OFDM 學習2.ppt

OFDM技术基础 抗符号间干扰的措施 码分多址（CDMA）加Rake接收 时域均衡 多载波调制（MCM） 在频域上看，当无线信道呈现频率选择性衰落的时候，多载波调制技术可以把信道在频域上划分成许多个子信道，这样就可以使每个子信道的频谱特性看成近似的平坦，再在接收端将互相独立的子信道的传输信号加以合并，实现信号的频率分集，从而很好地克服频率选择性衰落的问题。 在时域上看，发射端把传输的符号放在不同的载波上“并列”地发射出去，再在接收端合并接收，这样，就能使各个子载波上的符号速率大大降低，使符号周期增加，消除接收端的ISI现象。 单载波和多载波调制 多载波调制 矢量编码方式 矢量量化（VQ —Vector Quantization）是70年代后期发展起来的一种数据压缩技术基本思想：将若干个标量数据组构成一个矢量，然后在矢量空间给以整体量化，从而压缩了数据而不损失多少信息矢量量化编码也是在图像、语音信号编码技术中研究得较多的新型量化编码方法，它的出现并不仅仅是作为量化器设计而提出的，更多的是 将它作为压缩编码方法来研究的。在传统的预测和变换编码中，首先将信号经某种映射变换变成一个数的序列，然后对其一个一个地进行标量量化编码。而在矢量量 化编码中，则是把输入数据几个一组地分成许多组，成组地量化编码，即将这些数看成一个k维矢量，然后以矢量为单位逐个矢量进行量化。矢量量化是一种限失真编码，其原理仍可用信息论中的率失真函数理论来分析。而率失真理论指出，即使对无记忆信源，矢量量化编码也总是优于标量量化 。 小波变换方式 滤波多音方式 OFDM方式 多载波调制 小波变换方式 小波变换用于多分辨率图像描述起始于45年。小波的图像分解思想是属于子带分解的一个特例。这个小波分解是完备的、正交的，且多分辨率的分解。在空 间域里，小波分解将信号分解为不同层次分解运算的同时形成了频率域中的多层次分解。在频率域中的每个层次上，高频分量与低频分量的分布与原数据中频率分布 的方向有关。利用小波变换对图像进行压缩的原理与子带编码方法一样，是将原图像信号分解成不同的频率区域，持续的压缩编码方法根据人的视觉、图像的统计、 细节和结构等特性，对不同的频率区域采取不同的压缩编码手段，从而使数据量减少。 利用小波变换进行图像压缩一般采用离散小波变换编码的方法。图像压缩中所用的离散正交小波一般是由滤波函数构造的。对于给定的数字信号矩 阵，将其分解为一个高通的和一个低通的子信号，且两者是相互正交的。在必要时可以递归地对每一个子信号分下去，一直到需要的带宽为止，然后进行分析和运算。 小波变换分析用于图像数据压缩主要有以下特征： 小波变换编码方式仍属于分波段编码，是子带编码的改进型。这是因为大多数语音和图像信号倾向于非均匀频谱，只集中在某一时间段的某一频段， 小波包基表示信号时正好有这种自适应性，可通过选定一个阈值将这此时间段和频段的相应系数保留编码而丢弃其他时间段和频段上的小幅值的系数；其次，小波包 基的每次分解都把信号分成低频和高频两部分，而多数的语音和图像信号的统计特性表明大幅值的系数往往集中在低频区内，这样可给那些小幅值系数分配很少的比 特数，甚至可以不传输或存储，从而压缩了数据。 多载波调制 小波变换方式 小波(wavelet)变换作为20世纪80年代中期出现的新时频域信号分析工具。自1989年Mallat首次将小波变换引入图像处理以来,小波 变换以其优异的时频局部能力及良好的去相关能力在图像压缩编码领域得到了广泛应用,并取得了良好的效果,其中, 由Shen 等提出的CEZW (color embeddedzerotree wavelet)算法及由Saenz等提出的CZW(color zerotree wavelet)算法被认为是目前国际上比较优秀的彩色图像压缩方法,它们均以著名的嵌入零树小波( embedded zerotree wavelet, 简记为EZW)编码思想为基础,其不仅结构简单无需任何训练、支持多码率,而且具有较高的信噪比和较好的图像复原质量。然而,理论分析和实验结果表明,上述算法也存在一些不足,具体表现为: (1)未能结合人眼视觉掩蔽特性进行系数量化; (2)构造零树结构时,未能充分利用彩色分量之间的相关特性; (3)未单独处理最低频子带; (4)未能依据图像内容确定高频子带扫描次序。 滤波多音方式 OFDM方式 多载波调制 滤波多音方式 滤波多音（FMT）调制是通过滤波器组将整修信道划分为频带有限且互不重叠的子信道，用多个子载波在这些子信道上并行传输信息 FMT系统可以用IDFT/DFT与原型滤波器多相分量结构实现。 仅从FMT频谱图像，除了相邻子信道间没有保护间隔外，它与单载波频分复用（FDD）系统的频谱十分相似。 FMT