通信工程 / 系统课时
用循环前缀理解OFDM抗多径
用循环前缀理解OFDM抗多径
OFDM 把宽带数据分配到多个正交子载波,但多径回波可能让相邻符号互相干扰,使接收端的 FFT 不能直接完成简单均衡。这里用 64 点 OFDM 和一条延迟 6 个采样的回波,解释循环前缀怎样保护 FFT 观察窗,并验证它能把多径处理简化为逐子载波补偿。
学习目标
- 计算 OFDM 有效符号时间、子载波间隔和循环前缀开销。
- 说明复制尾部样本为何能让多径线性卷积对应于循环卷积。
- 用可运行实验检验前缀足够时的逐子载波均衡及其限制。
先确定符号和多径的时间尺度
设采样率 ,IFFT/FFT 长度 。每个采样间隔为 ,有效符号时间 ,子载波间隔 。理想同步且信道在符号期间近似不变时,间隔为 的子载波在 FFT 观察窗内正交。
考虑一个有两条路径的离散信道:主径延迟 0 个采样,回波延迟 6 个采样、复增益为 0.5。若直接把 64 个时域样本连续发送,回波可能越过符号边界;接收端截取的 64 点线性卷积,也不能直接当成当前符号的循环卷积。
循环前缀该复制哪里、丢弃哪里
为每个 64 点时域符号增加 个前缀样本:先复制该符号最后 8 个样本(索引 56~63),再把它们放到原符号开头。发射的总长度为 72 个样本。接收端在正确的定时位置先丢弃 8 个前缀样本,再把后续 64 个样本送入 FFT。

本例最大超额时延是 6 个采样,因此 ,在假设同步正确且信道不跨符号快速变化时,前缀足以隔离相邻 OFDM 块的有效观察窗。前缀占传输样本的 ,有效样本比例为 88.9%;它消耗时频资源,并不携带新的独立数据。
为什么可以逐子载波均衡
前缀覆盖信道记忆长度时,去前缀后的 64 点接收数据等效于当前 64 点符号与信道的循环卷积。FFT 将循环卷积转换为逐频点相乘:
这里 是发射子载波符号, 是该子载波的复信道增益, 是频域噪声。理想已知信道且 时,可以用 进行零迫单抽头均衡。即使整个带宽仍有频率选择性,各子载波也不必采用跨多个符号的长时域均衡器。
本例的离散信道为 、,其余抽头为零,因而 。各子载波受到的衰减仍然不同;循环前缀没有消除衰落,只是使这种差异容易分别补偿。
用代码比较有无循环前缀
环境使用 Python 3.10+ 和 NumPy。固定随机种子生成 64 个复数符号,在无噪声、信道不随时间变化且定时理想的条件下,对比有无前缀的恢复结果。
import numpy as np
n, n_cp = 64, 8
h = np.zeros(7, dtype=complex)
h[0], h[6] = 1, 0.5
rng = np.random.default_rng(7)
X = rng.choice([-1, 1], n) + 1j * rng.choice([-1, 1], n)
x = np.fft.ifft(X)
# 复制时域末尾8点,接收端丢弃前缀后再做FFT
x_cp = np.r_[x[-n_cp:], x]
y_cp = np.convolve(x_cp, h)[n_cp:n_cp + n]
H = np.fft.fft(h, n)
X_hat = np.fft.fft(y_cp) / H
# 无CP的线性卷积无法用同一逐载波除法完整恢复
y_no = np.convolve(x, h)[:n]
X_bad = np.fft.fft(y_no) / H
print(f"有CP恢复正确: {np.allclose(X_hat, X)}")
print(f"无CP恢复正确: {np.allclose(X_bad, X)}")
print(f"CP开销: {n_cp / (n + n_cp):.1%}")预期输出:
有CP恢复正确: True
无CP恢复正确: False
CP开销: 11.1%np.allclose 使用浮点容差判断恢复结果,并非断言每一位浮点数完全相等。无 CP 实验只处理单个块,未额外加入前一块干扰;它仍能体现当前块的线性卷积和循环卷积不等价。
前缀足够也不代表可以忽略其他问题
若把本例的 CP 缩短到 5 个采样,就无法覆盖延迟 6 个采样的回波,前一块的尾部可能进入 FFT 窗口,逐子载波模型随之失效。反过来把 CP 增长到 16 个采样,开销会上升到 。选型要同时考虑显著多径的最大超额时延、同步误差余量与开销,而不能只看平均时延扩展。
当 CP 能覆盖信道记忆、FFT 窗口正确且一个符号内信道近似恒定时,OFDM 才能利用逐子载波复增益的形式简化多径均衡。