5G学习笔记:波形

本文介绍了5G波形生成流程,重点关注CP-OFDM和DFT-S-OFDM在NR上行链路的应用。内容包括波形生成的步骤,两者波形生成方程的对比,以及转换预编码在DFT-S-OFDM波形创建中的作用。转换预编码有助于降低峰均功率比,其数学表达式揭示了与DFT的关系。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

波形

1 波形生成的流程

下图(基于38.300-5.1)显示了上下行波形生成的总体流程。NR和LTE最大的区别在于NR可以根据使用情况选择使用CP-OFDM进行上行链路,也可以使用DFT-S-OFDM。

是使用CP-OFDM还是DFT-S-OFDM可以从一下参数配置:

 

 2 CP OFDM序列生成

LTE和5G的波形生成方程如下:

尽管这两个方程看起来不同,但如果仔细观察,会发现差异非常小。在LTE中,波形生成方程(基本上是ifft方程)被分成两部分,只是为了删除位于直流位置的点(即基带中频率为0时)。在NR(5g)中,不再需要去除这种直流电,将完整的ifft方程合并为一个方程。

 

就这些吗?NR波形的生成比LTE波形的生成简单(至少在数学上)?

不是这样,在nr(5g)中,支持几种不同的参数集(即不同的子载波间隔和符号长度),而LTE中只有一种。这些不同的参数并不是每个对应一个全新的波形,所有这些参数都可以通过一个数学方程,通过变换几个参数,如下图所示。

3 转换预编码

如上所述,不同于LTE, NR上行波形有两个选项:一个是CP-OFDM(与DL波形相同),另一个是DFT-S-OFDM(与LTE-UL波形相同)。转换预编码是创建如下所示的DFT-S-OFDM波形的第一步,UE是否需要使用CP-OFDM或DFT-S-OFDM取决于以下RRC参数:

 

在功能上,变换预编码是以一种特殊的方式传播UL数据,以降低波形的峰均功率比。在数学方面,变换预编码只是一种形式的dft(数字傅立叶变换),如下面的方程:

如果要使用上行MIMO,方程式如下(这是38.211-6.3.1.4中描述的原始形式) :

如果不适用上行MIMO,则可将方程简化为以下公式,转换预编码基本上是DFT:

参考:http://www.sharetechnote.com/

### OFDM-ISAC 学习资源汇总 #### 1. ISAC通信感知一体化背景 未来的第五代(5G)和第六代(6G)无线系统预计能够提供高速率通信和高精度感知服务[^1]。为了实现这一目标,大量的研究集中在不同的场景和系统架构下的ISAC技术。 #### 2. OFDM-ISAC 技术概览 尽管当前许多ISAC的工作主要基于OFDM波形展开,但在特定条件下,如车辆移动引起的多普勒频偏会破坏OFDM子载波间的正交性,从而影响性能表现[^2]。然而,对于静态或低速环境而言,OFDM仍然是一个非常有效的选择,并且已经被广泛应用于早期的ISAC实验中。 #### 3. 学习路径建议 - **基础知识巩固**: 掌握基本的数字信号处理概念,特别是傅里叶变换及其逆运算;理解调制解调原理,尤其是QAM、PSK等常见方式。 - **深入理论学习**: 关注有关MIMO技术和毫米波传播特性的文献,因为这些都是现代无线通讯系统的基石之一。 - **实践操作训练**: 利用MATLAB/Simulink或其他仿真工具搭建简单的OFDM传输链路模型,尝试加入噪声干扰源观察其对BER的影响变化规律。 - **前沿动态追踪**: 定期查阅最新的学术期刊文章和技术报告,了解行业内最新进展趋势以及面临的挑战难题所在之处。 #### 4. 参考书籍与在线课程推荐 - *《Wireless Communications》* by Andrea Goldsmith 提供了一个全面而深刻的视角来看待整个无线通信领域内的核心知识点。 - Coursera平台上开设有专门面向工程师群体的基础级至高级别的系列专题讲座——“Introduction to Wireless Communication Systems”,非常适合初学者入门学习使用。 ```python import numpy as np from scipy import fftpack def ofdm_modulate(data_bits, num_subcarriers=64): """Simple OFDM modulation function""" symbols_per_frame = int(len(data_bits)/np.log2(num_subcarriers)) frames = data_bits.reshape(-1,symbols_per_frame) modulated_frames = [] for frame in frames: symbol_indices = np.arange(num_subcarriers) complex_symbols = (-1)**frame @ (symbol_indices[:,None]==range(symbols_per_frame)).astype(int)*2j*np.pi/num_subcarriers idft_result = fftpack.ifft(np.exp(complex_symbols), axis=0).real.flatten() cyclic_prefix_length = int(0.1*num_subcarriers) cp_added_signal = np.r_[idft_result[-cyclic_prefix_length:], idft_result] modulated_frames.append(cp_added_signal) return np.concatenate(modulated_frames) data_sequence = np.random.randint(0, 2, size=(1024,)) ofdm_signal = ofdm_modulate(data_sequence) print(ofdm_signal[:10]) ```
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
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