调制与解调

对于5G NR,256QAM是为了提高系统容量,π/2-BPSK是为了提高小区边缘的覆盖,仅在transforming precoding 启用时采用。

π/2-BPSK

BPSK

QPSK

16QAM


64QAM


256QAM


Matlab代码

clear

clc

%pi/2 BPSK

index = [1:100];

b = randi([0,1],[1,100]);

% d(1) = (exp(j*(pi/2)*mod(1,2))/sqrt(2))*((1-2*b(1)) + j*(1-2*b(1)));

% d(2) = (exp(j*(pi/2)*mod(2,2))/sqrt(2))*((1-2*b(2)) + j*(1-2*b(2)));

d = (exp(j*(pi/2)*mod(index,2)))/sqrt(2).*((1-2*b) + j*(1-2*b));

scatterplot(d)

grid on

%BPSK

b = randi([0,1],[1,100]);

d = (1/sqrt(2))*((1-2*b) + j*(1-2*b));

scatterplot(d)

grid on

%QPSK

b1 = randi([0,1],[1,100]);

b2 = randi([0,1],[1,100]);

d = (1/sqrt(2))*((1-2*b1) + j*(1-2*b2));

scatterplot(d)

grid on

%16QAM

b1 = randi([0,1],[1,100]);

b2 = randi([0,1],[1,100]);

b3 = randi([0,1],[1,100]);

b4 = randi([0,1],[1,100]);

d = (1/sqrt(10))*((1-2*b1).*(2-(1-2*b3)) + j*((1-2*b2).*(2-(1-2*b4))));

scatterplot(d)

grid on

%64QAM

b1 = randi([0,1],[1,1000]);

b2 = randi([0,1],[1,1000]);

b3 = randi([0,1],[1,1000]);

b4 = randi([0,1],[1,1000]);

b5 = randi([0,1],[1,1000]);

b6 = randi([0,1],[1,1000]);

d = (1/sqrt(42))*((1-2*b1).*(4-(1-2*b3).*(2-(1-2*b5))) + j*((1-2*b2).*(4-(1-2*b4).*(2-(1-2*b6)))));

scatterplot(d)

grid on

%256QAM

b1 = randi([0,1],[1,1000]);

b2 = randi([0,1],[1,1000]);

b3 = randi([0,1],[1,1000]);

b4 = randi([0,1],[1,1000]);

b5 = randi([0,1],[1,1000]);

b6 = randi([0,1],[1,1000]);

b7 = randi([0,1],[1,1000]);

b8 = randi([0,1],[1,1000]);

d = (1/sqrt(170))*((1-2*b1).*(8-(1-2*b3).*(4-(1-2*b5).*(2-(1-2*b7)))) + j*((1-2*b2).*(8-(1-2*b4).*(4-(1-2*b6).*(2-(1-2*b8))))));

scatterplot(d)

grid on

解星座映射

将符号根据星座图映射规则转换成比特信息LLR。

本模块是以子载波为单位进行的,每个子载波上的符号处理都相同,所以本节后续的描述会略去UE,符号,子载波索引,简化为估计得到的符号为r,相对应发送信号x的幅值增益因子为beta,求解当前符号对应的LLR。

为了方便后续说明,令

π/2-BPSK

单个π/2-BPSK符号对应1个LLR。

当比特索引是偶数时,

当比特索引是奇数时,

QPSK

单个QPSK符号对应2个LLR,依次为LLR1LLR2

16QAM

单个16QAM符号对应4个LLR,依次为LLR1LLR2LLR3LLR4

则16QAM的LLR计算公式如下:

64QAM

单个64QAM符号对应6个LLR,依次为LLR1LLR2,...,LLR5LLR6

则64QAM的LLR计算公式如下:


LLR2LLR4LLR6的计算公式分别与LLR1LLR3LLR5类似,只需要将公式中的real(r)替换成imag(r)即可。

256QAM

单个64QAM符号对应8个LLR,依次为LLR1LLR2,...,LLR7LLR8


LLR2LLR4LLR6LLR8的计算公式分别与LLR1LLR3LLR5LLR7类似,只需要将公式中的real(r)替换成imag(r)即可。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,864评论 6 494
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,175评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,401评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,170评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,276评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,364评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,401评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,179评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,604评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,902评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,070评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,751评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,380评论 3 319
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,077评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,312评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,924评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,957评论 2 351

推荐阅读更多精彩内容

  • 每日检视281/365 起床:7:50 就寝:11:30 天气:晴 心情:平静 纪念日: 叫我起床的不是闹钟是梦想...
    洒脱转身阅读 229评论 0 0
  • -- 有些时候where后面会有多个条件(逻辑关系运算符 and or not)-- and逻辑与 x and...
    coke_dd41阅读 75评论 0 0
  • 1.进程 1 ).什么是进程 比如: 开发写的代码我们称为程序,那么将开发的代码运行起来。我们称为进程。总结一句话...
    康酱呦阅读 251评论 0 0
  • 一步步带你实现web全景看房——three.js canvas画2d相信大家都很熟悉了,但3d世界更加炫酷。我们直...
    Jiao_0805阅读 661评论 0 0
  • About SVM About the first one, it cannot be described in ...
    Sea_Shore阅读 72评论 0 0