接收机靠导频估计信道——雨把信道改了,它凭什么立刻知道
循环前缀把多径摊平之后均衡剩下一件极简单的事每个子载波上乘了个什么复数系数反除回去就干净了。问题是这个系数接收机并不知道。信道随位置、随天气、随车速一直在变昨天的、隔壁的、一秒前的系数都不作数。它得实时把当下这一刻的信道量出来。靠的是导频。一批双方都知道的参照点导频是插在信号里的一批已知参照点。发射端在时频网格的固定格点上放上收发两端事先约好的值接收端收到这些格点拿收到的值除以约好的值商就是信道在这个点上干的事幅度缩了多少、相位转了多少。一个格点一个系数当场量出。DRM里专做这件事的是增益参考单元散布在整张时频网格上标准写明就是给相干解调用的。CDR把导频分两路连续导频始终守在固定的几个子载波上离散导频在相邻符号间错开位置专门用来贴着跟踪信道的变化。名目不同干的是同一件事在网格上撒一批已知点量出那几个点上的信道。只测了几个点中间靠插导频只占网格上很少的格点绝大多数格点载的是数据没法直接测。这些点上的信道得靠周围导频插出来。插值分两个方向走先沿频率方向把同一符号里几个导频子载波之间的空档补上再沿时间方向把前后几个符号之间的空档补上。二维铺完每个数据格点头上都有了一个估出来的系数。能这么插是因为信道在两个方向上都不会突变。频率上隔得近的子载波经历的多径几乎一样在一段相干带宽内一起涨一起落时间上隔得近的符号信道也差不多在一段相干时间内基本不动。信道是一张平滑起伏的面撒几个点就能把整张面的形状估个八九不离十。导频在网格上不是排成整齐的行列而是斜着散布、逐符号错开位置。这么摆有讲究。单看一个符号导频子载波隔得挺稀测到的频率点没几个可把相邻几个符号叠起来看错开的导频正好把频率轴一段段填满。用不多的导频在时间上多摊几步就换来频率方向上足够密的覆盖。散布导频这个名字就是这么来的。CDR的离散导频逐符号挪位正是这个路数。▲图导频只占网格上少数已知点。先沿频率、再沿时间插值把它们之间的信道补齐。能插得出是因为信道在相干带宽和相干时间内平滑起伏像一张撒几个点就能估出形状的面。导频得撒得够密这张面要估得准导频就不能撒太稀。撒点的间隔必须比信道起伏的快慢还密否则就像用太少的点去描一条抖动的曲线描出来的是另一条曲线估歪了。两个方向各有各的账。频率方向多径时延越长信道在频率轴上起伏越密、相干带宽越窄导频子载波就得排得越密才跟得住。时间方向信道变得越快相干时间越短导频符号就得来得越勤。前者顶着多径时延后者顶着运动带来的多普勒。导频撒多密是照着最坏那档信道的起伏速度定的。频率方向这条账和循环前缀盯的是同一个东西。前缀的长度卡着最长那条回波时延频率方向导频的间距也卡着它时延越长信道在频率轴上起伏越密前缀要越长、导频也要越密。一个负责把多径摊平成逐子载波的系数一个负责把这些系数量准量的都是同一个时延扩散。选传输模式时这两样是一起往上加的。这就是它怎么知道下雨了回到那个问题一下雨接收就变差接收机是怎么察觉信道被改了的。其实它什么都不用被告知。雨水把周围反射面的电磁特性重洗一遍多径场跟着重排信道那张面换了形状。下一批导频照样落在原来的格点上量出来的系数已经和上一批不一样了。接收机看到系数变了就按新系数去均衡如此而已。它不知道外面在下雨只看见自己撒的那批参照点上的信道动了跟着动就是。只要雨带来的变化没快到、没深到超出导频的跟踪能力这套跟踪就一直悄悄在补你甚至察觉不到。真正让接收垮掉的不是雨本身是雨把信道改得太狠狠到陷波太深、或者变化太快导频插出来的面跟不上真实的面估出来的系数错了均衡跟着错星座才糊。车速吃掉的是时间那个方向家里、办公室的接收点不动信道基本是静的一次估计能顶用很久时间方向的导频稀一点也无妨。车不一样。车速一上来信道在时间方向上变得飞快相干时间短到当前符号估出的系数下一个符号就过期了。这时候时间方向的导频要是不够勤就跟不上估计开始滞后、发虚。运动还带来多普勒扩散各条多径因相对速度不同各自偏了频正交性又被啃掉一角。车载接收机普遍比家用多配算力和通道很大一部分就花在时间方向上更密地追这张一直在变的信道面。这是车规和家用之间实打实的差别。一切下游都吊在这张面上导频是开销。它和循环前缀一样不载任何净荷撒得越密能追越快的信道可留给数据的格点也越少。撒多少是在跟踪能力和净荷之间挪的又一个点。更要紧的是这张估出来的信道面是后面所有环节的地基。插得准星座点收得干净利落解映射、纠错一路顺插得糙星座一开始就是散的后面的纠错再强也补不回来。数字广播那道从完好到无声的断崖很多时候就是从信道估计先跟不上开始塌的。接收机最难的几级里这一级不显眼却卡着上限。那批看着不载信息的参照点撑起的是整条链能不能把声音解出来。

相关新闻

Ansible for Kubernetes高级技巧:使用Ansible角色和模块优化Kubernetes管理

Ansible for Kubernetes高级技巧:使用Ansible角色和模块优化Kubernetes管理

Ansible for Kubernetes高级技巧:使用Ansible角色和模块优化Kubernetes管理 【免费下载链接】ansible-for-kubernetes Ansible and Kubernetes examples from Ansible for Kubernetes Book 项目地址: https://gitcode.com/gh_mirrors/an/ansible-for-kubernetes …

2026/7/29 5:39:52 阅读更多 →
如何快速上手VSEARCH:10个核心命令详解与实战示例

如何快速上手VSEARCH:10个核心命令详解与实战示例

如何快速上手VSEARCH:10个核心命令详解与实战示例 【免费下载链接】vsearch Versatile open-source tool for microbiome analysis 项目地址: https://gitcode.com/gh_mirrors/vs/vsearch VSEARCH是一款功能强大的开源微生物组分析工具,专为处理高…

2026/7/29 2:37:08 阅读更多 →
猫抓扩展:三分钟学会浏览器视频嗅探的终极免费方案

猫抓扩展:三分钟学会浏览器视频嗅探的终极免费方案

猫抓扩展:三分钟学会浏览器视频嗅探的终极免费方案 【免费下载链接】cat-catch 猫抓 浏览器资源嗅探扩展 / cat-catch Browser Resource Sniffing Extension 项目地址: https://gitcode.com/GitHub_Trending/ca/cat-catch 你是否曾为无法下载网页上的精彩视频…

2026/7/28 16:41:22 阅读更多 →

最新新闻

FinalShell密码本地加密机制解析与Java解密工具实现

FinalShell密码本地加密机制解析与Java解密工具实现

1. 项目概述与背景最近在技术社区和开发者圈子里,FinalShell 这款 SSH 客户端工具又成了一个小热点。起因是有不少朋友遇到了一个挺实际的问题:在 FinalShell 里保存了服务器连接密码,时间一长自己都忘了,或者换了台电脑想把连接信…

2026/7/29 5:39:26 阅读更多 →
从源码实现到安全调用:深入理解AES、RSA与SHA-256经典加密算法

从源码实现到安全调用:深入理解AES、RSA与SHA-256经典加密算法

1. 项目概述:为什么我们要亲手实现经典加密算法?在信息安全领域,加密算法就像是守护数据的“锁”。我们每天都在使用它,无论是登录网站时的HTTPS连接,还是手机解锁时的指纹验证,背后都有加密算法的身影。然…

2026/7/29 5:39:26 阅读更多 →
从创客项目到实用产品:硬件方案选型与嵌入式开发实战解析

从创客项目到实用产品:硬件方案选型与嵌入式开发实战解析

1. 项目概述:从“玩票”到“实用”的创客思维跃迁最近在创客圈子和一些硬件爱好者社群里,经常能看到一些看似“不务正业”却又让人眼前一亮的项目标题,比如“头部声控鼠标”、“储物室自动灯控”、“罗马数显复古怀表”等等。乍一看&#xff…

2026/7/29 5:39:26 阅读更多 →
大模型不再拼参数!2024起效的3种轻量化范式,让中小企业用1/10成本跑通AI闭环

大模型不再拼参数!2024起效的3种轻量化范式,让中小企业用1/10成本跑通AI闭环

更多请点击: https://codechina.net 第一章:大模型轻量化范式的范式迁移与产业拐点 过去三年,大模型部署正经历一场静默却深刻的范式迁移:从追求参数规模的“越大越好”,转向以推理效率、内存 footprint 和端侧可用性…

2026/7/29 5:39:25 阅读更多 →
Spring JavaConfig核心注解解析与XML迁移实战指南

Spring JavaConfig核心注解解析与XML迁移实战指南

1. 项目概述&#xff1a;从XML到JavaConfig的演进之路如果你是从Spring 2.x甚至更早版本一路用过来的开发者&#xff0c;提起配置&#xff0c;脑子里蹦出来的第一个词多半是“XML”。那些年&#xff0c;我们习惯了在applicationContext.xml里定义一个个<bean>&#xff0c…

2026/7/29 5:39:25 阅读更多 →
3分钟学会语音转文字:AsrTools让音频处理变得如此简单

3分钟学会语音转文字:AsrTools让音频处理变得如此简单

3分钟学会语音转文字&#xff1a;AsrTools让音频处理变得如此简单 【免费下载链接】AsrTools ✨ AsrTools: Smart Voice-to-Text Tool | Efficient Batch Processing | User-Friendly Interface | No GPU Required | Supports SRT/TXT Output | Turn your audio into accurate …

2026/7/29 5:38:25 阅读更多 →

日新闻

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

一、本文介绍 🔥本文在RT-DETR多模态融合目标检测中引入RLAB残差线性注意力模块,可在不同模态特征交互阶段进行多次残差细化,使可见光、红外等特征在尺度、语义和空间位置上更好对齐;随后将细化特征与解码器输出拼接并生成Q、K、V,通过线性注意力自适应强化关键通道、目…

2026/7/29 0:00:23 阅读更多 →
AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02&#xff1a;合并知识功能&#xff0c;给 AI 问数和 RAG 场景打基础 在上一期「AI编程系列」中&#xff0c;我们学习了如何构建一个基础的 AI 问答系统&#xff0c;通过简单的输入输出让模型回应问题。但现实世界中的 AI 应用往往需要处理更复杂的场景&#xff1a;…

2026/7/29 0:00:23 阅读更多 →
AI智能体开发实战:从工具调用到企业级部署

AI智能体开发实战:从工具调用到企业级部署

1. 从被动问答到主动执行&#xff1a;AI Agent的范式转变过去两年&#xff0c;大语言模型最显著的应用形态是聊天机器人——用户提问&#xff0c;AI回答。但真正的生产力革命发生在2023年下半年&#xff1a;当AI学会主动调用工具完成任务时&#xff0c;生产力工具的历史被彻底改…

2026/7/29 0:00:23 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档&#xff0c;可以直接使用&#xff01;系统支持图片、视频、摄像头等多种方式检测裂缝&#xff0c;功能强大实用。 1数据集6000张 8各类别

2026/7/28 12:04:22 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像&#xff01; pubg绝地求生目标检测数据集 1分类&#xff1a;e_body&#xff0c;14905个标签&#xff0c;txt格式 共计14244张图&#xff0c;99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/28 8:29:16 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别&#xff1a; allies enemy tag图片总量&#xff1a;7247张训练集&#xff1a;5139张验证集&#xff1a;1425张测试集&#xff1a;683张标注状态&#xff1a;全部已标注&#xff0c;即拿即用数据格式&#xff1a;支持YOLO格式及其他格式&#…

2026/7/28 5:03:42 阅读更多 →

月新闻