通信算法之173: 物理层峰均比PAPT

一. SC-FDMA技术

        OFDM技术,能有效克服宽带通信系统中的频率选择性衰落,降低传输符号间干扰。但4G LTE标准,OFDMA只用在其下行传输,上行端采用了单载波频分复用技术(single carrier frequency domain multiple access SC-FDMA)。

二. 峰均功率比代码

function [PAPR_dB, AvgP_dB, PeakP_dB] = PAPR(x)
% PAPR_dB  : PAPR[dB]
% AvgP_dB  : Average power[dB]|平均功率
% PeakP_dB : Maximum power[dB]|最大功率% 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% http://www.wiley.com//legacy/wileychi/cho/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);

二. 峰均功率比(Peak Average Power Ratio PAPR)

如果是一个单载波系统,整个载波在一个时刻只传输一个符号 X(n) 。如果采用BPSK调制,传输符号 X(n)=aorX(n)=−a 。传输符号的最大功率和平均功率均为 a2 ,

得到 :  PAPR=a2/a2=1.

OFDMA系统中,调制到多载波数目为N的符号为 X(1),X(2),…,X(N),经过IFFT变换后,实际传输的 x(1),x(2),…,x(N) 为调制符号的采样。

如果多载波符号 X(1),X(2),…,X(N)也为BPSK取值为a或-a,则经过IFFT采样后的时域信号 x(1),x(2),…,x(N) 的平均功率和峰值功率分别为

得到OFDMA系统的PAPR为N。

多载波系统的PAPR比较大是因为并行传输的子载波上符号,经过IFFT后相互叠加。叠加时有相互增强和相互抵消的特性,导致其最大峰值功率值远大于平均功率值。

[转载,如有侵权,请联系作者删除]

三.SC-FDMA技术

        克服OFDMA系统PAPR的一个方法是额外引入图2中蓝色矩形选中的模块。引入该模块后,N点FFT与N点IFFT相互抵消,串转并模块与并转串模块相互抵消,该系统模型转换为一个单载波系统,其不存在PAPR问题。

        但该种操作引入一个新的问题,即OFDM技术优势也一并消除。所以实际中的SC-FDMA系统并不完全按照图2所示的来。其具体方案如图3所示。

图2

图3

图3中要求满足如下条件

M≪N
这样将M点FFT模块输出的M个点,通过载波映射模块映射成为长度为N的向量,该向量为N点IFFT模块的输入。

LTE规定的映射方案为将M个点放到长度为N的向量的前面M个元素,剩下的向量的N的元素值设置为0。经过N点IFFT模块输出的IFFT采样中,每个采样点如公式(1)所示很多 X(n) 的数值为0,使得产生的PAPR不大。

此种方案,即保留了OFDM技术的特性,有一定程度降低PAPR问题,成为在LTE上行传输的标准。

 

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.hqwc.cn/news/13907.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

软件DevOps云化发展的趋势 【课程限时免费】

你了解什么是DevOps吗? 它是怎么诞生的? DevOps能做些什么? 相信对于DevOps的实践者和关注者来说,对它已经不陌生了,但是对于刚刚进入开发者领域不久的小伙伴应该并不清楚,下面就让小智带你一起了解DevO…

多元回归预测 | Matlab主成分分析PCA降维,PLS偏小二乘回归预测。PCA-PLS回归预测模型

文章目录 效果一览文章概述部分源码参考资料效果一览 文章概述 多元回归预测 | Matlab主成分分析PCA降维,PLS偏小二乘回归预测。PCA-PLS回归预测模型 评价指标包括:MAE、RMSE和R2等,代码质量极高,方便学习和替换数据。要求2018版本及以上。 部分源码 %% 清空环境变量 warn…

Spring核心 and 创建使用

Spring核心 and 创建使用 文章目录 Spring核心 and 创建使用一、Spring的定义1.1什么是IoC1.1.1 理解控制反转(IoC)1.1.2 控制反转式程序开发 1.2 使用Spring IoC核心功能2.1 DI的概念说明 二、Spring的创建和使用2.1 创建一个Maven项目2.2 添加Spring框…

CSDN1周年的创作纪念日【个人总结】

机缘 2022年的7月,第一次了解到这个平台。 得知这个平台可以实现以下功能: 例如: 实战项目中的经验分享日常学习过程中的记录通过文章进行技术交流… 收获 其实出发点是我自己整合笔记,顺带佛系分享给大家看,但是好…

厄尔尼诺,“烤热”新能源汽车市场?

在高温极端天气中,买新能源汽车的人变多了还是变少了? 7月4日,世界气象组织宣布,热带太平洋七年来首次形成厄尔尼诺条件,这可能导致全球气温飙升、破坏性天气和气候模式的出现。 注:1月底至6月初&#xff…

Spring Boot 中的 MyBatis 是什么,如何使用

Spring Boot 中的 MyBatis 是什么,如何使用 简介 MyBatis 是一种流行的 Java 持久化框架,可以将 SQL 查询映射到对象上,并提供了简单易用的 API 来执行 CRUD 操作。Spring Boot 可以与 MyBatis 集成,提供了简化配置和自动化配置…

矩阵Matrices

目录 矩阵的变换 向量和矩阵 矩阵的变换 房子图形的矩阵变换(wiggle动态变换) uicontrol的‘style’类型: X house dot2dot(X) theta1 wiggle(X) function dot2dot(X) % DOT2DOT Connect the points from a 2-by-n matrix. X(:,end1) X…

日本 NFT 项目概览与特点总结

日本的 NFT 市场 日本的 NFT 市场起源于与国内动漫和娱乐偶像的合作,重点关注本土文化,文化成为日本 NFT 项目的重要基石。 关键要点: 日本的 NFT 产业具有三个特点:广泛的知识产权(IP)、低 FUD 水平以及…

pycharm如何给一串中文快捷加引号(方法一)

点击上方“Python爬虫与数据挖掘”,进行关注 回复“书籍”即可获赠Python从入门到进阶共10本电子书 今 日 鸡 汤 门前冷落鞍马稀,老大嫁作商人妇。 大家好,我是皮皮。 一、前言 前几天在Python白银群【此类生物】问了一个Pycharm基础的问题&a…

快速搭建一个美观且易用的 Django 管理后台 —— django-xadmin

Django-xadmin(也称为Xadmin)是一个第三方的 Django 应用程序,它提供了一系列工具和模板来快速开发基于 Django 的后台管理界面。使用 Django-xadmin 可以用很少的代码就创建出一个强大的、具备实时查看数据、增、删、改等基本操作的 Django …

【C语言初阶(12)】数组(超详解)

文章目录 前言1. 一维数组1.1 一维数组的创建1.2 一维数组的初始化1.3 一维数组的访问1.4 一维数组在内存中的存储 2. 二维数组2.1 二位数组的创建2.2 二维数组的初始化2.3 二维数组的访问 3. 数组越界4. 数组作为函数参数4.1 冒泡排序介绍4.2 冒泡排序函数的设计 5. 数组名6. …

PSI算法经典论文算法概述

文章目录 什么是隐私求交PSIPSI协议分类PSI算法的分类基于哈希函数的PSI算法基于不经意传输(OT)的 PSI算法基于GC的PSI算法基于公钥加密的PSI算法基于DH的PSI算法基于RSA盲签名的PSI算法基于同态加密的PSI算法 基于差分隐私的PSI算法 总结参考文献 什么是…