OFDM

2024-06-01 12:15| 来源: 网络整理| 查看: 265

公众号：EM Frontier

知乎号：怨种打工人

学习交流Q群：479772742

一、前言

正交频分复用(OFDM)是一种特殊的多载波复用传输技术，具有高频谱效率、抗多径和抗选择性衰落等特点。OFDM 可以将所传输的数据分配到频域上相互正交的子信道上独立地传输。此外，OFDM信号还具备较大的时宽带宽积及独立的距离与多普勒处理能力。随着无线通信技术的发展，雷达和通信的工作频段越来越趋于重叠。在硬件上，以数字信号处理器为代表，二者已经实现了共用。雷达通信一体化旨在通过共用一套硬件设备同时实现雷达探测和通信传输。其中，OFDM 信号已经在雷达通信一体化波形设计方面获得了较为广泛的应用。

二、一体化信号模型 2.1 OFDM-LFM信号模型

线性调频信号具有较大的时间带宽积和系统处理增益，利用正交频分复用对线性调频信号进行调制，可以得到OFDM-LFM 波形，其数学表达式为

式中：t为信号持续时间，u(t)为矩形窗函数，fn为起始频率，kn为斜率。

2.2 OFDM-16QAM-LFM一体化信号模型

为了保证实现雷达功能的同时进行通信信息传递，我们需要利用常见的调制方式16QAM，对基带信息进行调制，将调制后的信息作为通信数据。以此设计的一体化波形由多个正交的LFM 子载波组成，满足OFDM-LFM 信号时频关系。每个子载波上调制有一个OFDM 雷达脉冲，脉冲上则采用通信调制使OFDM 符号搭载通信信息，图2 为一个脉冲的OFDM 一体化发射信号模型。

16QAM 具有较高的通信传输速率，将其与OFDM-LFM 信号结合，既能扩大优势，又能实现雷达探测，形成一体化波形。固定频率载波16QAM信号通常表示为

式中a0（t）和ae（t）为四进制通信数据。

结合OFDM-LFM 技术得到一体化信号

根据上式我们能够发现16QAM主要是利用改变信号的幅度进行通信信息传输，因此会对载波之间的正交性产生一定影响。

三、性能分析

本节从雷达和通信方面分析一体化波形的性能。仿真条件设置为：符号数为16，起始载波频率为30 GHz，载波数为64，采样频率为100 MHz，信噪比5dB，目标距离50米，目标移动速度20m/s。

3.1 误码率分析

BER 是评估系统通信性能的关键指标，代表数据通信的传输质量。因为OFDM-LFM 信号平均误码率与其子载波的误码率保持一致，由子载波采用的调制方式决定，所以讨论设计的一体化波形的误码率就是讨论16QAM-LFM的误码率。

3.2 雷达模糊函数分析

雷达模糊函数是评估雷达探测性能的重要依据，具有多种定义，本文采用下式的定义

式中： fd为多普勒频移；τ 为时间延迟； s (t)为雷达发射函数；*为共轭。

为了更为直观地判断信号的分辨能力，通常采用模糊函数图进行分析，并对其进行归一化处理。

从图3、4可以看出，基于OFDM-LFM 的16QAM一体化信号的模糊函数图形也类似于图钉的形状。因此，采用16QAM 调制可以有效地抑制旁瓣，使一体化信号具有较好的多普勒和时延分辨率，但也对多普勒频移较为敏感。

图3 OFDM-16QAM-LFM模糊函数三维图

(a) 零时延切面图

(b) 零多普勒切面图

图4 OFDM-16QAM-LFM模糊函数二维图

为了说明OFDM-16QAM-LFM一体化信号的雷达探测能力，我们通过对比2D-FFT与MUSIC算法的测距能力进行对比，发现OFDM系列的雷达通信一体化信号在提高通信效率同时仍然能够精准的完成雷达探测能力，这与上述的OFDM-16QAM-LFM信号模糊函数相对应。

图5 OFDM-16QAM-LFM信号探测能力

四、总结

本文基于OFDM-LFM 信号，采用16QAM 通信调制方法对通信信息进行调制，以实现雷达通信一体化波形的设计。基于OFDM-LFM 的16QAM 一体化信号适用于低速信号检测和高通信速率场景，且基于OFDM-LFM 的16QAM 一体化信号的通信和雷达性能均较好。.

参考文献

[1] 肖博, 霍凯, 刘永祥. 雷达通信一体化研究现状与发展趋势[J]. 电子与信息学报, 2019, 41(3): 739–750.

[2] 赵忠凯，石妙. 基于OFDM-LFM 的雷达通信一体化波形设计[J].应用科技,2021,48(3):73-77.

[3] LI Mengjiao, WANG Wenqin, ZHENG Zhi. Communication-embedded OFDM chirp waveform for delay-Doppler radar[J]. IET radar, sonar & navigation, 2018,12(3): 353–360.

[4] LIU Yongjun, LIAO Guisheng, XU Jingwei, et al.Adaptive OFDM integrated radar and communications waveform design based on information theory[J]. IEEE communications letters, 2017, 21(10): 2174–2177.

[5] LI Qingyu, DAI Keren, ZHANG Yu, et al. Integrated waveform for a joint radar-communication system with high-speed transmission[J]. IEEE wireless communications letters, 2019, 8(4): 1208–1211.

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 公众号：EM Frontier 知乎号：怨种打工人学习交流Q群：479772742 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 代码： clc; clear all; close all; c0 = physconst('LightSpeed'); fc = 30e9; % carrier frequency fs=100e6;%100Mhz lambda = c0 / fc; % wavelength N = 64; % number of subcarriers M = 16; % number of symbols delta_f = 15e3 * 2^6; % subcarrier spacing T = 1 / delta_f; % symbol duration Tcp = T / 4; % cyclic prefix duration Ts = T + Tcp; % total symbol duration qam = 16; % 4-QAM modulation % Transmit data data = randi([0 qam - 1], N, M); TxData = qammod(data, qam, 'UnitAveragePower', true); % Target parameters target_pos = 50; % target distance target_delay = range2time(target_pos, c0); target_speed = 20; % target velocity target_dop = speed2dop(2 * target_speed, lambda); SNR_dB = 5; SNR = 10.^(SNR_dB/10); % Received frequency-domain signal over the radar channel RxData = zeros(size(TxData)); for kSubcarrier = 1:N for mSymbol = 1:M RxData(kSubcarrier, mSymbol) = sum(sqrt(SNR) * TxData(kSubcarrier, mSymbol) .* exp(-1j * 2 * pi * fc * target_delay) .* exp(1j * 2 * pi * mSymbol *... Ts .* target_dop) .* exp(-1j * 2 * pi * kSubcarrier .* target_delay *... delta_f) ) + sqrt(1/2)* (randn() +1j * randn()); end end tx_QAM_ofdm=reshape(RxData,1,[]); %% 画图QAM-LFM 模糊函数 % figure; % plot(t,sQAM); % [afmag01,delay01,doppler01]=ambgfun(sQAM,fs,fs/10); % figure(4) % mesh(delay01,doppler01,afmag01); % xlim([-1e-5,1e-5]); % ylim([-4e7,4e7]); %% 画图OFDM-QAM-LFM 模糊函数 % figure; % plot(t,tx_QAM_ofdm); [afmag02,delay02,doppler02]=ambgfun(tx_QAM_ofdm,fs,fs/10); figure % contour(delay,doppler,afmag,'ShowText','on'); mesh(delay02,doppler02,afmag02); xlim([-1e-5,1e-5]); ylim([-4e7,4e7]); % ambgu=afmag.*(afmag>0.5); figure; plot(delay02,afmag02(1025,:)); % xlim([-0.5e-6,0.5e-6]); % ylim([-70,0]); figure; plot(doppler02,afmag02(:,1020)); % xlim([-0.4e6,0.4e6]); % ylim([-70,0]); % Remove the information of transmit data dividerArray = RxData ./ TxData; %% MUSIC algorithm nTargets = 1; Rxxd = dividerArray * dividerArray' / M; [Vd, distanceEigen] = eig(Rxxd); distanceEigenDiag = diag(distanceEigen)'; [distanceEigenDiag, eigenMark] = sort(distanceEigenDiag); distanceEigenDiag = fliplr(distanceEigenDiag); Vd = fliplr(Vd(:, eigenMark)); omegaDistance = 0 : pi / 100 : 2 * pi; distanceEigenMatNoise = Vd(:, nTargets + 1: end); SP = zeros(1, length(omegaDistance)); nIndex = 0:1:N - 1; for index = 1:length(omegaDistance) omegaVector = exp(-1i * nIndex * omegaDistance(index)).'; SP(index) = (omegaVector' * omegaVector ) / (omegaVector' * (distanceEigenMatNoise * distanceEigenMatNoise') * omegaVector); end SP = abs(SP); SPmax = max(SP); SP_dB = 10*log10(SP/SPmax); distanceIndex = omegaDistance * c0 / (2 * pi * 2 * delta_f); figure; plot(distanceIndex, SP_dB); %% Periodogram/FFT-based estimation NPer = 16 * N; normalizedPower = abs(ifft(dividerArray, NPer, 1)); normalizedPower_dB = 10 * log10(normalizedPower); mean_normalizedPower = mean(normalizedPower, 2); mean_normalizedPower = mean_normalizedPower / max(mean_normalizedPower); mean_normalizedPower_dB = 10 * log10(mean_normalizedPower); [~, rangeEstimation] = max(mean_normalizedPower_dB); rangeIndex = 0:1:(NPer-1); rangeIndex = rangeIndex * c0 / (2 * delta_f * NPer); distanceE = rangeEstimation * c0 / (2 * delta_f * NPer); hold on; plot(rangeIndex, mean_normalizedPower_dB); grid on; xlabel('Range [m]'); ylabel('Normalized Range Profile [dB]'); legend('MUSIC', 'periodogram')

【本文地址】

公司简介

联系我们