为了提升DFT-S-OFDM系统在瑞利信道下的传输性能,采用位交织编码调制迭代译码方案(BICM-ID)、旋转映射(R-QAM)和Turbo码等技术,设计了基于Turbo-BICM-ID的DFT-S-OFDM系统。给出了系统原理框图,对编码调制系统的解调译码迭代算法进行了推...为了提升DFT-S-OFDM系统在瑞利信道下的传输性能,采用位交织编码调制迭代译码方案(BICM-ID)、旋转映射(R-QAM)和Turbo码等技术,设计了基于Turbo-BICM-ID的DFT-S-OFDM系统。给出了系统原理框图,对编码调制系统的解调译码迭代算法进行了推导,对系统进行了Matlab仿真验证。仿真结果表明,与传统的卷积码设计方案相比,该设计方案在误码率为10-5时,可以获得5.7 d B的增益改善,同时可以获得更低的错误平层,有效地改善了DFT-S-OFDM系统在瑞利信道下的性能。展开更多
调制解调法是一种常用的微弱信号检测方法,高精度、低复杂度的解调方法的实现对于调制解调法的应用具有重要的意义.传统坐标旋转数字计算(coordinate rotation digital computer,CORDIC)算法具有占用资源多,需要缩放因子补偿等问题.因...调制解调法是一种常用的微弱信号检测方法,高精度、低复杂度的解调方法的实现对于调制解调法的应用具有重要的意义.传统坐标旋转数字计算(coordinate rotation digital computer,CORDIC)算法具有占用资源多,需要缩放因子补偿等问题.因此设计并实现了一种基于改进CORDIC算法的离散傅里叶变换(discrete Fourier transform,DFT)解调方法用于微弱信号的检测.首先改进了传统的CORDIC算法用于正余弦函数值的计算,该方法不仅免除了缩放因子,而且不需要进行旋转角度的判断,降低了算法的资源占用;然后基于该CORDIC算法设计了DFT解调算法,避免了乘法器与大量查找表的使用.最终仿真结果表明,设计的DFT解调方法在整周期采样的情况下能够实现对调制信号的高精度解调,并且具备良好的抗噪声性能,能够满足微弱信号检测的要求.展开更多
基于正交频分复用(orthogonal frequency division multiplexing,OFDM)的高速电力线载波通信(high-speed power line communication,HPLC)在配电网及智能家居中得到了广泛应用。HPLC信道存在噪声复杂、多径传播、阻抗多变等问题,对信号...基于正交频分复用(orthogonal frequency division multiplexing,OFDM)的高速电力线载波通信(high-speed power line communication,HPLC)在配电网及智能家居中得到了广泛应用。HPLC信道存在噪声复杂、多径传播、阻抗多变等问题,对信号检测带来了不利影响。文章研究了HPLC系统的信道估计问题。首先,定义循环前缀内采样点噪声的近似功率,提出基于噪声功率的离散傅里叶变换(noise power based discrete Fourier transform,NPDFT)算法,对传统DFT算法得到的信道冲激响应进行修正。其次,在NPDFT基础上,提出一种基于深度神经网络(deep neural networks,DNN)和门控循环单元(gated recurrent unit,GRU)组合的轻量级深度神经门控网络(DnGRUNet),使用DNN提取和细化多径信道特征,利用GRU网络对OFDM符号之间的信道变化进行学习。仿真结果表明,NPDFT-DnGRUNet算法的信道估计误差远低于对比算法,能有效降低信号检测误码率。展开更多
文摘为了提升DFT-S-OFDM系统在瑞利信道下的传输性能,采用位交织编码调制迭代译码方案(BICM-ID)、旋转映射(R-QAM)和Turbo码等技术,设计了基于Turbo-BICM-ID的DFT-S-OFDM系统。给出了系统原理框图,对编码调制系统的解调译码迭代算法进行了推导,对系统进行了Matlab仿真验证。仿真结果表明,与传统的卷积码设计方案相比,该设计方案在误码率为10-5时,可以获得5.7 d B的增益改善,同时可以获得更低的错误平层,有效地改善了DFT-S-OFDM系统在瑞利信道下的性能。
文摘基于正交频分复用(orthogonal frequency division multiplexing,OFDM)的高速电力线载波通信(high-speed power line communication,HPLC)在配电网及智能家居中得到了广泛应用。HPLC信道存在噪声复杂、多径传播、阻抗多变等问题,对信号检测带来了不利影响。文章研究了HPLC系统的信道估计问题。首先,定义循环前缀内采样点噪声的近似功率,提出基于噪声功率的离散傅里叶变换(noise power based discrete Fourier transform,NPDFT)算法,对传统DFT算法得到的信道冲激响应进行修正。其次,在NPDFT基础上,提出一种基于深度神经网络(deep neural networks,DNN)和门控循环单元(gated recurrent unit,GRU)组合的轻量级深度神经门控网络(DnGRUNet),使用DNN提取和细化多径信道特征,利用GRU网络对OFDM符号之间的信道变化进行学习。仿真结果表明,NPDFT-DnGRUNet算法的信道估计误差远低于对比算法,能有效降低信号检测误码率。
