基于MSE与LMS的OFDM系统相位噪声校正算法研究

资 源 简 介

本项目系统分析并仿真了相位噪声对正交频分复用（OFDM）系统传输质量的负面影响。研究详细探讨了相位噪声产生的两种核心效应：通用相角错误（CPE）和载波间干扰（ICI）。其中，CPE导致所有子载波产生统一的相位旋转，而ICI则由于破坏了子载波间的正交性而产生类似加性噪声的干扰，两者均会导致系统误码率性能急剧恶化。 为解决上述问题，项目实现了一套高效的组合校正算法：首先利用基于最小均方误差（MSE）准则的估计方法对CPE进行提取与补偿；随后，针对ICI干扰主要源自相邻载波的物理特性，创新性地引入了基于最小均方（LMS）法则的自适应相邻信道干扰消除方法。该算法通过不断迭代更新滤波器权值，能够动态抑制来自邻近载波的干扰成分。整个算法设计遵循简洁高效原则，旨在降低计算复杂度的同时最大化性能收益。通过在MATLAB环境下进行全链路仿真，验证了该方案在处理高相噪环境下的有效性，仿真结果明确显示该算法能大幅改善OFDM系统的误码率表现及星座图清晰度，增强了系统在实际信道环境下的可靠性。

详 情 说 明

相位噪声对正交频分复用(OFDM)系统的影响分析及校正算法研究项目说明

项目介绍

本项目通过自建的高保真仿真模型，深入探究了相位噪声（Phase Noise）在正交频分复用（OFDM）通信系统中的作用机制。相位噪声主要导致两种负面效应：产生全局旋转的通用相角错误（CPE）以及破坏子载波正交性导致的载波间干扰（ICI）。为了抑制这些干扰，本项目实现了一套两阶段的联合校正方案，包含基于最小均方误差（MSE）准则的CPE补偿算法和基于最小均方（LMS）法则的自适应相邻信道干扰消除算法。通过多维度的性能评估，本项目量化了相噪对误码率（BER）和星座图的影响，并验证了校正算法在改善信号传输质量方面的卓越性能。

功能特性

• 系统化仿真环境：完整覆盖了从随机位生成、16-QAM调制、OFDM调制（IFFT/CP）到加性高斯白噪声（AWGN）信道及其相位噪声扰动的全链路过程。
• 精准相噪建模：采用维纳过程（随机游走模型）模拟实际振荡器产生的相位噪声，能够根据给定的线宽和采样频率动态生成随时间演进的相位漂移。
• 级联校正方案：

- 第一阶段：利用MSE估计器提取所有子载波共有的相位偏移量并进行反向旋转补偿。 - 第二阶段：通过自适应LMS滤波器，动态跟踪相邻载波间的耦合关系，抑制因正交性破坏而引入的ICI成分。

• 多维度性能度量：提供误码率（BER）曲线对照、改进前后的信干噪比（SINR）增益计算、星座点扩散程度评估以及CPE估计残差分析。

使用方法

1. 启动环境：打开MATLAB开发环境。
2. 配置参数：在脚本开头的参数设置区域，可以根据实际实验需求修改子载波数量、调制阶数、信噪比范围（SNR_dB）以及最关键的相位噪声线宽（Linewidth）。
3. 执行仿真：直接运行主脚本，程序将自动进入循环仿真过程。
4. 结果采集：仿真结束后，系统将弹出可视化图窗，并在控制台打印详细的SINR性能对比表及其平均增益。

系统要求

• 软件平台：MATLAB R2018b 或更高版本。
• 必备工具箱：Communications Toolbox（用于执行qammod, qamdemod, awgn等通信专用函数）。
• 硬件环境：建议主频2.0GHz以上，内存4GB以上以确保仿真计算效率。

实现逻辑与功能细节

本项目的主程序逻辑严格遵循通信系统的信号处理流向，具体如下：

1. 参数与信号初始化

定义OFDM系统核心参数，包括64个子载波、长度为16的循环前缀（CP）、16-QAM调制模式。采样频率设定为1MHz。通过计算预先生成16-QAM的标准参考星座点，用于后续的绘图校准。

2. 相位噪声模拟

基于物理特性，代码中通过对高斯白噪声序列进行累积求和（cumsum）来构造维纳过程。步进方差由 $2 pi times Linewidth times Ts$ 决定。该相位序列被转换为指数形式并作用于时域OFDM信号，精准还原了相位噪声的动态演进过程。

3. CPE 估计与补偿（MSE准则）

在接收端完成FFT后，程序提取解调后的频域信号。CPE补偿的核心在于计算一个统一的相位因子。代码通过计算接收信号与已知调制符号之间乘积之和的相位角，得出当前符号的平均相位偏置估计值，随后对整个OFDM符号进行反向旋转处理。

4. 改进型相邻信道干扰（ICI）抑制

由于相位噪声引起的ICI主要来源于相邻的子载波泄露，程序引入了一个二阶LMS自适应滤波器：

• 输入向量：当前处理载波的左右相邻两个载波的信号值。
• 自适应更新：利用已知（或判定）的调制符号作为参考信号，计算输出误差。
• 权值迭代：根据LMS迭代公式实时更新滤波器权值，以抵消相邻载波溢出的干扰能量。

5. 性能统计与可视化

程序不仅计算了最终的BER曲线，还实时追踪了每个SNR点下的SINR变化。可视化部分包含四个关键维度：

• BER曲线对比：展示未校正、校正后与理论极限三者之间的差距。
• 星座图分析：通过直观对比校正前后的信号点分布，展示算法收敛效果及抑制噪声扩散的能力。
• CPE残差评估：通过绘制随符号号变化的相位估计误差，反映MSE算法的稳健性。
• 数据列表对比：以表格形式自动列出各SNR等级下的SINR增益。

关键算法实现细节

• 载波间干扰（ICI）处理：代码采用了循环移位（mod函数）来处理频率边界处的子载波，确保了第1个载波和最后1个载波也能通过相邻载波信息得到校正。
• 权值更新：LMS滤波器的步长（mu）经过优化设定，在保证收敛速度的同时兼顾了跟踪精度。
• 系统增益计算：程序通过计算信号功率与残余噪声功率之比，量化了算法在提升信号洁净度方面的具体贡献（dB值）。