学习笔记——OFDM仿真课设

说明

本学期的通信原理课程设计，要做一个OFDM调制解调的仿真，现在基本上理解了OFDM调制的过程，并且参照实验平台上的代码，自己仿写了个简化突出的代码，因此，梳理一下思路，写个小小总结，方便后面写课设报告之用，也希望能方便其他OFDM初学者。

本文简要介绍OFDM原理和优势，并利用数学公示推导，着重讨论IFFT相关内容，参考《移动通信 第五版》（其实也有很多地方没看懂或者觉得有错，这里写的仅是我的理解内容）。

本人也是OFDM初学者，可能有些地方理解不到位或者错误，希望各位老哥在线交流~

1.OFDM简介

OFDM全称正交频分复用，是一种高级的频分复用的调制技术。相对于传统FDM，它的频谱利用率更高，抗干扰能力更强。其基本思路是：

将串行数据并行,将并行的数据分别调制到各自的载波上去，且这些载波是正交的，然后合成各个已调的载波信号成为已调信号；在接收端，收到已调信号后，分别乘以对应的载波信号后积分，由于正交性，只有与自己相乘后积分才不为零，可以分别解调出对应的数据。

两大明显优势：

1. 正交载波 ，由于载波正交，因此即便是载波间有重叠，也能还原出各载波信号。
   

图1 FDM&OFDM

2. 串行数据并行化，串行数据传输过程中，一个比特数据错误，可能导致很大的前后误差，而并行数据传输就不一样了。
   

图2 OFDM原理框图

2.OFDM原理

串行原始数据，单个码元长度$t_s$，将串行数据分组，一组N（载波数）个,$T_s=N\ast t_s$，N个子载波：$f_n=f_0+n\ast \Delta f,n=0,1,2,\dots N-1$;
载波间隔取 $\Delta f=1/T_s=1/(N\ast t_s)$; $d(n)$即并行的一组的N个数据，用以给N个载波进行调制;

由上图OFDM原理框图可知：

OFDM实际发射的信号:

$$D(t)=\sum _{n=0}^{N-1}d(n)\ast cos(2\pi f_{n}t)\text{\hspace{1em}(1.1)}$$

在接收端也是接收信号$D(t)$，乘以对应的频率后积分有：

$$d^{{}^{\prime }}(k)={\int }_0^{T_s}D(t)\ast 2cos(w_{k}t)dt={\int }_0^{T_s}\sum _{n=0}^{N-1}d(n)2cos(w_{k}t{)}^{2}dt=d(k)$$
补充：正交性：如果$f(t)与g(t)正交$
$$\int f(t)\ast g(t)dt=0$$

因此通过正交性能够恢复出原始信号。
实现OFDM一般在产生叠加的已调信号的时候有两种方法：
（1）叠加法 （2）IDFT 法。

2.1叠加法

很简单，就是单纯的将各个载波调制的信号加起来，也就是式子（1-1）所表达内容，这里就不赘述了。

2.2IDFT

一般为了更加高效的调制，通常会进行一些数字调制、多进制调制，如QPSK、16QAM等，通过幅度和相位进行保存数据信息来进行调制。

$$\begin{gathered} D(t)=\sum _{n=0}^{N-1}A(n)\ast cos(2\pi f_{n}t+{\varphi }_n) \\ =\sum _{n=0}^{N-1}A(n)cos({\varphi }_n)cos(2\pi f_{n}t)-A(n)sin({\varphi }_n)sin(2\pi f_{n}t) \\ =\sum _{n=0}^{N-1}a(n)cos(2\pi f_{n}t)-b(n)sin(2\pi f_{n}t) \end{gathered}$$
写成复数形式如下：
$$D(t)=Re[\sum _{n=0}^{N-1}(a(n)+jb(n))\ast e^{j2\pi f_{n}t}]\text{\hspace{1em}(1.2)}$$
根据数字调制里面的知识，原始序列$d(n)$经过映射成为$a(n)+jb(n)$,也就是星座图里面的实轴、虚轴值。

图3 a,b分别对应I,Q轴的值

由于$d(n)映射成a(n)+jb(n)$，故而式子（1.2）可写成下面形式：
$$D(t)=Re[\sum _{n=0}^{N-1}d(n)\ast e^{j2\pi f_{n}t}]\text{\hspace{1em}(1.3)}$$
将$f_n=f_0+\Delta f$带入上式有：
$$D(t)=Re[\sum _{n=0}^{N-1}d(n)\ast e^{j2\pi f_{0}t}\ast e^{j2\pi n\Delta ft}]$$
如果对$D(t)$以采样频率$Fs$进行采样得到离散序列：
$$D(m)=Re[\sum _{n=0}^{N-1}d(n)\ast e^{j2\pi f_{0}m/Fs}\ast e^{j2\pi n\Delta fm/Fs}]\text{\hspace{1em}(1.4)}$$
若$$\begin{gathered} \Delta f/Fs=1/N, \\ 即Fs=N\Delta f=N\ast 1/T_s=N\ast 1/(N\ast t_s)=1/t_s \end{gathered}$$,则（1.4）可写为：
$$\begin{gathered} D(m)=Re[\sum _{n=0}^{N-1}d(n)\ast e^{j2\pi f_{0}m/Fs}\ast e^{j2\pi nm/N}] \\ =Re[\sum _{n=0}^{N-1}IDFT(d(n))\ast e^{j2\pi f_{0}m/Fs}] \\ =Re[\sum _{n=0}^{N-1}IDFT(d(n))](若f_0=0)\text{\hspace{1em}(1.5)} \end{gathered}$$

IDFT定义为： $x(n)={\sum }_{k=0}^{N-1}X(k)e^{j2\pi nk/N}=IDFT(X(k))$

因此，可用并行序列的数字调制映射的IDFT得到叠加后的时域信号的采样的离散信号。当采样频率足够高，满足奈奎斯特速率，即可无失真，不损失频率分量，可见IDFT的可行高效。

3.OFDM仿真结果

进行MATLAB仿真，可得如下结果：

图4 四个载波时域图

图5 载波频谱（16QAM）

图6 两种方法的合成信号对比

4.Problem

1.为什么IDFT法得到的合成波形和叠加法的波形差别比较大？
答：IDFT得到的波形是连续信号的采样，可用通过对叠加法以同样频率采样得到信号在与IDFT的信号比较，不出意外，应该是相同的。

我也是刚刚写博客才想到这个问题的可能答案，还没来得及写代码验证，稍后有时间我会写代码看看。

2.前面分析IDFT里面采样频率$Fs=N\Delta f$，而合成信号最大频率是$f_{max}=f_0+N\Delta f$，并不满足$F_s>2f_{max}$，何解？