第三章 OFDM 系統介紹
3.2 接收端的類比至數位轉換
在實際的情況下,接收端所接收到的訊號為無限精確度(infinite precision)
的類比訊號。但是,人類的感官所能判別的信號差異,卻是在有限精確度(finite precision)的範圍之內。因此我們無需使用到如此多的信號步階去表示過高精確 度的信號,因為如此一來只是浪費系統的資源且增加系統的複雜度罷了。所以,
我們只需要使用有限的信號步階去表示有限精確度的信號,並在接收機處理信號 的過程中,進一步以數位的方式作信號處理。因此,為了能讓接收機能夠有效的 處理所接收到的類比信號,我們須在接收端置入一類比至數位(analog-to-digital)
的轉換器,幫助我們將信號轉換成我們所要處理的數位形式。
一般而言,類比至數位的轉換器包含了三個基本的方塊架構,分別為取樣
(sampling)、量化(quantizing)、以及編碼(encoding)。而影響著整個系統性能 的關鍵就在於量化器的效能好壞與否;亦即在將無限精確度的連續信號範圍轉換 成有限精確度的離散信號範圍所需的量化步階數的多寡。因此,在接下來的分析 中,我們將著重於分析量化位元數多寡對整個OFDM 系統性能所造成的影響。
3.2.1 量化的種類
根據量化器之輸出量化步階的間隔分佈情形,我們可將量化器分為兩類:均 勻量化與非均勻量化。以下我們分別介紹其不同的特性及對系統性能的影響,並 針對均勻量化作OFDM 系統的性能模擬分析。
均勻量化
顧名思義,均勻量化代表量化的量化步階間隔呈均勻的分佈。而根據量化所 採用的步階分佈特性,我們又可將均勻量化分為切截式量化(truncation)及捨入 式量化(rounding)兩種。
捨入式量化:
在捨入式的量化中,量化的步階橫跨原點,其輸入信號及量化輸出的特性如 圖 3-4:
Input Level Output
Level
Rounding
2 4
0 -2
-4
2 4
-2
-4
圖 3-4 捨入式量化之輸入/輸出電壓特性
切截式量化:
在切截式量化中,量化的步階並不穿越原點,其輸入信號及量化輸出的特性 如圖 3-5:
Input Level Output
Level
Truncation
2 4
0 -2
-4
2 4
-2
-4
圖 3-5 切截式量化之輸入/輸出電壓特性
在探討完均勻量化的特性之後,我們將其套入先前所介紹的OFDM 系統之 中進行模擬,觀察不同的均勻量化方式對系統性能所造成的影響。在此模擬中,
我們在接收端加入一均勻量化的量化器,採用的系統模型架構如圖 3-6:
Modulation
De-modulation
AWGN Channel
Serial/ParallelParallel/Serial IFFTFFT Parallel/SerialSerial/Parallel
Input Data
Output
Data A/D
Quantizer
圖 3-6 加入均勻量化程序的基本 OFDM 系統模型
在此模擬中,我們所採用的調變方式為 16-QAM,且套用 8192 個子載波數 的OFDM 系統架構,並假設通道為可加性白色高斯雜訊(additive white Gaussian noise,AWGN)通道。
在進行量化的模擬之前,為了不浪費量化所需的位元數,我們預先以一剪取 器(clipper)代替方塊圖中的量化器,並嘗試以各種不同的信號量化範圍套入此 系統中作模擬,以取得最有效率之量化區間。其模擬結果如圖 3-7:
圖 3-7 在接收端置入一剪取器之 OFDM 系統性能模擬
由圖 3-7 的模擬結果我們可以看到,當我們將信號量化的範圍縮小至 0.15
(量化區間為-0.075~+0.075)時,系統的位元錯誤率(bit error rate,BER)已經 相當的貼近 16-QAM 位元錯誤率的理論值曲線,但若再更進一步的縮小信號量 化範圍時,則系統的位元錯誤率便會逐漸提升而偏離理論值曲線。因此,在確保 位元錯誤率相當接近理論值的可容忍限度內,我們透過以上的模擬得知,採取量 化區間為-0.075~+0.075 為最有效率之選擇。
在決定系統所採用的最有效率量化區間之後,我們即可套用前述兩種均勻量 化的方式對此 OFDM 系統進行模擬。在此模擬中,我們透過量化位元數值的改 變,來觀察在固定的量化區間之下,量化步階數的多寡對系統性能會有何影響。
圖 3-8、圖 3-9 為模擬之結果:
圖 3-8 捨入式量化之系統性能模擬
圖 3-9 切截式量化之系統性能模擬
由圖 3-8 及圖 3-9 的模擬結果我們可以看到,系統的性能隨著量化所採用 之位元數提升而變好,當量化位元數增加至7 個位元時,系統的位元錯誤率已經 相當的接近理論值曲線。因此,我們只需採用七位元的均勻量化即可達到近似未 作量化的效果,而無需浪費多餘的位元來作信號精確度的追求。
非均勻量化
在某些情況下(例如語音通訊),我們需要針對信號強弱的不同而適當的調 整所採用的量化步階分佈,進而將信號較微弱的部份作一特別加強的保護動作,
使得微弱的信號不易在處理的過程中失真。為了達到這樣的效果,我們可將信號 振幅較微弱的部份已較小的量話步階作量化,並且量化成信號振幅較強的輸出;
而信號振幅較強的部份,為了節省系統資源,我們便可以不用作這麼多的保護,
以較大的量話步階作量化。這類量化步階隨著信號處理的需要而作非均勻性調整 的量化方式,我們則稱為非均勻量化。
非均勻量化的信號處理過程可以分為兩個部份:信號的壓縮與壓縮信號的量 化。首先,我們將輸入的信號作一壓縮的動作而得到壓縮信號。接著,再將壓縮 過後的信號作均勻量化。一般常用的信號壓縮方式大致分為兩類,分別為
µ
壓縮 規則(µ
-law)跟 A 壓縮規則(A-law)兩種。µ
壓縮規則:µ
壓縮規則的定義為( )
( )
log 1 log 1
v µ m
µ