OFDM-OCDM雷达通信一体化信号模糊函数对比研究【附MATLAB代码】

news2025/1/15 12:45:45

文章来源:微信公众号:EW Frontier

1.引言

为提高频谱利用率并实现系统小型化、集成化,近年来雷达通信一体化系统成为重要研究方向。正交线性调频波分复用(OCDM)信号是利用菲涅尔变换形成的一组正交线性啁啾(chirp)信号,基于OCDM 的雷达通信一体化信号不仅具有正交频分复用(OFDM)信号的频谱利用率高、适合高速数据传输等优点,且具有更好的抗多径干扰能力,被认为是较好的OFDM 一体化信号替代方案[1]。

本文主要通过对比分析OCDM与OFDM模糊函数,说明二者各自优缺点,为下一步雷达通信一体化研究提供参考。

2.正交线性调频波分复用

正交线性调频波分复用(Orthogonal Chirp Division Multiplexing,OCDM)是一种基于离散菲涅尔变换(Discrete Fresnel Transform,DFnT)的多载波正交复用技术,因其在多径传播中具有更好的鲁棒特性,被认为是正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM) 技术[1] 的替代方案。

2.1 OCDM信号

OCDM 信号由Ouyang[2] 于2016 年首次提出,由一组在时域与频域上重叠的啁啾(chirp)信号组成,且每一个啁啾信号在啁啾维度相互正交,在传输时不会互相干扰。第k 个啁啾信号可由下式表示:

添加图片注释,不超过 140 字(可选)

式中N 为啁啾信号的个数,T 为OCDM 信号的周期。利用每个啁啾信号的幅度加载通信信息可构成OCDM 一体化信号。本文将调制在第m 个符号的第k 个啁啾上的随机通信信息设为xm(k),则离散化的一体化OCDM 信号的第m 个符号表示为:

2.2 OCDM一体化系统

OCDM的基本原理是通过在相同带宽中利用菲涅尔变换形成一组正交的线性Chirp 信号,并将通信信息加载到这一组Chirp信号的幅度和相位中,从而实现高效通信数据传输[2]。

菲涅尔变换在OCDM信号形成中的作用类似于傅里叶变换在OFDM信号形成中的 作用,利用离散菲涅尔变换(DFnT)实现OCDM的数字实现,在发射端利用离散菲涅 尔逆变换(IDFnT)生成OCDM信号,利用DFnT在接收端恢复OCDM信号。通过利用每个Chirp信号的幅度和相位传输通信信息,构成OCDM一体化信号。若采用16QAM进行数据传输,则得到如下OCDM一体化系统[3-4]:

图1 OCDM一体化系统的实现框图

实现的具体步骤如下[3-4]:

第一步,在发射端将串行通信比特流通过16QAM调制后,串并转换,形成通信符号x;

第二步,将并行的通信符号,与以二次相位项的共轭为对角线数据的矩阵相乘;

第三步,将第二步所得矩阵进行IFFT变换后,与以二次相位项的共轭为对角线 数据的矩阵相乘形成OCDM一体化信号,并将其进行并串转换,通过数模转换器和混 频器发送;

第四步,在接收端将接收到的信号通过混频器和模数转换器,生成数字信号,一方 面将其发送给雷达信号处理模块,进行目标速度和距离的求取。另一方面,将其进行串 并转换,发送给通信信号解调模块;

第五步,将并行信号与以二次相位项1为对角线数据的矩阵相乘,再通过FFT变 换后,与以二次相位项2为对角线数据的矩阵相乘,从而获得通信符号数;

第六步,将通信符号进行16QAM解调,获得通信信息。

3.OFDM-OCDM仿真分析

为方便分析二者模糊函数差异,本文简化对比,不加入调制信息,同时默认为单符号,其余参数设置如下:子载波数:16;脉冲时间:1us;调频斜率:16000GHz/s。

图2 OFDM模糊函数

图3 OCDM模糊函数

图4 OCDM与OFDM距离模糊函数

图5 OCDM与OFDM速度模糊函数

从图2至图5,可以发现 OCDM 模糊图形状近似图钉型,中心峰值窄,具有良好距离分辨力和速度分辨力,同时能量在速度距离平面的分布除中心峰值外较为平坦说明不易产生模糊, 旁瓣较小不易受干扰。相比 OFDM 信号,OCDM 信号零多普勒平面的主瓣宽度更窄, 旁瓣更低,具有更好的距离分辨特性,两者的零时延平面模糊图差异不大。

总结

本文主要基于传统OFDM雷达通信一体化信号体制,将OFDM的替代技术OCDM引入,介绍了OCDM的信号组成结构,OCDM一体化信号系统组成,同时通过仿真分析OCDM与OFDM的模糊函数,进一步说明了OCDM的良好性能,更适合进行雷达探测,为此可以提出更优秀的雷达通信一体化信号,将16QAM、BPSK、MSK等调制技术与OCDM相结合,希望对研究雷达通信一体化的小伙伴有帮助。

参考文献

[1]王晶琦,曾欢,陶詹等.一种基于OCDM的新型雷达通信一体化系统[J].微波学报,2022,38(06):14-18.DOI:10.14183/j.cnki.1005-6122.202206004.

[2]Ouyang X, Zhao J. Orthogonal chirp divisionmultiplexing for coherent optical fiber communications[J]. Journal of LightwaveTechnology, 2016, 34(18): 4376-4386

[3]吕鑫. OCDM-OFDM雷达通信一体化信号设计与研究[D].南京理工大学,2019.DOI:10.27241/d.cnki.gnjgu.2019.000444.

[4]许奥. 基于OCDM的雷达通信一体化技术研究[D].南京理工大学,2021.DOI:10.27241/d.cnki.gnjgu.2021.001034.

MATLAB代码示例

%% OCDM与OFDM的模糊函数比较
%% 全部代码获取 学术交流Q群:479772742
clear all;close all;clc
​
% 子载波数
N_c=16;
% 脉冲持续时间
T_b=1e-6;
% 归一化时间
x=linspace(-1,1,32*N_c);%-1:0.001:1;
% 归一化频率
y=-5:0.01:5;
% 调频率
mu=16/T_b^2;
% 符号权重
% w=ones(N_c,1);
w=chebwin(N_c,50);
%% 模糊函数
[X,Y]=meshgrid(x,y);
[amf,amt]=size(X);
AF_ofdm = AFmean_single_symbol( N_c,T_b,x,y,w);
AF_ocdm = AFmean_lfm_OFDM_single( N_c,T_b,mu,x,y,w );
​
figure;grid on;hold on
surf(X,Y,AF_ofdm,'EdgeColor','none')
% title('OFDM平均模糊函数','fontsize',14)
xlabel('归一化时延','fontsize',14),ylabel('归一化频移','fontsize',14)
colormap('default')
% surface(x, [0,0], [zeros(1,amt)
;AF_ocdm(
1
,:)],
'EdgeColor'
,[
0
 
0
 
0
],
'FaceColor'
,[
0
 
0
 
0
]);
zlim([0,1]);
view(-46,26)
​
​
figure;grid on;hold on
surf(X,Y,AF_ocdm,'EdgeColor','none')
% title('OFDM平均模糊函数','fontsize',14)
xlabel('归一化时延','fontsize',14),ylabel('归一化频移','fontsize',14)
colormap('default')
% surface(x, [0,0], [zeros(1,amt)
;AF_ocdm(
1
,:)],
'EdgeColor'
,[
0
 
0
 
0
],
'FaceColor'
,[
0
 
0
 
0
]);
zlim([0,1]);
view(-46,26)
% view(0,90)
%% 距离模糊函数 
AC_ofdm=AF_ofdm(501,:);
AC_ocdm=AF_ocdm(501,:);
​
figure;grid on;hold on;
plot(x,AC_ofdm,'k','linewidth',1.5) 
plot(x,AC_ocdm,'b','linewidth',1.5) 
title('距离模糊函数比较','fontsize',14);
xlabel('归一化时延','fontsize',14),ylabel('归一化幅度','fontsize',14)
legend('OFDM','OCDM')
% ylim([0,1]);
% xlim([-0.2,0.2])
%% 速度模糊函数
DC_ofdm=AF_ofdm(:,256);
DC_ocdm=AF_ocdm(:,256);
​
figure;grid on;hold on;
plot(y,DC_ofdm,'k','linewidth',1.5) 
plot(y,DC_ocdm,'b','linewidth',1.5) 
title('速度模糊函数比较','fontsize',14);
xlabel('归一化频移','fontsize',14),ylabel('归一化幅度','fontsize',14)
legend('OFDM','OCDM')
% xlim([y(1),y(end)]);
% xlim([-5,5])
​

                

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/1618085.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

架构师核心-云计算云上实战(云计算基础、云服务器ECS、云设施实战、云上高并发Web架构)

文章目录 云计算基础1. 概念1. 云平台优势2. 公有云3. 私有云4. IaaS、PaaS、SaaS 2. 云设施1. 概览2. 核心组件 云服务器ECS1. ECS介绍1. 简介2. 组件3. 概念4. 图解5. 规格6. 场景 2. ECS服务器开通1. 开通服务器2. 连接服务器 3. 云部署准备1. 1Panel介绍2. 安装1Panel3.安全…

<开源> 轮廓内缩外扩算法

轮廓内缩外扩算法 项目是论文A new offset algorithm for closed 2D lines with Islands的JAVA实现。 项目的GitHub地址:https://github.com/Lee-0o0/polygon-offset-algorithm。 参考博客 https://blog.csdn.net/qq_41261251/article/details/114462696

多目标应用:基于非支配排序粒子群优化算法NSPSO求解无人机三维路径规划(MATLAB代码)

一、无人机多目标优化模型 无人机三维路径规划是无人机在执行任务过程中的非常关键的环节,无人机三维路径规划的主要目的是在满足任务需求和自主飞行约束的基础上,计算出发点和目标点之间的最佳航路。 1.1路径成本 无人机三维路径规划的首要目标是寻找…

Java 【数据结构】 二叉树(Binary_Tree)【神装】

登神长阶 第五神装 二叉树 Binary-Tree 目录 🎷一.树形结构 🪗1.概念 🎸2.具体应用 🎹 二.二叉树(Binary Tree) 🎺1.概念 🎻2.表现形式 🪕3.特殊类型 &#x1f941…

Windows下使用SDKMAN对JDK(Java)进行多版本管理

Windows下使用SDKMAN对JDK(Java)进行多版本管理 1.背景2.基于msys2工具2.1. msys2简介2.2. 安装与配置2.2. Windows环境变量配置参考2.3 结果确认 3. 基于WSL 1.背景 前端有nvm,python有miniconda,miniforge等,java呢?java在Linu…

PCB走线宽度、PCB走线宽度计算、PCB走线宽度和电流

目录 一、什么是PCB走线宽度? 二、什么是走线? 三、哪些因素对走线宽度至关重要? 1、信号走线 2、电源走线 3、直线宽度和信号反射 四、怎么计算PCB走线宽度? 1、使用PCB走线宽度计算器 2、使用方程式 五、怎么计算PCB 走…

【学习笔记二十四】EWM补货策略和自动补货配置

一、EWM补货策略概述 1.计划补货 ①以联机或批处理模式启动 ②根据最大和最小数量计算补货 ③仅当库存量低于最低数量时才开始 ④四舍五入至最小补货数量的倍数 2.自动补货 ①在WT确认期间启动 ②根据最大和最小数量计算补货 ③只有当库存量低于最低数量时才开始 ④四舍…

开源博客项目Blog .NET Core源码学习(17:App.Hosting项目结构分析-5)

本文学习并分析App.Hosting项目中前台页面的作品展示页面和首页页面。 作品展示页面 作品展示页面总体上为上下布局,上方显示导航菜单,下方从左向右显示图片数据,支持放大查看图片和下载图片。整个页面使用了layui中的面包屑导航、弹出层、流…

6.3 实现Session 共享

1. Session 共享配置 2. Nginx 负载均衡 3. 测试请求分发 经过如上步骤 ,就完成了利用 Redis 实现 Session 共享的功能. 基本上不需要额外配置,开箱即用

基于 Grassmannian Manifold的动态图嵌入学习的脑网络时空枢纽识别

Spatiotemporal Hub Identification in Brain Network by Learning Dynamic Graph Embedding on Grassmannian Manifold 摘要 神经成像技术的进步使得测量不同大脑区域之间的连接随时间演变成为可能。新出现的证据表明,一些关键的大脑区域,称为枢纽节点…

Docusaurus 3.2 发布,更快的 MDX 开发体验

Docusaurus 是一个静态站点生成器。它构建了一个具有快速客户端导航的单页面应用程序,利用 React 的全部功能使你的网站具有交互性。它提供开箱即用的文档功能,但可用于创建任何类型的网站(个人网站、产品、博客、营销登陆页面等)…

产品规划|如何从0到1规划设计一款产品?

我们要如何从0到1规划设计一款产品?在前期工作我们需要做什么呢?下面这篇文章就是关于此的相关内容,大家一起往下看多多了解了解吧! 一、什么是产品规划? 产品规划是一种策略,它设定了产品的价值和目标,并确定实施方案以实现这些目标。它考虑了产品的整个生命周期,基于…

我有一种不完美的完美主义,必须要有缺点,没有缺点就是不完美的

《程客有话说》是我们最新推出的一个访谈栏目,邀请了一些国内外有趣的程序员来分享他们的经验、观点与成长故事,我们尝试建立一个程序员交流与学习的平台,也欢迎大家推荐朋友或自己来参加我们的节目,一起加油。 本期我们邀请的程…

Textual Inversion:使用文本反转个性化文本到图像的生成

系列文章目录 DreamBooth:个性化的文本到图像扩散模型 文章目录 系列文章目录一、研究动机二、模型方法1、潜在扩散模型2、文本嵌入3、文本反演 三、Textual Inversion与dreambooth的对比四、Textual Inversion效果1、图像变化2、文本引导合成3、风格迁移 Textual …

全网最全的平行坐标图(parallel coordinates plot)的绘制攻略

早上起来拥抱太阳,写小论文,看到人家的图怎么那么好看!!?? 这不得赶紧抄下来,我也发一个顶刊?于是开始思考如何解决绘制这个问题,目前现有的大部分解决方案都是直接调库…

Unity3d的海盗王地图

一直以来,都想将海盗王的地图搬到手游unity3d上面。 经过漫长时间的研究,终于实现了当初的想法。

Webfunny埋点系统如何统计留存率

Hello,大家好,有小伙伴想要咨询webfunny埋点系统次日留存率该如何统计,今天我们就来讲一讲吧。 首先,我们以次日留存率来作为示例讲解说明,3日,7日留存率也是同理的。 示例场景:用户第一天前来…

基于SpringBoot的“幼儿园管理系统”的设计与实现(源码+数据库+文档+PPT)

基于SpringBoot的“幼儿园管理系统”的设计与实现(源码数据库文档PPT) 开发语言:Java 数据库:MySQL 技术:SpringBoot 工具:IDEA/Ecilpse、Navicat、Maven 系统展示 系统功能结构图 个人信息界面图 缴费信息管理界…

Bentley二次开发教程02-开发环境搭建

1 Bentley 平台介绍 图 1 Bentley 平台介绍 Bentley 软件大致可分为四大平台,分别为用于设计的 Microstation 平台,用于协同的 ProjectWise 平台,用于对资产进行全生命周期管理的 AssetWise 平台和数据互联互通的 数字孪生平台 iTwin。 1.1 …

【六十四】【算法分析与设计】699. 掉落的方块,离散化操作,线段树优化,区间查询sum+区间更新update

699. 掉落的方块 在二维平面上的 x 轴上,放置着一些方块。 给你一个二维整数数组 positions ,其中 positions[i] [left(i), sideLength(i)] 表示:第 i 个方块边长为 sideLength(i) ,其左侧边与 x 轴上坐标点 left(i) 对齐。 每个…