OFDM基础

最新推荐文章于 2024-09-17 16:52:57 发布

大大大言言言

最新推荐文章于 2024-09-17 16:52:57 发布

阅读量373

点赞数

文章标签：人工智能

本文链接：https://blog.csdn.net/weixin_45221802/article/details/128492870

版权

本文详细介绍了OFDM的正交性，包括其数学定义及离散时间表示；阐述了OFDM调制与解调过程，涉及PSK/QAM符号处理和信道影响；讲解了保护间隔循环前缀的作用，以及如何通过CP实现信道均衡；最后探讨了峰均功率比（PAPR）的概念及其在信号功率控制中的重要性，尤其关注了高功率放大器的适用性。

摘要由CSDN通过智能技术生成

文章目录

一、OFDM正交性

考虑时间有限的复指数信号 $\left\{e^{j 2 \pi f_{k} t}\right\}_{k=0}^{N-1}$ , 表示OFDM信号中在 $f_{k}=k / T_{s y m}$ 处的不同子载波，其中 $\leq t \leq T_{s y m}$ .

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
$\begin{aligned} \frac{1}{T_{s y m}} \int_{0}^{T_{s y m}} e^{j 2 \pi f_{k} t} e^{-j 2 \pi f_{i} t} d t &=\frac{1}{T_{s y m}} \int_{0}^{T_{s y m}} e^{j 2 \pi\frac{k}{T_{s s m}} t} e^{-j 2 \pi \frac{i}{T_{s y m} }t} d t \\ &=\frac{1}{T_{s y m}} \int_{0}^{T_{s y m}} e^{j 2 \pi \frac{(k-i)}{T_{s y m}} t} d t \\ &=\left\{\begin{array}{ll} 1, & \forall \text { integer } k=i \\ 0, & \text { otherwise } \end{array}\right. \end{aligned} \tag{1}$
在时刻 $t=n T_{s}=n T_{s y m} / N$ , 进行离散采样，可以在 离散时域 将式（1）表示为
$\begin{array}{l} \frac{1}{N} \sum_{n=0}^{N-1} e^{j 2 \pi \frac{k}{T_{s y m}} \cdot n T_{s}} e^{-j 2 \pi \frac{i}{T_{s y m}} \cdot n T_{s}}=\frac{1}{N} \sum_{n=0}^{N-1} e^{j 2 \pi \frac{k}{T_{s y m}} \cdot \frac{n T_{s y m}}{N}} e^{-j 2 \pi \frac{i}{T_{s y m}} \cdot \frac{n T_{s y m}}{N}}\\ =\frac{1}{N} \sum_{n=0}^{N-1} e^{j 2 \pi \frac{(k-i)}{N} n}\\ =\left\{\begin{array}{ll} 1, & \forall \text { integer } k=i \\ 0, & \text { otherwise } \end{array}\right. \end{array} \tag{2}$

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 $X_{l}[k]$ 表示在第 $k$ 个子载波上的第 $l$ 个发送符号, $\cdots, \infty , k=0,1,2, \cdots, N-1$ .

由于串并（S/P）转换， $N$ 个符号的传输时间扩展为 $N T_{s}$ , 它是单个OFDM符号的持续时间 $T_{sym}$ .

令 $\Psi_{l . k}(t)$ 表示在第 $k$ 个子载波上的第 $l$ 个OFDM符号
$\Psi_{l . k}(t)=\left\{\begin{array}{ll} e^{j 2 \pi f_{k}\left(t-l T_{s y m}\right)}, & 0<t \leq T_{s y m} \\ 0, & \text { elsewhere } \end{array}\right. \tag{3}$
时间连续的通频带信号可以表示为
$x_{l}(t)=\operatorname{Re}\left\{\frac{1}{T_{s y m}} \sum_{l=0}^{\infty}\left\{\sum_{k=0}^{N-1} X_{l}[k] \Psi_{l . k}(t)\right\}\right\} \tag{4}$
时间连续的基带信号可以表示为
$x_{l}(t)=\sum_{l=0}^{\infty} \sum_{k=0}^{N-1} X_{l}[k] e^{j 2 \pi f_{k}\left(t-l T_{s y m}\right)} \tag{4}$
在 $t=l T_{s y m} + n T_{s}$ 时刻（其中 $T_{s} = T_{s y m}/N$ , $f_{k}=k / T_{s y m}$ ），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

$x_{l}[n]=\sum_{k=0}^{N-1} X_{l}[k] e^{j 2 \pi k n / N} \quad \text { for } \quad n=0,1, \ldots, N-1 \tag{5}$

式（5）是PSK 或 QAM 符号 $\left\{X_{l}[k]\right\}_{k=0}^{N-1}$ 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 $y_{l}(t)=\sum_{k=0}^{N-1} X_{l}[k] e^{j 2 \pi f_{k}\left(t-l T_{s y m}\right)}$ , $T_{s y m}<t \leq l T_{s y m}+n T_{s}$ .

利用式（1）中子载波间的正交性，可重构原发送符号 $X_{l}[k]$ ：

$\begin{aligned} Y_{l}[k] &=\frac{1}{T_{s y m}} \int_{-\infty}^{\infty} y_{l}(t) e^{-j 2 \pi f_{k}\left(t-l T_{s y m}\right)} d t \\ &=\frac{1}{T_{s y m}} \int_{-\infty}^{\infty}\left\{\sum_{i=0}^{N-1} X_{l}[i] e^{j 2 \pi f_{i}\left(t-l T_{s s m}\right)}\right\} e^{-j 2 \pi f_{k}\left(t-l T_{s y m}\right)} d t \\ &=\sum_{i=0}^{N-1} X_{l}[i]\left\{\frac{1}{T_{s y m}} \int_{0}^{T_{s y m}} e^{j 2 \pi\left(f_{i}-f_{k}\right)\left(t-l T_{s y m}\right)} d t\right\}=X_{l}[k] \end{aligned} \tag{6}$
上式（6）未考虑信道和噪声的影响。

令 $\left\{y_{l}[n]\right\}_{n=0}^{N-1}$ 为OFDM接受符号 $y_{l}(t)$ 在 $t=l T_{s y m} + n T_{s}$ 时刻的采样。将 $t , T_{s} = T_{s y m}/N$ , $f_{k}=k / T_{s y m}$ 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

$\begin{aligned} Y_{l}[k] &=\sum_{n=0}^{N-1} y_{l}[n]e^{-j 2 \pi f_{k}\left(t-l T_{s y m}\right)}\\ &=\sum_{n=0}^{N-1} y_{l}[n]e^{-j 2 \pi \left(l T_{s y m} + n T_{s y m}/N-l T_{s y m}\right)k / T_{s y m}} \\ &=\sum_{n=0}^{N-1} y_{l}[n] e^{-j 2 \pi k n / N} \\ &=\sum_{n=0}^{N-1}\left\{\frac{1}{N} \sum_{i=0}^{N-1} X_{l}[i] e^{j 2 \pi i n / N}\right\} e^{-j 2 \pi k n / N} \\ &=\frac{1}{N} \sum_{n=0}^{N-1} \sum_{i=0}^{N-1} X_{l}[i] e^{j 2 \pi(i-k) n / N}=X_{l}[k] \end{aligned} \tag{7}$
式（7）是 $\left\{y_{l}[n]\right\}_{n=0}^{N-1}$ 的N点DFT，并且利用FFT可以更有效地计算。

在这里插入图片描述

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 $\left\{y_{l}[n]\right\}_{n=0}^{N-1}$ 进行FFT得到：

$\begin{aligned} Y_{l}[k] &=\sum_{n=0}^{N-1} y_{l}[n] e^{-j 2 \pi k n / N} \\ &=\sum_{n=0}^{N-1}\left\{\sum_{m=0}^{\infty} h_{l}[m] x_{l}[n-m]+z_{l}[n]\right\} e^{-j 2 \pi k n / N} \\ &=\sum_{n=0}^{N-1}\left\{\sum_{m=0}^{\infty} h_{l}[m]\left\{\frac{1}{N} \sum_{i=0}^{N-1} X_{l}[i] e^{j 2 \pi i(n-m) / N}\right\}\right\} e^{-j 2 \pi k n / N}+Z_{l}[k] \\ &=\frac{1}{N} \sum_{i=0}^{N-1}\left\{\left\{\sum_{m=0}^{\infty} h_{l}[m] e^{-j 2 \pi i m / N}\right\} X_{l}[i] \sum_{n=0}^{\infty} e^{-j 2 \pi(k-i) n / N}\right\}+Z_{l}[k] \\ &=H_{l}[k] X_{l}[k]+Z_{l}[k] \end{aligned} \tag{8}$
前面式（5） $x_{l}[n]=\sum_{k=0}^{N-1} X_{l}[k] e^{j 2 \pi k n / N}$ ,令n = n - m 则 $x_{l}[n - m]=\sum_{k=0}^{N-1} X_{l}[k] e^{j 2 \pi k (n - m) / N}$ .

其中 $X_{l}[k]$ 、 $Y_{l}[k]$ 、 $H_{l}[k]$ 和 $Z_{l}[k]$ 分别表示第 $k$ 个子载波上的第 $l$ 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， $Y_{l}[k]=H_{l}[k] X_{l}[k]$ ，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 $\left\{y_{l}[n]\right\}=\left\{x_{l}[n]\right\} *\left\{h_{l}[n]\right\}$ 时， $\operatorname{DFT}\left\{y_{l}[n]\right\} \neq \operatorname{DFT}\left\{x_{l}[n]\right\} \cdot \operatorname{DFT}\left\{h_{l}[n]\right\}$ .因此如果没有CP那么 $Y_{l}[k] \neq H_{l}[k] X_{l}[k]$ 。

对于循环卷积 $\otimes$ , 当 $\left\{y_{l}[n]\right\}=\left\{x_{l}[n]\right\} \otimes\left\{h_{l}[n]\right\}$ 时， $Y_{l}[k]=H_{l}[k] X_{l}[k]$ 。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 $Y_{l}[k]=H_{l}[k] X_{l}[k]$ 。

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
$\operatorname{PAPR}\{\tilde{s}(t)\}=\frac{\max \left|\operatorname{Re}\left(\tilde{s}(t) e^{j 2 \pi f_{c} t}\right)\right|^{2}}{E\left\{\left|\operatorname{Re}\left(\tilde{s}(t) e^{j 2 \pi f_{c} t}\right)\right|^{2}\right\}}=\frac{\max |s(t)|^{2}}{E\left\{|s(t)|^{2}\right\}} \tag{9}$
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： $\mathrm{CF}=\sqrt{\mathrm{PAPR}}$

基带： $\mathrm{CF}=\sqrt{\mathrm{PMEPR}}$

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 $E\left\{|s(t)|^{2}\right\}=1$ ,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 $M^{N}$ 个OFDM信号中有 $M^{2}$ 个具有最的大功率，那么最大PAPR出现的可能性为 $M^{2} / M^{N}=M^{2-N},$ 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 $\left\{Z_{n}\right\}$ 表示复采样 $\left\{s\left(n T_{\mathrm{s}} / N\right)\right\}_{n=0}^{N-1}$ 的幅度。假设s(t)的平均功率等于1，即 $E\left\{|s(t)|^{2}\right\}=1,$ 那么 $\left\{Z_{n}\right\}$ 是独立同分布的瑞利随机变量，概率密度函数(PDF)为
$f_{Z_{n}}(z)=\frac{z}{\sigma^{2}} \mathrm{e}^{-\frac{z^{2}}{2 \sigma^{2}}}=2 z \mathrm{e}^{-z^{2}}, \quad n=0,1, \cdots, N-1 \tag{10}$
其中, $E\left\{Z_{n}^{2}\right\}=2 \sigma^{2}=1$ 。最大的 $\left\{Z_{n}\right\}$ 相当于前面定义的CF 。令 $Z_{\max }$ 表示CF, 即 $Z_{\max }=\max _{n=0,1, \cdots, N-1} Z_{n}$ 。 $Z_{\max }$ 的累积分布函数 (cumulative distribution function, CDF) 为：
$\begin{aligned} F_{\mathbf{Z}_{\max }}(z) &=P\left(\mathbf{Z}_{\max }<z\right) \\ &=P\left(\mathbf{Z}_{0}<z\right) \cdot P\left(\mathbf{Z}_{1}<z\right) \ldots P\left(\mathbf{Z}_{N-1}<z\right) \\ &=\left(1-e^{-z^{2}}\right)^{N} \end{aligned} \tag{11}$
其中， $P\left(Z_{n}<z\right)=\int_{0}^{z} f_{Z_{n}}(x) \mathrm{d} x, \quad n=0,1,2, \cdots, N-1$ 。

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）：
$\begin{aligned} \tilde{F}_{\mathbf{Z}_{\max }(z)} &=P\left(\mathbf{Z}_{\max }>z\right) \\ &=1-P\left(\mathbf{Z}_{\max } \leq z\right) \\ &=1-F_{\mathbf{Z}_{\max }}(z) \\ &=1-\left(1-e^{-z^{2}}\right)^{N} \end{aligned} \tag{12}$
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：
$F_{Z}(z) \approx\left(1-\mathrm{e}^{-z^{2}}\right)^{\alpha N} \tag{13}$
其中，通过将理论的CDF拟合为实际的CDF来确定 $\alpha$ 。由仿真结果可知对于足够大的N, $\alpha=2.8$ 比较合适。