OFDM调制技术（精选七篇）
OFDM调制技术 篇1
自适应正交频分复用的思想是将自适应调制技术应用到OFDM系统中,通过对信道参数的估计,动态的改变信道的比特数和调制方式,以满足系统的误码率要求,提高频谱的利用率。
作为未来通信的关键技术,OFDM技术不仅成为通信领域研究的热点。将OFDM技术与自适应调制技术相结合是这个研究领域的一个重要课题。在无线长距离传输中,信道是时变的。如何有效地利用有限的频带资源是一个重要的课题,自适应调制就是提高频谱利用率的一种技术。它根据信道的时变特性,动态地改变自己的调制参数。这些调制参数包括发射功率,符号率,编码率,编码方式,星座集的大小,其主要目的是提高链路平均频谱效率(link average spectral efficency,R/W[Bits/s/Hz])。自适应调制的中心思想是根据信道的时变特性动态的调整各载波的调制方式。简单地说,就是当信道条件好时,采用高阶的调制方式,当信道条件差时,采用低阶的调制方式。为了有效地跟踪信道质量的变化,自适应调制要进行信道估计、参数选择等多方面的工作。将自适应技术与OFDM技术相结合,即OFDM的自适应技术是本文研究的重点。
1 OFDM的体系结构
正交频分复用属于多载波(MCM)调制技术的一种,是一种特殊的多载波传输方案,既可以看做一种调制技术,又可看成是一种复用技术。MCM的基本思想是把数据流串并变换成N路速率较低的子数据流,用它们去分别调制N路子载波波之后再并行传输。而OFDM是对多载波调制技术的一种改进,其特点是各子载波相互正交,使得扩频调制后的频谱可以相互重叠,不但减小了子载波之间的相互干扰,还极大的提高了频谱的利用率。
自适应技术根据信道变化自适应的改变包括调制方式(星座点数)、编码率、发送功率等在内的参数,以便能够最大限度的发送信息,从而有效提高频谱效率。采用自适应调制和自适应功率分配的OFDM系统,一般是随信道的变化,根据各个子载波上的频率响应,为每一个子载波选择相应的调试方式和发送功率。自适应OFDM系统结构原理如图1所示。
一个OFDM符号内包含多个相移键控(PSK)或者正交振幅调制(QAM)的子载波。OFDM的符号可以表示为:
s(t)=Re
其中,N为子载波的个数;T为OFDM符号的持续时间;di(i=0,1,2,…N-1)为分配各每个信道的数据符号;fi为第i个子载波的载波频率;rect(t)为矩形函数,rect(t)=1,|t|<=T/2;s(t)=0,t≤ts或t>T+ts。
2 自适应调制技术的应用
一种理想的链路自适应能够根据当前的信道状况来调节各种信号传输参数,以此来提高信号传输可靠性、系统的吞吐量等性能指标。自适应策略的基本原则是:
(1)定义一个信道质量的指示变量,或者称为信道状态信息,它提供了有关信道的一些特征。
(2)根据频率、时间或者空间的信道状态信息来调整一些信号传输的参数。
在多载波系统里,通过把可用信道带宽划分成若干较窄的子信道,使得每一子信道的传输特性能够接近理想。现假设H(f)是带宽为W的信道传输函数,信道内存在功率谱密度为N(f)的加性高斯噪声。可以把带宽为W的信道划分为N=W/Δf个子信道,Δf表示子信道带宽,而且满足如下条件|H(f)|2/N(f)在子信道频段内近似于恒定,并且信号的发射功率满足:
式中,Pav为发射机平均功率。
在AWGN信道中,信道的容量可以表示为
C=Wlog2(1+Pav/WN0)
式中,C为信道容量,单位为bit/s;WN0为信道内加性高斯噪声的功率。
自适应调制技术有几种比较著名的算法,分别是Hughes-Hartogs算法、Chow算法、Fischer算法、简单分组比特分配算法(SBLA),本文重点介绍简单分组比特分配算法。
自适应OFDM中可采用的自适应方法有基于单子载波的方式和基于子载波组的方式,本文讨论基于子载波组的方式,即简单分组比特分配算法(SBLA)。SBLA(Simple Block Loading Algorithm)算法又被称为门限算法。它进一步简化了比特分配算法,并将子载波成组捆绑在一起,同一组子载波都采用相同的调制方式,可使信令开销进一步的减小,运算量也相应减小了。SBLA算法是根据每组子载波的平均信噪比来确定应该采用哪种调制方式。先把所有的子载波分成Nb组,根据信道状况来分别计算它们的信噪比。然后根据信噪比门限来确定每组子载波的调试方式。信噪比门限的绝对值是可变的,但各个门限值之间的间隔(差值)是不变的。各门限的间隔是根据在AWGN信道下,各种调制调制方式的BER(误码率)曲线在10-3处的值得到的。
BER曲线如图2所示。
因为这种算法主要用到加法或者减法运算,所以计算复杂度很低。仿真结果显示,此算法可以获得很好的性能,作为一种实用而有效的算法,很适合在OFDM系统中使用。下面简要介绍一下此算法的步骤。
(1)初始化。计算各组子载波的信噪比SNRi,i=1,2,…,NB。仿真中,SNRi=|hi|2/σ2。
(2)设置信噪比的门限。将每种调制方式下在目标BER下的门限值保存下来,记为SNRstd。例如,当目标BER=10-3时,根据SNRstd=[06.59.81516.519.522.5],包括了7种调制方式(可选),分别是:未使用、BPSK、QPSK、8PSK、16QAM、32QAM、64QAM,再计算全部子载波的信噪比:
(3)设置目标调制深度Rtarget,例如,假设不使用自适应调制时OFDM系统的固定调制方式为QPSK,则令Rtarget=2。另外还需设置要分配的比特总数RT。
(4)根据信噪比和目标调制深度,平移信噪比门限,如下式所示:SNRstd=SNRstd+SNRmean-SNR(Rtarget+1)此时的SNR值为对数形式,这样做的目的是为了使“标尺”上的目标调制方式恰好放在平均信噪比的位置上。
(5)根据信噪比门限和各组SNRi确定相应的调制方式,可以得到:ΔRi=|SNRi-SNRstd(Ri)|,从中选择使ΔRi最小的Ri,Ri∈{0,1,2,3,4,5,6},则初始分配了各个子载波上的比特数Ri,然后再更新
ΔRi=SNRi-SNRstd(Ri)
(6)若RSUM=RSUM-1,则转到步骤(7);否则调整Ri直到RSUM=RT。调整方法为:若RSUM>RT,找到最小的ΔRi且ΔRi>0,调整Ri=Ri-1,RSUM=RSUM-1,ΔRi=SNRi-SNRSTD(Ri-1)。若RSUM<RT,找到最大的ΔRi且Ri>0,调整Ri=Ri+1,RSUM=RSUM+1,ΔRi=SNRi-SNRSTD(Ri+1)。
(7)归一化信号功率。给所有已使用子载波上的信号乘以一个比例因子,使得总的信号功率等于设定的信号功率。
3 系统仿真
为了对本文提出的自适应调制策略进行评估,对基于子载波组的自适策略进行仿真。可选择的调制方式为BPSK、QPSK、16QAM和6--4QAM,分别对应的比特数为1、2、4和6,子载波的个数N=256,其中数据子载波的个数为192个,导频子载波的个数为8个,采用BPSK方式,并且固定不变,只需在192个数据子载波上实现自适应比特和功率分配。系统仿真参数如表1所示。
比较采用自适应调制和不采用自适应调制的性能。仿真中,192个子载波都用来承载信息比特,并且每个OFDM符号传输的比特数固定为192m,m=log2QAM,只选择QAM为4、16,分别对应QPSK和16QAM的调制方式。
具体方案有两种:
(1)每个子信道采用固定的调制方式QPSK或者16QAM,每个子信道上一次传输m个比特,即每一个OFDM符号传送192m个比特,并且每个子信道上被分配的能量相等,全部归一化为1。
(2)对每一个子信道采用自适应调制,即采用自适应比特和功率分配,每个OFDM符号传送的总比特数和方案(1)一样。两种方案一次传输的总比特数和总能量是相等的。最后得到连个方案基于比特性噪比Eb/No的BER曲线图,如图3-4所示。
从两个图中可以明显看到,当信噪比比较小时,采用MQAM调制和自适应调制误比特率基本相同。但随着信噪比的提高,采用自适应调制的性能会有大幅度的提高。采用更高阶的调制方式会比采用低阶的调制方式性能更好,但也只能折中选择,通过Matlab性能仿真可以得到,当信噪比大于10dB时,自适应调制比16QAM调制在性能上提高4～5个dB左右;当信噪比大于4dB时,自适应调制比QPSK调制在性能上提高8dB左右。
4 结束语
本文主要针对采用自适应调制的OFDM系统当其采用不同调制时的误码率做了系统的仿真。仿真结果表明采用自适应调制的系统比采用固定调制方式的系统更能适应实时信道,能够根据环境选择最佳的调制方式,提高系统的性能,降低误码率。文中只是比较了不同调制方式下的误码率,并没有涉及同步的问题,在实际系统中,需要综合考虑调制方式、同步等的影响,往往最后选择的调制方式是一个折中的选择。因此,对于一个完整的OFDM系统来说,选择自适应调制只是其提高系统性能的手段之一。
摘要：基于OFDM系统的自适应调制与解调根据信道估计的结果进行比特和功率的分配,进而自适应的选择相应的调制方式,能够最大限度的提高频谱利用率和系统的整体性能。介绍一种主流的自适应调制算法,并进行了系统仿真,得到误码率曲线图,比较直观的对比出采用自适应调制和固定调制方法的优劣。
关键词：OFDM,自适应,仿真,误码率
参考文献
[1]C E Shannon,W Weaver.The mathematical theory of communica-tion.University of Illinois Press[M].Urbana 1949.
[2]R G Gallager.Information theory and reliable Communication[M].John Wiley&Sons,New York 1968.
[3]Rainer Grunheid,Edgar Bolinth,Hermann Rohling,et al.AdaptiveModulation for the HIPERLAN2 Air interface[Z].
[4]王文博,郑侃.宽带无线通信OFDM技术[M].人民邮电出版社,2007.
[5]汪裕民.OFDM关键技术与应用[M].机械工业出版社,2006.
突发OFDM信号调制识别 篇2
参考文献[6]提出一种利用高阶矩在多径信道下识别OFDM信号的盲识别算法,但该方法算法较复杂。参考文献[7-8]对Walter-Akmouche算法进行改进,选择归一化四阶累积量作为多径信道中识别OFDM信号和单载波信号的特征量。参考文献[7]选取参数|C40|2/|C21|2作为识别特征量,由于BPSK、MFSK和OFDM信号的四阶累积量均为零,因此无法区分这几种信号和OFDM信号。参考文献[8]对参考文献[7]的算法进行了改进,选用|C42|2/|C21|2作为识别参数,该特征参数能在更多的单载波信号中识别出OFDM信号,并且有较好的抗多径能力。这些方法本质上属于高阶统计量的方法,因而导致运算量很大,这是不利于实际使用的。而利用OFDM信号的渐近高斯性,引入经验函数分布拟合检验方法来实现对OFDM信号的快速识别可以大大减少运算量。
高斯性检测类方法有一个重大缺陷即无法分清噪声和OFDM信号,实际的通信环境往往是噪声与信号共存的。这些方法存在把根本不含OFDM信号的纯噪声样本当作OFDM信号的风险,这对接收机的参数估计是极为不利的。针对这一问题,本文引入谱熵这一特征量来区分含噪OFDM信号和纯噪声信号,然后对信号样本进行KS检验,识别OFDM信号。
1 谱熵端点检测
本文所指的端点检测类似于语音端点检测,即从一段含噪信号和纯噪声信号中把含噪信号的起始点和结束点找出来,进而划分出信号段和纯噪声段。
1.1 熵
假设信源发出有限个符号,它们组成的输出序列前后符号之间相互统计独立,N个符号出现的概率分别为P1,P1…PN,则信息熵定义为[9]:
1.2 基于谱熵的端点检测
对于一段语音信号来说,由于语音段相对于背景噪声而言,它的能量主要集中在某几个频段,起伏突变比较大,所以熵值小。而噪声信号在整个频带内分布相对比较平坦(尤其是白噪声信号),所以其熵值比较大。因此可以利用这种差异来区分语音段与噪声段[10]。参考这一思路,本文利用信号的短时功率谱来构建熵。具体步骤与参考文献[10]一致。
谱熵具有以下特点:信号谱熵只与信号的随机性有关,理论上认为只要信号的分布不发生变化,则其信号谱熵也不变。谱熵值随着信噪比的降低而下降,导致信号的谱熵值与噪声信号的谱熵值差别变小,因此在恶劣的噪声环境下,利用谱熵进行信号端点检测变得比较困难,需要对信号先进行滤波降噪处理,以提高其信噪比。
多子带分析技术不仅能消除被噪声污染的有害子带,而且能更好地捕捉语音信号的本质特征[11]。所以Wu Bingfei等就把多子带分析技术应用到计算谱熵的过程中,提出了一种基于子带谱熵的语音端点检测算法[12]。
可以根据谱熵的大小区分纯噪声和信号,以此标记信号的端点,把起始端点和末尾端点间的信号提取出来就能达到去除纯噪声段信号的目的。
2 基于谱熵的突发OFDM信号检测
2.1 突发OFDM信号模型
实际通信信号不可能是时间上连续存在的,导致这一事实的原因有多方面:由于通信环境的不断改变,通信双方总是在不断调整信号参数造成发射信号的通断;侦收端与发射方传输信道比协作接收方与发射方间的传输信道更为恶劣,也必然导致接收信号的不连续;若实际通信不能一直持续,也会导致信号的断续。因此,侦收端采样的信号建模为图1的模型更接近实际情况而不是图2。本文称图1的模型为突发OFDM信号模型,定义为:
其中,Gm(t)为宽度不等的矩形窗,s(t)为OFDM信号,w(t)为高斯白噪声,幅度较大部分为含噪OFDM信号。
2.2 基于KS检验OFDM信号识别
经过端点检测,OFDM信号的盲检测可以建模成如下假设检验(H1、H0分别代表OFDM信号有无):
H0:s(t)是OFDM信号且不是噪声信号;
H1:s(t)是单载波信号。
理想高斯信道条件下,接收OFDM信号可表示为:
式(3)中:di表示各子载波调制的基带信息,fi为各路子载波频率:
其中,Tu为OFDM符号宽度,fc是发送载波的基本频率,式(4)仅考虑一个符号周期的表达式,每个di持续时间为Tu,w(t)是复高斯白噪声。构造KS检验统计量为:
其中,Fn(xi)为信号样本的经验分布函数,F(xi,θ)为通过信号样本估计参数向量为θ的理论分布。以正态分布为例θ=(u,σ),u,σ即样本均值和标准差。通过计算Fn(xi)和F(xi,θ)间的最大距离,再与正态分布临界值比较,在显著度水平α下,接受或拒绝原假设。具体流程如下:
(1)获得N个样本取实部或者虚部,采用极大似然估计(MLE),估计参数向量θ=(u,σ),得到F(xi,θ)。
(2)把N个样本的实部或虚部从大到小排列,组成次序统计量,计算经验分布函数Fn(xi)。
(3)遍历样本的实部,选取步骤(1)和(2)中两者相减的最大值Dn与临界值相比,若Dn大于临界值,则拒绝H0。在检验过程中,需要比较距离Dn和选择分布在显著度水平α下的临界值。本文通过Monte-Carlo仿真编制不同经验分布函数下的临界值表。表编制与以上检验过程类似,以100 000次Monte-Carlo仿真为例,首先生成OFDM信号标准样本,分别执行步骤(1)~步骤(3)检验,将得到的100 000个距离Dn从小到大排序,选择第99 900、99 800、99 500个距离值Dn作为显著度水平0.01、0.02、0.05下的临界值CVs(Critical Values)。对不同的序列长度N重复上述检测过程,最终得到表1所示的临界值表(限篇幅仅列出α=0.05值)。
2.3 突发OFDM信号调制识别方案
图3为不同调制方式信号的Dn,可以看出不同调制信号的Dn是明显不同的,最小的为OFDM信号,其他几种调制方式Dn值互相重叠。设定检测门限时可以按照一定显著水平来设置,这样如果小于这个门限,则可以断定“该信号为OFDM信号,其置信度高达1-α”,反之不是OFDM信号(但是无法判断是哪一种单载波信号)。综合端点检测和KS检验法,突发OFDM信号识别原理框图如图4所示。
3 仿真结果与分析
3.1 多带谱熵检测法的性能
仿真条件:OFDM符号宽度4 s,64个子载波,采样间隔0.003 9 s,信噪比为2 d B和20 d B,先产生16 s的纯噪声信号,再产生16 s的含噪OFDM信号最后又产生16 s的纯噪声信号作为此次仿真的突发OFDM信号样本,目的在于检验谱熵检测法能否正确识别OFDM信号端点,以便把纯噪声信号段去掉。在高信噪比条件下(20 d B),两种方法谱熵的峰值都很明显,限于篇幅仿真图不予列出。重点考察在低信噪比条件下的性能,图5为信噪比2 d B一般谱熵下的仿真值,图中显示OFDM信号谱熵值很不稳定,据此很难确定信号端点。相反,图6基于多子带的谱熵检测法性能更好。
为确定端点检测门限,在不同信噪比条件下进行仿真,纯噪声的谱熵值不随信噪比变化,可以通过设定一个高于基底噪声熵的门限作为端点检测的门限值。
3.2 基于谱熵OFDM信号识别
仿真条件同上,分别在显著性水平α=0.05条件下仿真直接进行OFDM调制识别和加端点检测再进行调制识别两种方法下的性能,如图7所示,其中加方形标记的为先进行端点检测再进行调制识别的平均正确率曲线,许多文章中识别曲线与此类似,表现出不随信噪比变化的性能。从图7中还可看出经过端点检测后的识别率反而降低,其根本原因在于加端点检测后把纯噪声信号排除了,所谓“低信噪比下OFDM信号识别率高”不过是表明基于高斯性检测的算法无法识别纯噪声信号和OFDM信号,也就是说未经端点检测进行OFDM信号识别虚警率必然是较高的。经过端点检测的识别性能仿真表明,基于高斯性检测的虚警率明显降低。其对多载波信号的识别能力与单载波一致,也与信噪比有关,信噪比越高识别性能越好。
对OFDM信号的识别研究随着OFDM技术的广泛使用意义日见凸显。目前,调制识别集中在单载波,OFDM信号识别研究较少,并且大多集中于通过高斯性检测使用高阶矩及其改进法进行单载波和OFDM信号的识别。但高斯性检测法无法区分纯噪声信号和OFDM信号,本文首先利用多带谱熵法对OFDM信号进行端点检测,排除纯噪声信号,再进行基于KS检验的高斯性检测识别OFDM信号,最后进行了仿真。数值分析结果表明,多带谱熵法比传统谱熵法能更有效地进行OFDM信号端点检测,先端点检测后进行KS检验有效地识别OFDM信号,同时还降低了OFDM信号在低信噪比下的虚警概率。
参考文献
[1]MARTRET L.Modulation classification by means of differ-ent orders statistical moments[C].MILCOM′97.1997(3):1387-1391
[2]YANG S Q,CHEN W D.Classification of MPSK signalsusing cumulant invariants[J].Journal of Electronics,2002,19(1):99-103
[3]陈卫东.数字通信信号调制识别算法研究[D].西安:西安电子科技大学,2001.
[4]韩钢,李建东,张文红,等.基于多尺度小波分解和支撑矢量机的调制识别研究[J].西安电子科技大学学报,2003,30(7):19-23.
[5]Wang Bin,Ge Lindong.A novel algorithm for identificationof OFDM signal wireless communication[J].IEEE Trans.Commun.,2006,53(1):261-264.
[6]Wang Bing,Gc Lindong.A novel algorithm for identifica-tion of OFDM Signal[C].Proc.Of the international Confer-ence on Wireless Communications,Networking and MobileComputing:IEEE Press,2006.
[7]刘鹏.OFDM调制识别和解调关键技术研究[D].西安:西安电子科技大学,2006.
[8]吕挺岑,李兵兵.一种多径信道下的OFDM信号盲识别算法[J].现代电子技术,2007,30(11):13-16.
[9]傅祖芸.信息论——基础理论与应用(第二版)[M].北京:电子工业出版社,2007.
[10]SHEN J L,HUNG J W,LEE L S.Robust entropy-basedendpoint detection for speech recognition in noisy environ-ments[C].Processing.Sydney ICSLP(S0160-5840),Sydeny,Australia,Nov-Dec1998.CD2ROM.1998:32-235.
[11]Wu Ginder,Lin Chinteng.Word boundary detection withmel-scale frequency bank in noisy environment[J].IEEETransactions on Speech and Audio Processing(S1063-6676),2005,8(5):541-554.
OFDM调制技术 篇3
关键词：OFDM,调制识别,小波,瞬时特征,高阶累积量,神经网络
随着现代通信技术的飞速发展,OFDM信号以其高效的频谱利用率、较强的抗码间干扰能力等优点成为第四代宽带移动通信的核心技术之一[1]。OFDM信号调制类型的识别研究变得非常重要。
关于单载波信号的识别问题,由于通信信号在传播过程中极易受各种噪声的干扰,信噪比变化范围比较大,传统的基于瞬时特征方法[2]受信噪比影响较大,这就要求提取受信噪比变化影响小的特征。
针对以上问题,本文先根据通信信号的循环平稳性,提出一种基于循环自相关的OFDM信号和单载波信号调制识别方法,然后将小波理论与调制信号的瞬时特征以及高阶累积量相结合,提取了反映信号调制体制的特征参数,组成一种混合模式的特征向量,针对OFDM,2ASK,4ASK,2PSK,4PSK,8PSK,16QAM这7种通信信号进行识别,并从提高收敛速度和正确识别率的角度出发,给出了基于Levenberg-Marquardt算法的BP分层结构神经网络分类器的具体组成。计算机仿真结果充分说明了这种方法的可行性。
1 信号模型
OFDM信号的复基带信号可表示为[3,4,5,6]
单载波信号的复基带信号可表示为
式中:g(t)是成形脉冲;K是子载波数;ΔfK是相邻子载波的频率间隔;T是符号周期;cl表示单载波信号第l个符号周期内传输的符号;ck,l表示OFDM信号第l个符号周期内第k个子载波的符号;数据符号{cl},{ck,l}均是独立同分布的随机变量,其均值为零,方差为σc2,可见OFDM信号只有在同一符号,同一子载波下的数据才具有相关性。对于OFDM信号,T=Tcp+Tu,其中Tcp表示循环前缀长度,为有用符号周期。
2 特征参数的提取
2.1 基于循环自相关的特征提取[7]
若复信号x(t)的自相关函数
是时间t的周期函数,则称x(t)是二阶循环平稳信号。式(3)中E表示求期望,τ表示时延,*表示取共轭。因而可以展开成傅里叶级数
式中:系数Rxα(τ)为x(t)的循环自相关函数。其中α为循环频率,f为频谱频率。当α=0时,Rx0(τ)就是传统的自相关函数。为方便计算,忽略噪声影响,定义非对称自相关函数为Rx(t,τ)=E[x(t+τ)x*(t)]。
对于OFDM信号
可见,只有当α=l T-1,l为整数时,,所以有
式中:循环频率α=l T-1,l为整数。
对循环自相关函数进行离散化,fs=ρT-1,ρ为一个周期内采样数,于是得到
从式(10)可见,只有当τ'=mρK,m为整数时,ΓK(τ')存在峰值。
对于单载波信号,其可以看作是K=1的特殊OFDM信号,由多载波OFDM信号的循环自相关可以知道单载波信号的循环自相关为
对比式(9),(11)可见,式(9)比式(11)多了ΓK(τ')项。由此可见,单载波信号的循环自相关在α'=0,τ'=±ρK处不存在峰值,而OFDM信号的循环自相关在α'=0,τ'=±ρK处存在峰值。根据以上分析,可以利用单载波、多载波信号在α'=0,τ'=±ρK处存在峰值的大小来识别。
具体识别方法为:
1)估计α=0,一定延时范围内的信号的循环自相关,延时τ的选择要求包含可能的ρKmin和ρKmax,Kmin和Kmax为所考虑信号子载波数的最小值和最大值(假设信号子载波数未知),ρKmin必须离τ=0足够远,以便更好地区分单载波、多载波信号。在所考虑的延时范围内,选择峰值最大处的延时作为本文所需的延时值,记为τr。
2)根据α=0,利用步骤1)中所得延时τr处的峰值是否存在来判别单载波与OFDM信号,存在峰值即为OFDM信号,无峰值为单载波信号。
设OFDM信号N=32,循环前缀为,单载波取BPSK,对信号进行4倍过采样(ρ=4),仿真结果如图1~4所示。
OFDM信号在α=0,τ=±ρK=±128处存在次峰值,图4在α=0,τ=±128处无峰值出现,由此可见,理论分析与仿真结果相符合,这就证明了该方法的可行性。
2.2 基于小波分解的细节特征提取
通信信号在传播过程中极易受各种噪声的影响。考虑到噪声一般为高频信息,而待识别的通信信号经过预处理后为低频信息,所以对预处理后的信号进行小波变换,把信号分解成低频L1和高频H1两部分,在下一层的分解中,又将上一层的低频L1分解成低频L2和高频H2两部分,如此下去,可得到一定尺度下的小波分解的细节信息,这些细节信息包含几乎全部的信号信息,但是却消除了绝大部分的噪声。
根据多分辨分析理论,对调制信号进行小波分解可以得到信号不同水平下的细节信息。假设一通信信号抽样后的离散数据为c0=(c0n)(n=0,1,…,L-1),其中L为抽样的数目,那么将信号按小波基展开得到[8]
式(12)中:N为小波基的阶数,由低通滤波器系数{g0,g1,…,gN}所确定;j称为小波变换的尺度;cj,dj分别表示分解水平n下的离散逼近和离散细节。
Daubechies小波是一种紧支集小波,局部特性好。本文选择Daubechies2小波提取特征值。
2.3 基于高阶累积量的特征提取
对于平稳连续随机信号x(t),其高阶累积量可以表示为
对于随机变量x=[x1,x2,…,xk],其n阶矩和n阶累积量满足如下关系
式(14)也叫M-C公式,式中(s1,s2,…,sq)为q=1,2,…,k的k个整数的所有q个分块的集合。
对于一个零均值的复平稳随机过程X(t),定义其p阶混合矩为
定义其高阶累积量为
2.4 本文构造的特征参数
本文中:
1)α'=0,τ=±ρK处的峰值,记为R。
2)基于小波细节的直接幅度方差σ2d A
式中:Ns为取样点数,Acn(i)为零中心归一化瞬时幅度,由式Acn(i)=An(i)-1计算得到,,而为A(i)的平均值,其中A(i)为瞬时幅度a(i)经过小波变换得到尺度5分解水平下的细节信息。σ2d A主要针对信号振幅包络变化信息来区分2ASK,4ASK,16QAM与MPSK。
3)零中心非弱信号段瞬时相位非线性分量的标准偏差σdp为
式中:,φ(i)为瞬时相位。σdp在本文中主要用来区分是MASK还是16QAM信号,因为理论上MASK信号无直接相位信息,即σdp=0,而16QAM信号含有直接相位信息,故σdp≠0。
4)基于小波细节的零中心归一化瞬时幅度绝对值的商σ2a A
式中:σ2a A主要用来区分2ASK信号和4ASK信号。
5)信号的高阶累积量特征,记为。
考虑到调制信号的初始相位的不确定性(如MPSK信号有A方式与B方式之分)以及解调时残留的载波相位偏差的影响,在此不直接求C40,而改为求其绝对值|C40|,并对其归一化,即,得到结果如表1所示。
注:E代表信号的平均功率。
由表1可知,提取调制信号的高阶累积量特征可以识别2PSK,4PSK与8PSK信号,且高阶累积量对噪声不敏感。
3 神经网络分类器设计[9,10]
神经网络分类器可以自动确定识别门限,实现调制信号的智能化识别,速度快,识别率高。所以本文采用BP神经网络作为分类器,采用典型的3层前馈神经网络结构,即包括输入层、隐含层和输出层。学习规则采用的是Levenberg-Marquardt自适应调整算法,该算法克服了标准BP算法收敛速度慢,易陷入局部最小值的缺点。为了提高神经网络收敛速度与识别率,本文采用分层结构的神经网络分类器进行调制信号的分类识别,其结构如图5所示。每个节点隐含层均采用log-sigmoid函数作为激励函数,输出层均采用线性函数作为激励函数,输入层与输出层的神经元个数分别由识别特征参数和识别调制类型的数目决定,隐含层的神经元个数是基于网络输出最小均方误差和最佳正确识别率的原则,在仿真中经过优化选择得到。
Levenberg-Marquardt自适应调整算法是一种优化的BP算法,其权值调整率选取为
式中:J为误差对权值微分的Jacobian矩阵;e为误差向量;μ为自适应调整因子(学习速率),当μ较大时,该算法接近于梯度下降法,当μ较小时,则为高斯-牛顿法。
4 计算机仿真
本系统仿真考虑OFDM,2ASK,4ASK,2PSK,4PSK,8PSK,16QAM共7种调制类型。对于单载波信号,带宽设为40 k Hz;对于OFDM信号,带宽设为20 MHz,子载波数设为64,循环前缀,所有子载波被4PSK调制(16QAM也可);对接收的信号进行4倍过采样。观测间隔为0.05 s。噪声为加性高斯白噪声。各节点的输入层、隐含层、输出层的个数分别为1#,2#,3#,4#为122;5#为133。
对每一类信号在0~25 d B的信噪比范围类每隔5 d B产生200个样本组成测试集,只在5 d B,15 d B,20 d B时抽取100个样本作为测试集。各个节点分别用其相应的调制方式的训练集和目标矩阵进行训练。最大训练步长为5 000,期望误差为0.001,起始学习速率为0.01。各数字信号调制识别仿真的识别率如表2所示。
从表2可以看出,循环自相关方法用于识别单载波及多载波信号时识别率较高,0 d B时,OFDM的识别率达到100%。并且5 d B时各调制类型识别率均达到85%以上,10 d B时各调制类型识别率均达到95%以上,这说明将小波分解理论与传统瞬时特征方法相结合,信号识别性能大大提高。本文选取的特征参数识别性能较好。且用5 d B,15 d B,20 d B训练的分类器来识别10 d B,25 d B信号时,识别率也均达到99%以上,这说明本文提出的识别方法对噪声不敏感。
5 结论
本文针对OFDM信号及常见单载波信号,提出基于循环自相关的多载波、单载波识别方法,从文中分析可见该方法不需要载波估计、波形恢复、信噪比估计等预处理过程,实现方便,识别率高。且小波理论与瞬时特征相结合改善了传统瞬时特征方法对噪声干扰敏感的缺点,识别率高。
参考文献
[1]DOUFEXI A,ARMOUR S,NIX A,et al.Design considerations and ini-tial physical layer performance results for a space time coded OFDM 4Gcellular network[J].Personal,Indoor and Mobile Radio Communica-tions,2002(1):192-196.
[2]AZZOUZ E E,NANDI A K.通信信号调制的自动识别[M].俞仁涛,李武皋,译.上海:中国人民解放军57394部队.1998.
[3]PUNCHIHEWA A,DOBRE O A,RAJAN S,et al.Cyclostationaritybasedalgorithm for blind recognition of OFDM and single carrier linear digitalmodulations[C]//Proc.The 18th Annual IEEE International Symposiumon Personal,Indoor and Mobile Radio Communications.[S.l.]:IEEEPress,2007:1-5.
[4]PUNCHIHEWA A,ZHANG Q,DOBRE O A,et al.On the cyclostationar-ity of OFDM and single carrier linearly digitally modulated signals in timedispersive channels:theoretical developments and application[J].IEEETransactions on Wireless Communications,2010,9(8):2588-2599.
[5]蒋清平,杨士中,张天骐.OFDM信号循环自相关分析及参数估计[J].华中科技大学学报,2010,38(2):118-121.
[6]曹鹏,彭华,张金成.频率选择性衰落信道下OFDM子载波数盲估计[J].电视技术,2011,35(3):67-70.
[7]张贤达,保铮.非平稳信号分析与处理[M].北京:国防工业出版社,2001.
[8]吕铁军.通信信号调制识别研究[D].成都:电子科技大学,2000.
[9]孙梅,韩力.基于分层结构神经网络的数字调制方式识别[J].系统工程与电子技术,2003,25(12):1469-1471.
OFDM调制技术 篇4
OFDM (正交频分复用)技术以传输信息量大、频谱利用率高等优点得到广泛应用,同时,它也给非合作通信带来了研究课题。作为多载波调制信号,OFDM除了要与单载波信号进行区分外,还需知道其每个子载波上的调制方式。所以,对OFDM信号子载波的识别就变得尤为重要。
目前已有一些文献对OFDM信号子载波调制方式的识别进行了相应的研究。文献[1] 在加性高斯白噪声信道环境下采用基于最大似然比估计的算法进行识别,忽略了多径衰落带来的影响。文献[2]与文献[3]把OFDM系统等效为标量模型,再利用星座点的统计特性进行盲识别,但对16QAM(四阶正交幅度调制)及64QAM(六阶正交幅度调制)的识别率不高。文献[4]把累积量识别MPSK(多进制相移键控)调制的方法[5]运用到OFDM子载波调制方式识别中,但识别的类型仅为{ BPSK,QPSK,16QAM }。文献[6]采用了一种基于改进的混合高阶矩的子载波盲识别算法,但此算法不能正确识别BPSK(二进制相移键控) 调制和QPSK(四相相移键控)调制信号。
本文针对以上问题,结合现有研究,提出了一种将混合高阶矩和高阶累积量相结合的联合识别算法。该算法首先利用基于混合高阶矩的特征量区分{BPSK、QPSK}、64QAM和16QAM,然后再运用基于高阶累积量的特征量把BPSK和QPSK区分开,从而完成4种子载波调制方式的识别。
1 OFDM基带信号模型
为了研究OFDM信号在多径信道情况下子载波调制方式识别的问题,本文采用图1所示的OFDM基带信号传输模型[7]。假设OFDM系统在同步环境下工作,且OFDM信号的循环前缀已消除了码间干扰的影响。假定信道为慢衰落信道,且认为在一次突发中保持恒定。在此种条件下,多径信道就等效为一组并行、相互独立的平坦瑞利衰落子信道[2,7],如图2所示。
由图2可得,其相应子信道的接收信号为
undefined
式中,ri(n)为第i个子载波接收信号;si(n)为发射端的第i个子载波信号;wi(n)为第i个子信道上的加性高斯白噪声;hi(n)=aiexp(jθi)是第i个子信道上的衰减因子,ai服从瑞利分布,θi服从[0,2π]上的均匀分布。本文将在该信道模型下进行OFDM信号子载波调制方式的识别研究。
2 识别算法原理分析
2.1 高阶矩及累积量的定义[8]
假设{s(n)}是一个具有零均值的平稳复随机过程,定义其p+q阶混合矩如下:
undefined
式中,*表示复信号s(n)的共轭;E[•]表示求期望。根据共轭位置的不同,s(n)的p阶累积量定义如下:
undefined
根据累积量和矩的关系可以得到s(n)的4阶累积量如下:
undefined
2.2 基于高阶矩的特征量分析
设u(n)=h(n)s(n),则接收到的信号可表示为r(n)=u(n)+w(n)。由于瑞利衰落与信号相互独立,由瑞利信道衰落因子矩的特点[9]可以得到u(n)的各阶混合矩如下:
undefined
为了消除瑞利衰落的影响,利用下面的组合作为特征参数[6,10]:
undefined
从上式可以看出,这3个参数表现出了信号的调制特性,故可以用来作为识别特征量。为了消除加性高斯白噪声对特征量的影响,根据文献[6,11]中的理论推导与分析,定义一个分类特征量[6]:
undefined
可以看出特征量m24不受噪声的影响,仅与信号的调制特征有关,可以用来进行识别分类。表1给出了不同子载波调制信号m24的理论值。
由表1中的值可以看出,BPSK和QPSK的m24值相同,16QAM、64QAM和{BPSK, QPSK}这3类信号的m24值不同,因此通过设置合适的判决门限可以把{BPSK, QPSK}、16QAM和64QAM区分开。而对于BPSK和QPSK,则需要利用其他的特征量来加以区分。
2.3 基于累积量的特征量分析
根据图2所示的等效模型,对第i条子信道进行分析,设经过码元同步和采样后的复信号序列为[4]
undefined
式中,bi(n)表示平均功率归一化后经i条子信道发送的码元序列;P表示信号的平均功率;L表示观察码元的个数;N表示子信道的数目;wi(n)为加性高斯白噪声。
由高阶累积量的性质[8]可知,加性高斯白噪声大于二阶的累积量为零,因此可得到
undefined
这里选取如下形式的累积量组合作为分类特征向量[4,5],其定义为
undefined
通过计算可得到各子载波信号分类特征向量Fs的理论值,如表2所示。
从表2中可以明显地看出瑞利衰落信道对特征向量Fs没有影响。同时还能发现, QPSK、16QAM和64QAM这3种调制信号的Fs值相同,故Fs不能区分这3种信号,但BPSK和QPSK的Fs值不同,所以能够对这两种信号进行分类。再结合前面的分析,说明m24和Fs这两个特征是有效的。
2.4 识别算法步骤
经过前面的理论推导与分析,本文基于高阶矩和累积量的特征量对4种子载波调制方式进行识别分类,具体的识别流程如图3所示。
算法步骤如下:(1) 对输出的子载波信号通过公式(14)计算特征量m24的值,将计算结果与门限th1进行比较,若大于th1,则为64QAM,识别过程结束;若小于th1,则为{16QAM,BPSK,QPSK},并进行下一步骤。(2) 再将m24与门限th2进行比较,若大于th2,则为16QAM,识别过程结束;若小于th2,则为{BPSK,QPSK},并进行下一步骤。(3) 对{BPSK,QPSK}计算其特征向量Fr,并将结果与Fs进行比较判断即可得知调制方式。这里采用欧式距离分类器,其判决准则为undefined,式中,Fr是接收信号中提取的特征向量,‖Fr-Fs‖2为接收信号的分类特征向量与待选调制方式特征向量之间的距离,undefined为判定的信号调制类型。
3 计算机仿真
本文使用MATLAB软件验证上述算法的性能。参照802.11a协议[12],OFDM信号采用64个子载波,符号长度为4.0 μs,循环前缀长度为0.8 μs,调制方式为{BPSK,QPSK,16QAM,64QAM}中的一种。每个子载波通过标准瑞利衰落信道,噪声为高斯白噪声。
为了测试算法的识别性能,在每个SNR(信噪比)下做200次仿真实验,SNR的变化范围为0～20 dB,变化的步长为1 dB,观察码元个数为500个。图4给出了子载波信号调制方式正确识别率随SNR变化的仿真结果。
从图中可以看出,本文所提出的算法当SNR=3 dB时,BPSK、QPSK信号的正确识别率可达到100%;当SNR=11 dB时,16QAM、64QAM信号的正确识别率可达100%。当SNR≥11 dB时,4种子载波信号的正确识别率均达到100%。
表3给出了本文算法与文献[2]、[3]算法对4种子载波调制方式的平均正确识别率比较。从表中可以看出,当SNR≥12 dB时,本文算法的正确识别率可达到100%,而文献[2]算法在SNR≥16 dB时正确识别率才能达到100%,文献[3]算法在SNR>20 dB时才能达到100%的正确识别率。可见,本文的算法具有一定的优越性。
同时也可以看出,当SNR≤8 dB时,本文的算法的平均正确识别率略低于文献[3]的算法,这主要是因为在低SNR情况下,MQAM信号的识别率很低,导致了平均正确识别率的降低。造成MQAM信号在低SNR时正确识别率低的主要原因是存在门限效应,因此在SNR低时识别效果不好,还需改进,如先利用聚类算法进行聚类,再求特征值或者是把单载波中识别MQAM信号的方法用到这里来提高识别性能。
4 结束语
本文针对多径信道下OFDM信号子载波调制方式的识别问题,提出了一种将混合高阶矩和高阶累积量相结合的联合识别算法,与已有的基于单一特征参数的算法相比,此算法具有一定的优越性。计算机仿真结果表明,该算法能对子载波的调制方式进行有效识别,当SNR≥11 dB时,4种子载波调制方式的正确识别率均可以达到100%,说明了该算法的有效性。但是当SNR较低时,MQAM信号的识别性能不佳,如何在低SNR下提高MQAM信号的正确识别率是一个值得研究的问题。
参考文献
[1]Yucek T,Arslan H.A Novel Sub-optimum Maxi-mum-Likelihood Modulation Classification Algorithmfor Adaptive OFDM Systems[A].Proceeding ofWireless Communications and Networking Conference[C].Atlanta:IEEE,2004.739-744.
[2]黄奇珊,彭启琮,邵怀宗,等.自适应调制OFDM系统的调制方式盲辨识新方法[A].第十一届全国青年通信学术会议[C].四川,绵阳:中国通信学会,2006.216-222.
[3]王雪.OFDM信号检测与调制识别[D].合肥:中国科技大学,2009.
[4]韩钢,李建东,李长乐.自适应OFDM中信号盲检测技术[J].西安电子科技大学学报,2006,33(4):602-606.
[5]Yang S Q,Chen W D.Classification of MPSK SignalsUsing Cumulant Invariants[J].Journal of Electron-ics,2002,19(1):99-103.
[6]安宁,李兵兵,黄敏.自适应OFDM系统子载波调制方式盲识别算法[J].西北大学学报,2011,41(2):231-234.
[7]Edfors O,Sandell M,Beek J,et al.OFDM ChannelEstimation by Singular Value Decomposition[J].IEEE Trans on Comm,1998,46(7):931-939.
[8]张贤达.时间序列分析-高阶统计量方法[M].北京:清华大学出版社,1996.
[9]Proakis J G.Digital Communications[M].Fourth Ed.New York:McGraw-Hill Book Co,2001.
[10]WANG B,GE L D.Blind identification of OFDM sig-nal in rayleigh channels[A].Proceeding of Fifth In-ternational Conference on Information,Communica-tions and Signal Processing[C].Bangkok,Thailand:IEEE,2005.950-954.
[11]Dai Wei,Wang Youzheng,Wang Jing.Joint power es-timation and modulation classification using second-andhigher statistics[A].Proceeding of Wireless Commu-nications and Networking Conference[C].Orlanda:IEEE,2002.155-159.
OFDM调制技术 篇5
用电信息采集系统建设是建设坚强智能电网的重要内容,依据国家电网公司“十二五”发展规划战略目标,各网省公司全面开展用电信息采集系统建设工作,逐步实现“全采集、全覆盖、全费控”的建设目标,及时、完整、准确地为营销系统及其相关系统提供基础数据,为企业经营管理各环节的决策、分析提供支撑,为实现智能用电双向互动服务提供信息基础。
从现场应用的通信方式的效果来看,在本地通信环节还存在一定的局限性,从集中器到载波表或从集中器到采集器层目前采用的通信方式主要有窄带载波、无线通信、窄带载波和无线双模以及宽带载波[1,2,3]等,但这几种方案都存在一些明显的弊端。
1)由于低压电力线路的通信环境恶劣,窄带载波通信容易受电网阻抗变化、噪声、谐波等影响,造成通信不可靠。
2)微功率无线通信受传输距离、建筑物阻挡、无线干扰等因素影响,导致通信成功率较低。
3)窄带载波和无线双模通信由于兼备了两者的优势,在通信成功率上有一定的提高,但速率仍然很低,无法满足双向互动等服务的需求。
4)宽带载波通信工作在较高的频率,一般在2~12 MHz,但电力线信道随着频率的升高信号衰减很大,因此通信距离严重受限。
本文提出了一种采用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)调制方式的宽带电力线和无线的双模通信系统,并对这种双模通信系统的物理层结构和模拟前端电路分别进行了详细设计,最后对系统性能进行了分析。
1 OFDM双模通信系统
双模通信系统如图1所示。
图1 双模通信系统Fig.1 Dual-mode communication system
在发送端,采用OFDM的物理层调制器用于产生OFDM调制信号,主要功能是将基带信号进行编码和OFDM调制产生所需的调制信号,数模转换器将数字信号变换为模拟信号,分成2条通路,一条通路采用功率放大器将信号放大,然后通过电力线信道传输,另一条通路将信号上变频到470~510 MHz,通过无线信道传输,2个相同的OFDM信号在无线信道和电力线信道同时传输。
在接收端,无线信号下变频到中频,通过模拟数字转换器转换为数字信号,电力线信号通过放大后转换为数字信号,OFDM数字解调器完成信号的解调后将信号还原为原始信号。
2 物理层设计
基带物理层使用OFDM调制方式,将待发送的信息码元通过串并变换,降低速率,从而增大码元周期,削弱多径干扰的影响。同时使用循环前缀作为保护间隔,大大减少甚至消除码间干扰,保证了各信道间的正交性,从而减少信道间干扰。OFDM中各个子载波频谱间有1/2的重叠正交,由此提高了OFDM调制方式的频谱利用率。在接收端通过相关解调技术分离出各载波,同时消除码间干扰的影响。调制方式采用二进制相移键控(Binary Phase Shift Keying,BPSK)、四相相移键控(Quadrature Phase Shift Keying,QPSK)或16 QAM(Quadrature Amplitude Modulation)调制,信道编码采用码率为1/2的Turbo,信号带宽为0.05~5 MHz可调,子载波数可调。
调制解调器框图如图2所示。
图2 调制解调器框图Fig.2 Modem diagram
调制解调器包括发送电路和接收电路,发送电路首先对数据进行信道编码,编码后的数据经过外交织运算,增加了数据的随机性,打乱了数据原有的顺序,提高了抗干扰能力;然后进行卷积编码和内交织,提高了数据通信的可靠性。扰码运算提高了数据的随机性,降低了峰均比。调制模块根据配置可实现数据调制,将调制后的数据分配到不同的子载波上,然后数据经过反傅里叶变换从频域变到时域,加上循环前缀,组成发送的数据帧,通过带通滤波器后送到模拟电路。接收过程为发送的逆运算,除均衡和同步外,其他运算类似。
3 模拟前端电路设计
双模通信系统的模拟前端电路主要提供了发射通路和接收通路。
发射通路如图3所示,将OFDM调制信号转换为模拟信号后分成2路,一路上变频到470~510 MHz,通过功放电路发送到无线信道上,另一路通过高压功放发送到电力线。发射通路主要包括数模转换器、低通滤波器、预放大器、上变频混频器和无线功放等部件。
图3 发送通路Fig.3 Transmitter diagram
接收通路如图4所示,接收通路分为两路,一路通过天线将接收到的信号进行放大,下变频到基带,进行滤波后转换为数字信号,主要包括低噪声放大器、下变频混频器、滤波器和模数转换器等部件;另一路通过电力线将接收到的信号放大和滤波后转换为数字信号,主要包括两级自动增益放大器、滤波器和模数转换器等部件。两路信号都送入数字OFDM解调器,实现数字解调。
图4 接收通路Fig.4 Receiver diagram
4 系统性能分析
由于信道的不同,信号的衰减和多径效应造成的信号抑制具有很大的差异。对于电力线信道,信道的特性取决于电力线信道的拓扑结构和节点的阻抗等特性,由于电力线的拓扑结构和节点的阻抗取决于电器的接入和去除,而通常来说电器的频繁插拔发生的概率较小,因此可以假设电力线信道是相对稳定的。对于无线信道,由于本文中的应用环境主要针对居民区,因此采用室内无线信道模型,衰减特性采用瑞利分布进行等效。
在噪声方面,无线信道主要考虑接收机的热噪声,采用高斯随机噪声进行等效。电力线信道相对比较复杂,噪声主要包括有色噪声[4,5]、窄带噪声和脉冲噪声。噪声的特性取决于频率范围和环境类型,在居民住宅环境中,在2~12 MHz的频率范围内,噪声功率可以忽略,因此主要考虑脉冲噪声。
结合高斯噪声和脉冲噪声的A类模型功率谱密度函数如下[6]:
式中,zr=RE(zPLC),zPLC为包括电力线噪声和干扰的复数变量,,σ2G为zr中的高斯噪声,σ2I为zr中的脉冲噪声,A为脉冲系数。
OFDM信号可以采用BPSK、QPSK或者16QAM方式调制,但是在实际抄表应用环境中,BPSK通信性能最好,因此采用BPSK的调制方式进行误码率分析。
综合上述分析,假设电力线信道比较稳定的情况下,由于无线信道是波动的,因此取平均值进行等效,从而得出基于A类噪声模型的误码率公式为[7]:
式中,,γRF为无线信道信噪比,γPLC为电力线信道的信噪比。
国内抄表以电力线为主,电力线载波的抄收成功率相对高于无线通信方式,因此双模通信系统主要以电力线载波为主,无线信道作为辅助方式以提升性能。考虑到此因素,基于上述误码率分析的公式,分析侧重于在电力线信道信噪比较低的情况下,双模通信系统对误码率的提升效果。
当电力线信噪比为0 d B时,误码率随着无线信道信噪比的变化趋势如图5所示。
图5 误码率分析Fig.5 Analysis of BER
可以看出,无线信道的信噪比只要大于0 d B,就会对整体的误码率有明显改善,信噪比每增加10倍,误码率就会降低一个数量级。考虑到应用环境较差的情况,应用中带宽最小应配置为100 k Hz,以保证性能,噪声系数设计为7 d B,裕量1 d B,根据以下公式可以得出灵敏度为–116 d Bm。
式中,ρSNR为信噪比,kNF为噪声系数,BW为带宽,Sensitivity为灵敏度,margin为裕量。根据灵敏度的特性,采用Okumura模型[8]作为无线系统路径损耗预测的依据,按下式计算传播路径中值损耗:
根据相关标准,PEIRP为等效全向辐射功率,470~510 MHz频段的发射功率为17 d Bm,P为接收功率中值,Gt为修正因子,约为2 d B,因此L50约为135 d B。其中在470 MHz,Amu约为15 d B,G(ht)=–40 d B,G(hr)=–3 d B,考虑半开阔情况下Garea约为19 d B,从而可以得出LF为96 d B,具体公式为:
式中,L50为传播路径中值损耗,LF为自由空间传播损耗,Amu为自由空间中值损耗,G(ht)为基站天线高度增益子,G(hr)为移动天线高度增益因子,Garea为环境类型的增益。
其中:
式中,d为传输距离,λ为波长。
根据式(6),带入上文数值,可以得出传输距离约为1 km,即无线信道在1 km范围内可以起到提升误码率的功能,这在实际应用环境中是很容易实现的。由此可见,在电力线信道信噪比较差的情况下,采用无线信道作为补充对于提升通信能力十分有效。
5 结语
本文提出了一种采用OFDM的宽带载波和无线双模通信系统,该系统采用OFDM方式调制,将数据同时发送到2种信道上,宽带电力线信道频率范围为2~12 MHz,无线频率范围为470~510 MHz。相对于文献[3]和文献[9]中提到的双模通信方式,本文中将OFDM的调制方式同时应用于电力线和无线,在通信速率上具有显著优势,并分别对双模系统的物理层参数和模拟前端电路的结构进行了详细设计。最后分析了电力线信道和无线信道的特性,本文提出的方案在性能提升方面具有显著的实用价值,对用电信息采集系统的建设有一定的参考和指导意义。
参考文献
[1]韩娜.无线与电力载波双信道用电信息采集设备的研究[J].数字技术与应用,2014(9):54-56.
[2]李勇,宗容,申翠丽,等.一种新型电力无线双信道传输模型[J].仪表技术与传感器,2013(10):82-84.LI Yong,ZONG Rong,SHEN Cui-li,et al.New dual-channel scheme for power wireless communication[J].Instrument Technique and Sensor,2013(10):82-84.
[3]陈晨.电力线载波+微功率无线通信在用电信息采集系统中的创新研究及应用[J].黑龙江科技信息,2014(34):110.
[4]李平,赵志辉,张振仁.低压电力线信道中脉冲噪声的建模及仿真[J].继电器,2007,35(5):58-62.
[5]张圣清,于东海,马建旭,等.低压电力线通信信道噪声特性的测试与分析[J].电力系统通信,2003,24(1):35-38.ZHANG Sheng-qing,YU Dong-hai,MA Jian-xu,et al.The measurement and analysis of noise characteristics in low voltage power line communication channel[J].Telecommunications for Electric Power System,2003,24(1):35-38.
[6]MIDDLETON D.Statistical-physical models of electromagnetic interference[J].IEEE Transactions on Electromagnetic Compatibility,1977,19(3):106-127.
[7]LAI S W,MESSIER G G.The wireless/power-line diversity channel[C]//2010 IEEE International Conferenceon Communications,2010:1-5.
[8]ABHAYAWARDHANA V S,WASSELL I J,CROSBY D,et al.Comparison of empirical propagation path loss models for fixed wireless access systems[C]//IEEE Vehicular Technology Conference,2005:73-77.
OFDM调制技术 篇6
Maxim的G3-PLC技术支持高速、可靠、大型电力线网络设计。
G3-PLC采用先进的宽带通信技术, 在有噪声的电力线环境下, 可达到300 kb/s的速率。G3-PLC采用OFDM技术, 在多个载波上发送数据, 这有助于开发人员有效避免特定频率的干扰。此外, G3-PLC具有可靠的工作模式、高效带宽信道编码技术以及内置的纠错机制, 即使在噪声比信号很强的情况下, 仍然能够保证数据的可靠传输。
G3-PLC特有的规范支持IPv6互联网协议标准, 支持基于互联网的能量管理系统。IPv6极大地扩展了电网连接设备的地址数量, 确保支持新的应用, 例如智能家电、电动车充电等。
G3-PLC工作在10 k Hz~490 k Hz的宽频率范围, 满足国际电力线信号标准, 包括CENELEC、FCC以及ARIB。
MAX2992片上系统 (So C) 内置物理层 (PHY) , 以及使用32位微控制器内核的媒体访问控制层 (MAC) 。MAX2991最先进的AFE具有两级自动增益控制 (AGC) , 其动态范围为62 d B, 提供片上可编程滤波器。
Maxim将在2011年巴黎SG展会 (A6展位) 演示G3-PLC芯片组 (2011年5月24日) 。欲获取更多信息, 请访问china.maxim-ic.com/powerline/。
OFDM调制技术 篇7
随着无线接入、多媒体技术的发展,人们对语音、图像以及高速无线通信的容量及服务的要求正逐步提高。光纤无线通信(ROF)技术利用了光纤的低损耗、超大带宽及抗干扰等特性进行无线信号的传输,在未来宽带无线通信中将具有巨大的发展潜力[1,2,3,4,5]。正交频分复用(OFDM)是一种多载波调制传输技术,具有大传输容量和高频谱效率等优势,被广泛应用于高速宽带无线通信领域。据最新研究成果显示,OFDM技术在光纤通信领域中具有抵抗色散和偏振模色散的功能。因此,ROF技术与OFDM技术融合组成OFDM-ROF系统可以充分发挥两者的优势,成为光通信领域的研究热点[6,7]。
实现 OFDM-ROF系统和降低系统成本的关键技术是基于OFDM 技术产生的光载毫米波信号。文献[8]中采用载波抑制调制产生光毫米波,然后将OFDM信号经过中频I/Q调制后加载到其中一个边带上,采用直接检测接收OFDM信号,实现系统的简单设计,但这个系统会受直流偏置的影响,从而引起相位偏移。文献[9]中用两个并联相位器产生高频毫米波信号,承载OFDM信号在单模光纤中传输,该系统产生的信号稳定,可抵抗传输中的衰落。文献[10]采用相位调制器和光滤波器的方法产生载波抑制的双边带光载毫米波信号,并在基站中通过使用直接检测的方法来实现信号光电转换,系统结构虽不复杂,但只实现了两倍频的光载毫米波。
本文基于双平行相位调制器建立了OFDM-ROF实验仿真系统,首先采用双平行相位调制器(PM)产生双边带的光载毫米波,其次选择在其中一个边带上调制OFDM 信号,并通过光电探测器直接进行光电转换得到毫米波信号和OFDM 信号。OFDM 的调制和解调部分使用MATLAB软件编写,OFDM-ROF系统实验仿真平台基于软件Optisystem进行搭建,并给出系统的仿真框图以及仿真实验结果。实验结果表明,对OFDM-ROF系统进行色散补偿后,可以有效地克服光纤色散的影响,并提高系统的传输距离。
1 理论分析
图1为基于双平行相位调制器(PM)建立的OFDM-ROF系统原理图。
该系统包括中心站、光纤链路和基站3个部分。在中
心站,由分布反馈式激光器(DFB-LD)产生恒定的光载波信号,表达式为:Ein(t)=E0exp(jωct),其中E0为其振幅,ωc为其角频率。光载波信号进入双平行的相位调制器(PM)由相位差180°的10 GHz的正弦信号分别驱动双平行的相位调制器,正弦信号表达式为:V(t)=Vrfsin(ωrft),其中Vrf为射频信号振幅,ωrf为其角频率。则相位调制器PM_1和 PM_2输出的信号表达式分别为
E1(t)=E0exp[jωct+jVrfΔφsinωrft] (1)
E2(t)=E0exp[jωct+jVrfΔφsin(ωrft+π)] (2)
式中:Δφ为相位偏移量。将式(1)和(2)进行贝塞尔函数展开,同时忽略3阶以上的高阶边带,则可得到
E1(t)≈E0exp(jωct){J0(VrfΔφ)+J1(VrfΔφ)·
[exp(jωrft)-exp(-jωrft)]+J2(VrfΔφ)·
[exp(j2ωrft)+exp(-j2ωrft)]+
J3(VrfΔφ)[exp(j3ωrft)-exp(-j3ωrft)]} (3)
E2(t)≈E0exp(jωct){J0(VrfΔφ)-J1(VrfΔφ)·
[exp(jωrft)-exp(-jωrft)]+J2(VrfΔφ)·
[exp(j2ωrft)+exp(-j2ωrft)]-J3(VRFΔφ)·
[exp(j3ωRFt)-exp(-j3ωrft)]} (4)
光耦合器(OC)耦合后,并通过调节相位偏移量使得J1(VrfΔφ)=0,则可得到
E1(t)-E2(t)=2E0exp(jωct)J3(VrfΔφ)·
[exp(j3ωrft)-exp(-j3ωrft)] (5)
取实部可得
E1(t)-E2(t)=2E0J3(VrfΔφ)·
[cos(ωc+3ωrft)+cos(ωc-3ωrft)] (6)
式(6)表明输出的信号为3阶双边带信号。此时,通过光交错复用器(IL)将输出的双边带信号的上边带和下边带进行分离,然后利用马赫曾德尔调制器(MZM)将OFDM信号调制到对所分离出来的上边带上,再通过光耦合器(OC)将已加载了OFDM信号的上边带信号和未经处理的下边带信号进行耦合,得到的光载OFDM信号经单模光纤链路传送到基站。
在基站,将光载OFDM信号通过光电检测器(PD)进行光电转换,转换后产生电信号,将电信号经过电放大器(EA)实现功率放大后,与频率为6ωrf的本振信号通过混频器(Electrical Multiplier,EA)混频后,经过带通滤波器(BPF)实现OFDM信号的恢复。最后在OFDM接收端进行OFDM信号解调。
2 仿真及结果分析
基于上述的理论分析,在 Optisystem7.0中建立如图1所示的仿真系统。
在中心站,由连续激光器产生的光波波长为1 550 nm(即工作波长为193.1 THz),线宽为10 MHz,功率为-10 dBm;用相位差为180°的10 GHz的正弦信号分别驱动2个光相位调制器,调节光相位调制器的相位偏移量 Δφ=439rad,使得J1(VrfΔφ)=0,耦合相减后得到只有3阶双边带信号,然后用1个交叉复用器分离2个3阶边带,将OFDM信号调制到3阶上边带上;OFDM信号是由MATLAB程序产生,先产生1个伪随机码,其速率是2.5 Gbit/s,用于OFDM调制,OFDM信号采用4QAM调制和256点IFFT;然后用OFDM信号驱动MZM调制器对3阶上边带进行调制,调制后的信号与3阶下边带耦合,形成了包含了OFDM信号的光载毫米波信号。
传输链路部分使用一根单模光纤传输,该单模光纤的长度设置为10 km,其衰减系数和色散系数分别为0.2 dB/km和17 ps/(nm·km-1)。
在基站,将从中心站传输过来的光载OFDM毫米波信号通过光电探测器(PD)进行光电转换,生成电信号,其中光电探测器(PD)的相应度设置为1 A/M,暗电流为10 nA。图2为电信号的频谱图,由图2可知,光电转换后生成的电信号包含了基带信号和60 GHz的毫米波信号,因此证实了仿真结果与前面的理论分析相符合。
最后在移动终端,将生成的电信号与一个本振信号混频(其中该本振信号频率为60 GHz),混频的信号经过带通滤波器后(带通滤波器的带宽设置为1.25 GHz),得到OFDM信号,最后经过OFDM解调就可以得到需要的基带信号。图3为接收端恢复出来的原始基带信号的频谱图,图4为恢复出来的原始基带信号的眼图,可以看到,恢复出的基带信号恢复得很好,眼图展开清晰,由此则说明基带信号虽经过5 km的单模光纤传输,仍能在移动终端很好地恢复出来。
色散会导致系统有效传输距离受到限制,必须对系统的色散进行有效的补偿。本文使用的导频信号是在发射信号中加入了预先确定的信号,根据接受到的确定信号来对信道进行估计并相位均衡,从而补偿信道色散。该方法有利于系统性能的改善,而且不会造成系统硬件成本的增加。
由于本文使用信道估计,补偿了光纤色散,因此信号经过 OFDM 解调后的信号星座图能得到较大改善。图5和图6分别为信号经光纤传输5 km和15 km时得到的星座图。由下图可知,在接收端增加相应的相位均衡技术和信道估计技术,可以使信号恢复,光纤链路的频谱资源得到最大限度的利用,以及提高系统的传输距离。
3 结论
本文研究了一种基于双平行相位调制器的OFDM-ROF实验仿真系统。该系统采用双平行光相位调制器结合光减法器产生双边带光毫米波,并将OFDM 信号调制到其中的一个边带上。仿真结果表明,该系统只需要10 GHz的本振射频信号就能产生60 GHz的高频毫米波信号,通过在色散补偿后该系统传输距离得到了提高,由于接收端采用直接检测技术接收信号,实现基站的简单设计。
摘要：建立一种基于双平行相位调制器的OFDM-ROF实验仿真系统。在中心站采用双平行相位调制器产生双边带光载毫米波,利用光交错复用器将信号进行上边带和下边带分离,将OFDM信号通过马赫曾德尔调制器调制到一个边带上进行传输。OFDM的调制和解调部分使用MATLAB软件编写,OFDM-ROF系统实验仿真平台基于软件Optisystem进行搭建,并给出了光载OFDM信号的产生模型和系统仿真结果。实验表明,OFDM-ROF系统经过色散补偿后大幅度提高了系统的传输距离。
关键词：正交频分复用,光纤无线通信,光载毫米波,相位调制器
参考文献
[1]CHEN Lin,WEN Hong,WEN Shuangchun.A radio-over-fiber system with a novel scheme for millimeter-wave Generation and wave-length re-use for up-link connection[J].IEEE Photonics Technology Letters,2006,19(18):2056-2058.
[2]牛堃,陈恩庆,杨守义.OFDM系统符号同步的FPGA设计与实现[J].电视技术,2010,34(9):47-49.
[3]JIA Zhensheng,YU Jianjun,BOIVINET D,et al.Bidirectional ROF links using optically up-converted DPSK for downstream and remodulat-ed OOK for upstream[J].IEEE Photonics Technology Letters,2007,19(9):653-655.
[4]崔丽珍,樊晓冬,刘乃君,等.基于FPGA的OFDM基带发送系统设计与实现[J].电视技术,2012,36(21):120-123.
[5]FANG Zujie,YE Qing,LIU Feng.Progress of millimeter wave sub-carri-er optical fiber communication technologies[J].Chinese Journal Lasers,2006,33(4):481-488.
[6]方祖捷,叶青,刘峰,等.毫米波副载波光纤通信技术的研究进展[J].中国激光,2006,33(4):481-488.
[7]LOWERY J,LIANG B D,ARMSTRONG J.Performance of optical OFDM in ultralong-haul WDM lightwave systems[J].Lightwave Technology,2007,25(1):131-138.
[8]梁赫西.基于IEEE802_11a的OFDM基带处理器的FPGA设计与实现[J].电视技术,2012,36(17):79-81.
[9]龙海,黄诚.基于OFDM技术的毫米波产生方案研究[J].电脑知识与技术,2009,5(14):3797-3799.
[10]胡善梅,陈林.基于相位调制器产生六倍频光毫米波的OFDM信号光传输系统研究[J].光子学报,2010(4):609-702.
【OFDM调制技术】相关文章：
有源调制技术05-15
青贮饲料调制技术09-11
调制技术仿真实验报告04-17
高速相干光纤通信调制解调技术04-23
高效调制雷达通信一体化系统相关技术研究11-28
光纤陀螺单DA调制技术仿真分析及验证09-11
调制性能06-06
调制推动器05-09
光学相干调制06-08
fsk调制实验04-24