MIMO-OFDM通信系统仿真报告

合集下载

QPSK和16QAM调制下MIMO-OFDM系统Matlab仿真实现

QPSK和16QAM调制下MIMO-OFDM系统Matlab仿真实现

QPSK和16QAM调制下MIMO-OFDM系统Matlab仿真实现一、引言MIMO-OFDM系统是一种融合了多输入多输出(MIMO)和正交频分复用(OFDM)技术的无线通信系统,能够显著提高数据传输速率和系统可靠性。

在MIMO-OFDM系统中,调制方式的选择对系统性能具有重要的影响。

QPSK和16QAM是两种常用的调制方式,它们在MIMO-OFDM系统中的应用对系统的性能和效率有着明显的影响。

本文将针对QPSK和16QAM调制下的MIMO-OFDM系统进行Matlab仿真实现,以研究两种调制方式对系统性能的影响。

二、MIMO-OFDM系统基本原理MIMO-OFDM系统由MIMO技术和OFDM技术组成。

MIMO技术利用多个天线发射和接收信号,通过空间分集和空间复用的方式提高系统的性能和可靠性。

而OFDM技术将带宽分成多个子载波,并采用正交调制方式传输数据,能够有效克服多径干扰和频率选择性衰落,提高系统的抗干扰能力和频谱利用率。

MIMO-OFDM系统将MIMO技术和OFDM技术结合,充分发挥两者的优势,实现了高速率和高可靠性的无线通信。

1. Matlab仿真环境搭建需要在Matlab环境中搭建MIMO-OFDM系统的仿真环境。

在Matlab中,可以使用Communications Toolbox和Wireless Communications Toolbox工具箱来搭建MIMO-OFDM系统的仿真环境。

通过这些工具箱,可以方便地构建MIMO通道模型、OFDM调制器和解调器等系统组件,并进行参数设置和仿真运行。

2. QPSK调制方式在QPSK调制方式下,将复数信号映射到星座图上,每个符号点代表两个比特。

QPSK调制方式可以实现较高的传输速率和频谱利用率,适用于高速率和大容量的无线通信场景。

在MIMO-OFDM系统中,QPSK调制方式通常用于传输速率要求较高的场景,例如视频传输和高速数据传输等。

2. MIMO-OFDM系统仿真实现与QPSK调制方式类似,利用Matlab中的Wireless Communications Toolbox,可以进行16QAM调制下MIMO-OFDM系统的仿真实现。

通信系统仿真实验报告

通信系统仿真实验报告

通信系统仿真实验报告摘要:本篇文章主要介绍了针对通信系统的仿真实验,通过建立系统模型和仿真场景,对系统性能进行分析和评估,得出了一些有意义的结果并进行了详细讨论。

一、引言通信系统是指用于信息传输的各种系统,例如电话、电报、电视、互联网等。

通信系统的性能和可靠性是非常重要的,为了测试和评估系统的性能,需进行一系列的试验和仿真。

本实验主要针对某通信系统的部分功能进行了仿真和性能评估。

二、实验设计本实验中,我们以MATLAB软件为基础,使用Simulink工具箱建立了一个通信系统模型。

该模型包含了一个信源(source)、调制器(modulator)、信道、解调器(demodulator)和接收器(receiver)。

在模型中,信号流经无线信道,受到了衰落等影响。

在实验过程中,我们不断调整系统模型的参数,例如信道的衰落因子以及接收机的灵敏度等。

同时,我们还模拟了不同的噪声干扰场景和信道状况,以测试系统的鲁棒性和容错性。

三、实验结果通过实验以及仿真,我们得出了一些有意义的成果。

首先,我们发现在噪声干扰场景中,系统性能并没有明显下降,这说明了系统具有很好的鲁棒性。

其次,我们还测试了系统在不同的信道条件下的性能,例如信道的衰落和干扰情况。

测试结果表明,系统的性能明显下降,而信道干扰和衰落程度越大,系统则表现得越不稳定。

最后,我们还评估了系统的传输速率和误码率等性能指标。

通过对多组测试数据的分析和对比,我们得出了一些有价值的结论,并进行了讨论。

四、总结通过本次实验,我们充分理解了通信系统的相关知识,并掌握了MATLAB软件和Simulink工具箱的使用方法,可以进行多种仿真。

同时,我们还得出了一些有意义的结论和数据,并对其进行了分析和讨论。

这对于提高通信系统性能以及设计更加鲁棒的系统具有一定的参考价值。

基于MATLAB的MIMO-OFDM通信系统的仿真

基于MATLAB的MIMO-OFDM通信系统的仿真

基于MATLAB的MIMO-OFDM通信系统的仿真0 引言5G技术的逐步普及,使得我们对海量数据的存储交换,以及数据传输速率、质量提出了更高的要求。

信号的准确传播显得越发重要,随之而来的是对信道模型稳定性、抗噪声性能以及低误码率的要求。

本次研究通过构建结合空间分集和空间复用技术的MIMO信道,引入OFDM 技术搭建MIMO-OFDM 系统,在添加保护间隔的基础上探究其在降低误码率以及稳定性等方面的优异性能。

1 概述正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术通过将信道分成数个互相正交的子信道,再将高速传输的数据信号转换成并行的低速子数据流进行传输。

该技术充分利用信道的宽度从而大幅度提升频谱效率达到节省频谱资源的目的。

作为多载波调制技术之一的OFDM 技术目前已经在4G 中得到了广泛的应用,5G 技术作为新一代的无线通信技术,对其提出了更高的信道分布和抗干扰要求。

多输入多输出(Multi Input Multi Output,MIMO)技术通过在发射端口的发射机和接收端口的接收机处设计不同数量的天线在不增加频谱资源的基础上通过并行传输提升信道容量和传输空间。

常见的单天线发射和接收信号传输系统容量小、效率低且若出现任意码间干扰,整条链路都会被舍弃。

为了改善和提高系统性能,有学者提出了天线分集以及大规模集成天线的想法。

IEEE 806 16 系列是以MIMO-OFDM 为核心,其目前在欧洲的数字音频广播,北美洲的高速无线局域网系统等快速通信中得到了广泛应用。

多媒体和数据是现代通信的主要业务,所以快速化、智能化、准确化是市场向我们提出的高要求。

随着第五代移动通信5G 技术的快速发展,MIM-OFDM 技术已经开始得到更广泛的应用。

本次研究的MIMO-OFDM 系统模型是5G的关键技术,所以对其深入分析和学习,对于当下无线接入技术的发展有着重要的意义。

基于MIMO的通信系统仿真与分析研究

基于MIMO的通信系统仿真与分析研究

仿真工具介绍
性能评估指标
衡量系统在给定频谱资源下传输数据的能力,包括频谱效率/频谱利用率。
频谱效率
容量
误码率/错误率
鲁棒性
衡量系统在特定信道条件下的最大传输速率,包括空间信道容量、自由度容量等。
衡量系统传输数据的错误率,包括硬错误率、软错误率等。
衡量系统在信道条件变化下的性能表现,包括信道估计误差、干扰等对系统性能的影响。
基于MIMO的通信系统仿真实验与结果分析
06
总结词
本实验主要研究了在不同信道模型下,MIMO系统的性能变化。
详细描述
首先,我们选择了三种典型的信道模型,包括Rayleigh、Rician和Log-normal模型。在每个模型下,我们通过仿真生成了大量的信道矩阵,并利用这些矩阵进行MIMO系统的调制和解调。通过对比各个模型下的误码率和频谱效率,我们发现Rayleigh模型下的性能表现最为优秀,其次是Rician模型,最后是Log-normal模型。这一结果表明,信道模型的选取对MIMO系统的性能有着重要影响。
03
确定仿真目标和参数
明确要研究的MIMO通信系统的性能指标和参数范围。
开始仿真
运行仿真模型,收集仿真数据。
建立仿真模型
根据MIMO通信系统的原理和模型,建立相应的仿真模型。
数据分析与处理
对仿真数据进行处理和分析,提取有用的信息。
配置仿真环境
设置仿真工具的相关参数,如仿真时间、信道模型等。
结果可视化
在城市高楼大厦的环境中,空间复用技术能够更好地利用空间资源,提高无线通信系统的性能。
多用户MIMO技术是一种利用多天线技术提高系统容量的方法,允许多个用户在同一时间和频率上同时通信。
通过多用户MIMO技术,可以增加系统容量和频谱效率,同时减少用户之间的干扰。

OFDM系统仿真实验报告

OFDM系统仿真实验报告

无线通信——OFDM系统仿真一、实验目的1、了解OFDM 技术的实现原理2、利用MATLAB 软件对OFDM 的传输性能进行仿真并对结论进行分析。

二、实验原理与方法1 OFDM 调制基本原理正交频分复用(OFDM)是多载波调制(MCM)技术的一种。

MCM 的基本思想是把数据流串并变换为N 路速率较低的子数据流,用它们分别去调制N 路子载波后再并行传输。

因子数据流的速率是原来的1/N ,即符号周期扩大为原来的N 倍,远大于信道的最大延迟扩展,这样MCM 就把一个宽带频率选择性信道划分成N 个窄带平坦衰落信道,从而“先天”具有很强的抗多径衰落和抗脉冲干扰的能力,特别适合于高速无线数据传输。

OFDM 是一种子载波相互混叠的MCM ,因此它除了具有上述毗M 的优势外,还具有更高的频谱利用率。

OFDM 选择时域相互正交的子载波,创门虽然在频域相互混叠,却仍能在接收端被分离出来。

2 OFDM 系统的实现模型利用离散反傅里叶变换( IDFT) 或快速反傅里叶变换( IFFT) 实现的OFDM 系统如图1 所示。

输入已经过调制(符号匹配) 的复信号经过串P 并变换后,进行IDFT 或IFFT 和并/串变换,然后插入保护间隔,再经过数/模变换后形成OFDM 调制后的信号s (t ) 。

该信号经过信道后,接收到的信号r ( t ) 经过模P 数变换,去掉保护间隔以恢复子载波之间的正交性,再经过串/并变换和DFT 或FFT 后,恢复出OFDM 的调制信号,再经过并P 串变换后还原出输入的符号。

图1 OFDM 系统的实现框图从OFDM 系统的基本结构可看出, 一对离散傅里叶变换是它的核心,它使各子载波相互正交。

设OFDM 信号发射周期为[0,T],在这个周期内并行传输的N 个符号为001010(,...,)N C C C -,,其中ni C 为一般复数, 并对应调制星座图中的某一矢量。

比如00(0)(0),(0)(0)C a j b a b =+⋅和分别为所要传输的并行信号, 若将其合为一个复数信号, 很多个这样的复数信号采用快速傅里叶变换, 同时也实现对正交载波的调制, 这就大大加快了信号的处理调制速度(在接收端解调也同样) 。

MIMO-OFDM系统空时编译码技术仿真研究的开题报告

MIMO-OFDM系统空时编译码技术仿真研究的开题报告

MIMO-OFDM系统空时编译码技术仿真研究的开题报告
1. 研究背景
在高速移动通信领域, MIMO-OFDM 技术是一种非常有效的数据传输技术。

该技术结合了空时编码和正交频分复用技术,提供了多个天线和多个子载波之间的多路传输,从而增加了系统的数据传输速率和实现了多用户接入,适用于高速车联网等场景。

2. 研究目的
本文旨在研究 MIMO-OFDM 系统中的空时编码技术,理解其原理,探究其在系统中的应用及其表现,从而提高系统的数据传输速率和提高系统的用户数量。

3. 研究方法
本文将采用 MATLAB 仿真平台进行 MIMO-OFDM 系统的编写,并通过仿真分析空时编码技术在系统中的性能表现。

同时,本文还将参考相关文献资料了解区分技术和其它相关技术。

在确认系统的性能后,对系统的可行性进行分析并给出结论,同时针对系统的不足之处进行讨论。

4. 预期结果
基于本文的研究,可达到以下预期结果:
(1)了解 MIMO-OFDM 系统中的空时编码技术原理;
(2)通过仿真验证空时编码技术在系统中的性能表现;
(3)通过讨论探究其在系统中的优缺点,进一步提高系统性能;
(4)为 MIMO-OFDM 系统的具体实践提供依据。

5. 研究意义
通过本文的研究,可以进一步推广和完善 MIMO-OFDM 技术以及空时编码技术的应用,为高速移动通信领域的发展提供参考和支持。

同时,也可为相关学科的发展提供理论参考和实践借鉴。

MIMO-OFDM系统空时编码技术的仿真研究解析

MIMO-OFDM系统空时编码技术的仿真研究解析

毕业设计(论文)MIMO-OFDM系统空时编码技术的仿真研究院别计算机与通信工程学院专业名称通信工程班级学号*******学生姓名杨虎指导教师黄力群2013年6月6日MIMO-OFDM系统空时编码技术的仿真研究摘要多输入多输出(MIMO)技术作为近年来无线通信传输技术研究中最大的突破之一,其利用多信道传播,可以极大改善无线通信的频谱效率和通信可靠性,越来越成为无线通信领域研究中的热点。

OFDM技术是一种能够有效解决由于多径造成符号间干扰问题的传输手段。

将OFDM和MIMO这两种技术相结合,就能达到两种效果:一是系统获得很高的传输速率,另一种是通过分集获得更高的可靠性。

所以,MIMO信道的建模与仿真是MIMO理论研究中的重要内容。

本文详细介绍了MIMO系统理论,对不同发射和接收天线下,MIMO的系统容量进行仿真分析。

从仿真结果中看出增加发射和接收天线的数目均能提高系统容量。

同时也详细介绍了OFDM系统的基本原理及优缺点,空时信道的模型,空时编码的系统结构和编码方法,给出了空时编码与MIMO-OFDM相结合的系统框图。

最后主要介绍空时编码技术与MIMO-OFDM系统的结合,从理论上对其性能进行分析,并进行仿真分析。

分析结果表明STBC-OFDM-MIMO系统具有相对简单的编译码算法和较好的性能、有效地对抗多径衰落以及更高的传输速率和频谱效率。

关键词:MIMO-OFDM,信道容量,空时编码,STBC-OFDM-MIMOSimulation of MIMO-OFDM System with Space-time Coding TechnologyAuthor:Yang HuTutor:Huang LiqunAbstractMultiple-input multiple-output (MIMO) wireless communication transmission technology in recent years as the biggest breakthrough in the technology, one of the use of multi-channel transmission, can greatly improve the spectrum efficiency of wireless communication and communication reliability, the wireless communication field increasingly research hotspot. OFDM technology is an effective solution to the multipath problem of intersymbol interference caused by the transmission means. Both the OFDM and MIMO technology, can achieve two effects: one system to obtain a high transmission rate, the other one is obtained by diversity higher reliability. Therefore, MIMO channel modeling and simulation of MIMO theoretical studies are important.This paper describes the MIMO system theory, under different transmit and receive antennas, MIMO system capacity simulation analysis. Seen from the simulation results to increase the number of transmit and receive antennas can improve the system capacity. Also described in detail the basic principles of OFDM system advantages and disadvantages, space-time channel model, space-time coding system structure and encoding method, gives the space-time coding and MIMO-OFDM system block diagram combined. Finally introduces space-time coding techniques and the combination of MIMO-OFDM system, its performance is theoretically analyzed, and simulation analysis. The results show that STBC-OFDM-MIMO system has a relatively simple encoding and decoding algorithms and better performance, effective against multipath fading and higher transmission rates and spectrum efficiency.KeyWords:MIMO-OFDM,Channel Capacity,Space-time Coding,STBC-OFDM-MIMO目录1 绪论 (1)1.1课题的研究意义 (1)1.1.1 MIMO技术简介 (1)1.1.2 信道建模的必要性 (2)1.2选题意义和研究内容 (3)1.3本文的结构 (4)2 MIMO系统的容量分析 (5)2.1MIMO系统模型 (5)2.2MIMO系统容量分析 (7)2.3发送端信道容量的比较 (10)3 MIMO-OFDM原理 (11)3.1OFDM技术基础 (11)3.2OFDM的基本原理 (12)3.3OFDM的关键技术 (14)3.3.1 保护间隔和循环前缀 (14)3.3.2 信道估计技术 (14)3.3.3 同步技术 (14)3.3.4 信道编码和交织技术 (14)3.4OFDM的优缺点 (15)3.5MIMO-OFDM系统结构 (16)4 发射分集与空时编码技术 (18)4.1发射分集技术 (18)4.1.1 分集种类 (19)4.1.2 分集合并方法 (19)4.1.3 发射分集 (20)4.2空时编码技术 (21)4.2.1 分层空时编码(BLAST) (21)4.2.2 空时网格编码(STTC) (23)4.2.3 空时分组编码(STBC) (24)5 基于STBC的MIMO-OFDM系统设计 (29)5.1STBC-MIMO-OFDM系统模型 (29)5.2STBC-MIMO-OFDM系统性能分析 (30)5.3STBC-MIMO-OFDM通信系统设计 (31)5.3.1 系统仿真参数 (31)5.3.2 系统性能仿真 (32)结论 (34)致谢 (36)参考文献 (37)附录 (39)附录A英译汉 (39)附录B仿真程序部分源代码 (47)1 绪论1.1 课题的研究意义1.1.1 MIMO技术简介近年来,因特网和移动通信快速发展,在第三代蜂窝移动通信中已经有一部分引人了多媒体数据和无线因特网业务。

QPSK和16QAM调制下MIMO-OFDM系统Matlab仿真实现

QPSK和16QAM调制下MIMO-OFDM系统Matlab仿真实现

QPSK和16QAM调制下MIMO-OFDM系统Matlab仿真实现1. 引言1.1 背景介绍MIMO(Multiple Input Multiple Output)技术和OFDM (Orthogonal Frequency Division Multiplexing)技术是目前无线通信领域中常用的关键技术。

MIMO技术通过在传输端和接收端利用多个天线进行数据传输,从而提高系统的传输效率和抗干扰性能。

而OFDM技术则利用频谱分割和并行传输的方式,提高信道传输效率和抗多径干扰的能力。

本文将结合QPSK(Quadrature Phase Shift Keying)调制和16QAM(Quadrature Amplitude Modulation)调制两种常见调制方式,设计并实现MIMO-OFDM系统。

QPSK调制使用4个相位点来表示传输信号,适用于简单的调制场景;而16QAM调制则利用16个不同的信号点表示传输信号,可以提高传输速率和频谱利用效率。

通过Matlab仿真实现这两种调制方式下的MIMO-OFDM系统,并进行性能分析和实验结果展示,旨在探究不同调制方式对系统性能的影响,为未来的无线通信系统设计提供参考和借鉴。

1.2 研究意义研究QPSK和16QAM调制下MIMO-OFDM系统的意义在于探索该组合对系统性能的影响,进一步优化系统设计和参数配置。

通过比较不同调制方式下MIMO-OFDM系统的性能表现,可以为实际通信系统的部署提供重要参考依据。

研究还有助于深化对多址接入、信道编解码等关键技术的理解,并为提高系统的可靠性、稳定性和数据传输速率提供技术支持。

探究QPSK和16QAM调制下MIMO-OFDM系统的研究意义重大,不仅可以促进通信技术的进步,还可以为实际应用中的无线通信系统提供更加稳定和高效的解决方案。

1.3 研究目的研究目的:通过对QPSK和16QAM调制下MIMO-OFDM系统的设计和仿真实现,旨在探究在多输入多输出和正交频分复用技术的基础上,如何提高系统的性能和可靠性。

移动通信系统课设——OFDM系统仿真

移动通信系统课设——OFDM系统仿真

移动通信系统课程设计报告OFDM系统仿真——目录移动通信系统课程设计报告 (1)(一)题目要求: (2)(二)相关原理: (2)1)OFDM: (2)2)QPSK调制: (3)3)导频与均衡: (3)4)循环前缀: (3)5)分组交织: (4)(三)基本思路: (4)(四)结果: (10)1)软解码与硬解码情况下不同信噪比的误码率: (10)2)不同信噪比下译码相位图: (11)(五)总结体会: (11)(六)分工合作: (12)(七)程序代码: (12)(一)题目要求:1)OFDM128路传输;2)QPSK调制3)AWGN信道4)3径或4径瑞利衰落信道(二)相关原理:1)OFDM:将信道分成若干正交子信道,将高速数据信号转换成并行的低速子数据流,调制到在每个子信道上进行传输。

正交信号可以通过在接收端采用相关技术来分开,这样可以减少子信道之间的相互干扰(ISI) 。

每个子信道上的信号带宽小于信道的相关带宽,因此每个子信道上可以看成平坦性衰落,从而可以消除码间串扰,而且由于每个子信道的带宽仅仅是原信道带宽的一小部分,信道均衡变得相对容易。

2) QPSK 调制:将每两个相连比特组在一起形成双比特码元,它的四种状态用4个不同的相位表示;3) 导频与均衡:在OFDM 信息序列中插入已知的导频序列()x n ,通过信道后将其提取得()y n ,做频域除法得传输函数[][]z =[]Y z H X z ,再通过线性插值后得到每个信道频率响应,均衡滤波传输函数[]1E []z H z =; 4) 循环前缀:循环前缀(Cyclic Prefix, CP)是将OFDM 符号尾部的信号搬移到头部构成的。

用来消去码间干扰,通常取长度g T τ≥(τ为信道冲激响应持续时间)5) 分组交织:为了解决成串的比特差错问题,采用了交织技术:把一条消息中的相 继比特分散开的方法,即一条信息中的相继比特以非相继方式发送,这样即使在传输过程中发生了成串差错,恢复成一条相继比特串的消息时,差错也就变成单个(或者长度很短)的错误比特,这时再用信道纠正随机差错的编码技术(FEC )消除随机差错。

MIMO OFDM系统原理与仿真实验

MIMO OFDM系统原理与仿真实验
2、画出OFDM符号的时域波形、功率谱图。 3、信道为加性高斯白噪声信道。
4、画出信道输出端信号的时域波形和功率谱图。
5、画出OFDM解调后信号的星座图。
6、画出整个OFDM系统在不同信噪比下的误码率
曲线。
h
44
实验二 MIMO系统的容量仿真
一、实验目的
利用本实验对MIMO系统的容量进行深入的理解。 让学生理解发送天线与接收天线的个数对MIMO系统 容量的影响;了解通信系统信噪比对MIMO系统容量 的影响;了解发送端是否知道信道信息对MIMO系统 容量的影响。
实验一 OFDM信号的产生与解调
一、实验目的
借助数字信号处理课程中的快速傅立叶反变换 (IFFT)和快速傅立叶变换(FFT)相关知识,实现 基带OFDM系统的调制和解调。
本实验的目的是利用MATLAB软件构成一个OFDM系 统的仿真平台,利用这个仿真平台能够实现OFDM发送 端与接收端的功能,并且,通过这个平台能够验证循 环前缀、加窗对OFDSO、MISO、SIMO、MIMO系统容量的比较 2、瑞利衰落信道MIMO系统容量仿真; 3、MIMO系统容量随天线数变换曲线仿真; 4、MIMO系统容量随信噪比变化曲线仿真。
三、实验要求
给出实验内容的仿真曲线并对仿真结果进行分析。
h
6
实验三 OFDM以及MIMO-OFDM 系统的信道估计
一、实验目的
通过本实验让学生掌握基于导频的信道估计 算法。通过本实验了解LS估计与MMSE估计的性能, 了解导频的图案对信道估计的性能影响;了解导 频信号的选择对信道估计的影响。
h
7
二、实验内容
1、编制一个2发2收的MIMO-OFDM系统信道估 计程序;
2、通过本程序实现基于LS的MIMO-OFDM系统 的信道估计;

MIMO-OFDM系统仿真

MIMO-OFDM系统仿真

clear all;clc;frmLen = 300; % frame length帧长numPackets = 10; % number of packets帧数Nsamp=frmLen*numPackets;EbNo = 2:2:20; % Eb/No varying to 20 dBNt = 4; % maximum number of Tx antennasNr = 2; % maximum number of Rx antennasN_FFT=400;Nc=N_FFT;hStr = RandStream('mt19937ar', 'Seed', 55408);% Create QPSK mod-demod objectsP = 4; % modulation orderqpskmod = ('M', P, 'SymbolOrder', 'Gray');qpskdemod = (qpskmod);%% Create and System objectshOSTBCEnc = (...'NumTransmitAntennas', Nt);hOSTBCComb = (...'NumTransmitAntennas', Nt,...'NumReceiveAntennas', Nr);%%rho = ; % Correlation coefficient = antenna correlation Rsym = 10e3; % Input symbol rateRbit = Rsym * log2(P); % Input bit rateNos = 4; % Oversampling factorts = (1/Rbit) / Nos; % Input sample periodfs=Rbit*Nos;% tau = [0 ]*1e-6; % Path delays, in seconds% pdb = [0 -15 -20]; % Average path gains, in dB% dop = ; % Doppler spectrum, with default parametersfd = ;% h = mimochan(Nt, Nr, ts, fd, tau, pdb); % MIMO channel object% = 4; % Rician K-factor on first path% = dop; % Doppler spectrum of MIMO object TxCorrelationMatrix = toeplitz([1 rho rho^2 rho^3]); % Transmit correlation matrix RxCorrelationMatrix =toeplitz([1 rho]);delays=[0, 5e-5, 10e-5];delay_samp=round(delays./ts);%%%% Create MIMO channel System objecthChan = (...'SampleRate', fs,...'MaximumDopplerShift', fd,...'NumTransmitAntennas', Nt,...'NumReceiveAntennas', Nr,...'TransmitCorrelationMatrix', TxCorrelationMatrix,...'ReceiveCorrelationMatrix', RxCorrelationMatrix,...'PathDelays', delays,...'KFactor', 4,...'AveragePathGains', [0, -15, -20],...'NormalizePathGains', false,...'PathGainsOutputPort', true);% Set up a figure for visualizing BER results% h = gcf; grid on; hold on;% set(gca, 'yscale', 'log', 'xlim', [EbNo(1), EbNo(end)], 'ylim', [1e-4 1]);% xlabel('Eb/No (dB)'); ylabel('BER'); set(h,'NumberTitle','off');% set(h, 'renderer', 'zbuffer'); set(h,'Name','Transmit vs. Receive Diversity'); % title('Transmit vs. Receive Diversity');cp=1/8*Nc;% ofdmmod=zeros(Nc*numPackets,Nt);% ofdmdemod=zeros(Nc*numPackets,Nr);tranSignal=zeros((cp+Nc)*numPackets,Nt);% Loop over several EbNo pointsfor ii = 1:length(EbNo)data = randi(hStr, [0 P-1], Nsamp, 1); % data vector per usermodData= modulate(qpskmod, data); % QPSK modulation% Alamouti Space-Time Block EncoderencData = step(hOSTBCEnc , modData);% Alamouti Space-Time Block Encoder, G2, full ratefor i=1:Ntenc=reshape(encData(:,i),Nc,numPackets);ofdmmod=sqrt(Nc)*ifft(enc,N_FFT);trans=[ofdmmod(Nc-cp+1:Nc,:);ofdmmod];tranSignal(:,i)=reshape(trans,(cp+Nc)*numPackets,1);end% idx =(1:N_FFT)+(packetIdx-1)*N_FFT ;[chanOut, pathGains] = step(hChan, tranSignal);% rxSignal(idx,:) = filter(h, encData);rxSignal=awgn(chanOut,EbNo(ii));l2=zeros((cp+Nc)*numPackets,1,Nt,Nr);l3=zeros((cp+Nc)*numPackets,1,Nt,Nr);% l2(1:end,1,:,:)=pathGains(1:end-1,2,:,:);l2(delay_samp(2)+1:end,1,:,:)=pathGains(1:end-delay_samp(2),2,:,:); l3(delay_samp(3)+1:end,1,:,:)=pathGains(1:end-delay_samp(3),3,:,:);H(:,1,:,:)=pathGains(:,1,:,:)+l2+l3;% H=pathGains(:,1,:,:);for i=1:numPacketsH_r(1+(i-1)*Nc:i*Nc,:,:,:)=H(1+cp+(i-1)*(Nc+cp):i*(Nc+cp),:,:,:); endfor j=1:Nrrecv_cp=reshape(rxSignal(:,j),cp+Nc,numPackets);recv=recv_cp(cp+1:Nc+cp,:);ofdmdem=fft(recv,N_FFT)/sqrt(Nc);ofdmdemod(:,j)=reshape(ofdmdem,Nc*numPackets,1);enddecData = step(hOSTBCComb, ofdmdemod, squeeze(H_r));% enddemodData= demodulate(qpskdemod, decData);[errors(ii) rat(ii)] = symerr(data, demodData); end。

OFDM通信系统仿真设计

OFDM通信系统仿真设计

OFDM通信系统仿真设计OFDM通信系统是一种基于正交频分复用技术的通信系统,具有有效地抵抗多径衰落、频率选择性衰落和干扰的能力。

本文将从OFDM通信系统的基本原理、系统建模与仿真设计等方面进行介绍,以及对OFDM系统的性能分析和改进方法进行探讨。

1.OFDM通信系统的基本原理OFDM(Orthogonal Frequency Division Multiplexing,正交频分复用)是一种将频域划分为多个子载波进行并行传输的技术。

在OFDM系统中,将连续时间信号分为多个频率间隔相等的子载波,每个子载波独立传输数据。

通过在发送端对每个子载波进行调制,并在接收端对各个子载波进行解调和合并,实现高效的并行传输。

2.OFDM系统的模型与仿真设计对于OFDM系统的模型与仿真设计,可以分为以下几个步骤:(1)子载波生成:根据系统带宽和子载波数目,生成相应的子载波,并在时域上进行插值以实现离散信号的连续化。

(2)调制器:对每个子载波进行调制,可以选择不同的调制方式(如BPSK、QPSK、16-QAM等)。

(3)并行传输:将所有调制后的子载波并行传输到发送端,可以通过FFT变换将时域信号转换为频域信号。

(4)信道模型:在信道中加入多径衰落和高斯噪声等干扰。

(5)接收端:接收端进行OFDM解调和IFFT变换,将频域信号转换为时域信号。

(6)误码率性能分析:通过计算误码率等指标,分析OFDM系统的性能。

3.OFDM系统的性能分析对于OFDM系统的性能分析,可以从误码率、带宽效率以及抗多径衰落的能力等方面进行评估。

(1)误码率:通过计算接收信号与原始信号之间的误差比特数,得到OFDM系统的误码率。

可以通过调整调制方式、子载波数量和信噪比等参数进行优化。

(2)带宽效率:带宽效率是指在给定带宽条件下,OFDM系统能够传输的有效数据位数。

可以通过调整子载波数量和调制方式等参数进行优化。

(3)抗多径衰落的能力:OFDM系统通过将信号分为多个子载波并在频域上具有正交性,可以有效地抵抗多径衰落的影响。

MIMO—OFDM系统中空时编码的仿真研究

MIMO—OFDM系统中空时编码的仿真研究
频谱资源,同时,OFDM将总带宽分割为若干个窄带子载波,可以有效地抵抗频率选
择性衰落并且在每个子信道上进行窄带调制和传输,能够减少子信道间的相互干扰。
MIMO(Multiple
Input Multiple
Output)技术充分开发空间资源,利用多个天线实
现多发多收,在不增加带宽和天线发送功率的情况下,可以成倍地提高信道容量和频
present
three categories:layered space-time codes mainly have
code and space—time block codes・The space—time codes,space-time lattice space—time Block Code
code,STBC,OST8C



本学位论文是我在导师的指导下取得的研究成果,尽我所知,在本 学位论文中,除了加以标注和致谢的部分外,不包含其他人已经发表或 公布过的研究成果,也不包含我为获得任何教育机构的学位或学历而使 用过的材料。与我一同工作的同事对本学位论文做出的贡献均己在论文 中作了明确的说明。
performance has greatly improved:the
to the王】订e
of
two-day launching accession
of space—time coding
D驯system
error
per细-mance
is suDeri
Qr
to slngle-antenna accession to the launch of the space—time coding OFDM system
the diversity

通信系统第一次大作业—OFDM系统仿真实验报告

通信系统第一次大作业—OFDM系统仿真实验报告

通信系统第⼀次⼤作业—OFDM系统仿真实验报告通信信号处理第⼀次⼤作业—OFDM系统仿真实验报告⽆210 孙⽂钰2012010999⼀、OFDM系统模型说明1.基于IFFT/FFT的OFDM系统模型基于IFFT/FFT的OFDM系统框图如图1.1所⽰:图1.1 基于IFFT/FFT的OFDM系统其中调制模块本次实验采⽤的是16QAM调制。

同时根据所给的参数,带宽5MHz,⼦载波间隔15kHz,⼦载波个数5M/15k=332,做512点FFT/IFFT,剩余180个点补零以过采样,CP长度为OFDM符号长度的7%,CP点数为332*7%=24点。

采⽤16QAM及1/2码率的编码⽅法,则系统的最⾼可达数据率为:332?20.0714ms=9300k=9.3Mbit/s系统的频谱效率为:9.3Mbit/s15kHz=620bit/s/HZ2.发射机模型发射机模型框图如图1.2所⽰:图1.2 发射机模型考虑多径传播延时的影响,在发射端IFFT变换后的时域信号之间插⼊保护间隔,同时为了不影响⼦载波间的正交性,保护间隔为循环前缀。

3.接收机模型接收机模型框图如图1.3所⽰:图1.3 接收机模型在接收端A/D转换后去循环前缀,并将时域信号通过FFT变换到原来的频域信号后进⾏判决,最后进⾏16QAM的解调。

4.本次实验的做法本次实验没有考虑模拟信号的处理,假设载波频偏估计准确,不考虑采样时钟的偏差。

对于多径传播延迟,模型简单假定为符号间延迟的相⼲叠加,因此在延迟情况下进⾏FFT相当于循环卷积,还原时需要除以旋转相位。

5.减⼩峰均⽐PAR的⽅案OFDM系统的⼀个缺点是峰均⽐过⾼,本实验采⽤了3种⽅式减⼩峰均⽐,分别是选择性映射(SLM)、压缩扩展变换(C变换)和最直接的硬限幅⽅法。

报告后⾯会逐⼀⽐较这些⽅案的性能。

6.⼆、绘制误码率与信噪⽐曲线代码见main_sim.m第⼀部分:%% SNR与误码率的关系在多径效应简单考虑为符号延时的相⼲叠加情况下,保护间隔为24点,假定延迟为0(⽆延迟)、10(在保护间隔内)、30(超过保护间隔)下仿真结果如图2.1与图2.2。

mimo_ofdm通信系统matlab毕业设计

mimo_ofdm通信系统matlab毕业设计

mimo_ofdm通信系统matlab毕业设计随着无线通信技术的不断发展,MIMO-OFDM技术已成为下一代无线通信系统的关键技术之一。

因此,在毕业设计中选择MIMO-OFDM 通信系统作为研究对象是非常具有实际意义的。

MIMO-OFDM通信系统可以实现高速数据传输,并且具有抗多径干扰和频率选择性衰落的能力。

在MATLAB中,可以使用其通信系统工具箱来进行MIMO-OFDM通信系统的仿真和研究。

在毕业设计中,首先需要对MIMO-OFDM通信系统进行深入的理论研究,包括MIMO技术和OFDM技术的原理、系统模型和性能分析等。

然后,根据理论研究的结果,使用MATLAB进行系统的仿真和实现。

在仿真过程中,需要对MIMO-OFDM通信系统的各个方面进行详细的模拟和分析,包括信道建模、信号调制解调、信道估计与均衡、多天线技术等。

通过对这些方面的仿真和分析,可以深入了解MIMO-OFDM通信系统的性能和特点,并对其中的关键技术进行研究和改进。

最后,需要对毕业设计进行总结和展望。

总结研究成果和经验教训,提出进一步研究的方向和改进方案,为未来的研究和应用打下坚实的基础。

MIMOOFDM系统原理与仿

MIMOOFDM系统原理与仿

06
MIMO-OFDM系统应用案例
案例一
总结词
无线通信网络中的MIMO-OFDM系统是现 代通信技术的重要应用,它利用多输入多 输出(MIMO)和正交频分复用(OFDM) 技术,提高了数据传输速率和可靠性。
VS
详细描述
无线通信网络中的MIMO-OFDM系统通 过在发射端和接收端使用多个天线,实现 了多径传播下的信号增强和干扰抑制。同 时,OFDM技术通过将信号分割成多个子 载波,提高了频谱利用率和抗多径干扰能 力。这一应用案例广泛应用于移动通信、 WiFi、WiMAX等无线通信系统。
MIMO系统的优势与挑战
优势
MIMO系统能够提供更高的数据传输速率、更可靠的通信链路和更好的频谱利用率。通 过多天线之间的协同工作,MIMO系统能够有效地抵抗无线信道的多径衰落和干扰,提
高通信性能。
挑战
MIMO系统的实现需要处理高维度的信号处理问题,这增加了系统的复杂度。同时, MIMO系统需要精确的信道状态信息以实现最佳性能,但在实际应用中,信道状态信息 的获取和跟踪是一个挑战。此外,多用户MIMO系统中的用户间干扰也是一个需要解决
案例三
总结词
卫星通信中的MIMO-OFDM系统利用地球 静止轨道卫星实现全球覆盖,通过MIMO和 OFDM技术提高数据传输速率和可靠性。
详细描述
在卫星通信中,由于信号传输距离远、传输 环境复杂,数据传输的可靠性和速率成为关 键问题。MIMO-OFDM技术的应用提高了 卫星通信的性能,使其能够满足高清视频、 大数据传输等高带宽需求。这一技术广泛应 用于卫星电视广播、卫星互联网等领域。
的问题。
03
OFDM技术原理
OFDM的基本概念
OFDM是正交频分复用技术的简称,它将高速数据流分割成多个低速子数据流,在 多个正交子载波上并行传输,以实现频谱的高效利用。

MIMO-OFDM系统仿真

MIMO-OFDM系统仿真

clear all;clc;frmLen = 300; % frame length帧长numPackets = 10; % number of packets帧数Nsamp=frmLen*numPackets;EbNo = 2:2:20; % Eb/No varying to 20 dBNt = 4; % maximum number of Tx antennasNr = 2; % maximum number of Rx antennasN_FFT=400;Nc=N_FFT;hStr = RandStream('mt19937ar', 'Seed', 55408);% Create QPSK mod-demod objectsP = 4; % modulation orderqpskmod = modem.pskmod('M', P, 'SymbolOrder', 'Gray');qpskdemod = modem.pskdemod(qpskmod);%% Create comm.OSTBCEncoder and comm.OSTBCCombiner System objectshOSTBCEnc = comm.OSTBCEncoder(...'NumTransmitAntennas', Nt);hOSTBCComb = comm.OSTBCCombiner(...'NumTransmitAntennas', Nt,...'NumReceiveAntennas', Nr);%%rho = 0.7; % Correlation coefficient = antenna correlationRsym = 10e3; % Input symbol rateRbit = Rsym * log2(P); % Input bit rateNos = 4; % Oversampling factorts = (1/Rbit) / Nos; % Input sample period 12.5usfs=Rbit*Nos;% tau = [0 0.4 0.9]*1e-6; % Path delays, in seconds% pdb = [0 -15 -20]; % Average path gains, in dB% dop = doppler.rounded; % Doppler spectrum, with default parametersfd = 0.5;% h = mimochan(Nt, Nr, ts, fd, tau, pdb); % MIMO channel object% h.KFactor = 4; % Rician K-factor on first path% h.DopplerSpectrum = dop; % Doppler spectrum of MIMO object TxCorrelationMatrix = toeplitz([1 rho rho^2 rho^3]); % Transmit correlation matrix RxCorrelationMatrix =toeplitz([1 rho]);delays=[0, 5e-5, 10e-5];delay_samp=round(delays./ts);%%%% Create MIMO channel System objecthChan = comm.MIMOChannel(...'SampleRate', fs,...'MaximumDopplerShift', fd,...'NumTransmitAntennas', Nt,...'NumReceiveAntennas', Nr,...'TransmitCorrelationMatrix', TxCorrelationMatrix,...'ReceiveCorrelationMatrix', RxCorrelationMatrix,...'PathDelays', delays,...'KFactor', 4,...'AveragePathGains', [0, -15, -20],...'NormalizePathGains', false,...'PathGainsOutputPort', true);% Set up a figure for visualizing BER results% h = gcf; grid on; hold on;% set(gca, 'yscale', 'log', 'xlim', [EbNo(1), EbNo(end)], 'ylim', [1e-4 1]);% xlabel('Eb/No (dB)'); ylabel('BER'); set(h,'NumberTitle','off');% set(h, 'renderer', 'zbuffer'); set(h,'Name','Transmit vs. Receive Diversity');% title('Transmit vs. Receive Diversity');cp=1/8*Nc;% ofdmmod=zeros(Nc*numPackets,Nt);% ofdmdemod=zeros(Nc*numPackets,Nr);tranSignal=zeros((cp+Nc)*numPackets,Nt);% Loop over several EbNo pointsfor ii = 1:length(EbNo)data = randi(hStr, [0 P-1], Nsamp, 1); % data vector per usermodData= modulate(qpskmod, data); % QPSK modulation % Alamouti Space-Time Block EncoderencData = step(hOSTBCEnc , modData);% Alamouti Space-Time Block Encoder, G2, full ratefor i=1:Ntenc=reshape(encData(:,i),Nc,numPackets);ofdmmod=sqrt(Nc)*ifft(enc,N_FFT);trans=[ofdmmod(Nc-cp+1:Nc,:);ofdmmod];tranSignal(:,i)=reshape(trans,(cp+Nc)*numPackets,1);end% idx =(1:N_FFT)+(packetIdx-1)*N_FFT ;[chanOut, pathGains] = step(hChan, tranSignal);% rxSignal(idx,:) = filter(h, encData);rxSignal=awgn(chanOut,EbNo(ii));l2=zeros((cp+Nc)*numPackets,1,Nt,Nr);l3=zeros((cp+Nc)*numPackets,1,Nt,Nr);% l2(1:end,1,:,:)=pathGains(1:end-1,2,:,:);l2(delay_samp(2)+1:end,1,:,:)=pathGains(1:end-delay_samp(2),2,:,:);l3(delay_samp(3)+1:end,1,:,:)=pathGains(1:end-delay_samp(3),3,:,:);H(:,1,:,:)=pathGains(:,1,:,:)+l2+l3;% H=pathGains(:,1,:,:);for i=1:numPacketsH_r(1+(i-1)*Nc:i*Nc,:,:,:)=H(1+cp+(i-1)*(Nc+cp):i*(Nc+cp),:,:,:);endfor j=1:Nrrecv_cp=reshape(rxSignal(:,j),cp+Nc,numPackets);recv=recv_cp(cp+1:Nc+cp,:);ofdmdem=fft(recv,N_FFT)/sqrt(Nc);ofdmdemod(:,j)=reshape(ofdmdem,Nc*numPackets,1);enddecData = step(hOSTBCComb, ofdmdemod, squeeze(H_r));% enddemodData= demodulate(qpskdemod, decData);[errors(ii) rat(ii)] = symerr(data, demodData);end。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

目录目录 (i)摘要: (1)1,系统总论 (1)2,OFDM调制和解调 (2)3,循坏前缀 (4)4,信道估计 (6)5,OFDM误码率分析 (8)6,总结与感想 (9)7,主要程序附录 (10)MIMO-OFDM通信系统仿真摘要MIMO-OFDM是第四代通信系统中的核心技术,是结合OFDM和MIMO而得到的一种新技术。

OFDM(正交频分复用技术)的核心能力就是将信道分成许多正交子信道,在每个子信道上进行窄带调制和传输,这样既减少了子信道之间的相互干扰,同时又提高了频率利用率。

其实,就是指OFDM 的抗多径衰落的能力。

MIMO(多输入多输出)技术是目前最常见的无线技术之一,最早是由Marconi于1908年提出的,利用多天线来抑制信道衰落。

本文的主要内容是涉及MIMO和OFDM的部分,讨论了它是实现原理和在瑞利信道中的MATLAB仿真效果。

最后,给出了同时存在加性高斯白噪声下的误码率随着信噪比变化的仿真曲线。

关键词:MIMO-OFDM,瑞利信道,QPSK调制,信道估计,MATLAB仿真。

1,系统总论下图给出的是整个MIMO-OFDM通信系统的流程图:图1,系统总体流程图从图中可以看到,这个通信系统大概包括信源编码、比特流形成、QPSK调制、MIMO-OFDM 信号形成、瑞利信道和加性高斯白噪声、解MIMO-OFDM信号、解QPSK调制、信宿解码。

其中信源编码部分主要是把信源要发送的字符串转换成ASCII码,比如我们要发送字符串'Hello',则其对应输出为‘0100100001100101011011000110110001101111’。

QPSK和解QPSK 部分是两个对应的模块,QPSK又叫4QAM它是信号星座调制中一种最简单的形式。

QPSK 调制后一个符号可以携带2个比特的信息,频带利用率可以将近提高1倍。

MIMO(Multiple-Input Multiple-Output)技术指在发射端和接收端分别使用多个发射天线和接收天线,使信号通过发射端与接收端的多个天线传送和接收,从而改善通信质量。

它能充分利用空间资源,通过多个天线实现多发多收,在不增加频谱资源和天线发射功率的情况下,可以成倍的提高系统信道容量,显示出明显的优势、被视为下一代移动通信的核心技术。

OFDM(Orthogonal Frequency Division Multiplexing)即正交频分复用技术,实际上OFDM 是MCM(Multi Carrier Modulation),多载波调制的一种。

瑞利衰落信道(Rayleigh fading channel )是一种无线电信号传播环境的统计模型。

这种模型假设信号通过无线信道之后,其信号幅度是随机的,即衰落。

并且其包络服从瑞利分布。

这一信道模型能够描述有电离层和对流层反射的短波信道,以及建筑无密集的城市环境。

瑞利信道只适用于从发射机到接收机不存在直射信号(LoS, Line of Sight )的情况,否则应使用莱斯衰落信道模型作为信道模型。

信道估计,所谓信道估计,就是从接收数据中将假定的某个信道模型的模型参数估计出来的过程。

如果信道是线性的话,那么信道估计就是对系统冲激响应进行估计。

需强调的是信道估计是信道对输入信号影响的一种数学表示,而"好"的信道估计则是使得某种估计误差最小化的估计算法。

至于具体的实现将在下面的章节具体分析。

系统的其他部分是误码率的计算和信源解码,这部分不是本文的重点所以这里也不多做介绍。

最后,整个系统的流程框图都介绍了一下,对于整个通信系统的仿真图和实验所需的主要代码将在后面给出。

2,OFDM 调制和解调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成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。

令[k]t X 表示在第k个子载波上的第l 个发送符号,0,1,2l =∞……,, 0,1,2,31k N =-……, 。

由于串、并转换,N 个符号的传输时间扩展为s NT ,它是单个OFDM 符号的持续时间sym T ,即sym s T NT = 。

令,(t)l k ψ 表示在第k 个子载波上的第l 个OFDM 信号:{2(t ),0t T ,0,(t)j f lT k sym sym el k πψ-<≤=其他。

(1)时间连续的通频带和基带信号可以分别表示为:1,001(t)Re [k](t)N l l l k l k symx X T ψ∞-==⎧⎫⎧⎫⎪⎪=⎨⎨⎬⎬⎩⎭⎪⎪⎩⎭∑∑ (2) 和 12(t lT )00(t)[k]ek sym N j f l l l k x X π∞--===∑∑ (3)在时刻,/,/,sym s s sym k sym t lT nT T T N f k T =+== 对式(2),(3)中间连续的基带OFDM 信号进行采样,可以得到相应的离散时间的OFDM 符号:2ln/[n][k]e ,0,1,2,3j N l l x X n π==∑……,N-1 (4)可以证明式(4)是PSK 或QAM 数据符号{}10[k]N l k X -= 的N 点IDFT ,并且利用IFFT 算法可以进行有效的计算。

考虑基带OFDM 接收符号2(t lT )(t)[k]e ,i sym j f t l sym sym s y X lT t lT nT π-=<<+∑ 。

利用子载波间的正交性,可以重构元发送符号[k]t X :{}[]()2(t )12(t )2(t )012(t )01[k](t)e 1=X (t)e e 1(t)e [k]k sym l sym k sym t k sym j kf lT l l symN j f lT j kf lT t l symN j k f f lT t l i syml Y y dt T dt T X i y dt T X ππππ∞---∞∞-----=-∞∞----=-∞=⎧⎫⎪⎪=⎨⎬⎪⎪⎩⎭=⎰∑⎰∑⎰ (5) 实际上,式 是{}10[n]N l n y -= 的N 点DFT ,并且说明利用FFT 算法可以更有效地计算。

如下图所示,频域信号[]X k 调制频率为/k sym f k T = 的子载波,其中子载波数量为6N = ,即0,1,2,3k =,……,5 。

在接收机,利用子载波间的正交性,可以解调这些信号。

注意,原来符号[]l X k 的周期为s T ,通过并行发射N 个符号,使它的周期扩展至sym s T NT = 。

OFDM 符号是N 个并行符号的复合信号,其周期为sym T 。

下图显示了所有子载波间正交性的一种典型实现。

在发射机和接收机分别使用IFFT 和FFT ,可以实现这种多载波调制。

图2,OFDM 调制、解调图3,子载波的正交性实现3,循坏前缀OFDM 的保护间隔有两种不同的插入方法。

一种方法是补零(Zero Padding, ZP ),即在保护间隔中填充零。

另一种方法是利用循环前缀(CP )或循环后缀(Cyclic Suffix, CS )实现OFDM 符号的循环扩展(为了某种连续性)。

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。

令G T 为用采样数表示CP 的长度,则扩展后的OFDM 符号周期变为sym sub G T T T =+ 。

如图(4)所示为两个连续的OFDM 符号,每一个符号的长度为sym sub G T T T =+,其中CP 的长度为G T 。

图(5)从时域和频域共同描述了OFDM 信号,图(6)显示了多径信道对OFDM 符号中某些子载波的ISI 影响。

从图(6)可以看到,如果CP 的长度大于或等于多径信道的最大延迟,那么一个OFDM 符号对下一个OFDM 符号的ISI 影响(虚线)将被限制在保护间隔中,因此不会影响下一个OFDM 符号的FFT 变换,其周期为sub T 。

这意味着,只要保护间隔的长度大于多径信道的最大延时,就可以维持子载波的正交性。

因为CP 能够保证每个经历时延的子载波的连续性,所以在sub T 内每个子载波与其他子载波之间是正交的。

也就是说,对于时延为0t 的第一个OFDM 符号,满足:()()0022010,sub k l T j f t t j f t t sube e k i T ππ---=≠⎰ (6) 对于延时为0s T T + 的第二个子载波信号,满足: ()()0022010,sub k l s T j f t t j f t t T sub e e k i T ππ----=≠⎰ (7)图4,OFDM 符号,采用CP图5,OFDM 符号的时域、频域描述,采用CP图6,多径信道对每个子载波的ISI 影响现在,假设CP 的长度不小于信道的最大时延,并且假设OFDM 符号的FFT 窗的起始点确定在保护间隔内,则OFDM 接收机对接收到的采样信号{}10[n]N t n y -= 进行FFT 转换得到: [][][][][][][][][][]12/0112/001112(n m)/N 2/000[n]e e 1e N j kn Nl l n N N j kn Nl l l n n N N N j j kn N l i t n n n l l t Y k y h m x n m z n h m X i e Z k N H k X k Z k ππππ--=---==-----====⎧⎫=-+⎨⎬⎩⎭⎧⎫⎧⎫=+⎨⎨⎬⎬⎩⎭⎩⎭=+∑∑∑∑∑∑ (8) 其中,[][][][],,l l l l X k Y k H k k 和Z 分别表示第l 个符号的第k 个子载波上的发射符号、接收符号、信道的频率响应和频域噪声。

式(8)中最后一行说明,在频域可以将OFDM 系统看作输入符号与信道的频率响应的乘积。

换句话说,在频域可以将OFDM 系统等效为卷积过程。

在没有噪声的情况下,[][k]X [k],l t l Y k H = 因此只需要用接收信号除以信道(即[][][]l l l Y k X k H k =),就可以通过但抽头均衡器检测发射符号。

对于卷积运算*,当{}[]{}[]{}[n]l l t y x n h n =* 时,[]{}[]{}[]{}l l l DFT y n DFT x n DFT h n ≠• 。

因此,如果没有CP ,那么[][k]X [k]l t l Y k H ≠。

事实上,对于循环卷积运算⊗ ,当{}[]{}[]{}[n]l l t y x n h n =⊗时,[][k]X [k]l t l Y k H =。

相关文档
最新文档