Loading [MathJax]/jax/output/SVG/jax.js

一种基于OFDM-chirp的雷达通信一体化波形设计与处理方法

赵玉振 陈龙永 张福博 李焱磊 吴一戎

张凌志, 刘飞峰, 胡程. 基于导航卫星的干涉SAR数据采集策略优选方法分析[J]. 雷达学报, 2019, 8(5): 624–630. doi: 10.12000/JR19065
引用本文: 赵玉振, 陈龙永, 张福博, 等. 一种基于OFDM-chirp的雷达通信一体化波形设计与处理方法[J]. 雷达学报, 2021, 10(3): 453–466. doi: 10.12000/JR21028
ZHANG Lingzhi, LIU Feifeng, and HU Cheng. Optimization method and analysis of data acquisition strategy based on interference SAR with GNSS transmitters[J]. Journal of Radars, 2019, 8(5): 624–630. doi: 10.12000/JR19065
Citation: ZHAO Yuzhen, CHEN Longyong, ZHANG Fubo, et al. A new method of joint radar and communication waveform design and signal processing based on OFDM-chirp[J]. Journal of Radars, 2021, 10(3): 453–466. doi: 10.12000/JR21028

一种基于OFDM-chirp的雷达通信一体化波形设计与处理方法

DOI: 10.12000/JR21028 CSTR: 32380.14.JR21028
基金项目: 北京市科技新星计划(Z201100006820014),国家部委基金
详细信息
    作者简介:

    赵玉振(1995–),男,安徽人,中国科学院空天信息创新研究院博士研究生,主要研究方向为雷达通信一体化波形设计、MIMO SAR波形设计等

    陈龙永(1979–),男,安徽人,博士,研究员,主要研究方向为SAR三维成像技术理论与方法和电子系统一体化集成技术

    张福博(1988–),男,河北人,博士,副研究员,主要研究方向为SAR三维成像技术和高分辨率宽测绘带成像技术等

    李焱磊(1983–),男,河北人,博士,副研究员,主要研究方向为新体制雷达信号处理、可重构异构计算技术和穿墙雷达技术等

    吴一戎(1963–),男,安徽人,中国科学院院士,研究员,研究方向为微波成像理论、微波成像技术和雷达信号处理

    通讯作者:

    陈龙永 lychen@mail.ie.ac.cn

    张福博 zhangfubo8866@126.com

  • 责任主编:杨瑞娟 Corresponding Editor: YANG Ruijuan
  • 中图分类号: TP722.6

A New Method of Joint Radar and Communication Waveform Design and Signal Processing Based on OFDM-chirp

Funds: Beijing Science and Technology New Star Program (Z201100006820014), The National Ministries Foundation
More Information
  • 摘要: 雷达通信一体化波形设计是近年来的研究热点。有学者提出利用正交频分复用(OFDM)信号的奇偶载波分别调制雷达与通信功能来实现一体化。但OFDM通信系统一般采用循环前缀(CP)来避免多径效应带来的载波间干扰(ICI)和符号间干扰(ISI),这会降低能量利用率,并会形成虚假目标,影响雷达性能;此外,传统的OFDM一体化信号对多普勒比较敏感,微小的多普勒频偏也会带来正交性能的严重下降。该文在此基础上提出了一种新的波形设计和处理方法。该方法利用空白保护间隔替代循环前缀,可以在对抗多径效应的同时避免出现由于循环前缀引入的虚假目标,有效防止载波间干扰和符号间干扰。在信号处理方法上,该文提出利用雷达发射信号的先验信息进行信道估计与补偿多普勒频偏的方法。与传统方法相比,该文方法降低了系统在导频与训练序列等资源上的开销,提升了能量利用率和频谱效率,并且改善了峰值旁瓣比(PSLR)、积分旁瓣比(ISLR)和通信误码率(BER)等指标。仿真实验验证了该文方法的有效性。

     

  • 基于导航卫星的双基地SAR(Bistatic Synthetic Aperture Radar based on Global Navigation Satellite System, GNSS-BSAR)是空-地双基地SAR中一种典型的应用[1],使用在轨的导航卫星作为发射源,地面部署接收机(地基、车载、机载)构成双基地SAR系统[2]。由于导航星座的日趋完善,其全球覆盖性以及重轨特性所带来的优势是其他照射源暂时所不能替代的,其中以地基接收机为主的导航卫星干涉合成孔径雷达(Interference Synthetic Aperture Radar based on the Global Navigation Satellite System, GNSS-InSAR)在场景形变监测领域有着广阔的应用前景[3],成为了近年来研究热点。

    在GNSS-BSAR系统成像方面,已有研究者分别使用不同的导航卫星星座进行了成像验证,包括了北斗[4,5]、GPS[6]、格洛纳斯[7]、伽利略[8]。除此以外文献[9]还提出了多角度融合方法以增强图像信噪比。在形变监测方面,来自伯明翰大学的学者们[10]使用直达波天线,配合长约50 m的线缆构建了理想点目标,并使用格洛纳斯作为发射源,首次实现了精度约为1 cm的1维形变反演结果。该实验初步验证了GNSS-InSAR应用于形变监测的可行性。为了进一步验证场景形变监测的可能,2017年文献[11]通过对接收机进行高精度移位来模拟场景建筑形变,成功反演出了形变,精度约为1 cm。在3维形变方面,2018年北京理工大学的技术团队[12]通过人为构建转发器,进行了精度可控的强点目标形变模拟,使用我国的北斗IGSO卫星,成功实现了精度优于5 mm的3维形变反演,这些验证性实验充分表明了GNSS-InSAR应用于场景形变检测的可能。

    若要实现GNSS-InSAR场景的3维形变反演,需要同时至少3颗卫星从不同角度照射场景。由于GNSS-InSAR系统的拓扑高度非对称性以及导航信号的窄带特性[13],加上导航卫星的重轨并非是严格意义上的重轨,除了不可避免的空间基线外,重轨时间也并非严格一致,因此在实际数据采集中,需要对系统构型以及数据采集时间进行严格的优化设计。文献[14]提出了一种联合优化方法,解决了面向大场景下的多星多角度构型优化问题,配合多个接收机实现综合分辨性能优异的大场景成像。文献[15]提出了空间去相干的理论描述框架,表明了空间去相干在GNSS-InSAR中的必要性,但未对数据采集时间进行说明。从当前实际情况出发,不精确的数据采集时间可能会造成存储资源浪费,空间去相干导致的数据截取进一步降低了数据有效性。具体如图1所示:

    图  1  数据截取与有效数据示意图
    Figure  1.  Effective data interception diagram

    针对上述问题,本文提出了一种GNSS-InSAR场景连续数据采集优化方法,通过结合当前数据的卫星轨迹和两行星历数据文件(STK Two-Line Element sets, TLE)预测轨迹,基于相干系数轨迹对齐,获取卫星重轨时间间隔,得到最优的数据采集策略,从源头上降低数据的空间去相干性,提升所采集数据有效性,节约存储资源。在第2部分对GNSS-InSAR场景数据采集优化方法进行了详细介绍。第3部分针对提出的方法进行了实验设计,开展了实测数据采集,并针对采集的数据进行了初步分析。第4部分对全文进行总结。

    对于GNSS-InSAR图像而言,经过保相成像处理后,场景中任意一点(x0,y0)的像素信息分别对应分辨单元内所有散射体回波的相参叠加,可建模为

    s(x0,y0)=f(x,y;t)exp[j2πλr(x,y;P)]W(xx0,yy0;P)dxdy+n(x0,y0;t) (1)

    其中,f(x,y;t)为时间t下的地表散射系数,P为对应的合成孔径中心位置矢量,W(x,y;P)表示系统的点扩散函数(PSF), n(x,y;t)为图像的加性噪声。对于SAR图像的同名点像素,其相干系数可表示为[16]

    ρ=sm(x0,y0)ss(x0,y0)dxdysm(x0,y0)sm(x0,y0)dxdyss(x0,y0)ss(x0,y0)dxdy (2)

    其中,下标m表示主图像,s表示辅图像。根据柯西不等式可以判断:0ρ1,当ρ=0时表示同名点完全不相干,当ρ=1时,同名点完全相干。

    将点目标像素模型式(1)带入到式(2)并化简得到

    ρ=sav(x,y)exp[j2πλ(r(x,y;Pm)r(x,y;Ps))]|W(xx0,yy0;Pm)|2dxdy(sm(x,y)exp[j2πλr(x,y;Pm)]|W(xx0,yy0;Pm)|2dxdy+nm)×(ss(x,y)exp[+j2πλr(x,y;Ps)]|W(xx0,yy0;Pm)|2dxdy+ns) (3)

    式(3)的推导使用了如下近似:

    (1) 由于导航卫星的高轨道特性,使得W(xx0,yy0;Pm)W(xx0,yy0;Ps)成立;

    (2) 相邻两天的噪声相干系数为0,即

    n(x0,y0;tm)×n(x0,y0;ts)=0 (4)

    (3) 相邻两天的目标散射系数为sav(x,y),即

    sav(x,y)f(x,y;tm)f(x,y;ts) (5)

    对式(3)中的相干系数ρ进一步分解得到

    ρ=ρth×ρti×ρsp (6)

    其中,热噪声相干系数ρth与时间相干系数ρti分别由系统与实际目标决定。

    对于PS点[17]而言,地表散射系数相对稳定,不随时间变化,同时为了便于后续分析,假定散射系数为1得到空间相干系数ρsp的简化式为

    ρsp=exp[j2πλ(r(x,y;Pm)r(x,y;Ps))]|W(xx0,yy0;Pm)|2dxdy(|W(xx0,yy0;Pm)|2dxdy)(|W(xx0,yy0;Pm)|2dxdy) (7)

    从式(7)推导结果可以知道,空间基线主要是影响r(x,y;P)从而导致空间去相干。

    导航卫星的重轨时间并非稳定不变,因此需要对数据采集时间进行有效预测,从源头上降低空间去相干,提高数据有效性。

    假定主图像数据采集时间为tm,该采集时间可以通过文献[14]中的广义优化模型进行求解,辅图像数据采集时间为ts=tm+Δt, Δt为时间间隔,那么最优化数据采集模型可通过式(7)推导而来

    Δt=argmax{|˜W(x,y;Pm)|2exp[j2πλ(r(x,y;Pm)r(x,y;P(tm+Δt)))]dxdy} (8)

    其中,˜W(x,y;Pm)tm下等效归一化PSF, P(tm+Δt)Δt时间偏置下得合成孔径中心位置矢量。

    第1天数据采集需要进行实验设计以确定最优数据采集时刻,往后的重轨天数据采集可以根据数据采集优化模型,同时结合星历文件进行预测。整体的预测流程如图2所示,n为任意一天采集的数据,k为重轨天数间隔。

    图  2  GNSS-InSAR数据采集时间优化流程
    Figure  2.  Time optimization process of GNSS-InSAR data acquisition

    实际卫星位置对应的实际时间设为tn,经过模型优化得到的时间偏差为Δt,那么第n+k天对应的实际数据采集时间可表示为

    tn+k=tn+Δt (9)

    对于固定场景的形变监测,首次数据采集的时候需要严格设计系统构型,使分辨率达到最优化。本次实验接收机部署在北京理工大学信息科学试验楼楼顶西北角,实施监测场景位于西偏北30°。使用理论分辨率计算公式[18]对该场景进行分辨率设计。仿真参数具体参见表1

    表  1  数据采集试验仿真参数
    Table  1.  Data acquisition test simulation parameters
    参数
    照射源北斗 IGSO1~5
    PRF1000 Hz
    带宽10.23 MHz
    合成孔径时间600 s
    TLE文件更新日期2019年4月29日
    预定数据采集日期2019年4月30日
    下载: 导出CSV 
    | 显示表格

    以分辨单元面积作为判定依据,得到预定采集日期当天全时段下各个卫星在预定场景下所能得到的分辨单元面积如图3所示。

    图  3  全时段下场景分辨单元面积
    Figure  3.  Scene resolution unit area in full time

    为了实现3维形变反演,需要同一时间下有3颗卫星对场景进行照射。图3中10点前后与17点前后满足当前场景上空有3颗IGSO卫星可见的条件。更进一步,为了使分辨单元面积达到最优,可以得到具体的数据采集时间。具体如图4红框标注,分别是9点30分前后与17点30分前后。

    图  4  首次数据采集时间设计结果
    Figure  4.  Design results of first data acquisition time

    为了配合实验,在场景布置转发器,整体的系统构型如图5所示。

    图  5  GNSS-InSAR场景3维形变反演实验拓扑构型设计结果
    Figure  5.  GNSS-InSAR topological configuration design results of 3D deformation retrieval experiment

    以2019年4月30日采集的实测数据作为第n天数据,对于北斗的IGSO而言,重轨时间约为1天,即m=1,同时下载当天最新的TLE文件。以IGSO1为例,结合图2进行详细说明:

    (1) 使用实测数据的直达波进行卫星位置解算,同时根据TLE文件推算当天和相邻天的卫星轨迹。经过相干系数轨迹匹配之后,得到的轨迹如图6所示。

    图  6  对齐后的TLE卫星轨迹与实测数据卫星轨迹
    Figure  6.  Aligned TLE satellite trajectory and measured data satellite trajectory

    (2) 以匹配得到的TLE卫星轨迹作为参考,对重轨天的TLE卫星轨迹进行数据采集优化模型求解,系统的PSF与优化模型仿真结果分别如图7图8所示。

    图  7  场景[–147, 20, 0]处理论PSF
    Figure  7.  Theoretical PSF in scene at position of [–147, 20, 0]
    图  8  数据采集优化模型仿真结果
    Figure  8.  Simulation results of data acquisition optimization model

    图8的结果分析可知,第1个峰值点为其本身,由于空间基线为0,相干系数为1。第2个峰值点相干系数为0.999644,满足除了第1个峰值点外相邻天相干系数最大值条件,因此第2个峰值点就是最佳重轨时的空间相干系数。此时经过模型优化得到的时间间隔为:Δt=86163s=23h56min3s,结合第1天的实测数据轨迹对应的时间t1=9h26min0s,第2天准确的数据采集时间为:t2=9h22min3s

    为了说明优化结果的正确性,在实验场景中放置转发器模拟理想点目标(图5),同时按照优化后的时间进行5月1日数据采集。实际采集时间为9h21min53s,总采集时间约650 s。相邻两天的空间相干系数轨迹匹配结果如图9所示。

    图  9  实测数据重轨空间相干系数
    Figure  9.  The spatial coherence coefficient of measured data

    图9中峰值点位置来看,重轨数据采集优化模型得到的结果和实际结果相吻合。为了进一步说明,图10给出了IGSO1卫星实测数据成像结果。

    图  10  场景成像结果
    Figure  10.  Imaging results of scene

    对相邻两天的图像相干系数进行求解,得到图11所示结果。在同一坐标系下,仿真目标位于[–147, 20, 0],空间相干系数为0.999644;转发器位于[–147, 20, 0],相干系数为0.9996;两者的相干系数基本保持一致。

    图  11  相干系数结果
    Figure  11.  Coherence coefficient result

    图9图10的结果表明经过数据采集优化模型后得到的时间间隔与实际卫星轨迹的重轨时间相互吻合,在保证600 s预期合成孔径时间下,可以最大限度减少数据采集时间,节约存储资源。同时避免后期由于数据对齐带来的数据有效性降低问题。

    在GNSS-InSAR场景1维/3维形变反演应用中,针对由于导航卫星重轨时间的非严格一致性与有效数据截取带来的数据冗余,数据有效性低等问题,本文提出了一种面向GNSS-InSAR场景数据采集的优化模型,采用实测数据与TLE文件相结合,根据当天数据采集时间,预测相邻天重轨时间,从而实现精确的数据采集。实测数据验证结果表明了数据采集时间优化模型的正确性。该方法的提出有利于GNSS-InSAR场景1维/3维形变反演实验的开展,在降低原始数据冗余度基础上,保证了有效数据时间长度大于预期合成孔径时间。

  • 图  1  雷达通信一体化系统用于救灾

    Figure  1.  Application of joint radar and communication system in disaster relief

    图  2  雷达通信系统简图

    Figure  2.  Radar and communication system diagram

    图  3  一体化信号符号设计

    Figure  3.  Symbol design of integrated signal

    图  4  抗ISI原理图

    Figure  4.  Schematic diagram of ISI resistance

    图  5  抗ICI原理图

    Figure  5.  Schematic diagram of ICI resistance

    图  6  基于OFDM-chirp信号的雷达通信一体化波形设计与处理流程图

    Figure  6.  Joint radar and communication waveform design and processing flow chart based on OFDM chirp signal

    图  7  距离模糊成因

    Figure  7.  Causes of distance ambiguity

    图  8  星座图随着多普勒频移增大的变化特性

    Figure  8.  Variation characteristics of communication constellation with Doppler shift increasing

    图  9  多普勒频移补偿方法流程图

    Figure  9.  Flow chart of Doppler shift compensation method

    图  10  一体化信号信道估计流程

    Figure  10.  Flow chart of integrated signal channel estimation

    图  11  多普勒频偏带来的影响

    Figure  11.  Influence of Doppler-shift

    图  12  受多普勒影响的点目标成像仿真结果

    Figure  12.  Imaging results of point target affected by frequency offset

    图  13  点目标距离向切片指标对比

    Figure  13.  Index comparison of point target

    图  14  通信传输结果

    Figure  14.  Results of communication transmission

    图  15  通信误码率与Eb/N0的关系

    Figure  15.  The relationship of communication error rate and Eb/N0

    图  16  多径情况下误码率性能对比

    Figure  16.  BER performance comparison in the presence of multipath

    图  17  不同载波个数下的一体化信号的峰均功率比

    Figure  17.  Peak to average power ratio of integrated signal with different number of carriers

    表  1  仿真参数

    Table  1.   Simulation parameters

    参数符号参数名称数值
    B信号带宽(MHz)80
    Fs采样率(MHz)100
    T信号时宽(μs)40.96
    N子载波个数4096
    fc信号载频(GHz)5.4
    Δf子载波间隔(kHz)24.4
    SNR信噪比(dB)10
    V平台速度(m/s)150
    H平台高度(m)6000
    θ0中心下视角(°)30
    PRF脉冲重复频率(Hz)188
    下载: 导出CSV

    表  2  点目标距离向切片指标对比(补偿多普勒后)

    Table  2.   Index comparison of point target

    指标(dB)传统方法本文方法
    PSLR–10.94–13.24
    ISLR–6.04–9.67
    下载: 导出CSV

    表  3  本文方法与传统方法对比

    Table  3.   The comparison between traditional method and the method proposed in this paper

    资源开销本文方法传统方法
    循环前缀不需要需要
    信道估计利用雷达信号辅助估计需要额外导频和训练序列
    能量效率较高较低
    下载: 导出CSV
  • [1] CHIRIYATH A R, PAUL B, and BLISS D W. Radar-communications convergence: Coexistence, cooperation, and co-design[J]. IEEE Transactions on Cognitive Communications and Networking, 2007, 3(1): 1–12. doi: 10.1109/TCCN.2017.2666266
    [2] HAN Liang and WU Ke. Joint wireless communication and radar sensing systems - state of the art and future prospects[J]. IET Microwaves, Antennas & Propagation, 2013, 7(11): 876–885. doi: 10.1049/iet-map.2012.0450
    [3] WANG Jie, LIANG Xingdong, CHEN Longyong, et al. First demonstration of joint wireless communication and high-resolution SAR imaging using airborne MIMO radar system[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(9): 6619–6632. doi: 10.1109/TGRS.2019.2907561
    [4] LIU Yongjun, LIAO Guisheng, CHEN Yufeng, et al. Super-resolution range and velocity estimations with OFDM integrated radar and communications waveform[J]. IEEE Transactions on Vehicular Technology, 2020, 69(10): 11659–11672. doi: 10.1109/TVT.2020.3016470
    [5] 刘凡, 袁伟杰, 原进宏, 等. 雷达通信频谱共享及一体化: 综述与展望[J]. 雷达学报, 2021, 10(3): 467–484. doi: 10.12000/JR20113

    LIU Fan, YUAN Weijie, YUAN Jinhong, et al. Radar-communication spectrum sharing and integration: Overview and prospect[J]. Journal of Radars, 2021, 10(3): 467–484. doi: 10.12000/JR20113
    [6] 王杰. 自适应多维波形SAR关键技术研究[D]. [博士论文], 中国科学院研究生院, 2015: 8–12.

    WANG Jie. Research on the key technologies of adaptive multidimensional waveform synthetic aperture radar[D]. [Ph. D. dissertation], Graduate School of Chinese Academy of Sciences, 2015: 8–12.
    [7] 梁兴东, 李强, 王杰, 等. 雷达通信一体化技术研究综述[J]. 信号处理, 2020, 36(10): 1615–1627. doi: 10.16798/j.issn.1003-0530.2020.10.001

    LIANG Xingdong, LI Qiang, WANG Jie, et al. Joint wireless communication and radar sensing: Review and future prospects[J]. Journal of Signal Processing, 2020, 36(10): 1615–1627. doi: 10.16798/j.issn.1003-0530.2020.10.001
    [8] ROSSLER JR C W. Adaptive radar with application to joint communication and synthetic aperture radar (CoSAR)[D]. [Ph. D. dissertation], The Ohio State University, 2013.
    [9] BLUNT S D, YATHAM P, and STILES J. Intrapulse radar-embedded communications[J]. IEEE Transactions on Aerospace and Electronic Systems, 2010, 46(3): 1185–1200. doi: 10.1109/TAES.2010.5545182
    [10] LIU Yongjun, LIAO Guisheng, and YANG Zhiwei. Robust OFDM integrated radar and communications waveform design based on information theory[J]. Signal Processing, 2019, 162: 317–329. doi: 10.1016/j.sigpro.2019.05.001
    [11] LIU Yongjun, LIAO Guisheng, YANG Zhiwei, et al. Multiobjective optimal waveform design for OFDM integrated radar and communication systems[J]. Signal Processing, 2017, 141: 331–342. doi: 10.1016/j.sigpro.2017.06.026
    [12] LIU Yongjun, LIAO Guisheng, XU Jingwei, et al. Adaptive OFDM integrated radar and communications waveform design based on information theory[J]. IEEE Communications Letters, 2017, 21(10): 2174–2177. doi: 10.1109/LCOMM.2017.2723890
    [13] LIU Yongjun, LIAO Guisheng, YANG Zhiwei, et al. Joint range and angle estimation for an integrated system combining MIMO radar with OFDM communication[J]. Multidimensional Systems and Signal Processing, 2019, 30(2): 661–687. doi: 10.1007/s11045-018-0576-2
    [14] LIU Yongjun, LIAO Guisheng, XU Jingwei, et al. Transmit power adaptation for orthogonal frequency division multiplexing integrated radar and communication systems[J]. Journal of Applied Remote Sensing, 2017, 11(3): 035017. doi: 10.1117/1.JRS.11.035017
    [15] MIZUI K, UCHIDA M, and NAKAGAWA M. Vehicle-to-vehicle communication and ranging system using spread spectrum technique (Proposal of Boomerang Transmission System)[C]. IEEE 43rd Vehicular Technology Conference, Secaucus, USA, 1993: 335–338.
    [16] DONNET B J and LONGSTAFF I D. Combining MIMO radar with OFDM communications[C]. 2006 European Radar Conference, Manchester, UK, 2006: 37–40.
    [17] 肖博, 霍凯, 刘永祥. 雷达通信一体化研究现状与发展趋势[J]. 电子与信息学报, 2019, 41(3): 739–750. doi: 10.11999/JEIT180515

    XIAO Bo, HUO Kai, and LIU Yongxiang. Development and prospect of radar and communication integration[J]. Journal of Electronics &Information Technology, 2019, 41(3): 739–750. doi: 10.11999/JEIT180515
    [18] 张天贤, 夏香根. OFDM SAR成像方法综述[J]. 雷达学报, 2020, 9(2): 243–258. doi: 10.12000/JR19116

    ZHANG Tianxian and XIA Xianggen. An overview of OFDM SAR imaging methods[J]. Journal of Radars, 2020, 9(2): 243–258. doi: 10.12000/JR19116
    [19] KIM J H, YOUNIS M, MOREIRA A, et al. Spaceborne MIMO synthetic aperture radar for multimodal operation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(5): 2453–2466. doi: 10.1109/tgrs.2014.2360148
    [20] WANG Jie, LIANG Xingdong, and CHEN Longyong. MIMO SAR system using digital implemented OFDM waveforms[C]. The 2012 IEEE International Geoscience and Remote Sensing Symposium, Munich, Germany, 2012: 7428–7431.
    [21] 李向宁, 谈振辉. OFDM基本原理及其在移动通信中的应用[J]. 重庆邮电学院学报, 2003, 15(2): 25–30, 44.

    LI Xiangning and TAN Zhenhui. OFDM principle and its applications in mobile communication[J]. Journal of Chongqing University of Posts and Telecommunications, 2003, 15(2): 25–30, 44.
  • 加载中
图(17) / 表(3)
计量
  • 文章访问数: 4490
  • HTML全文浏览量: 1260
  • PDF下载量: 554
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-03-12
  • 修回日期:  2021-04-19
  • 网络出版日期:  2021-05-13
  • 刊出日期:  2021-06-28

目录

/

返回文章
返回