QAM 归一化因子

简介: QAM 归一化因子

前言

在做通信系统仿真时,遇到了 QAM 归一化因子的求解,对这里不是很清楚,因此本文对 QAM(正交振幅调制)归一化因子学习做了一下记录。


一、归一化

1、作用

将功率(能量)进行归一化处理。添加功率归一化因子,目的在于使得不同调制方式(或者说对于所有映射方式)都能够取得相同的平均功率。

2、OFDM 归一化因子

在 OFDM 系统中,归一化因子是一个重要的参数,它对信号的传输质量和干扰抑制能力起着关键作用。

归一化因子是指在 OFDM 信号中,每个子载波上的信号功率之和与总的发射功率之间的比值。在 OFDM 系统中,将数据流分成多个子载波进行传输,每个子载波上携带一部分数据。归一化因子的作用是使得每个子载波上的平均功率相等,从而保证在各个子载波上的信号能够以相同的能量水平进行传输。

在 OFDM 系统中,归一化因子的计算方法通常是通过将各个子载波的信号功率相加,然后除以总的发射功率这样可以保证每个子载波上的平均功率相等,从而避免了某些子载波上信号功率过大或过小的问题。归一化因子的大小直接影响到每个子载波上的信号传输质量,因此在设计 OFDM 系统时需要合理选择归一化因子的数值

归一化能量的 4QAM~256QAM 如下图所示:

二、归一化因子公式

μ = 3 2 E s M − 1 \mu = \sqrt{\frac{3}{2}\frac{E_s}{M-1}}μ=23M1Es

  • μ \muμ:归一化因子
  • M MM:调制阶数
  • E s E_sEs:每个符号的平均能量
b = 4;                % 每一 QAM 符号的比特数
M = 2^b;                            % 调制阶数
Es = 1;                             % 每个符号的平均能量
A = sqrt(3/2/(M-1)*Es);             % M-QAM 归一化因子

因此:

  • 16 QAM归一化因子为:μ = 1 10 \mu=\frac{1}{\sqrt{10}}μ=101
  • 64 QAM归一化因子为:μ = 1 42 \mu=\frac{1}{\sqrt{42}}μ=421
  • 256 QAM归一化因子为:μ = 1 170 \mu=\frac{1}{\sqrt{170}}μ=1701

有关不同阶 QAM 调制星座图中,符号能量的归一化计算原理可以参考:不同阶QAM调制星座图中,符号能量的归一化计算原理

目录
相关文章
|
2月前
|
机器学习/深度学习
FFT能量归一化
FFT能量归一化
34 0
|
5天前
技术心得记录:可决系数R^2和方差膨胀因子VIF
技术心得记录:可决系数R^2和方差膨胀因子VIF
|
12月前
|
算法
通过白噪声的频谱处理产生任意光谱斜率(f^a)噪声(Matlab代码实现)
通过白噪声的频谱处理产生任意光谱斜率(f^a)噪声(Matlab代码实现)
|
11月前
|
机器学习/深度学习 传感器 算法
基于matlab计算不等间距样本的一阶和二阶导数
基于matlab计算不等间距样本的一阶和二阶导数
|
11月前
|
算法 数据库 计算机视觉
舌象图片自适应调节——gamma校正算法(五)
舌象图片自适应调节——gamma校正算法(五)
177 0
|
12月前
|
存储 C++
精度误差问题与eps
精度误差问题与eps
91 0
|
编解码 算法
m基于归一化最小和译码算法的LDPC误码率性能仿真,对比不同的迭代次数,量化位宽以及归一化参数alpha
m基于归一化最小和译码算法的LDPC误码率性能仿真,对比不同的迭代次数,量化位宽以及归一化参数alpha
119 0
|
机器学习/深度学习 传感器 算法
【图像重建】基于离散余弦变换DCT图像重建含MSE、PSNR、压缩比附matlab代码
【图像重建】基于离散余弦变换DCT图像重建含MSE、PSNR、压缩比附matlab代码
|
传感器 监控
ABB PFEA111-65 线性传递函数斜率的误差
ABB PFEA111-65 线性传递函数斜率的误差
58 0
ABB PFEA111-65 线性传递函数斜率的误差