
N
(13)
F_{Z}(z) \approx\left(1-\mathrm{e}^{-z^{2}}\right)^{\alpha N} \tag{13}
FZ(z)≈(1−e−z2)αN(13)
其中,通过将理论的CDF拟合为实际的CDF来确定
α
\alpha
α。由仿真结果可知对于足够大的N,
α
=
2.8
\alpha=2.8
α=2.8 比较合适。