当前位置：网站首页>OFDM 十六讲 5 -Discrete Convolution, ISI and ICI on DMT/OFDM Systems

OFDM 十六讲 5 -Discrete Convolution, ISI and ICI on DMT/OFDM Systems

2022-08-05 05:09:00 【明朝百晓生】

参考：

这篇文章的观点非常新颖和直观,主要从线性代数方面阐述相关原理

目录：

1：离散卷积

2： ISI & ICI

一离散卷积

前面讲过连续数据的卷积公式

$h(k)=x(k)\ast h(k)=\int_{-\infty}^{\infty}x(t)h(k-t)dt$

实际没有连续的数据我们一般采用离散卷积，

$y(k)=\sum_{0}^{\infty} x[n] \bullet h[k-n]$

假设x的长度为n, h的长度为m, y的长度为n+m

1.1 例子

假设

x=[x_0,x_1,x_2,x_3]

h=[h_0,h_1,h_2,h_3]

$y_0=\sum_{n=0}^{3}x[n]\bullet h[0-n]$

=x_0h_0

$y_1=\sum_{n=0}^{3}x[n]\bullet h[1-n]$

$=x_0 \bullet h_1+x_1 \bullet h_0$

$y_2=\sum_{n=0}^{3}x[n]\bullet h[2-n]$

=x_2h_0+x_1h_1+x_0h_2

$y_3=\sum_{n=0}^{3}x[n]\bullet h[3-n]$

=x_3h_0 +x_2h_1+x_1 h_2 +x_0h_3

本质上就是两个矩阵相乘

进一步表示方法,如下图,为对应列元素相乘后求和

二 CP(Cyclic prefix) CS(Cyclic suffix)

2.1 循环前缀,循环后缀结构

发送端

经过IDFT 离散傅里叶逆变换后，得到长度为N的时域数据

然后插入长度为a 的cp, 以及长度为b 的 cs

假设原始数据为

X=[x_0,x_1,x_2,x_3]

a= b=2

cp=[x_2,x_3], cs=[x_0,x_1]

最后数据变成了

2.2 ICI

译码的时候，我们会对其做傅里叶变换，对CP,CS 部分丢弃

y_0=h_0 x_0+h_1x_3 +h_2x_2

如下

y_0=h_0x_0+h_1x_3+h_2x_2+ h_1x_1

发现了多了一个噪声 h_1x_1

$y_0=y_{idle}+y_{ici}$

$y_{ici}=h_1x_1$ ,其它信道之间的干扰

下面是草图

2.3 ISI 模型

跟上面差不多

，

版权声明
本文为[明朝百晓生]所创，转载请带上原文链接，感谢
https://blog.csdn.net/chengxf2/article/details/126135857

边栏推荐

猜你喜欢

随机推荐