【OFDM仿真】LTE-FDD的OFDM下行无线传输链路设计与仿真【含GUI Matlab源码 3600期】

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

🔊博主简介：985研究生，Matlab领域科研开发者；

🚅座右铭：行百里者，半于九十。

🏆代码获取方式：
优快云 Matlab武动乾坤—代码获取方式

更多Matlab信号处理仿真内容点击👇
①Matlab信号处理（进阶版）

⛳️关注优快云 Matlab武动乾坤，更多资源等你来！！

⛄一、LTE-FDD的OFDM下行无线传输链路设计与仿真

1 OFDM系统模型
OFDM系统是一种常用的多载波调制方式， 因为其具有能够在带宽较窄的情况下传输大量数据、能够对抗频率选择性衰落、传输速率高、实现简单、信道利用率高、抗窄带干扰能力强等优点而受到广泛使用。本节主要介绍了OFDM系统实现的基本原理以及系统模型。

1.1OFDM系统基本原理
因为频谱资源十分珍贵，如果一个信道仅仅只传输一路信号，那无疑是对频谱资源的浪费， 为了能够充分利用信道带宽， 频分复用是一种很好的方法。OFDM技术是频分复用方法的一种，其基本原理如下：将串行的高速数据流转换为低速的并行数据流，然后将数据调制到相互正交的子载波上4Q。OFDM系统可以通过DFT和ID FT的方法产生相互正交的子载波，然后利用子载波之间的正交性，将原始信号从子载波中分离开来，通过这种方法可以实现OFDM无线通信系统中信号的发送与接收。

2 LTE基本需求
LTE标准化流程始于2004年11月在多伦多召开的一次研讨会上，当时参与移动通信业务开发的许多公司，都阐述了他们关于3GPP所推进的技术规范未来演进的设想，主要包括基本需求和满足需求的适当技术。

具体需求可概括为：
（1）减少时延，包括连接建立和传输两个方面;
（2）提高用户数据传输速率;
（3）为保证业务的一致性，提高小区边缘用户的比特率;
（4）降低每比特成本，提高频谱效率;
（5）提高频谱使用的灵活性;
（6）简化网络结构;
（7）无缝移动性，包括不同的无线接入技术之间;
（8）实现移动终端的合理功耗。
为了满足这些需求，LTE系统设计涵盖了无线接口和无线网络架构两个方面。
在LTE的第一个版本也就是Release 8中，对这些需求进行了定性的描述，比如下行峰值速率100 Mbit/s，上行峰值速率50 Mbit/s，下行峰值频谱效率5 bit/s/Hz，上行峰值频谱效率5 bit/s/Hz等。具体的性能见下表：

需要说明的是，峰值速率也许并不是一个关键的因素，只是一个理论上的值，实际中仅仅是运营商宣传的噱头。

理论上，峰值速率定义为：把整个带宽都分配给一个用户，并采用最高阶调制和编码方案以及最多天线数目前提下每个用户所能达到的最大吞吐量。在Release 8中对天线数的基本假设是终端具有两根接收天线和一根发射天线。所有这些条件对于一个用户来说几乎不可能同时满足，峰值速率也就没有太大的实际意义了。

3 LTE关键技术
3.1 OFDM
OFDM之于LTE就像是CDMA之于三大3G标准，是LTE系统的基础和核心。除了技术演进的需求之外，LTE之所以会选择OFDM的另一个原因在于3GPP想避开高通公司高昂的CDMA专利费用，且已经有IEEE的WiMAX作为OFDM的领航者。

OFDM系统参数设定对整个系统的性能会产生决定性的影响，其中载波间隔又是OFDM系统的最基本参数，经过理论分析与仿真比较最终确定为15kHz。循环前缀(CP)的长度决定了OFDM系统的抗多径能力和覆盖能力。长CP利于克服多径干扰，支持大范围覆盖，但系统开销也会相应增加，导致数据传输能力下降。为了达到小区半径100Km的覆盖要求，LTE系统采用长短两套循环前缀方案，根据具体场景进行选择：短CP方案为基本选项，长CP方案用于支持LTE大范围小区覆盖和多小区广播业务。

3.2 MIMO
使用多天线技术，可以把空间域作为另一个新资源。在追求更高的频谱效率的要求下，多天线技术已经成为最基本的解决方案之一。

多天线技术可以带来下图所示的三种基本增益：
(a) 分集增益：利用多天线带来的空间分集来改善多径衰落情况下传输的健壮性。
(b) 阵列增益：通过预编码或者波束成形使能量集中在一个或者多个方向。
© 空间复用增益：在可用天线组合所建立的多重空间层上，将多个信号流传输给单个用户。
LTE已确定MIMO天线个数的基本配置是下行2×2、上行1×2，但也在考虑4×4的高阶天线配置。另外，LTE也采用小区干扰抑制技术来改善小区边缘的数据速率和系统容量。下行方向MIMO方案相对较多，根据2006年3月雅典会议报告，LTE-MIMO下行方案可分为两大类：发射分集和空间复用两大类。目前，考虑采用的发射分集方案包括块状编码传送分集(STBC,SFBC)，时间(频率)转换发射分集(TSTD，FSTD)，包括循环延迟分集(CDD)在内的延迟分集(作为广播信道的基本方案)，基于预编码向量选择的预编码技术。其中预编码技术已被确定为多用户MIMO场景的传送方案。

⛄二、部分源代码

function varargout = GUI(varargin)
% GUI MATLAB code for GUI.fig
% GUI, by itself, creates a new GUI or raises the existing
% singleton*.
%
% H = GUI returns the handle to a new GUI or the handle to
% the existing singleton*.
%
% GUI(‘CALLBACK’,hObject,eventData,handles,…) calls the local
% function named CALLBACK in GUI.M with the given input arguments.
%
% GUI(‘Property’,‘Value’,…) creates a new GUI or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before GUI_OpeningFcn gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to GUI_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE’s Tools menu. Choose “GUI allows only one
% instance to run (singleton)”.
%
% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help GUI

% Last Modified by GUIDE v2.5 21-May-2017 21:16:04

% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct(‘gui_Name’, mfilename, …
‘gui_Singleton’, gui_Singleton, …
‘gui_OpeningFcn’, @GUI_OpeningFcn, …
‘gui_OutputFcn’, @GUI_OutputFcn, …
‘gui_LayoutFcn’, [] , …
‘gui_Callback’, []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT

% — Executes just before GUI is made visible.
function GUI_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to GUI (see VARARGIN)

% Choose default command line output for GUI
handles.output = hObject;

% Update handles structure
guidata(hObject, handles);

% UIWAIT makes GUI wait for user response (see UIRESUME)
% uiwait(handles.figure1);

% — Outputs from this function are returned to the command line.
function varargout = GUI_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure
varargout{1} = handles.output;

% — Executes on button press in pushbutton1.
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
flag=0;
if handles.transmit_mode2
if handles.modulation_mode2
if handles.channel_mode2
simulate_TM1_QPSK_4;
flag=1;
elseif handles.channel_mode3
simulate_TM1_QPSK_5;
flag=1;
elseif handles.channel_mode4
simulate_TM1_QPSK_6;
flag=1;
elseif handles.channel_mode5
simulate_TM1_QPSK_7;
flag=1;
else
flag=0;
msgbox(’ ѡ Ч ã ‘,’ ʾ’,‘error’);
%xing_zuo_tu_test;
% axes(handles.axes3);
% a=imread(figure(1));
% imshow(a);
%figure(1);
% plot(handles.axes3,Rx_data_estimate{1},‘o’);
% axes(handles.axes3);
% %figure(2);
% plot(handles.axes4,Rx_data{1},‘o’);
% axes(handles.axes4);
end
elseif handles.modulation_mode3
if handles.channel_mode2
simulate_TM1_16QAM_4;
flag=1;
elseif handles.channel_mode3
simulate_TM1_16QAM_5;
flag=1;
elseif handles.channel_mode4
simulate_TM1_16QAM_6;
flag=1;
elseif handles.channel_mode==5
simulate_TM1_16QAM_7;
flag=1;
else
flag=0;
msgbox(’ ѡ Ч ã ‘,’ ʾ’,‘error’);
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 高俊伟.基于深度学习的OFDM信号检测算法研究[D].哈尔滨工程大学

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合