基于FPGA的OFDM发射系统设计
这是一篇关于OFDM,调制,编码,FPGA,发射机的论文, 主要内容为OFDM(Orthogonal Frequency Division Multiplexing)技术是一种在无线通信领域广泛应用的技术。该技术具有良好的抗多径和抗干扰性能,并有着传输速率快、频谱利用率高等优良特点,已成为了现代通信领域的重要研究方向,在5G技术领域、物联网中有着广阔的应用与发展空间。本文在车辆网的应用领域下对OFDM发射系统进行设计。传统的发射机设计时采用确定的码率对信道进行编码,并使用众多数字调制方式中的一种对数据进行调制以实现单一速率的发射机设计。在此基础上,考虑到车联网面对的情况复杂多变且突发事件较多,本文使用自适应的编码与调制方案,实现速率可调节的OFDM发射系统。自适应的OFDM技术可提高无线通信系统中的频谱利用率,对于OFDM技术在车联网中的发展具有深远的研究意义。本论文实现基于FPGA的OFDM高速发射系统,对其中关键的数字基带模块进行研究与实现。本设计主要内容包括:(1)对OFDM技术的发展历史与研究现状进行阐述,并研究OFDM技术的特点,确定该技术在应用背景下的可行性。(2)研究OFDM技术中核心组成部分的基本理论,并对编码和调制理论进行分析给出可调配的设计策略。最后给出OFDM发射机整体结构,并针对本文发射机在车联网应用场景对OFDM物理层帧结构进行了设计与优化。(3)接着对OFDM系统框架设计和OFDM基带处理模块在Matlab与Simulink软件上进行设计与仿真。采用ZC序列作为同步序列,并给出可根据FFT数据长度自动调整长度的RS序列,使系统在不同情况能灵活调配参数,随后采用梳状结构导频信号。最后针对数字基带部分的模块进行设计与测试,根据设计需求给出具体的编码与调制模块设计方案,并在软件上完成仿真。(4)最后,在基于AD9361+ZYNQ7100的硬件平台上对数字基带部分进行FPGA实现。抓取数据流验证设计的合理性。通过对这些关键问题的研究,最终实现了基于FPGA的高速OFDM发射系统设计与实现,且满足速率可自适应调节设计的需求。
一种用于目标自跟踪的单脉冲测角算法
这是一篇关于单脉冲测角,FPGA,和差信号,OFDM的论文, 主要内容为在导弹、卫星和无人机领域,专业人员重点研究通信系统数据传输码率、抗干扰能力以及通信距离。无人机数据链信息传输时,地面设备要获取无人机位置信息的方式有两种。一是无人机通过数据链下发自身北斗GPS信息到地面设备,二是地面设备通过无线测角技术计算目标无人机与地面设备间的距离及方位角度。因为地面定向天线面板是平面,所以地面设备接收信号波束方向垂直于地面天线面板时地面天线接收能量最大。数据链系统传输信息时要满足系统通信的灵敏度且能满足指标要求的通信距离,这就需要地面定向天线实时对准目标无人机天线。地面设备接收无人机北斗GPS信息与地面设备自跟踪都可以实现地面设备天线指向目标无人机天线的功能,当数据链通信时北斗GPS受到干扰的情况下,地面定向天线应用单脉冲测角技术可实现地面设备跟踪目标无人机。本文先对单脉冲测角技术中的比幅法和比相法原理进行评述。在此原理基础上,对单脉冲测角技术中的比幅法和比相法进行算法仿真和逻辑仿真。研究单脉冲测角跟踪系统中基带接收信号的处理方法。确定通信系统中物理层数据发送和接收架构,确定数据链系统的调制解调方式为OFDM,对协议层数据编解帧进行仿真,搭建整体工程仿真平台。对整体设计方案进行模拟分析,对比仿真单脉冲测角技术在不同信噪比下的角度误差计算结果,分析对比结果进一步证明本文设计方案的可行性。在仿真分析的基础上,设计并实现单脉冲测角自跟踪系统。为保证系统计算的角度误差值跟天线搭配的伺服相适应,优化自跟踪功能中和差波束单脉冲测角算法。算法优化是对计算出的角度误差值进行平滑处理,确保地面设备能够更加准确的接收目标无人机状态信息和其他业务数据。利用无线测距算法实时计算地空设备之间的距离。搭建单脉冲测角自跟踪实验环境,并对设计实现的单脉冲测角自跟踪系统进行实际场外实验。实验结果证明本文信号处理方法和系统实现单脉冲测角技术的可行性以及仿真分析的准确性。通过实际室外实验,地面天线可以稳定实现对目标无人机实时跟踪定位的目的。本文实现的OFDM调制解调通信系统抗多径能力强,频谱利用率高。单脉冲测角跟踪系统实际计算的角度误差值与理论仿真值的变化趋势基本相符,实验结果表明设计的系统满足自跟踪测角精度要求。
智能反射面辅助的OFDM通信系统研究
这是一篇关于OFDM,智能反射面,波束赋形,资源分配,信道估计的论文, 主要内容为智能反射面(Intelligent Reflecting Surface,IRS)是第六代移动通信(The 6th Generation,6G)系统中的一项关键技术,通过调整IRS的反射系数,可以改善无线信道,提高接收信号的能量。目前的通信系统广泛使用正交频分复用(Orthogonal Frequency Divison Multiplexing,OFDM)技术来提升吞吐量和频谱效率。如何使用IRS辅助OFDM通信,实现通信速率和系统功耗等方面的性能增益是一个亟待解决的关键问题。然而,由于OFDM系统的特性和IRS的特殊结构,使用IRS来增强OFDM通信系统也面临着新的挑战,主要是:1)OFDM系统中的资源分配与IRS无源波束互相耦合,如何设计低复杂度的联合优化方案;2)IRS的无源波束与所有子载波耦合在一起,不能针对各子载波分别设计,需要设计联合的波束赋形方案;3)OFDM系统中涉及频率选择性信道,如何准确地估计信道状态信息(Channel State Information,CSI)并进行传输优化。本文围绕上述挑战展开了深入研究,取得了若干创新性的研究成果,简述如下:首先,针对IRS辅助上行正交频分多址(Orthogonal Frequency Division Multiple Access,OFDMA)的云接入网系统,以最大化上行和速率为目标,建立了系统资源分配和IRS无源波束赋形的联合优化问题。然后采用交替优化算法(Alternative Optimization,AO)将非凸问题划分为子问题,提出了基于梯度的子带分配策略;之后提出了基于连续凸逼近(Successive Convex Approximation,SCA)技术的算法,获得了子问题的次优解。结果表明,所提出的算法能够显著提升上行接入速率,并且相较现有方法复杂度更低。其次,针对IRS辅助下行OFDM通信的共生系统,除了使用IRS增强OFDM主传输以外,还借助IRS对信号的反射实现了共生的物联网(Internet of Things,Io T)信息传输。具体而言,以最小化基站功率为目标,在用户和Io T信号接收机的接收信干噪比限制下,建立了基站有源波束赋形和IRS无源波束赋形的联合优化问题。然后,采用分别优化有源和无源波束赋形的思路,提出了基于分式规划(Fractional Programmimg,FP)和半正定松弛(Semidefinite Relaxation,SDR)技术的算法获得子问题的次优解。结果表明实现共生传输只需要较低的额外功率,并且所提波束赋形方案有效降低了基站的发射功率。最后,针对IRS的频率选择性反射模型,为IRS辅助的OFDM系统设计了上行信道估计方案,并优化了下行传输。具体而言,采用最小二乘(Least Square)方法估计了宽带的信道频率响应,并提出了一种基于一维搜索的优化算法来设计IRS对不同导频符号的反射模式,实现最小化信道估计误差。然后根据估计出的信道,建立了基站功率分配和IRS无源波束的联合优化问题,提出了一种交替优化算法来最小化基站发射功率。仿真结果验证了信道估计方法的准确性,所提算法成功地降低了系统功耗。此外,还揭示了频率选择性反射模型带来的性能增益,证明了引入这种模型的必要性。
一种用于目标自跟踪的单脉冲测角算法
这是一篇关于单脉冲测角,FPGA,和差信号,OFDM的论文, 主要内容为在导弹、卫星和无人机领域,专业人员重点研究通信系统数据传输码率、抗干扰能力以及通信距离。无人机数据链信息传输时,地面设备要获取无人机位置信息的方式有两种。一是无人机通过数据链下发自身北斗GPS信息到地面设备,二是地面设备通过无线测角技术计算目标无人机与地面设备间的距离及方位角度。因为地面定向天线面板是平面,所以地面设备接收信号波束方向垂直于地面天线面板时地面天线接收能量最大。数据链系统传输信息时要满足系统通信的灵敏度且能满足指标要求的通信距离,这就需要地面定向天线实时对准目标无人机天线。地面设备接收无人机北斗GPS信息与地面设备自跟踪都可以实现地面设备天线指向目标无人机天线的功能,当数据链通信时北斗GPS受到干扰的情况下,地面定向天线应用单脉冲测角技术可实现地面设备跟踪目标无人机。本文先对单脉冲测角技术中的比幅法和比相法原理进行评述。在此原理基础上,对单脉冲测角技术中的比幅法和比相法进行算法仿真和逻辑仿真。研究单脉冲测角跟踪系统中基带接收信号的处理方法。确定通信系统中物理层数据发送和接收架构,确定数据链系统的调制解调方式为OFDM,对协议层数据编解帧进行仿真,搭建整体工程仿真平台。对整体设计方案进行模拟分析,对比仿真单脉冲测角技术在不同信噪比下的角度误差计算结果,分析对比结果进一步证明本文设计方案的可行性。在仿真分析的基础上,设计并实现单脉冲测角自跟踪系统。为保证系统计算的角度误差值跟天线搭配的伺服相适应,优化自跟踪功能中和差波束单脉冲测角算法。算法优化是对计算出的角度误差值进行平滑处理,确保地面设备能够更加准确的接收目标无人机状态信息和其他业务数据。利用无线测距算法实时计算地空设备之间的距离。搭建单脉冲测角自跟踪实验环境,并对设计实现的单脉冲测角自跟踪系统进行实际场外实验。实验结果证明本文信号处理方法和系统实现单脉冲测角技术的可行性以及仿真分析的准确性。通过实际室外实验,地面天线可以稳定实现对目标无人机实时跟踪定位的目的。本文实现的OFDM调制解调通信系统抗多径能力强,频谱利用率高。单脉冲测角跟踪系统实际计算的角度误差值与理论仿真值的变化趋势基本相符,实验结果表明设计的系统满足自跟踪测角精度要求。
智能反射面辅助的OFDM通信系统研究
这是一篇关于OFDM,智能反射面,波束赋形,资源分配,信道估计的论文, 主要内容为智能反射面(Intelligent Reflecting Surface,IRS)是第六代移动通信(The 6th Generation,6G)系统中的一项关键技术,通过调整IRS的反射系数,可以改善无线信道,提高接收信号的能量。目前的通信系统广泛使用正交频分复用(Orthogonal Frequency Divison Multiplexing,OFDM)技术来提升吞吐量和频谱效率。如何使用IRS辅助OFDM通信,实现通信速率和系统功耗等方面的性能增益是一个亟待解决的关键问题。然而,由于OFDM系统的特性和IRS的特殊结构,使用IRS来增强OFDM通信系统也面临着新的挑战,主要是:1)OFDM系统中的资源分配与IRS无源波束互相耦合,如何设计低复杂度的联合优化方案;2)IRS的无源波束与所有子载波耦合在一起,不能针对各子载波分别设计,需要设计联合的波束赋形方案;3)OFDM系统中涉及频率选择性信道,如何准确地估计信道状态信息(Channel State Information,CSI)并进行传输优化。本文围绕上述挑战展开了深入研究,取得了若干创新性的研究成果,简述如下:首先,针对IRS辅助上行正交频分多址(Orthogonal Frequency Division Multiple Access,OFDMA)的云接入网系统,以最大化上行和速率为目标,建立了系统资源分配和IRS无源波束赋形的联合优化问题。然后采用交替优化算法(Alternative Optimization,AO)将非凸问题划分为子问题,提出了基于梯度的子带分配策略;之后提出了基于连续凸逼近(Successive Convex Approximation,SCA)技术的算法,获得了子问题的次优解。结果表明,所提出的算法能够显著提升上行接入速率,并且相较现有方法复杂度更低。其次,针对IRS辅助下行OFDM通信的共生系统,除了使用IRS增强OFDM主传输以外,还借助IRS对信号的反射实现了共生的物联网(Internet of Things,Io T)信息传输。具体而言,以最小化基站功率为目标,在用户和Io T信号接收机的接收信干噪比限制下,建立了基站有源波束赋形和IRS无源波束赋形的联合优化问题。然后,采用分别优化有源和无源波束赋形的思路,提出了基于分式规划(Fractional Programmimg,FP)和半正定松弛(Semidefinite Relaxation,SDR)技术的算法获得子问题的次优解。结果表明实现共生传输只需要较低的额外功率,并且所提波束赋形方案有效降低了基站的发射功率。最后,针对IRS的频率选择性反射模型,为IRS辅助的OFDM系统设计了上行信道估计方案,并优化了下行传输。具体而言,采用最小二乘(Least Square)方法估计了宽带的信道频率响应,并提出了一种基于一维搜索的优化算法来设计IRS对不同导频符号的反射模式,实现最小化信道估计误差。然后根据估计出的信道,建立了基站功率分配和IRS无源波束的联合优化问题,提出了一种交替优化算法来最小化基站发射功率。仿真结果验证了信道估计方法的准确性,所提算法成功地降低了系统功耗。此外,还揭示了频率选择性反射模型带来的性能增益,证明了引入这种模型的必要性。
基于深度学习的OFDM系统盲接收机研究
这是一篇关于OFDM,深度学习,调制识别,模型驱动,信道估计,MMSE信号检测的论文, 主要内容为Orthogonal Frequency Division Multiplexing(OFDM)是一种常用于无线通信系统的多载波调制技术。传统的OFDM盲接收机需要进行大量计算,但随着深度学习技术的发展,基于深度学习的OFDM盲接收机成为一种新趋势,利用深度神经网络来代替传统接收链路中的调制识别、信道估计和符号解调。这种方法简化了计算,并提高了解调性能。然而,基于深度学习的OFDM盲接收机仍然面临着一些挑战,如数据不足、神经网络结构选择、模型参数过于复杂和过拟合等问题。本文针对深度学习应用于OFDM盲接收机的调制识别和信号解调上的问题,探讨了如何设计合适的神经网络结构,降低模型复杂度,提高训练效率和解决过拟合问题。本文的主要研究内容如下:针对信道状态信息对调制信号识别的影响,使用最小二乘信道估计和迫零均衡信道均衡技术,构建了一种OFDM调制识别ZF-Res Net模型,旨在提高识别率。实验结果表明,在衰落信道情况下,ZF-Res Net调制识别算法的性能优于传统的以及基于深度学习的常用调制识别方法。针对OFDM接收机在解调精度和计算复杂度方面的问题,提出了一种新的模型驱动的接收机模型,即FBLTNet。该模型使用深度学习技术来提升系统的性能和可靠性,改善了误比特率性能,降低了网络模型的空间复杂度和训练和测试的时间复杂度,并且表现出了对符号间干扰的良好抗性,通过实验证明,在没有循环前缀的OFDM系统中,基于深度学习的方法具有很高的可行性和应用潜力。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设项目助手 ，原文地址：https://m.bishedaima.com/lunwen/54595.html
