OFDM基本原理

一、OFDM简述

  OFDM 的全称是 Orthogonal Frequency Divisition Multiplexing,是一种多载波调制技术,其能有效对抗频率选择性衰落,克服信号符号间干扰。OFDM的技术的核心思想是将宽频率载波划分成多个带宽较小的正交子载波,并使用这些正交子载波发送及接收信号。

  • Orthogonal :正交的
  • Frequency Divisition:频率划分的
  • Multiplexing:复用

OFDM频域示意图

OFDM频域示意图

OFDM时域示意图

OFDM时域示意图

二、OFDM的正交性

1、正交性的定义

  正交性是OFDM信号实现无ICI(载波间干扰)的必要条件。基本的数学定义为,考虑时间有限的复指数信号 { e j 2 π f k t } k = 0 N − 1 \left\{\mathrm{e}^{\mathrm{j} 2 \pi f_k t}\right\}_{k=0}^{N-1} {ej2πfkt}k=0N1, 它们表示 OFDM 信号中在 f k = k / T s y m f_k=k / T_{\mathrm{sym}} fk=k/Tsym 的不同子载波( 0 ⩽ t ⩽ T sym  0\leqslant t \leqslant T_{\text {sym }} 0tTsym ) 。如果这些信号的乘积在它们的公共 (基本) 周期内的积分为零, 那么它们被定是正交的, 即
1 T sym  ∫ 0 T sym  e j 2 π f k t e − j 2 π f i t d t = 1 T sym  ∫ 0 T sym  e j 2 π k T sym  t e − j 2 π i T sym  t d t = 1 T sym  ∫ 0 T sym  e j 2 π ( k − i ) T sym  t d t = { 1 , ∀ k = i 0 , 其他  \begin{aligned} \frac{1}{T_{\text {sym }}} \int_0^{T_{\text {sym }}} \mathrm{e}^{\mathrm{j} 2 \pi f_k t} \mathrm{e}^{-\mathrm{j} 2 \pi f_i t} \mathrm{~d} t & =\frac{1}{T_{\text {sym }}} \int_0^{T_{\text {sym }}} \mathrm{e}^{\mathrm{j} 2 \pi \frac{k}{T_{\text {sym }}} t} \mathrm{e}^{-\mathrm{j} 2 \pi \frac{i}{T_{\text {sym }}} t} \mathrm{~d} t \\ & =\frac{1}{T_{\text {sym }}} \int_0^{T_{\text {sym }}} \mathrm{e}^{\mathrm{j} 2 \pi \frac{(k-i)}{T_{\text {sym }} t}} \mathrm{~d} t \\ & = \begin{cases}1, & \forall k=i \\ 0, & \text { 其他 }\end{cases} \end{aligned} Tsym 10Tsym ej2πfktej2πfit dt=Tsym 10Tsym ej2πTsym ktej2πTsym it dt=Tsym 10Tsym ej2πTsym t(ki) dt={1,0,k=i 其他 

2、正交性的作用

  首先频分复用相当于提高频带的利用率,正交频分复用则可以使频带的利用率达到理论上的最大值,并且子载波的正交性保证了无ICI的情况。图中上半部分是普通的频分复用;图中下半部分两个子载波正交,此时一个载波的旁瓣在另一个载波上值为0。
中心子载波不产生干扰

三、OFDM的调制解调

  OFDM调制的过程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个并行符号流。每N个经过串/并转换的符号被不同的子载波调制。解调过程基本为调制逆过程。
在这里插入图片描述

1、公式推理OFDM实现

公式推导未考虑噪声影响

OFDM调制

  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 I [ k ] X_I[k] XI[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,,N1 。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(N个符号生成) , 它即是单个 OFDM 符号的持续时间 T s y m T_{\mathrm{sym}} Tsym T s y m = N T s T_{\mathrm{sym}}=N T_{\mathrm{s}} Tsym=NTs
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  \Psi_{l, k}(t)= \begin{cases}\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{cases} Ψl,k(t)={ej2πfk(tlTsym ),0,0<tTsym  其他 
则OFDM基带信号可以表示
x l ( t ) = ∑ l = 0 ∞ ∑ k = 0 N − 1 X l [ k ] e j 2 π f k ( t − l T s y m ) 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)} xl(t)=l=0k=0N1Xl[k]ej2πfk(tlTsym)
在时刻 t = l T s y m + n T s , T s = T s y m / N , f k = k / T s y m t=l T_{\mathrm{sym}}+n T_{\mathrm{s}}, T_{\mathrm{s}}=T_{\mathrm{sym}} / N, f_k=k / T_{\mathrm{sym}} t=lTsym+nTs,Ts=Tsym/N,fk=k/Tsym, 对时间 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 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 xl[n]=k=0N1Xl[k]ej2πkn/Nn=0,1,,N1
可以证明式 x l [ n ] x_l[n] xl[n]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=0N1 N N N 点 IDFT,利用 IFFT 算法可以快速计算。

OFDM解调

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 ) , l T s y m < t < l T s y m + n T s 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)}, l T_{\mathrm{sym}}<t<l T_{\mathrm{sym}}+n T_{\mathrm{s}} yl(t)=k=0N1Xl[k]ej2πfk(tlTsym),lTsym<t<lTsym+nTs
利用子载波 e j 2 π f k ( t − l T sym  ) \mathrm{e}^{\mathrm{j} 2 \pi f_k\left(t-l T_{\text {sym }}\right)} ej2πfk(tlTsym )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  ∫ − ∞ ∞ ∑ 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 s y m ) d t } = X l [ k ] \begin{aligned} Y_l[k] & =\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_{\mathrm{sym}}\right)} \mathrm{d} t\right\}=X_l[k] \end{aligned} Yl[k]=Tsym 1i=0N1{Xl[i]ej2πfi(tlTsym )}ej2πfk(tlTsym )dt=i=0N1Xl[i]{Tsym 10Tsym ej2π(fifk)(tlTsym)dt}=Xl[k]
{ y l [ n ] } n = 0 N − 1 \left\{y_l[n]\right\}_{n=0}^{N-1} {yl[n]}n=0N1 为 OFDM 接收符号 y l ( t ) y_l(t) yl(t) 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。调制过程的积分可以表示为下面的离散时域形式:
Y l [ k ] = 1 N ∑ n = 0 N − 1 ∑ i = 0 N − 1 X l [ i ] e j 2 π ( i − k ) n / N = X l [ k ] \begin{aligned} Y_l[k] & =\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} Yl[k]=N1n=0N1i=0N1Xl[i]ej2π(ik)n/N=Xl[k]
可以证明 Y l [ k ] Y_l[k] Yl[k] { y l [ n ] } n = 0 N − 1 \left\{y_l[n]\right\}_{n=0}^{N-1} {yl[n]}n=0N1 N N N 点 DFT,利用 FFT 算法进行快速计算。

2、OFDM 中的保护间隔–CP(Cyclic Prefix)

  多径衰落信道会使得传输的信号存在时延拓展,对OFDM的传输影响未ISI和ICI。对于ISI(符号间干扰),只要前一个符号经过时延扩展后会对下一个符号产生影响。对于ICI(信号间干扰),由于信道是多径信道,各路子载波被接收到的时间可能有偏差,这就造成在FFT积分时间长度内子载波之间相差不再是整数周期,正交性被破坏.

循环前缀(CP) 实现OFDM 符号的循环扩展(为了信号连续性)。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。

OFDM通过添加循环前缀解决这两个问题:

  • 消除ISI:当信道的冲激相应长度小于CP的长度时,延时的前一个符号没有机会进入后一个符号的区间来影响,从而可以消除ISI。
  • 消除ICI:单纯在保护间隔补0仍然无法保证子载波的正交性,采用循环前缀后,信道输出的后N个样值是发送序列和信道冲激响应的循环卷积,有了循环前缀避免了混叠,从而可以消除ICI。
    从图上可以很清楚的看出 CP 的加入如何转换成循环卷积
    在这里插入图片描述

3、OFDM实现框图

接收部分的时间和频率同步以及信道估计与均衡也是OFDM中的重要技术
在这里插入图片描述

参考资料

无线通信基础2:深入理解OFDM(含Matlab代码)
快速傅里叶变换(FFT)和逆快速傅里叶变换(IFFT)
给“小白”图示讲解OFDM的原理
OFDM的ISI和CP(循环前缀)
浅谈对OFDM的理解
《MIMO-OFDM无线通信技术及MATLAB实现》

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/110123.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

零基础学习CSS

01-CSS初体验 层叠样式表 (Cascading Style Sheets&#xff0c;缩写为 CSS&#xff09;&#xff0c;是一种 样式表 语言&#xff0c;用来描述 HTML 文档的呈现&#xff08;美化内容&#xff09;。 书写位置&#xff1a;title 标签下方添加 style 双标签&#xff0c;style 标签…

基于Java公益志愿捐赠管理系统设计与实现(源码+LW+调试+开题报告)

项目描述 临近学期结束&#xff0c;还是毕业设计&#xff0c;你还在做java程序网络编程&#xff0c;期末作业&#xff0c;老师的作业要求觉得大了吗?不知道毕业设计该怎么办?网页功能的数量是否太多?没有合适的类型或系统?等等。这里根据疫情当下&#xff0c;你想解决的问…

Android MediaCodec 框架 基于codec2

系列文章的目的是什么&#xff1f; 粗略&#xff1a; 解码需要哪些基础的服务&#xff1f;标准解码的调用流程&#xff1f;各个流程的作用是什么&#xff1f;解码框架的层次&#xff1f;各个层次的作用&#xff1f; 细化&#xff1a; 解码参数的配置&#xff1f;解码输入数…

WPF中在MVVM模式下实现导航功能

WPF中在MVVM模式下实现导航功能 一、利用TabControl 使用场景&#xff1a;项目小&#xff0c;不用考虑内存开销的问题。 实现方式1-手动指定ViewModel 分别定义3个UserControl作为View用于演示 <UserControl...><Grid><StackPanel Orientation"Vertic…

机器视觉、图像处理和计算机视觉:概念和区别

机器视觉、图像处理和计算机视觉&#xff1a;概念和区别 机器视觉、图像处理和计算机视觉是相关但有区别的概念。 机器视觉主要应用于工业领域&#xff0c;涉及图像感知、图像处理、控制理论和软硬件的结合&#xff0c;旨在实现高效的运动控制或实时操作。 图像处理是指利用…

竞赛 深度学习YOLO抽烟行为检测 - python opencv

文章目录 1 前言1 课题背景2 实现效果3 Yolov5算法3.1 简介3.2 相关技术 4 数据集处理及实验5 部分核心代码6 最后 1 前言 &#x1f525; 优质竞赛项目系列&#xff0c;今天要分享的是 &#x1f6a9; 基于深度学习YOLO抽烟行为检测 该项目较为新颖&#xff0c;适合作为竞赛课…

ios UIDocumentPickerViewController 实现TEXT、DOC、PDF等文档读取

文章目录 一、前言二、iCould相关配置三、功能实现3.1 UIDocumentPickerViewController 选取控制器3.2 读取文件一、前言 最近正在研发的项目有一个需求: 允许用户将iCloud中的文档上传,实现文件的流转。 以前接触的项目对于资料类的上传大多是仅限于图片与视频。对于文档类…

网页构造与源代码

下载google浏览器 设置打开特定网址&#xff1a;www.baidu.com 查看网页或元素源代码 网页右键选择“检查”查看源代码 网页源代码 元素源代码

Yolov安全帽佩戴检测 危险区域进入检测 - 深度学习 opencv 计算机竞赛

1 前言 &#x1f525; 优质竞赛项目系列&#xff0c;今天要分享的是 &#x1f6a9; Yolov安全帽佩戴检测 危险区域进入检测 &#x1f947;学长这里给一个题目综合评分(每项满分5分) 难度系数&#xff1a;3分工作量&#xff1a;3分创新点&#xff1a;4分 该项目较为新颖&am…

轻重链剖分+启发式合并专题

Codeforces-741D(Arpa’s letter-marked tree and Mehrdad’s Dokhtar-kosh paths) 一棵根为1 的树&#xff0c;每条边上有一个字符&#xff08;a-v共22种&#xff09;。 一条简单路径被称为Dokhtar-kosh当且仅当路径上的字符经过重新排序后可以变成一个回文串。 求每个子树中…

6.DApp-用Web3实现前端与智能合约的交互

题记 用Web3实现前端与智能合约的交互&#xff0c;以下是操作流程和代码。 准备ganache环境 文章地址&#xff1a;4.DApp-MetaMask怎么连接本地Ganache-CSDN博客 准备智能合约 文章地址&#xff1a; 2.DApp-编写和运行solidity智能合约-CSDN博客 编写index.html文件 <!…

java学生通讯录管理系统

设计要求 本课程设计&#xff0c;涉及输入输出、GUI设计、数据库操作等本课程重要概念和编程技能&#xff0c;全面巩固和加深学生对java程序设计的相关概念的理解&#xff0c;全面强化java编程技能&#xff0c;培养学生综合运用所学知识和技能分析问题和解决问题的能力。培养学…

Windows工业三防平板全功能NFC近距离感应一维/二维扫描

Windows系统工业三防平板电脑是一种在智慧工厂仓储物流、MES数采、车载设备、设备检测、自动化控制等领域广泛应用的先进设备。此外&#xff0c;它还在公共服务领域&#xff0c;如高速交通、物流运输、电力检测、公务执法、银行金融、船舶装备、户外勘测、建筑工程、汽车检测、…

测试中Android与IOS分别关注的点

目录 1、自身不同点 2、测试注重点 3、其他测试点 主要从本身系统的不同点、系统造成的不同点、和注意的测试点做总结 1、自身不同点 研发商&#xff1a;Adroid是google公司做的手机系统&#xff0c;IOS是苹果公司做的手机系统   开源程度&#xff1a;Android是开源的&a…

【已解决】pyinstaller 将程序打包成 exe 文件后,无法保存视频或者保存的视频为空文件

这里写自定义目录标题 问题描述解决方法方法一方法二 参考 问题描述 使用pyinstaller将python程序打包为exe文件&#xff0c;其中包含保存视频的代码。直接运行脚本时&#xff0c;程序能够正确的保存视频。但是通过pyinstaller打包成exe文件后&#xff0c;exe文件无法保存视频…

网工记背命令(6)----链路聚合配置

目录 1.配置手工负载分担模式链路聚合 2.配置LACP模式的链路聚合 3.HUAWEI设备与C厂商设备对接 链路聚合&#xff08;Link Aggregation&#xff09;是将多条物理链路捆绑在一起成为一条逻辑链路&#xff0c;从而增加链路带 宽的技术。 常用配置命令 1、执行命令 interface …

Flume 简介及基本使用

1.Flume简介 Apache Flume 是一个分布式,高可用的数据收集系统。它可以从不同的数据源收集数据,经过聚合后发送到存储系统中,通常用于日志数据的收集。Flume 分为 NG 和 OG (1.0 之前) 两个版本,NG 在 OG 的基础上进行了完全的重构,是目前使用最为广泛的版本。下面的介绍均…

【计算机网络笔记】计算机网络性能(2)——时延带宽积、丢包率、吞吐量/率

系列文章目录 什么是计算机网络&#xff1f; 什么是网络协议&#xff1f; 计算机网络的结构 数据交换之电路交换 数据交换之报文交换和分组交换 分组交换 vs 电路交换 计算机网络性能&#xff08;1&#xff09;——速率、带宽、延迟 系列文章目录时延带宽积丢包率吞吐量/率&am…

【FPGA零基础学习之旅#15】串口接收模块设计与验证(工业环境)

&#x1f389;欢迎来到FPGA专栏~串口接收模块设计与验证&#xff08;工业环境&#xff09; ☆* o(≧▽≦)o *☆嗨~我是小夏与酒&#x1f379; ✨博客主页&#xff1a;小夏与酒的博客 &#x1f388;该系列文章专栏&#xff1a;FPGA学习之旅 文章作者技术和水平有限&#xff0c;如…

python web开发(四): Bootstrap

1.初步了解 别人已经写好的CSS样式&#xff0c;我们可以直接引用 下载 Link-BootStrap 解压&#xff0c;并放入到当前项目中 引用 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><title>Title</tit…