通信工程 / 系统课时

IFFT 与 FFT 实现

IFFT 与 FFT 实现

OFDM 发射端并不是逐个产生多路正弦波,而是把各子载波上的复符号装入频域向量,再用 IFFT 一次合成为时域采样;接收端则用 FFT 把这些采样重新分离到各个子载波。

学习目标

  • 说明 IFFT、FFT 在 OFDM 调制与解调中的位置
  • 写出 DFT/IDFT 与子载波正交性的对应关系
  • 用一个可运行示例验证 IFFT 后再 FFT 能恢复频域符号

从频域符号到时域 OFDM 符号

设一个 OFDM 符号使用 NN 个离散频率位置,第 kk 个位置上的复符号为 X[k]X[k]。发射端执行 NN 点 IFFT,得到一个有效符号周期内的时域采样:

x[n]=1N∑k=0N−1X[k]ej2πkn/N,0≤n<Nx[n]=\frac{1}{N}\sum_{k=0}^{N-1}X[k]e^{j2\pi kn/N},\quad 0\le n<N

这条式子本质上是在同一个时域窗口内叠加 NN 个离散正交基函数。接收端取得对应的 NN 个有效采样后执行 FFT:

X^[k]=∑n=0N−1x[n]e−j2πkn/N\hat X[k]=\sum_{n=0}^{N-1}x[n]e^{-j2\pi kn/N}

在理想信道、同步正确且变换长度一致时,X^[k]=X[k]\hat X[k]=X[k]。工程库可能把 1/N1/N 的缩放放在 IFFT、FFT 或两端分摊,但只要收发约定一致,物理含义不变。

OFDM 中 IFFT 与 FFT 的调制解调链路

为什么工程上使用 FFT 算法

直接按 DFT 定义计算需要大约 O(N2)O(N^2) 次复数运算,而 FFT 利用旋转因子的周期性和对称性,把复杂度降到 O(Nlog⁡2N)O(N\log_2N)。IFFT 也可以用同类快速算法实现,因此即使子载波数达到数百或数千,数字基带仍能在一个 OFDM 符号周期内完成调制与解调。

正交性来自离散频率间隔与有效符号时长的匹配。若有效符号时长为 TuT_u,相邻子载波通常满足 Δf=1/Tu\Delta f=1/T_u。这样各子载波虽然频谱彼此重叠,但在 FFT 的采样频点上互不干扰。

用代码验证变换链路

下面用 4 点 IFFT 生成时域采样,再立即执行 4 点 FFT。示例依赖 NumPy,输入只在第 0 和第 2 个频率位置放置符号,因此结果容易核对。

python
import numpy as np

X = np.array([1 + 0j, 0 + 0j, 1 + 0j, 0 + 0j])

x = np.fft.ifft(X)  # IFFT 完成 OFDM 调制
X_hat = np.fft.fft(x)  # FFT 恢复各频率位置

print("x =", np.round(x, 3))
print("X_hat =", np.round(X_hat, 3))

预期输出

text
x = [0.5+0.j 0. +0.j 0.5+0.j 0. +0.j]
X_hat = [1.+0.j 0.+0.j 1.+0.j 0.+0.j]

X_hat 与原始 X 一致,说明在没有信道失真和同步误差时,FFT/IFFT 形成一对可逆变换。真实 OFDM 系统还会在 IFFT 前完成星座映射、子载波分配,并在 FFT 后进行信道均衡和判决。

实现时最容易出错的边界

FFT 点数必须与一个有效 OFDM 符号的采样数一致;频域数组中的直流子载波、保护子载波和有效数据子载波也必须按系统约定放置。若索引映射错位,FFT 仍会正常运行,但恢复出的符号会落到错误的子载波上。

还要区分复基带 OFDM 与需要真实时域波形的特殊实现。常见无线基带直接处理复数 I/Q 采样,不要求频域向量具有共轭对称;只有希望 IFFT 输出严格为实数时,才需要额外构造 Hermitian 对称。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

IFFT 与 FFT 实现

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通