ZC-OFDM雷达通信一体化减小PAPR——直接限幅法

article/2025/7/5 14:08:07

文章目录

  • 前言
  • 一、直接限幅法技术
    • 1、简介
    • 2、原理
  • 二、MATLAB 仿真
    • 1、核心代码
    • 2、仿真结果
  • 三、资源自取


前言

在 OFDM 雷达通信一体化系统中,信号的传输由多个子载波协同完成,多个载波信号相互叠加形成最终的发射信号。此叠加过程可能导致信号峰值显著高于其均值,从而产生较高的峰值平均功率比(PAPR)。当这些具有高 PAPR 的信号通过非线性设备时,若信号的峰值超出设备的动态范围,就可能引发信号失真,从而影响系统性能。因此,OFDM 雷达通信一体化系统对非线性设备的动态范围提出了较为严格的要求,显著增加了系统建设成本。OFDM 技术所面临的高峰均比问题,已成为其在实际应用中遭遇的主要障碍之一。为了抑制 PAPR,多种技术被提出,本文介绍使用直接限幅法抑制 OFDM 的 PAPR。


一、直接限幅法技术

1、简介

限幅技术是抑制峰均比的基础方法之一。该方法通过设定一个预定的门限值,将待发送的 OFDM 信号输入限幅器后,对于幅值超过门限的部分,保持其相位不变,并将其幅度限制在门限值以内,而幅度低于门限的信号则不作任何处理。

2、原理

对于一个具有 N N N 个子载波的 OFDM 系统,设经过 IFFT 前的复频域信号为 A = { A 0 , A 1 , … , A N − 1 } A=\{A_0,A_1,\ldots,A_{N-1}\} A={A0,A1,,AN1},其中 A k A_k Ak 表示第 k k k 个子载波上的数据,则经过 IFFT 后的时域信号可以表示为:
s n = 1 N ∑ k = 0 N − 1 A k e j 2 π k ( n / N ) , 0 ≤ k ≤ N − 1 s_n=\frac{1}{\sqrt{N}}\sum_{k=0}^{N-1}A_ke^{j2\pi k(n/N)},0\leq k\leq N-1 sn=N 1k=0N1Akej2πk(n/N),0kN1

对通过 IFFT 变换得到的时域信号进行限幅处理后,信号经过限幅器处理后的形式可以表示为:
s ^ n = { S n , ∣ s n ∣ < A max ⁡ A max ⁡ e j φ ( s n ) , ∣ s n ∣ ≥ A max ⁡ \hat{s}_n= \begin{cases} S_n, & \mid s_n\mid<A_{\max} \\ A_{\max}e^{j\varphi(s_n)}, & \mid s_n\mid\geq A_{\max} & \end{cases} s^n={Sn,Amaxejφ(sn),sn∣<Amaxsn∣≥Amax

其中, φ ( s n ) \varphi(s_n) φ(sn) 表示信号 s n s_n sn 的相位, A m a x A_{max} Amax 为限幅器的门限值。限幅器的输入输出函数如下图所示,其中 x x x 轴表示输入, y y y 轴表示输出。可以看出限幅法不改变信号的相位,只是对超过门限值的高峰值信号采取剪切处理,因此在其他文献限幅法又被称为“剪切法”或“削峰法”。
在这里插入图片描述

从频域角度来看,就是信号频谱与窗函数的频谱进行了卷积运算,在这一过程中会引入非线性失真。阈值可以通过限幅比 C R CR CR 来计算,其定义为:
C R = 20 log ⁡ 10 A σ ( d B ) CR=20\log_{10}\frac{A}{\sigma}\quad(dB) CR=20log10σA(dB)
E ∣ s ^ n ∣ 2 E\left|\hat{s}_n\right|^2 Es^n2 表示信号功率, σ \sigma σ 为功率的均方根值,即 σ = E ∣ s ^ n ∣ 2 \sigma=\sqrt{E\mid\hat{s}_n\mid^2} σ=Es^n2 。据此可以给出阈值 A A A 的理论表达式:
A = σ ⋅ 10 C R 20 A=\sigma\cdot10^{\frac{CR}{20}} A=σ1020CR

从上式中可以看出,当 C R CR CR 值增大时,门限也随之提高,此时限幅法对 PAPR 的抑制效果变差;相反,当 C R CR CR 值减小时,门限降低,削减的信号点数增多,从而增强了抑制效果,但同时也导致引入更多的失真。

二、MATLAB 仿真

1、核心代码

        % 限幅率CR = 8;% 计算门限Thr = sqrt(average_power) * 10^(CR / 20);%限幅法yta=abs(yt);yta(yta>Thr)=Thr;yt2=yta.*exp(1i*angle(yt));papr(2,ii)=paprcal(yt2);alfa = max(yt2.^2)/10^(PSNRSeq(kk)/10)/mean(whi_n.^2); % 将信号功率除以信噪比和噪声功率,得到放大系数 alfa。这个系数将用于放大噪声信号的功率,以达到指定的信噪比。whi_n_m = whi_n .* sqrt(alfa);  % 通过将噪声信号乘以放大系数的平方根,可以将噪声功率放大到与信号功率相匹配的水平,以实现指定的信噪比。y_r = yt2 + whi_n_m;y_r_fft = fft(y_r);yrt = [sign(real(y_r_fft(Nf0+NBp+NB+1:Nf0+NBp+NB+NBt))), sign(imag(y_r_fft(Nf0+NBp+NB+1:Nf0+NBp+NB+NBt)))];   % 将接收的通信部分数据的实部及虚部映射到[-1,1]的区间后再进行拼接bertmp(2,ii) = mean(yrt(:)~= yft(:));   % 累加计算误码率数量

2、仿真结果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
从图中可见,限幅后的基带时域波形中超过门限的部分被明显削去,CR 越大,被削峰的点也将越少。经过限幅后的 OFDM 雷达通信一体化信号的幅度会被限制到门限值以内。很容易理解,限幅法的峰均比抑制效果主要和门限值的大小有关。图 3 为经过限幅后的 OFDM 雷达通信一体化信号的 CCDF 曲线,仿真中分别设置 CR 为 8、7、6。可以看出设置的门限值越低,其对应系统的峰均比抑制效果越好。如图 5 所示,限幅后的 OFDM 雷达通信一体化信号误码率也会有显著的提升。但是,限幅法实际上改变了时域 OFDM 雷达通信一体化信号的幅值分布,作为非线性过程,限幅法会使一体化信号产生频谱弥散并会恶化系统性能。因此,在实际使用时需要根据应用场景,均衡峰均比性能的提升和误码率、频谱性能的损失,选择合适的门限值。

三、资源自取

下载链接:ZC-OFDM雷达通信一体化减小PAPR——直接限幅法
在这里插入图片描述
在这里插入图片描述


我的qq:2442391036,欢迎交流!



http://www.hkcw.cn/article/JAaFbvEOeL.shtml

相关文章

【二维数组】

二维数组 需要掌握的知识二维数组与内存二维数组语法Arrays类的常用方法介绍如何实现冒泡排序 需要掌握的知识 二维数组与内存 二维数组语法 //数据类型【】【】数组; //或者 //数据类型 数组名【】【】&#xff1b; //二维数组初始化操作 int [][] scorenew int[][]{{90,85,92…

小黑大语言模型通过设计demo进行应用探索:langchain中chain的简单理解demo

chain简介 LangChain 中的 Chain 模块‌在开发大型语言模型&#xff08;LLM&#xff09;驱动的应用程序中起着至关重要的作用。Chain是串联LLM能力与实际业务的关键桥梁&#xff0c;通过将多个工具和模块按逻辑串联起来&#xff0c;实现复杂任务的多步骤流程编排。 案例 通过…

职坐标精选嵌入式AI物联网开源项目

随着嵌入式、AI与物联网技术的深度融合&#xff0c;开源生态已成为开发者构建智能硬件解决方案的核心驱动力。本文将从嵌入式实时操作系统、多模态AI数据集及物联网接入平台三大维度切入&#xff0c;系统性梳理技术选型要点与实践路径。在嵌入式领域&#xff0c;重点解析低功耗…

闻晓医考---口腔执业医师483分的复习攻略

&#x1f308;分清考试主次 &#x1f386;核心: 口外(114分) 口修(112分) 牙体牙髓(72分) &#x1f386;重点: 口预(50分) 临床医学(49分) 口组病(33分) 口解(33分) 牙周(30分) &#x1f386;次重点: 儿口(16分) 口腔黏膜(16分) 免疫&#xff08;8分&#xff09;…

火语言UI组件--幻灯片

【组件功能】&#xff1a;在有限空间内&#xff0c;循环播放同一类型的图片、文字等内容。 样式预览 基础设置 属性名称属性释义输入值类型初始索引(initialIndex)设置初始状态激活的幻灯片的索引&#xff0c;从 0 开始数字型(Number)触发方式(trigger)设置指示器的触发方式(…

矿用电液控连接器LCFB-12钢丝编织橡胶护套连接器

矿用电液控连接器LCFB-12钢丝编织橡胶护套连接器是煤矿井下综采工作面液压支架电液控制系统中的关键部件,其性能直接关系到整个液压系统的稳定性和安全性。随着智能化采矿技术的快速发展,这类连接器的技术要求和应用场景也在不断升级。本文将从产品结构、技术特点、行业应用及…

基于CAPL的DDS子消息解析- Data

1往期回顾 通过《DDS—RTPS一致性测试案例分析》一文&#xff0c;我们了解到 Data 子消息在 Data Distribution Service(DDS) 通信中扮演着至关重要的角色。它不仅负责 DDS 实体的 Simple Participant Discovery Protocol (SPDP) 发现流程&#xff0c;还参与了 Simple Endpoin…

MySQL之数据库的内嵌函数和联合查询

MySQL之数据库的内嵌函数和联合查询 一.数据库的内嵌函数1.1聚合函数1.2日期函数1.3字符串处理函数1.4 数学函数1.5其他常用的函数 二.联合查询2.1笛卡尔积2.2内连接2.3外连接2.4 自连接2.5子查询2.6合并查询 一.数据库的内嵌函数 1.1聚合函数 在MySQL中有着一类聚合函数来方…

【AUTOSAR OS】内存保护模块技术解析

一、模块总体功能概述 Os_Mprot.c 是AUTOSAR Classic Platform(CP)中内存保护模块的核心实现,主要负责验证任务(Task)和中断服务程序(ISR)对内存区域的访问权限,确保系统资源的合法使用。其核心功能包括: 内存访问权限校验:根据任务/中断所属的应用(App)信任级别(…

Docker 跨平台支持:从 Linux 到 macOS 的容器化开发实践

Docker 容器的理念是“一次构建,处处运行”,旨在解决应用程序在不同环境中部署的兼容性问题。然而,这一承诺的实现,在非原生 Linux 系统(如 macOS 和 Windows)上,需要巧妙的底层机制来支撑。 对于开发者而言,理解 Docker Desktop 在这些操作系统上的工作原理,特别是其…

电机试验平台:现代科技与工程应用的典范

电机试验平台作为电机行业中至关重要的一环&#xff0c;扮演着起着举足轻重的角色。随着科技的进步和工程技术的不断发展&#xff0c;电机试验平台也在不断创新和完善。本文将从电机试验平台的基本概念、发展历程、技术特点以及未来趋势等方面展开介绍。通过深入探讨&#xff0…

[paddle]paddle2onnx无法转换Paddle3.0.0的json格式paddle inference模型

使用PDX 3.0rc1 训练时序缺陷检测后导出的模型无法转换 Informations (please complete the following information): Inference engine for deployment: PD INFERENCE 3.0-->onnxruntime Why convert to onnx&#xff1a;在端侧设备上部署 Paddle2ONNX Version: 1.3.1 解…

内核进程基础

进程定义 操作系统作为硬件的使用层&#xff0c;提供使用硬件资源的能力&#xff1b;进程作为操作系统的使用层&#xff0c;提供使用操作系统抽象出的资源层的能力。 进程&#xff1a;是指计算机中已运行的程序。进程本身不是基本的运行单位&#xff0c;而是线程的容器。程序…

nic_monitor-全面监控以太网、IB、RoCE网络流量的工具

本文提供三个工具,1. nic_monitor 使用脚本语言 Bash Shell 编写的,用来监控以太网或者RDMA接口流量使用的。 2. nic_monitor_v2.0_eth.py 通过TUI界面实时显示以太网流量的工具,使用Python3编写的。3. nic_monitor_v2.1_rdma.py 通过TUI界面实时显示 IB 和 RoCE 流量的工具…

【论文解读】CVPR2023 PoseFormerV2:3D人体姿态估计(附论文地址)

论文链接&#xff1a;https://arxiv.org/pdf/2303.17472 源码链接&#xff1a;https://github.com/QitaoZhao/PoseFormerV2 Abstract 本文提出了 PoseFormerV2&#xff0c;通过探索频率域来提高 3D 人体姿态估计的效率和鲁棒性。PoseFormerV2 利用离散余弦变换&#xff08;DC…

01流程定位

1.以客户为中心&#xff0c;端到端创造价值 大家要思考一个核心问题&#xff0c;企业用什么为客户创造价值&#xff1f; 流程管理大师-迈克而哈默博士回答&#xff0c;不是产品和服务&#xff0c;而是业务流程&#xff0c;是创造、交付产品和服务背后的各种业务流程&#xff0…

【计算机网络】传输层TCP协议——协议段格式、三次握手四次挥手、超时重传、滑动窗口、流量控制、

&#x1f525;个人主页&#x1f525;&#xff1a;孤寂大仙V &#x1f308;收录专栏&#x1f308;&#xff1a;计算机网络 &#x1f339;往期回顾&#x1f339;&#xff1a; 【计算机网络】传输层UDP协议 &#x1f516;流水不争&#xff0c;争的是滔滔不息 一、TCP协议 UDP&…

AI炼丹日志-24 - MCP 自动操作 提高模型上下文能力 Cursor + Sequential Thinking Server Memory

点一下关注吧&#xff01;&#xff01;&#xff01;非常感谢&#xff01;&#xff01;持续更新&#xff01;&#xff01;&#xff01; Java篇&#xff1a; MyBatis 更新完毕目前开始更新 Spring&#xff0c;一起深入浅出&#xff01; 大数据篇 300&#xff1a; Hadoop&…

yolov8改进模型

YOLOv8 作为当前 YOLO 系列的最新版本&#xff0c;已经具备出色的性能。若要进一步改进&#xff0c;可以从网络架构优化、训练策略增强、多任务扩展和部署效率提升四个方向入手。以下是具体改进思路和实现示例&#xff1a; 1. 网络架构优化 (1) 骨干网络增强 引入 Transform…

单卡4090部署Qwen3-32B-AWQ(4bit量化)-vllm

单卡4090部署Qwen3-32B-AWQ(4bit量化) 模型&#xff1a;Qwen3-32B-AWQ(4bit量化) 显卡&#xff1a;4090 1 张 python版本 python 3.12 推理框架“vllm 重要包的版本 vllm0.9.0创建GPU云主机 这里我使用的是优云智算平台的GPU&#xff0c;使用链接可以看下面的 https://blog.…