OFDM——PAPR减小

news2024/11/28 7:41:12

文章目录

  • 前言
  • 一、PAPR 减小
  • 二、MATLAB 仿真
    • 1、OFDM 信号的 CCDF
      • ①、MATLAB 源码
      • ②、仿真结果
    • 2、单载波基带/通频带信号的 PAPR
      • ①、MATLAB 源码
      • ②、仿真结果
    • 3、时域 OFDM 信号和幅度分布
      • ①、MATLAB 源码
      • ②、仿真结果
    • 4、Chu 序列和 IEEE802.16e 前导的 PAPR
      • ①、MATLAB 源码
      • ②、仿真结果
        • 1) Chu 序列经 IFFT 之后的幅度
        • 2) IEEE 802.16e 前导的 PAPR
    • 5、基于限幅和滤波的 OFDM 信号
      • ①、MATLAB 源码
      • ②、仿真结果
        • 1）基带信号及通频带信号功率谱、PDF、功率
        • 2）限幅信号、滤波信号的 PDF 和功率谱
        • 3）等波纹通频带 FIR 滤波器的特点
    • 6、采用限幅和滤波后的 PAPR 分布和 BER 性能
    • 7、部分传输序列（PTS）
    • 8、DFT 扩频
    • 9、采用脉冲成型的 DFT 扩频的 PAPR 分析
  • 三、资源自取

前言

本文对减小 OFDM 峰值平均功率比（PAPR—Peak to Average Power Ratio）的内容以思维导图的形式呈现，有关仿真部分进行了讲解实现。

一、PAPR 减小

减小 OFDM 峰值平均功率比思维导图如下图所示，如有需求请到文章末尾端自取。
在这里插入图片描述

二、MATLAB 仿真

1、OFDM 信号的 CCDF

互补累积分布函数（CCDF，CF超过Z的概率）：
在这里插入图片描述
简化了的 累积分布函数（CDF，CF未超过Z的概率）：
在这里插入图片描述
在这里插入图片描述

①、MATLAB 源码

mapper.m

function [modulated_symbols,Mod] = mapper(b,N)
% If N is given, it generates a block of N random 2^b-PSK/QAM modulated symbols.
% Otherwise, it generates a block of 2^b-PSK/QAM modulated symbols for [0:2^b-1].

%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%2010 John Wiley & Sons (Asia) Pte Ltd

M=2^b; % Modulation order or Alphabet (Symbol) size
if b==1, Mod='BPSK'; A=1; mod_object=comm.PSKModulator('ModulationOrder', M);
 elseif b==2, Mod='QPSK';  A=1;
      mod_object = comm.PSKModulator('ModulationOrder', M, 'PhaseOffset', pi/4);
 else Mod=[num2str(2^b) 'QAM']; Es=1; A=sqrt(3/2/(M-1)*Es); 
      mod_object = comm.RectangularQAMModulator('ModulationOrder', M, 'SymbolMapping', 'Gray');
end
if nargin==2 % generates a block of N random 2^b-PSK/QAM modulated symbols 
  modulated_symbols = A * mod_object(randi([0 M-1], N, 1));
 else
  modulated_symbols = A * mod_object((0:M-1)');
end

PAPR.m

function [PAPR_dB, AvgP_dB, PeakP_dB] = PAPR(x)
% PAPR_dB  : PAPR[dB]
% AvgP_dB  : Average power[dB]
% PeakP_dB : Maximum power[dB]

%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%2010 John Wiley & Sons (Asia) Pte Ltd

Nx=length(x); xI=real(x); xQ=imag(x);
Power = xI.*xI + xQ.*xQ;
PeakP = max(Power); PeakP_dB = 10*log10(PeakP);
AvgP = sum(Power)/Nx; AvgP_dB = 10*log10(AvgP);
PAPR_dB = 10*log10(PeakP/AvgP);

plot_CCDF.m

% plot_CCDF.m
% Plot the CCDF curves of Fig. 7.3.
clear all; clc; clf
Ns = 2.^[6:10];     % OFDM系统中的子载波数量
b=2;                % 指定每个符号的比特数
M=2^b;              % 根据 b 计算调制阶数
Nblk = 1e3;         % 设置仿真的块数
%mod_object = modem.qammod('M',M, 'SymbolOrder','gray');
%Es=1; A=sqrt(3/2/(M-1)*Es); 
zdBs = [4:0.1:10];
N_zdBs = length(zdBs);
%Ray_fnc = inline('z/s2*exp(-z^2/(2*s2))','s2','z');
CCDF_formula=inline('1-((1-exp(-z.^2/(2*s2))).^N)','N','s2','z'); % Eq.(7.9)    % 代码使用内联函数 inline 定义了函数 CCDF_formula
for n = 1:length(Ns)    % 循环遍历 Ns 中的值
    N=Ns(n);            % 设置当前的子载波数量
    x = zeros(Nblk,N);  % 初始化一个数组 x，用于存储OFDM时域信号
    sqN=sqrt(N);        % 计算 N 的平方根
    for k = 1:Nblk      % 进行 OFDM 块的仿真
       %msgint=randint(1,N,M); X=A*modulate(mod_object,msgint);
       X = mapper(b,N); % 使用 QPSK 调制方案生成 N 个调制符号
       x(k,:) = ifft(X,N)*sqN;  % 对 X 执行逆快速傅里叶变换（IFFT），并乘以 sqN 进行能量归一化
       CFx(k) = PAPR(x(k,:));   % 计算时域信号 x 的峰均比（PAPR）
    end
    s2 = mean(mean(abs(x)))^2/(pi/2);   % 计算时域信号 x 的平均功率以估计方差 s2。
    %  使用 CCDF_formula 函数和 PAPR 值计算理论和仿真的 CCDF 值
    CCDF_theoretical=CCDF_formula(N,s2,10.^(zdBs/20));  % 使用公式 Eq.(7.9) 中指定的参数 N、s2 和 zdBs 计算理论 CCDF
    for i = 1:N_zdBs
       %zdB=zdBs(i); %z=10^(zdB/20); %CCDF_theoretical(i)=CCDF_formula(N,s2,z);
       CCDF_simulated(i) = sum(CFx>zdBs(i))/Nblk;   % 通过计数大于阈值 zdBs(i) 的 PAPR 值的数量并将其除以总块数 Nblk，估计仿真的 CCDF
    end
    semilogy(zdBs,CCDF_theoretical,'k-');  hold on; grid on;    % 使用对数坐标绘制理论 CCDF 曲线
    semilogy(zdBs(1:3:end),CCDF_simulated(1:3:end),'k:*');      % 使用对数坐标绘制仿真 CCDF 曲线
end
axis([zdBs([1 end]) 1e-2 1]); 
title('OFDM system with N-point FFT');
xlabel('PAPR0[dB]');
ylabel('CCDF=Probability(PAPR>PAPR0)'); 
legend('Theoretical','Simulated');

②、仿真结果

请添加图片描述
上图显示了当 N = 64，128，256，512，1024 时，OFDM 信号的理论 CCDF 和仿真 CCDF，当 N 变小时，仿真结果偏离理论值，这说明只有 N 足够大时，式（7.11）才是精确的。

2、单载波基带/通频带信号的 PAPR

①、MATLAB 源码

mapper.m

function [modulated_symbols,Mod] = mapper(b,N)
% If N is given, it generates a block of N random 2^b-PSK/QAM modulated symbols.
% Otherwise, it generates a block of 2^b-PSK/QAM modulated symbols for [0:2^b-1].

%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%2010 John Wiley & Sons (Asia) Pte Ltd

M=2^b; % Modulation order or Alphabet (Symbol) size
if b==1, Mod='BPSK'; A=1; mod_object=comm.PSKModulator('ModulationOrder', M);
 elseif b==2, Mod='QPSK';  A=1;
      mod_object = comm.PSKModulator('ModulationOrder', M, 'PhaseOffset', pi/4);
 else Mod=[num2str(2^b) 'QAM']; Es=1; A=sqrt(3/2/(M-1)*Es); 
      mod_object = comm.RectangularQAMModulator('ModulationOrder', M, 'SymbolMapping', 'Gray');
end
if nargin==2 % generates a block of N random 2^b-PSK/QAM modulated symbols 
  modulated_symbols = A * mod_object(randi([0 M-1], N, 1));
 else
  modulated_symbols = A * mod_object((0:M-1)');
end

modulation.m

function [s,time] = modulation(x,Ts,Nos,Fc)
% Ts : Sampling period
% Nos: Oversampling factor
% Fc : Carrier frequency
Nx=length(x);  offset = 0; 
if nargin<5
    scale = 1; 
    T=Ts/Nos; % Scale and Oversampling period for Baseband
else
    scale = sqrt(2);
    T=1/Fc/2/Nos; % Scale and Oversampling period for Passband
end
t_Ts = [0:T:Ts-T]; 
time = [0:T:Nx*Ts-T]; % One sampling interval and whole interval
tmp = 2*pi*Fc*t_Ts+offset; 
len_Ts=length(t_Ts); 
cos_wct = cos(tmp)*scale;  
sin_wct = sin(tmp)*scale;
%s = zeros(N*len_Ts,1);
for n = 1:Nx
   s((n-1)*len_Ts+1:n*len_Ts) = real(x(n))*cos_wct-imag(x(n))*sin_wct;
end

PAPR.m

function [PAPR_dB, AvgP_dB, PeakP_dB] = PAPR(x)
% PAPR_dB  : PAPR[dB]
% AvgP_dB  : Average power[dB]
% PeakP_dB : Maximum power[dB]

%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%2010 John Wiley & Sons (Asia) Pte Ltd

Nx=length(x); xI=real(x); xQ=imag(x);
Power = xI.*xI + xQ.*xQ;
PeakP = max(Power); PeakP_dB = 10*log10(PeakP);
AvgP = sum(Power)/Nx; AvgP_dB = 10*log10(AvgP);
PAPR_dB = 10*log10(PeakP/AvgP);

single_carrier_PAPR.m

%%%%%%%%%%%%%%%%%%%%%  计算单载波基带/通频带信号的PAPR   %%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%   single_carrier_PAPR.m    %%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%程序说明
%%%%分析单载波下的PAPR，可画出图

%%%%%%    仿真环境
%软件版本：MATLAB R2019a

clear
Ts = 1;     % 采样时间间隔
L = 8;      % 每个符号的采样点数
Nos = 8;    % 过采样因子

Fc = 1;     % 载波频率
b = 2;      % 比特数
M = 2^b;    % 调制方案中的符号数
[X,Mod] = mapper(b);    % 返回一个长度为 M 的复数向量 X，表示调制方案的符号集合；Mod 表示调制方案的名称
L_ = L*4;
i_b = 1;
[xt_pass_,time_] = modulation(X,Ts,L_,Fc);      % 执行连续时间调制
[xt_pass,time] = modulation(X,Ts,L,Fc);         % 执行过采样调制：

for i_s = 1:M
     xt_base(L*(i_s-1)+1 : L*i_s) = X(i_s)*ones(1,L);   % 生成基带信号
end
PAPR_dB_base = PAPR(xt_base);   % 计算基带信号的 PAPR
figure(1);  
% clf;
subplot(311);
stem(time,real(xt_base),'k.');  % 绘制离散时间信号的实部
hold on;  
ylabel('S_{I}(n)');
%title([Mod ', ' num2str(M) ' symbols, Ts=' num2str(Ts) 's, Fs=' num2str(1/Ts*2*Nos) 'Hz, Nos=' num2str(Nos) ', baseband, g(n)=u(n)-u(n-Ts)']);
subplot(312);
stem(time,imag(xt_base),'k.');  % 绘制离散时间信号的虚部
hold on; 
ylabel('S_{Q}(n)');
subplot(313);
stem(time,abs(xt_base).^2,'k.');    % 绘制离散时间信号的幅度平方
hold on;
title(['PAPR = ' num2str(round(PAPR_dB_base(i_b)*100)/100) 'dB']);
xlabel ('samples'); 
ylabel('|S_{I}(n)|^{2}+|S_{Q}(n)|^{2}');    
figure(2);
clf;   
PAPR_dB_pass(i_b) = PAPR(xt_pass);
subplot(211);
stem(time,xt_pass,'k.'); 
hold on; 
plot(time_,xt_pass_,'k:');
title([Mod ', ' num2str(M) ' symbols, Ts=' num2str(Ts) 's, Fs=' num2str(1/Ts*2*Nos) 'Hz, Nos=' num2str(Nos) ', Fc=' num2str(Fc) 'Hz, g(n)=u(n)-u(n-Ts)']);
ylabel('S(n)');
subplot(212)
stem(time,xt_pass.*xt_pass,'r.'); 
hold on;
plot(time_,xt_pass_.*xt_pass_,'k:');
title(['PAPR = ' num2str(round(PAPR_dB_pass(i_b)*100)/100) 'dB']);
xlabel('samples');
ylabel('|S(n)|^{2}');    
%bb_I = zeros(1,M*Nos*2); bb_Q = zeros(1,M*Nos*2);
disp('PAPRs of baseband/passband signals'); 
PAPRs_of_baseband_passband_signals=[PAPR_dB_base; PAPR_dB_pass]

②、仿真结果

在这里插入图片描述
基带信号的平均功率和峰值功率相同，因此它的 PAPR 是 0dB
在这里插入图片描述
通频带信号的 PAPR 是 3.01dB

注意：单载波信号的 PAPR 随载波频率 f c f_c fc​ 的变化而变化，因此，为了准确测量单载波系统的 PAPR，必须考虑通频带信号的载波频率。总之，单载波系统的 PAPR 可以由调制方案直接预测，而且不会很大，这与 OFDM 系统不同。

3、时域 OFDM 信号和幅度分布

①、MATLAB 源码

% OFDM_signal.m

%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%2010 John Wiley & Sons (Asia) Pte Ltd

clear all; clc; clf;

N=8;                % 子载波数量
b=2;                % 每个子载波的比特数
M=2^b;              % 每个子载波的调制阶数 
Nos=16;             % 每个OFDM符号中的子载波数量 
NNos=N*Nos;         % 总的子载波数量 
T=1/NNos;           % 每个OFDM符号的持续时间 
time = [0:T:1-T];   % 时间序列，从0到1，步长为T   

[X,Mod] = mapper(b,N);      % 返回已调制符号X和调制方式Mod
X(1)=0+1i*0; % A block of 16 QPSK symbols with no DC-subcarrier 
% 使用ifft函数生成OFDM符号x。根据子载波的索引i，分为两个分支，分别对应于前N/2个子载波和后N/2个子载波。根据索引i和NNos的值，使用ifft函数生成不同的输入序列x。
for i = 1:N
   if i<=N/2,  x = ifft([zeros(1,i-1) X(i) zeros(1,NNos-i+1)],NNos);
   else  x = ifft([zeros(1,NNos-N+i-1) X(i) zeros(1,N-i)],NNos);
   end
   xI(i,:) = real(x); xQ(i,:) = imag(x);
end
sum_xI = sum(xI); sum_xQ = sum(xQ);
figure(1), clf, subplot(311)
plot(time,xI,'k:','linewidth',1),hold on, plot(time,sum_xI,'b','linewidth',2)
title([Mod ', N=' num2str(N)]); ylabel('x_{I}(t)'); axis([0 1 min(sum_xI) max(sum_xI)]);
subplot(312)
plot(time,xQ,'k:','linewidth',1); hold on, plot(time,sum_xQ,'b','linewidth',2)
ylabel('x_{Q}(t)'); axis([0 1 min(sum_xQ) max(sum_xQ)]);
subplot(313), plot(time,abs(sum_xI+j*sum_xQ),'b','linewidth',2); hold on;
ylabel('|x(t)|'); xlabel('t');
clear('xI'), clear('xQ')
N=2^4;  NNos=N*Nos; T=1/NNos; time=[0:T:1-T]; 
Nhist=1e3;      % 历史记录数
for k = 1:Nhist
   [X,Mod] = mapper(b,N); X(1)=0+j*0; % A block of 16 QPSK symbols with no DC-subcarrier 
   for i = 1:N
      if (i<= N/2)  x = ifft([zeros(1,i-1) X(i) zeros(1,NNos-i+1)],NNos);
       else  x = ifft([zeros(1,NNos-N/2+i-N/2-1) X(i) zeros(1,N-i)],NNos);
      end
      xI(i,:) = real(x); xQ(i,:) = imag(x);
   end
   HistI(NNos*(k-1)+1:NNos*k) = sum(xI); HistQ(NNos*(k-1)+1:NNos*k) = sum(xQ);  % 将xI和xQ的总和保存在矩阵HistI和HistQ中
end
N_bin = 30;
figure(2), clf, subplot(311)
[xI_dist,bins] = hist(HistI,N_bin);   bar(bins,xI_dist/sum(xI_dist),'k'); %#ok<HIST>
title([Mod ', N=' num2str(N)]);  ylabel('pdf of x_{I}(t)');
subplot(312)
[xQ_dist,bins] = hist(HistQ,N_bin);  bar(bins,xQ_dist/sum(xQ_dist),'k');
ylabel('pdf of x_{Q}(t)');
subplot(313)
[xabs_dist,bins] = hist(abs(HistI+j*HistI),N_bin);  bar(bins,xabs_dist/sum(xabs_dist),'k');
ylabel('pdf of |x(t)|');  xlabel('x_{0}');

②、仿真结果

在这里插入图片描述
总的来说，当 N N N 增大时，PAPR 变得更加明显

在这里插入图片描述
从图中可以看出， x [ n ] x[n] x[n] 的实部和虚部服从高斯分布，而 ∣ x [ n ] ∣ |x[n]| ∣x[n]∣ 或 ∣ x [ t ] ∣ |x[t]| ∣x[t]∣ 服从瑞利分布

对于具有 N 个子载波的OFDM符号，当每个子载波分量具有相同的相位，且恰好出现最大幅度时， OFDM 信号具有最大功率。最大功率随着 N 的增大而增大，而且出现最大功率的概率随着 N 的增大而降低。

4、Chu 序列和 IEEE802.16e 前导的 PAPR

①、MATLAB 源码

PAPR_of_Chu.m

% PAPR_of_Chu.m
% Plot Fig. 7.10(a)

%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%2010 John Wiley & Sons (Asia) Pte Ltd

clear, clf
N=16; L=4; i=[0:N-1]; 
k = 3; X = exp(j*k*pi/N*(i.*i));
[x,time] = IFFT_oversampling(X,N);
PAPRdB = PAPR(x);
[x_os,time_os] = IFFT_oversampling(X,N,L); %x_os=x_os*L;
PAPRdB_os = PAPR(x_os);
subplot(221), plot(x,'o');
hold on, plot(x_os,'k*');
legend('L=1','L=4');
axis([-0.4 0.4 -0.4 0.4]), axis('equal');
plot(0.25*exp(j*pi/180*[0:359])); % circle with radius 0.25
subplot(222), plot(time,abs(x),'o', time_os,abs(x_os),'k:*');
xlabel('时间（由符号间隔归一化）');
ylabel('|IFFT(u1(k))|');
title('IFFT(X1(k)),k=3,N=16,L=1,4');
legend('L=1','L=4');
PAPRdB_without_and_with_oversampling=[PAPRdB  PAPRdB_os];

PAPR_of_preamble.m

% PAPR_of_preamble.m
% Plot Fig. 7.10(b) (the PAPR of IEEE802.16e preamble)

%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%2010 John Wiley & Sons (Asia) Pte Ltd

clear, clf
N=1024; L=4; Npreamble=114; n=0:Npreamble-1; % Mod='BPSK'; 
%PAPR = zeros(N_preamble,1); PAPR_os = zeros(N_preamble,1);
for i = 1:Npreamble
   X=load(['D:\Work\MIMO-OFDM无线通信技术及MATLAB实现\MIMO_OFDM-master\第7章 PAPR\Chu序列和IEEE802.16e前导的PAPR\Wibro-Preamble\Preamble_sym' num2str(i-1) '.dat']);
   X = X(:,1); X = sign(X); X = fftshift(X);
   x = IFFT_oversampling(X,N); PAPRdB(i) = PAPR(x);
   x_os = IFFT_oversampling(X,N,L); PAPRdB_os(i) = PAPR(x_os);
end
plot(n,PAPRdB,'-o', n,PAPRdB_os,':*'), 
xlabel('前导编码[0~113]');
ylabel('|IFFT(X1(k))|');
title('IEEE 802.16e前导，L=1,4');
legend('L=1','L=4');

②、仿真结果

1) Chu 序列经 IFFT 之后的幅度

请添加图片描述
请添加图片描述
该图显示了在没有采样和 L=4 过采样的情况下，Chu 序列经过 16 点 IFFT 之后的幅度，有过采样和没有过采样的 PAPR 分别为 0dB 和 4.27dB，这说明不同的采样速度会导致 PAPR 具有明显的差异

2) IEEE 802.16e 前导的 PAPR

请添加图片描述
该图显示了 IEEE802.16e 标准中定义的 114 个前导的 PAPR，有过采样的PAPR比没有过采样的 PAPR 大 0.4dB 左右。事实上，由于前导码存在放大功率的问题，因此最初设计的这些前导码具有低的 PAPR。这就是为什么不同的采样速率并没有使这些序列的 PAPR 明显不同。然而，对于 Chu 序列，采样速率的不同通常导致 PAPR 的明显变化。因此，为了在基带对 PAPR 进行精确的测量，需要过采样过程。

5、基于限幅和滤波的 OFDM 信号

①、MATLAB 源码

mapper.m

function [modulated_symbols,Mod] = mapper(b,N)
% If N is given, it generates a block of N random 2^b-PSK/QAM modulated symbols.
% Otherwise, it generates a block of 2^b-PSK/QAM modulated symbols for [0:2^b-1].

%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%2010 John Wiley & Sons (Asia) Pte Ltd

M=2^b; % Modulation order or Alphabet (Symbol) size
if b==1, Mod='BPSK'; A=1; mod_object=comm.PSKModulator('ModulationOrder', M);
 elseif b==2, Mod='QPSK';  A=1;
      mod_object = comm.PSKModulator('ModulationOrder', M, 'PhaseOffset', pi/4);
 else Mod=[num2str(2^b) 'QAM']; Es=1; A=sqrt(3/2/(M-1)*Es); 
      mod_object = comm.RectangularQAMModulator('ModulationOrder', M, 'SymbolMapping', 'Gray');
end
if nargin==2 % generates a block of N random 2^b-PSK/QAM modulated symbols 
  modulated_symbols = A * mod_object(randi([0 M-1], N, 1));
 else
  modulated_symbols = A * mod_object((0:M-1)');
end

IFFT_oversampling.m

function [xt, time] = IFFT_oversampling(X,N,L)

%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%2010 John Wiley & Sons (Asia) Pte Ltd

if nargin<3,  L=1;  end
NL=N*L; T=1/NL; time = [0:T:1-T];  X = X(:).';
xt = L*ifft([X(1:N/2)  zeros(1,NL-N)  X(N/2+1:end)], NL);

add_CP.m

function y=add_CP(x,Ncp)
% Add cyclic prefix

%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%2010 John Wiley & Sons (Asia) Pte Ltd

y = [x(:,end-Ncp+1:end) x];     % CP 循环前缀

clipping.m

function [x_clipped,sigma]=clipping(x,CL,sigma)
% CL   : Clipping Level
% sigma: sqrt(variance of x)

%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%2010 John Wiley & Sons (Asia) Pte Ltd

if nargin<3
  x_mean=mean(x); x_dev=x-x_mean; sigma=sqrt(x_dev*x_dev'/length(x));   % 计算标准差
end
CL = CL*sigma;  % 限幅比 = 输入限幅比 × 标准差
x_clipped = x;  
ind = find(abs(x)>CL); % Indices to clip    % 找到大于限幅比的索引
x_clipped(ind) = x(ind)./abs(x(ind))*CL;    % 进行限幅

在这里插入图片描述

PDF_of_clipped_and_filtered_OFDM_signal.m

% PDF_of_clipped_and_filtered_OFDM_signal.m
% Plot Figs. 7.14 and 7.15

%MIMO-OFDM Wireless Communications with MATLAB㈢   Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang
%2010 John Wiley & Sons (Asia) Pte Ltd

clear
CR = 1.2;       % 限幅比
b=2;            % 每一QPSK符号的比特数
N=128;          % FFT大小 
Ncp=32;         % CP大小 
fs=1e6;         % 采样频率 
L=8;            % 过采样因子 
Tsym=1/(fs/N);  % 符号周期。它是指每个OFDM符号的持续时间。    Tsym = 1.28e-4
Ts=1/(fs*L);    % 采样周期                                    Ts = 1.25e-7
fc=2e6; wc=2*pi*fc;         % 载波频率                        wc = 1.2566e+7
t=[0:Ts:2*Tsym-Ts]/Tsym;    % 时间向量                        t = [0:9.7656e-4:1.999]_{2048}
t0=t((N/2-Ncp)*L);                                          % t0 = t((64-32)*8) = 0.249
f=[0:fs/(N*2):L*fs-fs/(N*2)]-L*fs/2;    % -L*fs/2 ~ L*fs/2 的频率向量  [-4e+6, 3.9961e+6]_{2048}
Fs=8;           % 滤波器的采样频率   8 MHz
Norder=104;     % 滤波器的阶数
dens=20;        % 滤波器的密度因子    大于16即可
FF=[0 1.4 1.5 2.5 2.6 Fs/2]; % 阻带/通带/阻带频率边缘向量  [0 Fstop1 Fpass1 Fpass2 Fstop2 Fs/2]
WW=[10 1 10];                % 阻带/通带/阻带加权向量   阻带中的纹波比通带中的纹波小10倍
h = firpm(Norder,FF/(Fs/2),[0 0 1 1 0 0],WW,{dens}); % BPF 系数
X = mapper(b,N);  X(1) = 0; % QPSK 调制 
x=IFFT_oversampling(X,N,L); % IFFT 和过采样       x = 8*[x(1:64), (0...0)_{1024-128}, x(65:128)]_{1024}
x_b=add_CP(x,Ncp*L); % 加 CP   x_b = [(CP)_{256}, x]_{1280}
x_b_os=[zeros(1,(N/2-Ncp)*L), x_b, zeros(1,N*L/2)]; % 多采样   x_b_os = [(0)_{256}, (x_b)_{1280}, (0)_{512}]_{2048}
x_p = sqrt(2)*real(x_b_os.*exp(j*2*wc*t)); % 从基带到通频带
x_p_c = clipping(x_p,CR); % Eq.(7.18) 限幅公式
X_p_c_f= fft(filter(h,1,x_p_c)); % norm(X_p_c_f-X_p_c_f1)
x_p_c_f = ifft(X_p_c_f);
x_b_c_f = sqrt(2)*x_p_c_f.*exp(-j*2*wc*t); % 从通频带到基带

figure(1); clf % Fig. 7.15(a), (b)
nn=(N/2-Ncp)*L+[1:N*L]; nn1=N/2*L+[-Ncp*L+1:0]; nn2=N/2*L+[0:N*L];  % nn =[257:1280]_{1024}   nn1 = [257:512]_{256}  nn2=[512:1536]_{1025}
subplot(221)
plot(t(nn1)-t0, abs(x_b_os(nn1)),'k:'); hold on;    % 循环前缀 
plot(t(nn2)-t0, abs(x_b_os(nn2)),'k-');             % 基带信号 + 512个0
axis([t([nn1(1) nn2(end)])-t0  0  max(abs(x_b_os))]);
title(['Baseband signal, with CP']);
xlabel('t (normalized by symbol duration)'); ylabel('abs(x''[m])');
subplot(223)
XdB_p_os = 20*log10(abs(fft(x_b_os)));
plot(f,fftshift(XdB_p_os)-max(XdB_p_os),'k');
xlabel('frequency[Hz]'); ylabel('PSD[dB]'); axis([f([1 end]) -100 0]);
subplot(222)
[pdf_x_p,bin]=hist(x_p(nn),50); bar(bin,pdf_x_p/sum(pdf_x_p),'k');
xlabel('x'); ylabel('pdf'); title(['Unclipped passband signal']);
subplot(224)
XdB_p = 20*log10(abs(fft(x_p)));
plot(f,fftshift(XdB_p)-max(XdB_p),'k');
xlabel('frequency[Hz]'); ylabel('PSD[dB]'); axis([f([1 end]) -100 0]);

figure(2); clf % Fig. 7.15(c), (d)
subplot(221)
[pdf_x_p_c,bin] = hist(x_p_c(nn),50);   % 限幅后的通频带信号
bar(bin,pdf_x_p_c/sum(pdf_x_p_c),'k');
title(['Clipped passband signal, CR=' num2str(CR)]);
xlabel('x'); ylabel('pdf');
subplot(223)
XdB_p_c = 20*log10(abs(fft(x_p_c)));    % 限幅后的通频带信号功率
plot(f,fftshift(XdB_p_c)-max(XdB_p_c),'k');
xlabel('frequency[Hz]'); ylabel('PSD[dB]'); axis([f([1 end]) -100 0]);
subplot(222)
[pdf_x_p_c_f,bin] = hist(x_p_c_f(nn),50); 
bar(bin,pdf_x_p_c_f/sum(pdf_x_p_c_f),'k');
title(['Passband signal after clipping and filtering, CR=' num2str(CR)]);
xlabel('x'); ylabel('pdf');
subplot(224)
XdB_p_c_f = 20*log10(abs(X_p_c_f));
plot(f,fftshift(XdB_p_c_f)-max(XdB_p_c_f),'k');  % 限幅后的基带信号功率
xlabel('frequency[Hz]'); ylabel('PSD[dB]');
axis([f([1 end]) -100 0]);

figure(3); clf % Fig. 7.14
subplot(221)
stem(h,'k'); xlabel('tap'); ylabel('Filter coefficient h[n]');  % 滤波器抽头和系数
axis([1, length(h), min(h), max(h)]);
subplot(222)
HdB = 20*log10(abs(fft(h,length(X_p_c_f))));    % 通频带限幅滤波后经过 FFT 的信号再经过 FFT 后的功率
plot(f,fftshift(HdB),'k');
xlabel('frequency[Hz]'); ylabel('Filter freq response H[dB]');
axis([f([1 end]) -100 0]);
subplot(223)
[pdf_x_p_c_f,bin] = hist(abs(x_b_c_f(nn)),50);  % 限幅滤波后基带信号
bar(bin,pdf_x_p_c_f/sum(pdf_x_p_c_f),'k');
title(['Baseband signal after clipping and filtering, CR=' num2str(CR)]);
xlabel('|x|'); ylabel('pdf');
subplot(224)
XdB_b_c_f = 20*log10(abs(fft(x_b_c_f)));        % 限幅滤波后基带信号功率
plot(f,fftshift(XdB_b_c_f)-max(XdB_b_c_f),'k');
xlabel('frequency[Hz]'); ylabel('PSD[dB]'); axis([f([1 end]) -100 0]);

②、仿真结果

1）基带信号及通频带信号功率谱、PDF、功率

在这里插入图片描述

2）限幅信号、滤波信号的 PDF 和功率谱

在这里插入图片描述
可以看到限幅后的信号幅度低于限幅电平，也可以看到限幅后的带外频谱增大了，但滤波后的带外频谱减小了

3）等波纹通频带 FIR 滤波器的特点

在这里插入图片描述

6、采用限幅和滤波后的 PAPR 分布和 BER 性能

在这里插入图片描述
因为 CF 是 PAPR 的平方根，所以 CF 的 CCDF 可以看做 PAPR 的分布，从（a）图中可以看出，OFDM 信号的 PAPR 在限幅后显著降低，而在滤波后有所上升。CR 越小，PAPR 降低得越多。（b）图显示了使用限幅和滤波技术的 BER 性能，图中 “C” 表示只有限幅的情况，“C&F” 表示限幅和滤波都有的情况，从（b）可以看出，当 CR 减小时，BER 性能变差。

7、部分传输序列（PTS）

参考我之前的博客：减小PAPR——PTS技术

8、DFT 扩频

参考我之前的博客：减小PAPR——DFT扩频

9、采用脉冲成型的 DFT 扩频的 PAPR 分析

在这里插入图片描述
在这里插入图片描述
从上面仿真图可以看出，当滚降系数 a 从 0 变到 1 时 IFDMA 的 PAPR 性能显著提升，而 LFDMA 受脉冲成形的影响没有那么大。由于滚降系数增大时剩余带宽增加，IFDMA 可以在剩余带宽和 PAPR 性能之间进行折中
在这里插入图片描述
从上面仿真图可以看出，滚降系数 a=0.4 的 LFDMA 中的 DFT 扩频技术的 PAPR 性能随着 M 的增大而降低。

源码下载地址：采用脉冲成型的 DFT 扩频的 PAPR 分析

三、资源自取

OFDM PAPR减小思维导图

在这里插入图片描述

我的qq：2442391036，欢迎交流！

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.coloradmin.cn/o/1348989.html

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，一经查实，立即删除！

相关文章

ToDesk Linux 客户端安装（欧拉系统）

ToDesk Linux 客户端安装（欧拉系统）

下载链接 下载链接 https://newdl.todesk.com/linux/todesk-v4.3.1.0-x86_64.rpm &#xff08;使用4.3.1.0覆盖安装后&#xff0c;临时密码将会变更&#xff09; 安装命令&#xff1a; sudo rpm -Uvh todesk-v4.3.1.0-x86_64.rpm启动命令&#xff1a; todesk启动命令只能在桌…
阅读更多...
算法通关村第二十关-白银挑战图的存储与遍历

算法通关村第二十关-白银挑战图的存储与遍历

大家好我是苏麟, 今天继续聊图 . 与前面的链表、树等相比&#xff0c;图的存储和遍历要复杂非常多 .所以理解就好 , 面试基本不会让写代码的 . 图的类型多、表示方式多&#xff0c;相关算法也很多&#xff0c;实现又过于复杂&#xff0c;多语言实现难度太大了。这些算法一般理…
阅读更多...
Ultra ISO 虚拟光驱修改光盘盘符

Ultra ISO 虚拟光驱修改光盘盘符

windows xp 环境 ultra iso 虚拟光驱修改光盘盘符 method 1. 在ultra iso 中 [选项]->[配置]->[虚拟光驱]&#xff0c;在新盘符里选指定盘符 ->[修改] method 2. 打开命令行&#xff0c;进入安装目录&#xff0c;如 "C:\Program Files\UltraISO\drivers"&…
阅读更多...
浅析锂电池保护板（BMS）系统设计思路（四）SOC算法-扩展Kalman滤波算法

浅析锂电池保护板（BMS）系统设计思路（四）SOC算法-扩展Kalman滤波算法

1 SOC估算方法介绍 电池SOC的估算是电池管理系统的核心&#xff0c;自从动力电池出现以来&#xff0c;各种各样的电池SOC估算方法不断出现。随着电池管理系统的逐渐升级&#xff0c;电池SOC估算方法的效率与精度不断提高&#xff0c;下面将介绍常用几种电池SOC估算方法[1]&…
阅读更多...
2023年总结及2024年规划：我们结婚啦

2023年总结及2024年规划：我们结婚啦

目录 1、回首2023 1.1、生活方面 1.2、工作方面 1.3、学习方面 2、展望2024 2.1、生活方面 2.2、工作方面 2.3、学习方面 2023年最重要的事情当然是我们结婚啦&#xff01; 1、回首2023 1.1、生活方面 今年五一假期&#xff0c;我和对象回老家在双方亲友的见证下完…
阅读更多...
HarmonyOS 路由传参

HarmonyOS 路由传参

本文 我们来说两个page界面间的数据传递 路由跳转 router.pushUrl 之前我们用了不少了 但是我们只用了它的第一个参数 url 其实他还有个params参数 我们第一个组件可以编写代码如下 import router from ohos.router Entry Component struct Index {build() {Row() {Column() …
阅读更多...
ES6之Proxy详解

ES6之Proxy详解

✨ 专栏介绍 在现代Web开发中&#xff0c;JavaScript已经成为了不可或缺的一部分。它不仅可以为网页增加交互性和动态性&#xff0c;还可以在后端开发中使用Node.js构建高效的服务器端应用程序。作为一种灵活且易学的脚本语言&#xff0c;JavaScript具有广泛的应用场景&#x…
阅读更多...
虚拟专线网络(IP-VPN)

虚拟专线网络(IP-VPN)

虚拟专线网络(IP-VPN)&#xff0c;因为它的安全性和可靠性。通过亚洲领先的 IP VPN 提供商。享受更高的可管理性和可扩展性&#xff0c;在多个站点之间交付 IP 流量或数据包&#xff0c;拥有亚太地区最大的 IP 骨干网。 1&#xff0c;保证正常运行时间&#xff0c;在网络链路发…
阅读更多...
设计模式设计原则——依赖倒置原则(DIP)

设计模式设计原则——依赖倒置原则(DIP)

DIP&#xff1a;Dependence Inversion Principle 原始定义&#xff1a;High level modules should not depend upon low level modules. Both should depend upon abstractions. Abstractions should not depend upon details. Details should depend upon abstractions。 官…
阅读更多...
合伙企业有哪些分类

合伙企业有哪些分类

合伙企业分为&#xff1a;普通合伙企业和有限合伙企业。其中&#xff0c;普通合伙企业又包含特殊的普通合伙企业。 1、普通合伙企业由2人以上普通合伙人(没有上限规定)组成。 普通合伙企业中&#xff0c;合伙人对合伙企业债务承担无限连带责任。 特殊的普通合伙企业中&#xf…
阅读更多...
docker 在线安装mysql 8.0.21版本

docker 在线安装mysql 8.0.21版本

1、拉取mysql 8.0.21版本镜像 2、查看镜像 docker images 3、在宿主机 /usr/local/mysql 下的 conf 文件夹下&#xff0c;创建 my.cnf 文件&#xff0c;并编辑内容 [mysql] default-character-setutf8 [client] port3306 default-character-setutf8 [mysqld] port3306 se…
阅读更多...
【基础篇】五、类的双亲委派机制

【基础篇】五、类的双亲委派机制

文章目录 1、双亲委派机制2、Java代码中去主动加载一个类3、“父”加载器4、Q & A5、打破双亲委派机制 1、双亲委派机制 JVM中有多个类加载器&#xff0c;某个类A&#xff0c;到底该由谁去加载 ⇒ 双亲委派机制 该机制的作用&#xff1a; 保证类加载的安全性&#xff1a;避…
阅读更多...
VMvare虚拟机中文件夹共享防火墙设置

VMvare虚拟机中文件夹共享防火墙设置

目录 一、虚拟机jdk及tomcat配置 1.1 JDK配置 1.2 tomcat配置 二、文件夹共享 2.1 为什么需要配置文件夹共享功能 2.2 高级共享和普通共享 三、防火墙设置 入站规则和出站规则 四、思维导图 一、虚拟机jdk及tomcat配置 1.1 JDK配置 (1) 双击jdk &#xff08;2&#xf…
阅读更多...
个体诊所软件方案，农村医疗服务站社区门诊电子处方管理系统软件教程

个体诊所软件方案，农村医疗服务站社区门诊电子处方管理系统软件教程

个体诊所软件方案&#xff0c;农村医疗服务站社区门诊电子处方管理系统软件教程 一、软件程序问答 1、处方单软件有病历汇总吗 如下图&#xff0c;软件以 佳易王电子处方软件V17.2版本为例说明 点击 病历汇总统计 按钮&#xff0c; 可以按明细查询或病历汇总查询&#xf…
阅读更多...
交通 | 司乘匹配：基于增量成本计算的优化算法

交通 | 司乘匹配：基于增量成本计算的优化算法

编者按&#xff1a; 司乘匹配是打车服务中一项至关重要的任务&#xff0c;如果这一步做得不够优化&#xff0c;可能导致乘客需要更长的时间才能到达目的地&#xff0c;同时司机的收入也会因此减少。由于司乘匹配是一个持续进行的过程&#xff0c;每一时刻都在不断涌入新的打车…
阅读更多...
MD5算法

MD5算法

一、引言 MD5&#xff08;Message-Digest Algorithm 5&#xff09;是一种广泛应用的密码散列算法&#xff0c;由Ronald L. Rivest于1991年提出。MD5算法主要用于对任意长度的消息进行加密&#xff0c;将消息压缩成固定长度的摘要&#xff08;通常为128位&#xff09;。在密码学…
阅读更多...
微信小程序开发系列-11组件间通信02

微信小程序开发系列-11组件间通信02

微信小程序开发系列目录 《微信小程序开发系列-01创建一个最小的小程序项目》 《微信小程序开发系列-02注册小程序》 《微信小程序开发系列-03全局配置中的“window”和“tabBar”》 《微信小程序开发系列-04获取用户图像和昵称》 《微信小程序开发系列-05登录小程序》 《…
阅读更多...
图文证明 等价无穷小替换

图文证明 等价无穷小替换

等价无穷小替换 定义 等价无穷小是无穷小之间的一种关系&#xff0c;指的是&#xff1a;在同一自变量的趋向过程中&#xff0c;若两个无穷小之比的极限为1&#xff0c;则称这两个无穷小是等价的。无穷小等价关系刻画的是两个无穷小趋向于零的速度是相等的。 设当 x → x 0 时…
阅读更多...
[python]matplotlib

[python]matplotlib

整体图示 .ipynb 转换md时候图片不能通知携带&#xff0c;所有图片失效&#xff0c;不过直接运行代码可以执行 figure figure,axes与axis import matplotlib.pyplot as plt figplt.figure() fig2plt.subplots() fig3,axsplt.subplots(2,2) plt.show()<Figure size 640x480 …
阅读更多...
大数据 - Hadoop系列《二》- Hadoop组成

大数据 - Hadoop系列《二》- Hadoop组成

目录 &#x1f436;3.1 hadoop组成 &#x1f436;3.1 HDFS 架构概述 1. NameNode&#xff08;nn&#xff09;&#xff1a; ​编辑2. DataNode(dn)&#xff1a; 3. Secondary NameNode(2nn)&#xff1a; &#x1f436;3.2 YARN 架构概述 &#x1f436;3.3 MapReduce 架构…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023