【OFDM通信】多种调制比较OFDM OFDM-IM OCDM SCMA OTFS ACO-OFDM ACO-OTFS ACO-OCDM ACO-OFDM-IM ACO-SCMA附Matlab

✅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

对 OFDM、OFDM-IM、OCDM、SCMA、OTFS 及其 ACO(非对称限幅)光通信变体的核心特性、优缺点及适用场景的系统性比较,从调制原理、性能指标到应用场景进行全面解析。

一、技术核心原理与特性

1. 射频(RF)通信技术

技术

核心原理

信号特性

关键创新点

OFDM

正交频分复用:将信道划分为 N 个正交子载波,并行传输低速数据流,通过 IFFT/FFT 实现调制解调。

复值信号

利用子载波正交性抗多径干扰,适合宽带传输。

OFDM-IM

OFDM + 索引调制:除子载波幅度 / 相位外,通过 “子载波激活状态”(如每组选 4 个活跃子载波)传递额外比特。

复值信号

引入 “索引信息” 提升频谱效率,降低峰均比(PAPR)。

OCDM

正交码分复用:基于离散 chirp 傅里叶变换(DAFT),用正交码对数据扩频,通过码分区分信息。

复值信号

码域正交性抗干扰,适合多用户场景。

SCMA

稀疏码分多址:多用户共享资源块,通过稀疏码本(非正交)映射数据,接收端用消息传递算法(MPA)解调。

复值信号

非正交多址,支持过载传输(用户数 > 资源数),提升频谱效率。

OTFS

正交时频空调制:在时延 - 多普勒域(而非传统时频域)映射数据,通过 ISFFT/SFFT 实现域转换。

复值信号

将多径信道转化为平坦衰落,抗高速移动中的多普勒扩展能力强。

2. ACO 光通信变体(适用于强度调制,信号需非负实值)

技术

核心原理(基于原技术的光适配)

信号特性

光通信适配关键处理

ACO-OFDM

基于 OFDM,通过频域 Hermitian 对称性保证时域实信号,限幅负分量(tx(tx<0)=0)实现非负。

实值非负信号

仅使用部分子载波(如偶数子载波)传递信息,负分量直接丢弃,牺牲部分频谱效率。

ACO-OTFS

基于 OTFS,时延 - 多普勒域数据满足 Hermitian 对称,IFFT 后限幅负分量。

实值非负信号

仅在部分时频资源承载信息,限幅后保留非负分量。

ACO-OCDM

基于 OCDM,chirp 扩频后通过频域对称保证实信号,限幅负分量。

实值非负信号

码分复用基础上添加非负约束,抗干扰能力略有下降。

ACO-OFDM-IM

基于 OFDM-IM,索引调制 + 子载波激活状态传递信息,限幅负分量。

实值非负信号

索引信息与子载波激活结合,限幅对索引检测影响较小。

ACO-SCMA

基于 SCMA,稀疏码本设计为实值,限幅负分量实现非负,多用户共享光资源。

实值非负信号

码本简化为实值,接收端需适配限幅带来的非线性失真。

二、关键性能指标对比

指标

OFDM

OFDM-IM

OCDM

SCMA

OTFS

ACO-OFDM

ACO-OTFS

ACO-OCDM

ACO-OFDM-IM

ACO-SCMA

频谱效率

高(+ 索引)

高(过载)

低(限幅损失)

中(索引补偿)

抗噪声性能(BER)

优(略低于 OFDM)

中(多用户干扰)

优(高速移动)

差(限幅损失)

抗多径能力

优(CP 对抗)

优(码分)

极优(时延 - 多普勒域平坦)

优(继承 OFDM)

优(继承 OTFS)

优(继承 OCDM)

抗多普勒扩展

优(继承 OTFS)

峰均比(PAPR)

低(激活子载波少)

低(限幅后)

实现复杂度

低(IFFT/FFT)

中(索引检测)

中(DAFT)

高(MPA 解调)

高(ISFFT/SFFT)

低(限幅简单)

三、适用场景对比

技术

典型应用场景

核心优势适配点

OFDM

4G/5G、WiFi(如 IEEE 802.11n/ac)

抗多径能力强,适合中低速移动宽带传输。

OFDM-IM

物联网(IoT)、低功耗通信

低 PAPR + 较高频谱效率,适合终端功耗受限场景。

OCDM

卫星通信、抗干扰军用通信

码分正交性抗干扰,适合复杂电磁环境。

SCMA

5G/6G 超密集组网(海量用户接入)

非正交多址支持过载传输,提升用户接入密度。

OTFS

高铁、无人机等高速移动场景

时延 - 多普勒域处理,有效对抗高速移动中的多普勒扩展和多径衰落。

ACO-OFDM

可见光通信(VLC)、短距离光无线通信

结构简单(无需直流偏置),适合低成本光强度调制场景(如室内照明通信)。

ACO-OTFS

高速移动光通信(如车载可见光通信)

继承 OTFS 抗高速移动优势,适配光强度调制。

ACO-OCDM

光无线多用户通信(如室内多设备光接入)

码分复用支持多用户,限幅处理适配光传输。

ACO-OFDM-IM

低速率光传感通信

索引调制减少子载波激活数量,降低光发射功率,适合传感场景。

ACO-SCMA

光接入网(如无源光网络 PON 的多用户复用)

非正交多址提升光资源利用率,支持多用户共享光纤 / 光载波。

四、核心结论

  1. 射频技术选择

    • 中低速场景(如 WiFi、固定宽带)优先选OFDM(成熟稳定);

    • 高用户密度场景(如 6G 密集组网)选SCMA(过载传输);

    • 高速移动场景(如高铁通信)选OTFS(抗多普勒扩展);

    • 低功耗场景(如 IoT)选OFDM-IM(低 PAPR)。

  2. 光通信技术选择

    • 低成本短距离场景(如室内 VLC)选ACO-OFDM(实现简单);

    • 高速移动光场景(如车载光通信)选ACO-OTFS(抗移动性);

    • 多用户光接入场景选ACO-SCMAACO-OCDM(提升用户容量)。

  3. ACO 变体与原技术的权衡:ACO 变体为适配光通信的非负强度调制,通过限幅牺牲了部分频谱效率和抗噪声性能,但保留了原技术的抗多径 / 多用户能力,适合无法传输复值信号的光物理层。

通过上述对比可见,每种技术均针对特定场景优化,实际应用中需结合传输环境(如移动速度、噪声水平)、资源约束(如频谱、功率)和成本需求综合选择。

⛳️ 运行结果

📣 部分代码

SNR_dB = 0:2:20; % SNR range

numSymbols = 5000; % Number of symbols per SNR point

% Multipath channel parameters

channelTaps = [0.8, 0.05, 0.1]; % Channel tap gains

maxDelay = length(channelTaps)-1; % Maximum delay in samples

cp_len = maxDelay; % Cyclic prefix length

% Equalization parameters

equalizationType = 'MMSE'; % 'ZF' or 'MMSE'

estimateChannel = 1; % Channel estimation flag

%% Optical-Specific Parameters

% OFDM-IM Parameters (for DCO/ACO-OFDM-IM)

group_size = 8; % Subcarriers per group

active_per_group = 4; % Active subcarriers per group

numGroups = N / group_size;

% SCMA Parameters (for DCO/ACO-SCMA)

scma_users_optical = 2; % Number of users

scma_resources_optical = 4; % Number of resources

scma_codebooks_optical = { % SCMA codebooks (real-valued for optical)

[1, -1, 0.5, -0.5]; % User 1

🔗 参考文献

[1] Bomfin R , Chafii M , Nimr A ,et al.A Robust Baseband Transceiver Design for Doubly-Dispersive Channels[J].IEEE Transactions on Wireless Communications, 2021, PP(99):1-1.DOI:10.1109/TWC.2021.3062263.

🎈 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

👇

5 往期回顾扫扫下方二维码

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

matlab科研助手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值