适应未来发展的正交频分复用(OFDM)技术分解.ppt

* 5G时代的应用将空前繁荣，不同应用对空口技术要求也是复杂多样的，因此最重要的当然是灵活性和应变能力，一个统一的空口必须能解决所有问题，灵活适配各种业务。不管你是要求1ms时延的自动驾驶，还是3D全息影像要求的Gbps的带宽，亦或是每平方公里几十万的物联网传感器连接数，通通都能Hold住，频谱效率再翻个几倍，那运营商就再也不用担心网络能力问题啦!而F-OFDM正是构建5G自适应新空口的基础。 * 我们来回顾下传统OFDM的时频资源分配方式（如图），在频域子载波带宽是固定的15KHz，而子载波带宽确定之后，其时域Symbol的长度、CP长度等也就基本确定啦。 * 为了更好理解，我们可以把系统的时频资源理解成一节车厢(如图)，采用OFDM方案装修的话，火车上只能提供固定大小的硬座(子载波带宽)，所有人，不管胖子瘦子、有钱没钱，都只能坐一样大小的硬座。这显然不科学、不人性化嘛，也无法满足人民日益增长的物质文化需要啊。对于5G我们希望座位和空间都能够根据乘客的高矮胖瘦灵活定制，硬座、软座、卧铺、包厢，想怎么调整都行，这才是自适应的和谐号列车嘛。这一切，通过华为提出的F-OFDM就可以做到。 * 从图中 我们可以详细看到 F-OFDM能为不同业务提供不同的子载波带宽和CP配置，以满足不同业务的时频资源需求。通过优化滤波器的设计，还可以把不同带宽子载波之间的保护频带最低做到一个子载波带宽，灵活性和频谱利用率都得到了保障! * * * * 之所以叫低密度扩频，是因为用户数据只占用了其中2个子载波(图中有颜色的格子)，另外2个子载波是空的(图中白色的格子)，这就相当于6个乘客坐4个座位，那每个乘客的屁股最多坐两个座位嘛。这也是SCMA中Sparse(稀疏)的来由。为啥一定要稀疏呢?如果不稀疏就是在全载波上扩频，那同一个子载波上就有6个用户的数据，冲突太厉害，多用户解调彻底就没法干啦。 * 这就相当于虽然我没法再用座位号来区分乘客，但是给这些乘客贴上不同颜色的标签，结合座位号还是能够把乘客给区分出来。 就这样，SCMA在使用相同频谱的情况下，通过引入码域的多址，大大提升了频谱效率，通过使用数量更多的载波组，并调整稀疏度(多个子载波中单用户承载数据的子载波数)，频谱效率可以提升3倍甚至更高。 * * S/P 去CP 调制后的bits 分块的bits 预编码 bits er S/P Per Guest OS Per Application 发送端 接收端 Per Service 均衡 N点IFFT Multiply G(z) Row by row N-点 FFT 加CP 矢量化传输bits P/S H(z) 解调 判决 2.矢量 OFDM 以K个符号为单位进行分组， 生成 Kx1 的向量 生成Mx1的向量 为了解决这两个问题，给出一种基于预编码的矢量正交频分技术。 这种方法将经过星座图映射后的符号，经过串并转换后以K个符号为单位进行分组， 生成Kx1的向量 经过分组后，将己分组 乘以一个M×K(M≥K)的预编码矩阵 ,得到编码后的Mx1向量符号 2.矢量 OFDM 2.矢量OFDM 接下来对将N个 组合到一起，构成一个MxN的矩阵并进行矢量IFFT。 然后，在做完IFFT变换后的矩阵 加入列向量循环前缀得到 其中 之后将加入循环前缀的数据做并串转换后进入信道，接收端接收到信号并去除循环前缀。 2.矢量OFDM 之后将加入循环前缀的数据做并串转换后进入信道，接收端接收到信号并去除循环前缀得到 对每一行做矢量FFT，得到 2.矢量OFDM 2.矢量OFDM 最后用ML检测方法得到估计值 其中 表示伪逆运算。 通过比较 与原来矢量化的数据进行BER分析。 Per Service 示例：假设M=2,K=1,N=4，CP长 L=2.信道为 预编码器 G 为 分块bits 编码后bits IFFT之后 2.矢量 OFDM Per Guest OS Per Application Per Service 加CP后 之后进行串并转换，得到 和信道