基于Matlab模拟NOMA和OFDMA对比

简介: 基于Matlab模拟NOMA和OFDMA对比

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

4G关键技术——正交频分复用多址(Orthogonal Frequency Division Multiplexing,OFDM)技术通过将宽带的频率选择性信道分为多个正交的平衰落的子载波信道,从而具备了良好的抵抗频率选择性衰落的能力,并能够利用信道的频率选择性获得频率和多用户的分集增益,因而已得到广泛的应用.在此基础上,为了应对当前通信数据量爆发性的增长,提出5G关键技术——非正交多址接入(Non-Orthogonal Multiplexing Acess),与正交多址技术相比,NOMA技术通过非正交资源的分配允许更多的用户同时接入,与OFDMA相比,NOMA支持大规模数据的连接,减小了传输时延和信令的开销,提高了频谱效率,增强了用户之间的公平性.

⛄ 部分代码

function [ seq_ofdma ] = ofdma_enc( seq_u1, seq_u2, N_u1, N_u2 )

% [ seq_ofdma ] = ofdma_co( seq_u1, seq_u2, N_u1, N_u2, p1, p2 )

% 将用户1和用户2的数据分别按照N_u1和N_u2的子载波数合成OFDMA序列,只保留部分序列。


sym_total = length(seq_u1);

sym_u1 = sym_total * (N_u1/(N_u1+N_u2));

sym_u2 = sym_total * (N_u2/(N_u1+N_u2));

seq_u1_r = seq_u1(1:sym_u1);

seq_u2_r = seq_u2(1:sym_u2);

% 截取用户1和用户2的部分序列,保证序列总长度和NOMA的一致


mat_u1_r = reshape(seq_u1_r, N_u1, numel(seq_u1_r)/N_u1);

mat_u2_r = reshape(seq_u2_r, N_u2, numel(seq_u1_r)/N_u2);


mat_ofdma = [mat_u1_r; mat_u2_r];

seq_ofdma = reshape(mat_ofdma, numel(mat_ofdma), 1);

end

⛄ 运行结果

⛄ 参考文献

[1]  Salameh H B ,  Tashtoush R ,  Al-Obiedollah H , et al. Power allocation technique with soft performance guarantees in hybrid OFDMA-NOMA cognitive radio systems: Modeling and simulation[J]. Simulation modelling practice and theory: International journal of the Federation of European Simulation Societies, 2021(112-):112.

[2]  Taskou S K ,  Rasti M ,  Nardelli P , et al. Distributed Joint Power and Rate Control for NOMA/OFDMA in 5G and Beyond[J].  2021.

[3]  Lin B ,  Ye W ,  Xuan T , et al. Experimental demonstration of bidirectional NOMA-OFDMA visible light communications[J]. Optics Express, 2017, 25(4):4348-.

[4]  Abdel-Razeq S ,  Al-Obiedollah H ,  Bany Salameh H . Efficient user-channel pairing with power-domain sum-rate maximization in opportunistic hybrid OFDMA-NOMA IoT systems[J]. Cluster Computing, 2021:1-14.

[5]  Tseng S M ,  Tsai W D ,  Suo H S . Cross‐layer 1 and 5 user grouping/power allocation/subcarrier allocations for downlink OFDMA/NOMA video communications[J]. International Journal of Communication Systems, 2019, 32(14):e4084.1-e4084.12.

[6]  Zhang X ,  Wang F . Resource Allocation for Wireless Power Transmission Over Full-Duplex OFDMA/NOMA Mobile Wireless Networks[J]. IEEE Journal on Selected Areas in Communications, 2019, 37(2):327-344.

⛳️ 代码获取关注我

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料


相关文章
|
9月前
|
机器学习/深度学习 算法
m基于LTE的通信链路matlab仿真,上行为SC-FDMA和下行为OFDMA
m基于LTE的通信链路matlab仿真,上行为SC-FDMA和下行为OFDMA
82 3
|
算法
基于OFDM通信系统的PAPR抑制算法matlab仿真,对比OFDMA,LFDMA,IFDMA三种不同调制方式
基于OFDM通信系统的PAPR抑制算法matlab仿真,对比OFDMA,LFDMA,IFDMA三种不同调制方式
132 0
基于OFDM通信系统的PAPR抑制算法matlab仿真,对比OFDMA,LFDMA,IFDMA三种不同调制方式
|
1月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
116 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
1月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
91 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
1月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
66 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
4月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
4月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
|
4月前
|
Serverless
基于Logistic函数的负荷需求响应(matlab代码)
基于Logistic函数的负荷需求响应(matlab代码)
|
4月前
|
供应链 算法
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)

热门文章

最新文章