✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
实现 OFDMA 与 SC-FDMA（IFDMA/LFDMA 映射）的 PAPR 计算及瞬时功率 CDF/CCDF 绘制，整体逻辑完整但存在部分细节问题，优化后可提升结果准确性。
一、代码核心功能
-
定义系统参数（采样率、子载波数、调制方式等）和脉冲成形滤波器（升余弦 / 根升余弦）。
-
完成 OFDMA 调制、SC-FDMA（DFT + 子载波映射 + IFFT）调制流程，包含脉冲成形和数字上变频。
-
计算两种技术的瞬时功率（W 单位）和峰均比（PAPR），绘制 PAPR 的 CDF/CCDF 图、瞬时功率 CDF 图。
-
统计多次运行后的总 PAPR 值，通过图表对比不同调制方式的性能差异。
二、存在的关键问题
- OFDMA 瞬时功率计算错误
：代码中
Pi_OFDMA(n) =8 * 0.5*abs(OFDMA_RF_data(index_temp))^2;多乘系数 8，无合理依据，导致功率结果失真。 - 过采样变量未初始化
：
IFDMA_oversampled、LFDMA_oversampled、OFDM_oversampled未提前初始化，可能出现维度不匹配或垃圾值。 - CDF 绘制精度不足
：使用
hist函数统计 PAPR / 功率分布，精度低于专门的经验累积分布函数（ecdf），且 bins 数量设置不合理（OFDMA 仅 10 个 bins）。 - PAPR 计算逻辑重复
：既在每次循环计算单帧 PAPR，又在最后统计全局最大 / 平均功率求总 PAPR，两者定义不一致（前者是单帧 PAPR，后者是所有帧的全局 PAPR）。
- 滤波器时间范围固定
：升余弦 / 根升余弦滤波器的时间范围（±8Ts/±6Ts）未与过采样率（N_overlapping）联动，可能导致时域截断误差。
三、优化方案
- 修正瞬时功率计算
：删除 OFDMA 功率计算中的多余系数 8，统一为
Pi_OFDMA(n) = 0.5*abs(OFDMA_RF_data(index_temp))^2;，与 SC-FDMA 功率计算逻辑一致。 - 初始化过采样变量
：在脉冲成形前添加变量初始化，示例：
IFDMA_oversampled = zeros(1, N_overlapping*number_of_subcarriers);（LFDMA 和 OFDMA 同理）。 - 提升 CDF 绘制精度
：用
ecdf函数替代hist，直接获取累积分布概率，示例：[F_OFDMA, X_OFDMA] = ecdf(papr_OFDMA);，绘制时直接使用F_OFDMA和X_OFDMA。 - 统一 PAPR 计算逻辑
：保留每次循环的单帧 PAPR，总 PAPR 改为所有单帧 PAPR 的统计值（如均值、最大值），而非全局功率比值，更符合工程定义。
- 优化滤波器参数
：根据过采样率调整滤波器时间范围，示例：
t_range = Ts * N_overlapping * 8;，再生成t1和t2，减少时域截断影响。
⛳️ 运行结果
📣 部分代码
% 根据选择初始化脉冲成型滤波器
if filter_type == 'rc' % 升余弦滤波器
psFilter = rcPulse(Ts, N_overlapping, rolloff_factor);
elseif filter_type == 'rr' % 根升余弦滤波器
psFilter = rrcPulse(Ts, N_overlapping, rolloff_factor);
end
🔗 参考文献
[1]李学斌,高华洁.LTE上行SC-FDMA信号峰均比研究[J].通信技术, 2012, 45(1):3.DOI:10.3969/j.issn.1002-0802.2012.01.014.
🎈 部分理论引用网络文献，若有侵权联系博主删除
👇 关注我领取海量matlab电子书和数学建模资料
🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：
🌟 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、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化
🌟 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、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、用电量预测、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
🌟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
🌟 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、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化
🌟 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、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、
🌟 通信方面
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、水声通信、通信上传下载分配
🌟 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、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌟电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化
🌟 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌟 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌟 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇
扫一扫
1492
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
