假设我想在基带 OFDM MATLAB 调制解调器中为 SER 曲线模拟某个 E_s/N0。
我在频域中随机化 50 个 QAM 符号,每个符号具有 N 个子载波,为每个符号添加空频率(保护带),执行 IFFT,然后添加 CP。
然后我用我选择的抽头将时域信号与某个通道脉冲响应进行卷积;然后我想添加噪声,但我不确定如何对其进行规范化,以便它具有 E_s/N0(每个符号的能量)的正确含义,我将得到理论结果。
仅使用带有“测量”标志的MATLAB 的agwn函数,我得到了时髦的结果。
假设我想在基带 OFDM MATLAB 调制解调器中为 SER 曲线模拟某个 E_s/N0。
我在频域中随机化 50 个 QAM 符号,每个符号具有 N 个子载波,为每个符号添加空频率(保护带),执行 IFFT,然后添加 CP。
然后我用我选择的抽头将时域信号与某个通道脉冲响应进行卷积;然后我想添加噪声,但我不确定如何对其进行规范化,以便它具有 E_s/N0(每个符号的能量)的正确含义,我将得到理论结果。
仅使用带有“测量”标志的MATLAB 的agwn函数,我得到了时髦的结果。
恭喜您意识到这一点!SNR、E_b/N0 和 E_s/N0 之间的差异经常被忽略。
OFDM 接收端的 FFT 将获取白噪声 (a w gn) 并将其均匀地分布在所有 bin 上。因此,您看到的是对所有符号(无论是 CP、保护符号还是信息符号)的恒定噪声贡献,并且直接来自 N0(和 FFT 长度)。
符号的能量取决于您实际使用的 QAM——与 QAM 1024 具有相同最大幅度的 QAM 16 将具有不同的平均符号能量。
由于Parseval 定理将频域与时域能量联系起来(取决于 FFT 是否以 1 或 1/N 的因子缩放),因此这将直接成为您的符号能量。
在定义了 E_s 和 N0 之后,它们的比例现在应该很清楚了。