通信工程 / 系统课时

判断OFDM频偏与峰均功率比风险

判断OFDM频偏与峰均功率比风险

OFDM 联调时,载波频偏会破坏子载波正交性,高峰均功率比又会压缩功放的线性输出空间。这里用一个可复现实验分别量化子载波间干扰和功率峰值分布,最后将数值转成频偏校正与功放回退的检查项。

学习目标

  • 将实际频偏换算为归一化频偏,估算子载波间干扰(ICI)。
  • 用 4 倍过采样统计峰均功率比(PAPR),理解分位数的用途。
  • 根据 ICI 和 PAPR 指标制定接收端校正与发射端功率回退的验证步骤。

频偏怎样破坏子载波正交性

设 OFDM 使用 NN 点 FFT,采样率为 fsf_s,子载波间隔为 fs/Nf_s/N。残余载波频偏 ΔfCFO\Delta f_{\mathrm{CFO}} 对应的归一化频偏为 ε=ΔfCFO/(fs/N)\varepsilon=\Delta f_{\mathrm{CFO}}/(f_s/N)。当 FFT 窗口理想对齐且 ε=0\varepsilon=0 时,各子载波在采样栅格上正交;非零频偏使其能量泄入其他子载波。

以 fs=960f_s=960 kHz、N=64N=64 为例,子载波间隔为 15 kHz。若残余频偏为 1.5 kHz,则 ε=0.10\varepsilon=0.10。假设全部 64 个子载波独立、等功率占用且忽略噪声,有用功率占比约 0.9675,ICI 功率占比约 0.0325,ICI 限制的信干比约为 14.74 dB;这不是包含噪声后的最终 SINR。

对于该理想模型,有用功率占比可以用 D=[sin⁡(πε)/(Nsin⁡(πε/N))]2D=[\sin(\pi\varepsilon)/(N\sin(\pi\varepsilon/N))]^2 计算,ICI 占比为 1−D1-D。频偏还引入公共相位旋转;即使接收机能校正公共相位,也不能据此认为 ICI 已消失。

峰均功率比怎样限制功放输出

对一个 OFDM 时域符号,PAPRdB=10log⁡10(Ppeak/Pavg)\mathrm{PAPR}_{\mathrm{dB}}=10\log_{10}(P_{\mathrm{peak}}/P_{\mathrm{avg}})。多个子载波在某些时刻同相叠加,会产生远高于平均功率的瞬时峰值。仅对 64 个原始 IFFT 样点求最大值可能漏掉样点之间的峰值,因此先做 4 倍过采样,再统计每个符号的 PAPR。

例如实验得到 PAPR 的 99% 分位数为 9.65 dB。若平均输出功率目标为 20 dBm,那么约 99% 的符号峰值不高于 29.65 dBm;功放需要在相应峰值范围保持足够线性,并留工程余量。99% 分位不是绝对最大值,实际是否削峰还取决于功放特性、回退量和峰值分布。

OFDM频偏引起的子载波间干扰与高PAPR功放回退对照图

用 Python 量化两项风险

使用 Python 3.10+ 和 NumPy(缺少时执行 python -m pip install numpy)。下面固定随机种子,生成 1000 个满载 QPSK OFDM 符号;频域居中补零后进行 4 倍过采样,并用理想模型计算三个频偏点的 ICI。示例不包含信道衰落、定时误差或功放非线性。

python
import numpy as np

rng = np.random.default_rng(7)
n, oversample, blocks = 64, 4, 1000
bits = rng.integers(0, 2, size=(blocks, n, 2))
symbols = ((1 - 2 * bits[..., 0]) + 1j * (1 - 2 * bits[..., 1])) / np.sqrt(2)

# 频域居中补零,用过采样避免低估离散样点间的峰值
half_pad = n * (oversample - 1) // 2
centered = np.fft.fftshift(symbols, axes=1)
interpolated = np.pad(centered, ((0, 0), (half_pad, half_pad)))
wave = np.fft.ifft(np.fft.ifftshift(interpolated, axes=1), axis=1)
power = np.abs(wave) ** 2
papr = 10 * np.log10(power.max(axis=1) / power.mean(axis=1))

# 等功率满载模型:总功率中除有用分量外的部分视为 ICI
for eps in (0.00, 0.05, 0.10):
    desired = 1.0 if eps == 0 else (
        np.sin(np.pi * eps) / (n * np.sin(np.pi * eps / n))
    ) ** 2
    ici = 1.0 - desired
    sir = "inf" if ici < 1e-12 else f"{10 * np.log10(desired / ici):.2f}"
    print(f"eps={eps:.2f}, desired={desired:.4f}, ICI={ici:.4f}, SIR={sir} dB")

print(f"PAPR P50={np.percentile(papr, 50):.2f} dB, P99={np.percentile(papr, 99):.2f} dB")
print(f"P(PAPR>8 dB)={100 * np.mean(papr > 8):.1f}%")

预期输出(同一 NumPy 随机序列下):

text
eps=0.00, desired=1.0000, ICI=0.0000, SIR=inf dB
eps=0.05, desired=0.9918, ICI=0.0082, SIR=20.83 dB
eps=0.10, desired=0.9675, ICI=0.0325, SIR=14.74 dB
PAPR P50=7.28 dB, P99=9.65 dB
P(PAPR>8 dB)=23.3%

把估计值用于联调

  1. 先在理想信道、无频偏和线性发射条件下建立 BER/EVM 基线,再逐项开启频偏与功放模型,避免两种失真混在一起。
  2. 对接收信号估计并校正残余频偏,按实际子载波间隔计算 ε\varepsilon;若接近 0.10,应重点检查校正后 EVM、导频相位和 ICI,而不能只纠正一个固定相位。
  3. 在频偏已经收敛后逐步提高发射平均功率,记录 PAPR 超越概率、EVM 与邻道泄漏比(ACLR);若 EVM 和带外泄漏随输出升高而恶化,检查功放压缩、削峰与回退量。

PAPR 是数字波形的峰值统计量,并不能单独算出功放效率。最终回退值应由实际功放的线性输出能力、允许的削峰概率以及 EVM/ACLR 测量共同确定。

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

判断OFDM频偏与峰均功率比风险

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