考虑统计特性的OFDM分数维布朗信道模型

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (28): 103-105.

考虑统计特性的OFDM分数维布朗信道模型

曹敦，胡双红

长沙理工大学计算机与通信学院，长沙 410076

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-01 发布日期:2011-10-01

Fractional Brownian channel model considering statistical characters in OFDM

CAO Dun，HU Shuanghong

School of Computer & Communication Engineering，Changsha University of Science & Technology，Changsha 410076，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-01 Published:2011-10-01

摘要/Abstract

摘要： 为了更准确地刻画多径信道，提出了任何采样率下的OFDM信道的分数维布朗模型。模型利用OFDM中具有导频符号的特点，考虑多径衰落具有服从Rice或Rayleigh分布的先验条件，从分形学角度出发分析无线信道的分形特性，建立模型。仿真结果表明，该模型比统计模型更准确地刻画多径信道。

关键词: 信道模型, 正交频分复用, 分形, 统计, 分数维布朗模型

Abstract: In order to characterize a multi-path channel accurately，this paper proposes a fractional Brownian model of OFDM at an arbitrary sampling rate.To establish this model，it uses the characteristics of pilot in OFDM，and considers the prior condition that multi-path fading obeys the Rayleigh or Rice distribution.For model building，it analyzes the fractal characteristic of wireless channel based on fractal.The simulation results indicate that this model is more accurate than the statistical model in characterizing the multi-path channel.

Key words: channel model, Orthogonal Frequency Division Multiplexing（OFDM）, fractal, statistic, fractional Brown model

曹敦，胡双红. 考虑统计特性的OFDM分数维布朗信道模型[J]. 计算机工程与应用, 2011, 47(28): 103-105.

CAO Dun，HU Shuanghong. Fractional Brownian channel model considering statistical characters in OFDM[J]. Computer Engineering and Applications, 2011, 47(28): 103-105.

[1]	李守玉，何庆，杜逆索. 分段权重和变异反向学习的蝴蝶优化算法[J]. 计算机工程与应用, 2021, 57(22): 92-101.
[2]	高玮军，师阳，杨杰，张春霞. 一种改进的轻量人头检测方法[J]. 计算机工程与应用, 2021, 57(1): 207-212.
[3]	宋丽丽，李彬，赵俊雅，刘国峰. 正态重采样的改进行人再识别度量学习算法[J]. 计算机工程与应用, 2020, 56(8): 158-165.
[4]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[5]	封雪梅，张志毅，杨龙. 分形维数的全局点云初始配准算法[J]. 计算机工程与应用, 2020, 56(5): 234-241.
[6]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[7]	梁金鹏，李正权. 面向楼梯应急通信系统的随机多簇信道模型[J]. 计算机工程与应用, 2020, 56(17): 109-114.
[8]	车建国，赵赛. 基于数据深度的过程工业故障检测方法[J]. 计算机工程与应用, 2020, 56(1): 265-271.
[9]	楚涵婷1，邢星1，2，孟志鑫1，贾志淳1. 国家自然科学基金推荐系统研究领域资助分析[J]. 计算机工程与应用, 2019, 55(9): 259-263.
[10]	石凯1，2，聂富强1，孙峰2. 多维数据判别分析的非参核密度算法研究[J]. 计算机工程与应用, 2019, 55(6): 8-12.
[11]	张佳惠，何红弟. 金融危机前后BDI指数与CBFI指数的多重分形研究[J]. 计算机工程与应用, 2019, 55(5): 237-243.
[12]	刘鑫童1，马小萍2，刘立波1. 基于中值滤波和残差网络的甲状腺结节检测[J]. 计算机工程与应用, 2019, 55(13): 254-259.
[13]	马波1，赵祎1，齐良才2. 变分自编码器在机械故障预警中的应用[J]. 计算机工程与应用, 2019, 55(12): 245-249.
[14]	郑文庆，金虎，郭建蓬，冯辉. 基于信道占用及优先级的MAC协议退避算法[J]. 计算机工程与应用, 2019, 55(11): 80-84.
[15]	孙贤明，樊晓光，禚真福，丛伟，陈少华. 综合时频域及核判别分析的两级特征提取新方法[J]. 计算机工程与应用, 2018, 54(3): 115-119.