✅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( |
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 |
中 |
高(+ 索引) |
中 |
高(过载) |
中 |
低(限幅损失) |
低 |
低 |
中(索引补偿) |
中 |
| 抗噪声性能(BER) |
优 |
优(略低于 OFDM) |
中 |
中(多用户干扰) |
优(高速移动) |
差(限幅损失) |
差 |
差 |
中 |
差 |
| 抗多径能力 |
优(CP 对抗) |
优 |
优(码分) |
中 |
极优(时延 - 多普勒域平坦) |
优(继承 OFDM) |
优(继承 OTFS) |
优(继承 OCDM) |
优 |
中 |
| 抗多普勒扩展 |
差 |
差 |
中 |
中 |
优 |
差 |
优(继承 OTFS) |
中 |
差 |
中 |
| 峰均比(PAPR) |
高 |
低(激活子载波少) |
中 |
中 |
中 |
低(限幅后) |
低 |
低 |
低 |
低 |
| 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) |
高 |
中 |
中 |
高 |
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
-
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)。
-
-
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-SCMA或ACO-OCDM(提升用户容量)。
-
-
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
👇
720

被折叠的 条评论
为什么被折叠?



