OFDM中采样频率与带宽的关系

1、LTE中OFDM相关参数

  在LTE系统中,基波频率和子载波间隔为15 kHz。在带宽为20 MHz的情况下,采用2048点的IFFT或FFT分别生成或接收OFDM符号。OFDM符号在频带上有2048个子载波,只有中间1200个子载波承载数据,两边的子载波作为保护带。一个OFDM符号要保证基波是一个完整周期,那么OFDM符号的符号周期为 1 15 kHz ≈ 66.67 μs \frac{1}{15~\text{kHz}}\approx66.67~\text{μs} 15 kHz166.67 μs。在一个OFDM符号周期内有2048个采样点,采样频率为 15 kHz × 2048 = 30.72 MHz 15~\text{kHz} \times 2048=30.72~\text{MHz} 15 kHz×2048=30.72 MHz。LTE的基本时间单位为 T s = 1 30.72 μs T_\text{s} = \frac{1}{30.72}~\text{μs} Ts=30.721 μs

2、OFDM信号带宽分析

  用30.72 MHz采样频率采样20 MHz带宽的信号似乎不满足奈圭斯特采样定理,其实问题出在了频带信号和基带信号的带宽上面。20 MHz带宽指的是OFDM符号经过上变频(上变频类似QAM调制,实部乘以余弦函数,虚部乘以正弦函数,再二者相减)后的双边带带宽。30.72 MHz采样频率指的是对OFDM基带信号的采样频率。抛开负频率和直流分量,只看正频率部分,基带信号有效的子载波为1024个,有效的带宽只有10 MHz。
  下面用数学公式做简单分析:
  首先定义几个符号,基波频率和子载波间隔均记为 f sub f_\text{sub} fsub N N N既表示子载波数量也表示一个OFDM符号内的采样点数,采样频率为 f s = N f sub f_\text{s} = Nf_\text{sub} fs=Nfsub
  用IDFT生成OFDM基带信号的公式为(忽略了常数项系数) x [ n ] = ∑ k = 0 N − 1 X [ k ] e j k 2 π N n , (1) x[n] = \sum^{N-1}_{k=0}X[k]e^{jk\frac{2\pi}{N}n}, \tag{1} x[n]=k=0N1X[k]ejkN2πn,(1) 其中, X [ k ] X[k] X[k]表示用于调制正余弦波的QAM符号, k k k索引子载波频率, j j j为虚数单位, x [ n ] x[n] x[n]表示OFDM符号的第 n n n个采样点上的复数值, n = 0 , 1 , ⋯ , N − 1 n = 0,1,\cdots, N-1 n=0,1,,N1
  用欧拉公式将复指数展开,公式(1)表示为 x [ n ] = ∑ k = 0 N − 1 X [ k ] e j k 2 π N n = ∑ k = 0 N − 1 ( a [ k ] + j b [ k ] ) ( cos ( k 2 π N n ) + j sin ( k 2 π N n ) ) = ∑ k = 0 N − 1 ( a [ k ] cos ( k 2 π N n ) − b [ k ] sin ( k 2 π N n ) ) + j ( a [ k ] sin ( k 2 π N n ) + b [ k ] cos ( k 2 π N n ) ) . (2) \begin{aligned} x[n] &= \sum^{N-1}_{k=0}X[k]e^{jk\frac{2\pi}{N}n} \\ & = \sum^{N-1}_{k=0}(a[k]+jb[k])(\text{cos}(k\frac{2\pi}{N}n)+j\text{sin}(k\frac{2\pi}{N}n)) \\ & = \sum^{N-1}_{k=0}\left(a[k]\text{cos}(k\frac{2\pi}{N}n)-b[k]\text{sin}(k\frac{2\pi}{N}n)\right)+j\left(a[k]\text{sin}(k\frac{2\pi}{N}n)+b[k]\text{cos}(k\frac{2\pi}{N}n)\right). \end{aligned} \tag{2} x[n]=k=0N1X[k]ejkN2πn=k=0N1(a[k]+jb[k])(cos(kN2πn)+jsin(kN2πn))=k=0N1(a[k]cos(kN2πn)b[k]sin(kN2πn))+j(a[k]sin(kN2πn)+b[k]cos(kN2πn)).(2) 由公式(2)可知,公式(1)相当于用 X [ k ] X[k] X[k]作为参数来调制 k k k次余弦波和 k k k次正弦波。这里的IDFT不是用来做信号分析与处理,而是用于合并各次正交子载波。
  基波频率为 f sub f_\text{sub} fsub k k k次谐波频率为 k f sub kf_\text{sub} kfsub。当 k k k大于 N 2 \frac{N}{2} 2N时,采样频率 f s f_\text{s} fs将不再满足奈圭斯特采样定理。然而,我们处理的是离散数字信号,可以注意到: cos ( ( N − k ) 2 π N n ) = cos ( 2 π n − k 2 π N n ) = cos ( k 2 π N n ) , sin ( ( N − k ) 2 π N n ) = sin ( 2 π n − k 2 π N n ) = − sin ( k 2 π N n ) . \begin{aligned} & \text{cos}\left((N-k)\frac{2\pi}{N}n\right) \\ = &\text{cos}\left(2\pi n-k\frac{2\pi}{N}n\right) \\ = &\text{cos}(k\frac{2\pi}{N}n), \end{aligned} ~~~~~~~~~~~~~\begin{aligned} & \text{sin}\left((N-k)\frac{2\pi}{N}n\right) \\ = &\text{sin}\left(2\pi n-k\frac{2\pi}{N}n\right) \\ = &-\text{sin}(k\frac{2\pi}{N}n). \end{aligned} ==cos((Nk)N2πn)cos(2πnkN2πn)cos(kN2πn),             ==sin((Nk)N2πn)sin(2πnkN2πn)sin(kN2πn). 也就是说, k k k次谐波和 N − k N-k Nk次谐波的余弦表是一样的, k k k次谐波和 N − k N-k Nk次谐波的正弦表差一个负号。从频域的角度来看,时域采样会使模拟信号的频谱发生周期延拓,且延拓周期为采样频率。频率为 k f sub kf_\text{sub} kfsub的正余弦模拟信号的频谱在频点 ± k f sub \pm kf_\text{sub} ±kfsub各有一个冲激响应,以 f s f_\text{s} fs采样将使得 k f sub kf_\text{sub} kfsub处的冲激响应延拓至负频率 ( k − N ) f sub (k-N)f_\text{sub} (kN)fsub处, − k f sub -kf_\text{sub} kfsub处的冲激响应延拓至正频率 ( N − k ) f sub (N-k)f_\text{sub} (Nk)fsub处。
  至此,公式(2)中看似有频率大于 N 2 f sub \frac{N}{2}f_\text{sub} 2Nfsub的子载波存在,实际上所有子载波都可以用1至 N 2 \frac{N}{2} 2N次谐波表示,基带信号的带宽(只看正频率)为 N 2 f sub \frac{N}{2}f_\text{sub} 2Nfsub,以 f s = N f sub f_\text{s}= Nf_\text{sub} fs=Nfsub为采样频率满足奈圭斯特采样定理。将OFDM符号进行上变频后获得频带的双边带信号,上下边带共有 N N N个子载波,占用总带宽为 ( N + 1 ) f sub (N+1)f_\text{sub} (N+1)fsub

参考文献

[1] 孙宇彤. LTE教程:原理与实现[M]. 北京: 电子工业出版社, 2014.
[2] Sesia S, Toufik I, Baker M. LTE-the UMTS long term evolution from theory to practice[M]. 2nd ed. Chichester: Wiley, 2011.

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/pingmian/41692.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

【HarmonyOS NEXT】鸿蒙MDNS管理

简介 MDNS即多播DNS(Multicast DNS),提供局域网内的本地服务添加、移除、发现、解析等能力。 本地服务:局域网内服务的提供方,比如打印机、扫描器等。 MDNS管理的典型场景有: 管理本地服务,…

8分钟带你快速了解Connector/Catalog API的核心设计

引言 在现代大数据应用中,数据集成和同步成为企业数据管理的关键环节。随着数据源和数据库的多样化,如何高效地进行数据集成成为企业面临的重要挑战。 Apache SeaTunnel 作为一款开源的数据集成工具,致力于解决这一问题。本文将详细介绍 Sea…

ViewBinding和DataBinding是两种常用的绑定视图的方法。它们各有优劣,选择使用哪一个取决于具体需求

在Jetpack中,ViewBinding和DataBinding是两种常用的绑定视图的方法。它们各有优劣,选择使用哪一个取决于具体需求。 ViewBinding: ViewBinding 是一种较为现代的绑定视图的方法,适用于大多数情况下。它比 findViewById() 更简洁…

【Oracle】Oracle常用函数

目录 聚合函数数字函数1. ABS函数:返回一个数的绝对值。2. CEIL函数:返回大于等于给定数的最小整数。3. FLOOR函数:返回小于等于给定数的最大整数。4. ROUND函数:将一个数四舍五入到指定的小数位。5. MOD函数:返回两个…

Java 面向对象编程(OOP)的四大特征

Java 面向对象编程(OOP)的四大特征 1、抽象2、继承3、 封装4、多态性 💖The Begin💖点点关注,收藏不迷路💖 在Java编程中,面向对象编程(OOP)是一个核心概念。OOP的四大基…

总结一下 .NET FrameWork 和 .NET Core 创建的项目的不同点

前言 从 Visual Studio 2022 开始,微软开始淡化 .NET Framework 的概念,在项目向导中,只有使用带 “.NET Framework” 的项目模板创建的才是 .NET Framework 项目,使用其他模板创建的都是 .NET Core 项目 比如,如果你…

MySQL 创建数据库

MySQL 创建数据库 在当今的数据驱动世界中,数据库是任何应用程序的核心组成部分。MySQL,作为一个流行的开源关系数据库管理系统,因其可靠性、易用性和强大的功能而广受欢迎。本文将详细介绍如何在MySQL中创建数据库,包括基础知识和最佳实践。 什么是MySQL数据库? MySQL…

​智汇云舟参编的数字孪生团标在2024全球数字经济大会上发布

7月4日,2024全球数字经济大会元宇宙创新发展论坛,2024年“创客中国”元宇宙中小企业创新创业大赛颁奖活动在北京成功举办。智汇云舟作为数字孪生行业头部企业和视频孪生技术首倡者受邀出席活动,并与中国人民大学、摩尔线程等11家知名院校和企…

Java | Leetcode Java题解之第218题天际线问题

题目&#xff1a; 题解&#xff1a; class Solution {public List<List<Integer>> getSkyline(int[][] buildings) {PriorityQueue<int[]> pq new PriorityQueue<int[]>((a, b) -> b[1] - a[1]);List<Integer> boundaries new ArrayList&l…

算法库应用--寻找最长麦穗

学习贺利坚老师算法库 数据结构例程——串的顺序存储应用_使用顺序串存储身份证号-CSDN博客 本人详细解析博客 串的顺序存储的应用实例二_串的顺序存储应用-CSDN博客 版本更新日志 V1.0: 在原有的基础上, 进行优化名字, 并且有了相应的算法库作为支撑, 我使用了for循环来代替老…

【Linux进阶】ext2文件系统(inode)

1.再谈inode (1) 理解inode&#xff0c;要从文件储存说起。 文件储存在硬盘上&#xff0c;硬盘的最小存储单位叫做"扇区"&#xff08;Sector&#xff09;。每个扇区储存512字节&#xff08;相当于0.5KB&#xff09;。操作系统读取硬盘的时候&#xff0c;不会一个个…

golang编译成Linux可运行文件

把Windows环境修改为linux&#xff0c;修改完成后&#xff0c;编译的go程序就是linux可运行文件 # cmd set GOARCHamd64 go env -w GOARCHamd64 set GOOSlinux go env -w GOOSlinux还原成windows环境 # 还原 go env -w GOARCHamd64 go env -w GOOSwindows注意&#xff1a; 这…

jenkins学习

一、jenkins介绍 1.介绍 Jenkins 是一款流行的开源持续集成&#xff08;Continuous Integration&#xff09;工具&#xff0c;广泛用于项目开发&#xff0c;具有自动化构建、测试和部署等功能 2.特点 开源的Java语言开发持续集成工具&#xff0c;支持持续集成&#xff0c;持…

《扩音器声音太小?来看保姆级改装教程》

在我们的日常生活中&#xff0c;你是否曾遇到过这样的困扰&#xff1a;在课堂教学时&#xff0c;扩音器的声音被嘈杂的环境所掩盖&#xff1b;组织活动时&#xff0c;后排的听众总是抱怨听不清声音&#xff1b;又或者在热闹的集市中&#xff0c;你想要宣传自己的商品&#xff0…

win11中配制了系统的环境变量mvn/java,但是mvn/java就是提示不存在的解决方法。

1、已经配制了环境变量&#xff0c;但是提示mvn不存在 2、然后我们在开始程序中查看到cmd&#xff0c;然后以管理员运行&#xff1a; 这样的话&#xff0c;是可以mvn这个命令的&#xff0c;而且只有这种方式是可以的&#xff0c;其它的方式&#xff0c;就算设置了以管理员身份运…

54、一维和二维自组织映射(matlab)

1、一维和二维自组织映射原理 一维和二维自组织映射&#xff08;Self-Organizing Maps, SOM&#xff09;是一种无监督的机器学习算法&#xff0c;通过学习输入数据的拓扑结构&#xff0c;将高维输入数据映射到低维的网格结构中&#xff0c;使得相似的输入数据点在映射空间中也…

二叉树中的前序、中序、后续遍历(C语言)

目录 前序遍历概念代码递归分解图 中序遍历概念代码 后序遍历概念代码 前序遍历 概念 概念&#xff1a; 前序遍历(Preorder Traversal 亦称先序遍历)——访问根结点的操作发生在遍历其左右子树之前。 简单点来说就是&#xff1a;根 左子树 右子树的访问顺序 例如&#xff1a;…

第TR1---TR3周: Pytorch复现Transformer

TR1 一、文本输入处理 1. 词向量 和常见的NLP 任务一样&#xff0c;首先会使用词嵌入算法&#xff08;embedding algorithm&#xff09;&#xff0c;将输入文本序列的每个词转换为一个词向量。 如下图所示&#xff0c;假设我们的输入文本是序列包含了3个词&#xff0c;那么每…

如何实现一套键盘鼠标控制两台计算机(Mouse Without Borders快速上手教程)

需求背景 当我们需要同时使用一台主机和一台笔记本的时候&#xff0c;如果使用两套键盘和鼠标分别操作各自的系统&#xff0c;非常地不便捷且非常占据桌面空间。那么如何使用一套键盘鼠标控制两台电脑呢&#xff1f; 需求实现 软件说明 我们可以使用微软官方的一款软件Mous…

StormMQ从入门到精通面试题及参考答案

目录 解释什么是消息队列,以及StormMQ在其中扮演的角色 StormMQ与其他消息队列系统(如RabbitMQ、Kafka)相比,有哪些独特之处? 描述StormMQ的核心组件及其功能 StormMQ如何确保消息的持久性和可靠性? 说明StormMQ中的消息传递模型 StormMQ支持哪些消息传递模式? 解…