1 数字调制技术的发展趋势

移动通信的兴起可以追溯到20世纪20年代，但真正意义上的蓬勃发展是从70年代开始的。20世纪70年代末诞生了代蜂窝移动通信系统（1G）,1G系统以模拟调频、频分多址（FDMA）为主体技术，其中，1978年底蜂窝移动通信网的出现是现代移动通信系统的一个里程碑。蜂窝概念实现了频率复用，真正解决了公用移动通信系统需求容量大与频率资源有限的矛盾，一直沿用至今。1G的代表系统有美国和澳大利亚的AMPS系统，欧洲的ETACS系统以及日本的NTT系统。但这类系统共同的缺点是系统容量小，无法满足飞速发展的移动通信业务量的需要。所以，模拟移动通信系统很快就被90年代出现的第二代数字移动通信系统所取代。

第二代蜂窝移动通信系统（2G）是完全数字化的系统，采用时分多址（TDMA）或窄带码分多址（CDMA）作为多址接入技术。与模拟系统相比，数字通信系统具有抗干扰能力强、通信质量好、业务种类多、系统容量大、频谱利用率高、系统易于集成等优势。由模拟通信到数字通信的转化，是移动通信发展的又一大飞跃。2G的典型应用系统有欧洲的GSM、北美的IS-95 CDMA以及日本的PDC系统，其主要业务是传输话音和低速率的数据，这一代移动通信系统还支持低速率的数据传输业务。

随着人们对高质量的多媒体通信需求的日益增长，90年代后期，以宽带码分多址（CDMA）作为多址接入技术的第三代移动通信系统（3G）就是具有更高的传输速率和对数据业务的支持。3G技术标准主要有欧洲的WCDMA、北美的cdma2000和中国提出的TDS-CDMA。尽管3G系统在通信容量与质量方面比2G系统有了较为明显的改善，然而对于高速数据业务来说，采用单载波TDMA系统和宽带CDMA系统都存在很大的缺陷。由于无线信道的时延扩展性，高速数据流符号的时间宽度相对较窄，符号之间存在严重的符号间干扰（ISI），这对单载波的TDMA系统的均衡器提出了更高的要求，滤波器的抽头数目要足够大，训练序列的长度要足够长，这样均衡算法的复杂度太高，实时性变差。对于宽带CDMA系统，在带宽一定的前提下，高速数据流的速率和扩频增益之间存在矛盾，高速数据流的扩频增益不能太大，这样又限制了CDMA系统抗噪声的优点，从而系统的软容量受到影响；如果保持原来的扩频增益，则需要增加信号的带宽。

为了在有限的频段上为用户提供更高的数据传输速率，同时为规避CDMA专利壁垒，4G系统中需要采用全新的调制技术以使整个系统的频谱效率较现有的技术提高一个量级以上。正是在这样的技术背景下，正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）技术作为一种多载波调制技术，可以有效的抑制信号多径传播造成的ISI，具有很强的抗多径信道干扰能力；同时各子载波之间的正交性，使得各子信道频谱可以交叠使用，提高了频带利用率；另一方面，在发射和接收端都采用多个天线的多输入多输出（Multiple-Input Multiple-Output，MIMO）技术由于在提高无线通信系统的信道容量和频谱利用率方面极具潜力。不仅如此，OFDM技术还易于结合MIMO技术，更大限度地提高数字通信网络中物理层信息传输的可靠性。如果再结合自适应调制，自适应编码以及动态子载波分配，动态比特分配等技术，其性能可以进一步得到提高。因此，OFDM技术和MIMO技术以其特有的优势，成为了第四代移动通信系统的关键数字调制技术。

图1 移动通信演进历程

第五代移动通信系统（5th Generation Mobile Communication System，5G）作为继4G 之后的无线通信技术，旨在为用户提供了增强型移动宽带场景（Enhance Mobile Broadband，eMBB）服务、大规模机器类通信场景（Massive Machine Type Communications，mMTC）服务和高可靠低时延通信场景（Ultra-reliable and Low Latency Communications，URLLC）服务，其在峰值速率、移动性、时延、频谱效率、用户体验速率、连接数密度、能量密度和能效方面要有数量级指标性的提升。OFDM技术以其对频率选择性具有鲁棒性，大规模MIMO 技术以其的频谱效率和能量效率，二者成为5G系统空口关键技术。 此外，自适应调制编码技术根据信道条件动态调整传输参数，在保证误码率要求的同时实现了吞吐量的更大化，提高了频谱效率，也是5G 实现的关键技术之一。

2020年前后，5G移动通信系统已经在全球逐步商用，标志着移动通信实现了从“人联”走向“万物互联”。近年来,随着自动驾驶、无人机、沉浸式扩展现实、工业互联网等新兴服务的不断演进, 6G移动通信系统需要将传统定位、探测、成像等无线感知功能同无线传输功能深度融合,同时利用广泛分布的算力进行辅助计算处理,实现感知通信计算的交叉融合,即未来的6G网络将推动人联、物联向智联转变，成为通信感知计算一体化融合网络。相应地，6G网络为提升的通信系统容量和感知精度，在沿用5G移动通信系统大规模MIMO OFDM调制技术基础上，进一步拓宽频带资源和增强信号处理能力，如采用毫米波频段传输技术、太赫兹传输技术和人工智能技术等。

综观移动通信的演进过程，数字通信系统面临日益增长的用户容量和系统容量的需求，其必然要求占用更大频谱资源和更多空域资源，相应地，数字调制技术也会不断更新迭代以适应更加丰富的系统频域和空域资源，比如3G系统采用宽带CDMA调制技术和高频率空间复用因子的蜂窝组网技术，4G则采用能够适应更宽频带的OFDM调制技术和使用更多空域资源的MIMO技术，5G采用毫米频段传输技术、宽带OFDM技术和大规模MIMO技术等，未来数字调制技术必将能够更好地支持高频段、大带宽和多天线通信系统。

2 数字调制技术的挑战和应对

如前所述，OFDM调制技术具有下述优点：1）通过子信道频带相互交叠且正交，频带利用率提高了一倍；2）与单载波调制系统相比，OFDM系统更好地抑制信道频率选择性衰落的影响，这是因为OFDM系统将信道划分成若干个近似平坦衰落的子信道，此时对于每个子信道而言，均衡只需将信号除以子信道对应的频率响应；3）通过采用长度大于信道更大延迟的循环前缀，OFDM系统消除或几乎消除了字符间干扰。不仅如此，如果信道在一个OFDM字符周期内不变，子载波间干扰也能够消除；4）OFDM系统对于窄带噪声和脉冲噪声具有很强的抑制作用，这是因为这样的噪声只对应频域上特定的子载波，因而对所有的子载波上的信号采用适当的纠错编码，就可以克服上述噪声对系统的影响；5）OFDM系统可以方便地根据子信道的频率响应特性，采用灌水原理对各子信道上的发射功率进行分配，改善系统性能；5）OFDM将信道等效为多个平坦衰落的子信道，因此能与MIMO技术高效结合，而MIMO技术在提高无线通信系统的信道容量和频谱利用率方面极具潜力，因此MIMO-OFDM调制技术可以有效提升通信系统容量和传输可靠性。

因此，OFDM技术和MIMO-OFDM技术成为当前数字通信系统的基础调制技术，以其具有能很好地支持高频段、大带宽和多天线通信系统的通信系统发展趋势，相信该调制技术在今后一段时期内也将继续作为通信系统的主流调制技术。

图2 OFDM系统离散时间等效模型框图

另一方面，OFDM调制技术同时也存在以下主要缺点：1）存在较高的峰值均值功率比：由于OFDM系统中在发射端采用IFFT对信号进行调制，OFDM信号具有很大的幅度范围，为了不失真地传输信号，发射端和接收端对射频发送和接收器件的线性度要求很高。如果发射端或接收端的线性度工作范围受限不能满足OFDM系统要求，信号会产生带内失真以及带外能量泄漏，这些非线性失真都会严重地降低系统性；2）系统对同步具有较高的要求：时间同步敏感，接收端需要知道OFDM字符帧的起始点以及信道的时延长度，以便于接收和发送端能够同步，接收端才能准确地将循环前缀从接收信号中分离；频率同步敏感：OFDM发端的基带信号调制到规定的载波，然后发送出去，虽然载波的频率对于收、发端都已知，但是由于收、发端的晶振频率之间误差导致载波频率偏移。所有这些频率偏移都会破坏OFDM系统子载波间的正交性，导致信道间干扰。因此，接收端的频率偏移估计和补偿对于OFDM系统至关重要。3）快衰落信道中性能较差：快时变信道中，一个字符周期内的信道不变假设不成立，移动系统中多普勒频移或频展会破坏子载波间的正交性，此时系统性能急剧恶化，由于子信道不再具有平坦衰落特性，信道均衡将变得非常复杂。除此之外，由于信道参数数量大大增加，信道估计将是一个非常有挑战性的问题。4）自适应调制复杂度高：作为OFDM调制技术特点之一，OFDM系统可以方便地根据子信道的频率响应特性，采用灌水原理对各子信道上的发射功率进行分配，实时改变各子载波的调制类型和编码方式，提高系统容量和功率效率，即OFDM系统可以通过自适应调制方法改善系统性能。但传统OFDM自适应调制技术以子信道为基础进行的功率分配和调制阶数适配，对于子载波数较大和快时变信道场景，这样的自适应调制方法计算复杂度高，不能满足于高速通信的需求。

此外，虽然MIMO系统的信道容量会随着天线数目的增加近似呈线性增长，但与此同时系统的复杂度也会增加，并且系统信道估计复杂度和信道均衡的复杂度也随之呈指数级增长。

综上所述，OFDM调制技术和MIMO-OFDM调制技术主要面临以下五个方面的问题或挑战：1）系统峰均比抑制；2）信道估计与均衡；3）时频同步；4）时变信道均衡；5）信道资源管理。国内外针对上述问题展开了大量的研究，分别简述如下。

• 系统峰均比抑制技术

目前已有大量对PAPR进行抑制的研究与技术，具体分为三大类：信号预失真技术、编码类技术和概率类技术。1）预失真技术：其核心思想是对信号的峰值进行非线性操作，是直接、简单的方法， 其主要思想是引入失真信号，在原始的OFDM信号中叠加失真信号达到降低PAPR 的效果，但这种叠加操作会使信号产生非线性失真，系统的误码率性能会受到一定的 损失。如削波法，作为信号预失真技术的基础方法，其操作简单且受到了很广泛的应用， 若信号的幅度值小于预先确立一个门限阈值则直接输出，不需要 进行任何处理，若信号的幅度值大于该门限阈值，则对信号进行切割，令其超出部分的幅度值等于门限阈值，保持其相位不变。2）编码类方法，其主要思想就是通过一些方式减少信号出现相同相位的概 率，从而降低系统的峰均比，这类编码技术需要搜寻更好的码组进行传输，该过程在子载波数目较多时会变得非常复杂，同时还需要存储大量表数据进行编码译码，因此这种编码方案并不适合子载波较多的系统，其应用严重地受到了限制。3）概率法，其中常用的是部分传输序列(PTS)法和选择性映射(SLM)算法。在SLM算法中，传输的频域信号分别与构造的M条相位因子序列进行点乘运算，此时可得M条不同的候选信号序列，在所有产生的这些候选信号序列中选择具有小PAPR值的 一组信号进行传输，同一时刻，传输信号对应的相位因子序列信息作为边信息进行传输。与SLM算法同理，PTS算法的相位旋转因子向量也需 要作为额外的边信息进行发送，接收端在收到信号之后，通过得到的边信息就可以对 传输信号进行恢复。概率法需要寻找更佳相位因子，因此构造的序列越多，查找操作所需的计算量也 就越大，同时这种算法需要传输较多的边信息，降低了系统的频谱利用率。 

• 信道估计

无论是SISO-OFDM系统还是MIMO-OFDM系统，在进行信号检测之前都需要获得准确的信道状态信息作为数据处理的参数，这就需要用到信道估计技术。总的来说MIMO-OFDM系统信道估计算法也可以分为基于导频的信道估计、盲信道估计和半盲信道估计技术。基于导频的信道估计在发送端插入导频，而插入的导频结构接收端是已知的，接收机根据已知的导频和接收到的导频作对比计算，从而获得信道的状态信息。其中典型的信道估计方法有基于LS、MMSE信道估计方法中被广泛地运用，这些方法在导频开销方面比较大，例如小二乘法，用来估计频分双工下行链路系统的 CSI，就要求导频序列的数目至少与BS的天线数目M相同。这类信道估计方法围绕如何降低导频开销、提高估计精度和降低算法复杂度作了大量研究，取得了大量的研究成果，至今依然是人们研究的热点。

基于训练序列的信道估计算法虽然简单，但是其耗费了大量而宝贵的无线通信频带资源。盲信道估计算法无需或几乎无需训练序列，具有高带宽使用效率的特点，该类方法通常利用接收数据信号样本的统计特性，实现信道特征提取。如基于子空间的信道估计方法中，由于循环前缀或者加尾零，或者线性预编码引入信号的冗余性，或者信号自身的冗余性，接收信号与发送信号之间可以表示为高矩阵结构，对接收信号的相关矩阵可以分解为信号子空间和噪声子空间，进而利用两个子空间之间的正交性估计信道。MIMO-OFDM系统盲信道估计方法虽然具有更高的频带利用率，但是通常要求接收大量的信号数据样本，计算复杂度高，在实时性要求高或者快时变信道场景中应用受到些限制。

• 频率同步

对载波频偏敏感是正交频分复用系统 杭州打造微放电检测利器，为宇航产品保驾护航 返回 杭州是德E3648A可编程电源特性