LTE联合仿真平台下多用户多小区链路与GFDM系统共存的深度剖析与优化策略

LTE联合仿真平台下多用户多小区链路与GFDM系统共存的深度剖析与优化策略一、引言1.1研究背景与意义移动通信技术自诞生以来，历经了从1G到5G的飞速发展，深刻改变了人们的生活和社会的运作方式。1G实现了语音通信的移动化，让人们摆脱了固定电话的束缚；2G引入数字通信技术，提高了语音质量和系统容量，同时也开启了短信等数据业务的先河；3G更是带来了高速数据传输，使移动互联网应用成为可能，如手机浏览网页、在线音乐播放等；4G则进一步提升了网络速度和稳定性，为高清视频、移动支付、在线游戏等丰富的应用提供了坚实的支撑。如今，5G以其高速率、低时延和大连接的特性，正推动着物联网、车联网、工业互联网等新兴领域的蓬勃发展，开启了万物互联的新时代。在移动通信技术的发展历程中，长期演进（LongTermEvolution，LTE）技术是3G向4G演进的关键阶段，具有举足轻重的地位。LTE系统引入了正交频分复用（OrthogonalFrequencyDivisionMultiplexing，OFDM）和多输入多输出（Multi-InputMulti-Output，MIMO）等关键技术，显著提升了频谱效率和数据传输速率。它能够支持多种带宽分配，包括1.4MHz、3MHz、5MHz、10MHz、15MHz和20MHz等，适应不同的应用场景和需求。同时，LTE还支持全球主流2G/3G频段和一些新增频段，频谱分配更加灵活，有效提高了系统的容量和覆盖率。其网络架构逐渐走向扁平化和简单化，减少了网络节点和系统的复杂程度，降低了系统时延以及网络部署和维护成本。并且，LTE系统支持与其他3GPP系统互操作，为用户提供了更加便捷的通信体验。在4G时代，LTE技术得到了广泛的应用和部署，成为了移动通信网络的核心组成部分。然而，随着通信技术的不断发展以及用户对通信需求的日益增长，现有的LTE系统逐渐暴露出一些局限性。例如，在频谱效率方面，虽然LTE已经取得了一定的进步，但面对未来海量的数据传输需求，仍有提升的空间。同时，其带外辐射和峰均功率比等问题，也对频谱资源的有效利用和系统性能产生了一定的影响。为了满足未来通信系统对更高性能的要求，学术界和工业界不断探索新的技术和方案，广义频分复用（GeneralizedFrequencyDivisionMultiplexing，GFDM）系统应运而生。GFDM是一种基于滤波器组的多载波调制技术，它在继承了OFDM部分优点的基础上，具有许多独特的优势。GFDM通过精心设计子带滤波器，能够有效降低旁瓣，减少带外辐射，从而提高频谱利用率，尤其适用于未来频谱资源紧张且需要高效利用的通信场景。其灵活的数据块结构，可根据不同的业务需求进行灵活配置，为多样化的业务提供更好的支持。在面对复杂的信道环境时，GFDM展现出了更强的适应性和抗干扰能力，能够保障通信的稳定性和可靠性。由于GFDM具有这些突出的性能优势，被认为是未来5G乃至6G通信系统中极具潜力的候选波形方案之一。研究LTE和GFDM系统具有重要的现实意义。从理论层面来看，深入探究这两种系统的原理、性能以及它们之间的相互作用机制，有助于我们更好地理解现代通信技术的本质，丰富通信理论体系，为后续的技术创新和发展提供坚实的理论基础。通过对LTE和GFDM系统的研究，我们可以深入分析它们在不同场景下的性能表现，如吞吐量、延迟、误码率等，从而为系统的优化和改进提供科学依据。在实际应用方面，随着物联网、工业互联网、智能交通等新兴领域的快速发展，对通信系统的性能提出了极高的要求。研究LTE和GFDM系统的共存与协同工作，能够为构建高性能、高可靠性的通信网络提供技术支持，满足这些新兴领域对通信的严苛需求。例如，在工业互联网中，需要通信系统具备低时延、高可靠性的特点，以确保工业设备之间的实时通信和协同工作；在智能交通中，车联网的发展需要通信系统能够支持高速移动场景下的稳定通信，保障车辆的安全行驶和智能交通管理的有效实施。因此，对LTE和GFDM系统的研究对于推动未来通信技术的发展和应用具有重要的现实意义。1.2国内外研究现状在LTE仿真平台的研究方面，国内外学者已经取得了一定的成果。国外的一些研究机构和高校，如瑞典皇家理工学院、美国斯坦福大学等，在LTE仿真平台的搭建和性能分析方面开展了深入的研究。他们利用先进的仿真工具，如MATLAB、OPNET等，构建了复杂的LTE仿真场景，对LTE系统的各种性能指标进行了详细的分析和评估。在研究LTE系统的容量和覆盖性能时，通过建立精确的信道模型和干扰模型，分析了不同天线配置、功率分配方案以及用户分布情况下系统的性能表现，为LTE网络的规划和优化提供了重要的参考依据。国内的一些科研院校，如清华大学、北京邮电大学等，也在LTE仿真平台的研究中取得了显著的进展。他们结合我国的通信需求和实际场景特点，对LTE仿真平台进行了针对性的优化和改进。在研究TD-LTE系统在城市环境中的性能时，考虑了建筑物遮挡、多径传播等因素对信号的影响，提出了相应的优化算法和解决方案，提高了系统在复杂环境下的性能。关于GFDM系统的研究，近年来也受到了广泛的关注。国外在GFDM技术的基础研究方面处于领先地位，德国的德累斯顿工业大学、法国的巴黎高等电信学院等机构在GFDM的基本原理、信号处理算法等方面进行了深入的研究。他们提出了多种GFDM的调制解调算法和信号检测算法，如基于快速傅里叶变换（FFT）的高效调制解调算法、基于最小均方误差（MMSE）的信号检测算法等，有效提高了GFDM系统的性能。国内的研究主要集中在GFDM系统的应用探索和性能优化方面。一些科研团队针对GFDM系统在5G通信中的应用，研究了其与其他技术的融合方案，如GFDM与多输入多输出（MIMO）技术相结合，以进一步提高系统的频谱效率和传输可靠性；同时，也在不断优化GFDM系统的参数配置和算法设计，以降低系统的复杂度和功耗。尽管国内外在LTE仿真平台和GFDM系统的研究方面取得了不少成果，但仍存在一些不足之处。在LTE仿真平台的研究中，现有的仿真模型往往对实际场景的复杂性考虑不够全面，如对复杂地形、动态用户行为以及多系统干扰等因素的建模不够精确，导致仿真结果与实际情况存在一定的偏差。对LTE系统与其他新兴技术的融合研究还相对较少，难以满足未来通信系统多元化发展的需求。在GFDM系统的研究中，目前的研究主要集中在理论分析和仿真验证阶段，实际的硬件实现和工程应用还面临诸多挑战，如滤波器的设计和实现、系统的同步和定时等问题。GFDM系统与现有通信系统的兼容性和互操作性研究也不够深入，限制了其在实际通信网络中的应用推广。1.3研究内容与方法本研究主要围绕LTE联合仿真平台下多用户多小区链路设计及GFDM系统共存测试分析展开，具体研究内容包括以下几个方面：LTE系统关键技术分析：深入研究LTE系统的基本原理、网络结构和关键技术，如OFDM、MIMO、链路自适应、无线资源调度等技术的工作原理和性能特点。分析这些技术在多用户多小区场景下的应用效果，以及它们对系统性能的影响，为后续的链路设计和仿真提供理论基础。LTE联合仿真平台搭建：基于MATLAB等仿真工具，搭建LTE联合仿真平台。在平台搭建过程中，详细设计仿真场景，包括多用户多小区的布局、信道模型的选择和参数设置、干扰源的模拟等。实现LTE系统的关键功能模块，如信号的调制解调、编码解码、资源分配等，确保仿真平台能够准确模拟LTE系统的实际运行情况。多用户多小区链路设计与性能分析：在搭建好的仿真平台上，进行多用户多小区链路设计。研究不同的链路设计方案，如功率分配策略、用户调度算法、天线配置等对系统性能的影响。通过仿真实验，分析系统的吞吐量、延迟、误码率、小区间干扰等性能指标，优化链路设计方案，提高系统在多用户多小区场景下的性能。GFDM系统原理与性能研究：全面研究GFDM系统的基本原理、信号生成与解调过程、滤波器设计等关键技术。分析GFDM系统的性能特点，如频谱效率、带外辐射、峰均功率比等，并与LTE系统的性能进行对比，明确GFDM系统的优势和适用场景。LTE与GFDM系统共存测试分析：重点研究LTE与GFDM系统共存时的相互干扰问题和解决方案。通过仿真实验，分析不同的共存场景下，如频分复用、时分复用、码分复用等，LTE与GFDM系统之间的干扰情况。提出有效的干扰抑制技术和资源管理策略，确保LTE与GFDM系统能够在同一通信环境中稳定、高效地共存。在研究方法上，本研究采用了多种方法相结合的方式。首先，运用仿真方法，利用MATLAB等专业仿真工具搭建LTE联合仿真平台和GFDM系统仿真模型，对不同的系统场景和参数设置进行大量的仿真实验。通过仿真实验，获取系统的各种性能数据，为系统性能分析和优化提供数据支持。采用对比分析方法，将LTE系统和GFDM系统的性能进行对比，分析它们在不同指标下的优劣，以及在共存场景下的相互影响。通过对比分析，找出系统的改进方向和优化策略。结合理论分析方法，对LTE和GFDM系统的关键技术和性能进行深入的理论推导和分析。在研究OFDM技术的频谱效率时，通过数学公式推导和理论分析，深入理解其原理和性能特点，为仿真结果的分析和解释提供理论依据。二、LTE物理层下行链路及联合仿真平台解析2.1LTE物理层基础概念LTE物理层作为LTE系统的底层关键组成部分，承担着数据传输和信号处理的重要任务，对整个系统的性能起着决定性作用。其协议体系严格遵循3GPP标准规范，涵盖了物理信道、物理信号、物理层过程以及相关参数配置等多方面内容。在物理信道方面，定义了多种不同类型的信道，包括物理下行共享信道（PDSCH）、物理广播信道（PBCH）、物理下行控制信道（PDCCH）等，每种信道都有其特定的功能和用途，以满足不同的数据传输和控制信息传递需求。在物理信号方面，包含了同步信号、参考信号等，这些信号在系统同步、信道估计、信号检测等过程中发挥着不可或缺的作用。LTE系统支持两种双工方式，即频分双工（FDD）和时分双工（TDD）。FDD模式下，上行传输和下行传输分别在不同的载波频段上进行，通过频率的区分来实现上下行链路的独立传输。这种方式能够同时进行上下行数据传输，适用于对上下行数据传输需求较为均衡的场景，如语音通信、视频通话等。TDD模式下，上行传输和下行传输在相同的载波频段上进行，但通过不同的时隙来区分上下行链路。TDD模式具有较高的频谱利用率，能够根据实际业务需求灵活调整上下行时隙分配比例，适用于上下行数据传输需求差异较大的场景，如网页浏览、文件下载等。在帧结构上，FDD和TDD存在明显差异。FDD的帧结构相对较为简单，每帧长度为10ms，由10个长度为1ms的子帧构成，每个子帧又进一步分成2个长度为0.5ms的时隙。这种帧结构使得上下行链路在时间上保持同步，便于系统的设计和实现。TDD的帧结构则更为复杂，每帧同样长度为10ms，但分为2个长度为5ms的半帧，每个半帧包含5个子帧，其中子帧1和子帧6为特殊子帧，用于下行到上行的转换和其他特定功能，其余子帧为普通子帧，用于传输数据。每个子帧由2个时隙构成，特殊子帧由下行导频时隙（DwPTS）、保护周期（GP）和上行导频时隙（UpPTS）组成。TDD帧结构通过合理配置特殊子帧和上下行时隙，有效地解决了上下行链路在同一频段上传输时的干扰问题，提高了频谱利用率。2.2LTE下行链路详解LTE下行链路的帧结构是其数据传输的重要基础。在FDD模式下，每个10ms的无线帧包含10个子帧，每个子帧时长1ms，由2个时隙组成，每个时隙时长0.5ms。这种均匀的时间划分方式，为数据的有序传输提供了稳定的时间框架，使得系统能够高效地进行上下行数据的调度和处理。TDD模式下，10ms的无线帧由2个5ms的半帧构成，每个半帧包含5个子帧，其中特殊子帧（子帧1和子帧6）用于下行到上行的转换和特定功能，普通子帧用于数据传输。特殊子帧由DwPTS、GP和UpPTS组成，DwPTS用于下行信号传输，GP用于避免上下行信号干扰，UpPTS用于上行信号传输。TDD帧结构通过灵活配置特殊子帧和上下行时隙，能够根据不同的业务需求和场景，动态调整上下行链路的资源分配，提高系统的适应性和效率。资源单元（RE）是LTE下行链路中时频资源的最小单位，它在时频二维平面上唯一确定一个位置。每个RE对应一个OFDM符号上的一个子载波，其大小固定为15kHz×1/14ms（正常循环前缀下）。资源块（RB）则是由频域上连续的12个子载波和时域上连续的7个OFDM符号组成（正常循环前缀下），其带宽为180kHz，时长为0.5ms。RB是LTE系统进行资源分配和调度的基本单位，通过将多个RB分配给不同的用户或业务，实现了对系统资源的有效管理和利用。这种资源划分和分配方式，使得LTE系统能够根据用户的需求和信道条件，灵活地为用户分配合适的资源，提高了系统的频谱效率和用户体验。在发射端，基带信号流程经历了多个关键步骤。首先是信源数据的处理，信源数据经过24位CRC校验码添加，生成多项式CRC24A，以提高数据的可靠性和纠错能力。若CRC码块长度大于6448，会进行CRC编码块分割，并再次添加24位CRC校验码，生成多项式CRC24B。接着进行信道编码，采用Turbo编码，码率为1/3，使用QPP交织器对数据进行交织处理，以提高编码的性能和抗干扰能力。然后进行速率匹配，包括以Turbo块为单位的频域交织及根据HARQ的冗余版本对数据进行打孔或重复，以适应不同的信道条件和传输需求。比特级加扰使用寄存器长度为31的Golden序列，初始状态与小区的Cell_id、用户的nRNTI及时隙号有关，进一步增强了数据的保密性和抗干扰能力。调制采用QPSK、16QAM、64QAM等方式，将数字信号转换为适合无线传输的模拟信号。层映射及预编码处理根据不同的MIMO方式，将数据映射到不同的层，并进行相应的预编码处理，以提高数据传输的可靠性和效率。资源块的映射将数据映射到相应的资源块上，完成数据在时频资源上的分配。最后进行IFFT变换，将频域信号转换为时域信号，并加入同步时隙，完成成帧过程。OFDM技术作为LTE下行链路的核心技术之一，具有独特的优势。OFDM通过将高速数据流分割成多个低速子数据流，并将它们调制到多个相互正交的子载波上同时传输，有效地抵抗了多径干扰和频率选择性衰落。由于子载波之间的正交性，OFDM系统能够在有限的频谱资源内实现高效的数据传输，提高了频谱利用率。通过合理选择子载波间隔和循环前缀长度，OFDM系统能够灵活地适应不同的信道条件和应用场景，为用户提供高质量的通信服务。在高速移动场景下，OFDM技术能够通过调整子载波间隔和循环前缀长度，有效地抵抗多普勒频移和多径效应的影响，保证信号的稳定传输。2.3LTE联合仿真平台构建系统仿真在通信领域中具有至关重要的作用，它能够在实际系统建设之前，通过计算机模拟和分析，对系统的性能进行评估和优化，为系统的设计和部署提供重要的参考依据。在LTE系统研究中，系统仿真可以帮助研究人员深入了解LTE系统的工作原理、性能特点以及各种因素对系统性能的影响，从而优化系统参数配置，提高系统性能。通过系统仿真，研究人员可以模拟不同的信道条件、用户分布、业务类型等场景，分析LTE系统在这些场景下的吞吐量、延迟、误码率等性能指标，为系统的优化和改进提供数据支持。LTE软硬件联合仿真结合了软件仿真的灵活性和硬件仿真的真实性，能够更准确地模拟LTE系统的实际运行情况。在联合仿真中，软件部分通常使用MATLAB等工具实现LTE系统的算法和模型，对信号处理、资源分配、链路自适应等功能进行模拟和分析。硬件部分则使用专用的硬件平台，如FPGA、ASIC等，实现LTE系统的物理层功能，如信号的调制解调、编码解码、射频处理等。通过将软件和硬件部分进行协同工作，联合仿真能够更真实地模拟LTE系统的实际运行环境，包括信道特性、干扰情况、设备性能等，从而得到更准确的仿真结果。在模拟LTE系统在复杂城市环境中的性能时，联合仿真可以通过硬件部分模拟实际的信道衰落和干扰情况，通过软件部分实现LTE系统的算法和模型，对系统在这种环境下的性能进行评估和分析。搭建LTE联合仿真平台需要经过多个关键步骤。首先是确定仿真需求和目标，明确需要模拟的LTE系统场景、性能指标以及研究重点，为后续的平台搭建提供指导。选择合适的仿真工具，如MATLAB、Simulink等，这些工具具有强大的数学计算和建模能力，能够方便地实现LTE系统的各种功能和算法。根据LTE系统的标准和规范，建立LTE系统的数学模型，包括物理层模型、链路层模型、网络层模型等，对系统的各个部分进行详细的描述和模拟。在物理层模型中，需要建立OFDM调制解调模型、MIMO模型、信道模型等，以准确模拟物理层的信号处理过程。对模型进行参数配置，根据实际的LTE系统参数和仿真需求，设置模型中的各种参数，如带宽、子载波间隔、天线配置、信道参数等，确保模型能够准确反映实际系统的特性。进行模型验证和调试，通过与实际的LTE系统数据或其他参考模型进行对比，验证模型的准确性和可靠性，并对模型进行调试和优化，以提高模型的性能。将各个模型进行集成，构建完整的LTE联合仿真平台，并进行系统测试和验证，确保平台能够正常运行并满足仿真需求。三、LTE联合仿真平台下多用户多小区链路设计与实践3.1多用户多小区链路设计方案在LTE联合仿真平台下，多用户多小区链路设计是提升系统性能的关键环节，其设计方案需综合考虑多方面因素，以实现高效的数据传输和资源利用。本研究基于LabVIEWCommunications系统设计套件构建相关程序，充分利用其强大的功能和灵活性，为链路设计提供有力支持。LabVIEWCommunications系统设计套件提供了统一的设计环境，能让用户方便地对处理器和FPGA进行编程，且可在多个SDR系统上运行。这使得我们仅需使用一个设计工具，就能定义和管理完整的原型解决方案，并迅速将新算法部署到硬件上，大大提高了开发效率。其丰富的拖放式控件，便于创建自定义用户界面，实现与设计的轻松交互；内置的应用程序框架，适用于LTE和802.11的软件实现，用户可直接修改这些基于标准的实现，以满足特定需求，减少了开发时间和工作量。多小区多用户链路设计思路围绕如何优化资源分配、降低干扰以及提高系统容量展开。在资源分配方面，采用动态资源分配策略，根据用户的信道状态信息（CSI）、业务需求和系统负载等因素，实时为用户分配资源块（RB）和功率。对于信道质量较好且对实时性要求较高的用户，优先分配资源，以确保其数据传输的及时性和可靠性；对于信道质量较差的用户，则通过适当的功率调整和编码方式选择，提高其接收性能。通过这种动态资源分配方式，可有效提高频谱效率，充分利用有限的资源，满足不同用户的需求。在多用户多小区场景中，干扰是影响系统性能的重要因素，主要包括用户间干扰和小区间干扰。为了降低干扰，采用了多种干扰协调和抑制技术。在用户间干扰控制方面，利用正交频分多址（OFDMA）技术，将不同用户的数据分配到不同的子载波上，通过子载波的正交性来减少用户间干扰。同时，结合功率控制技术，根据用户的距离和信道条件，调整用户的发射功率，避免因功率过大导致对其他用户的干扰增加。在小区间干扰控制方面，采用部分频率复用（FFR）技术，将整个频谱划分为多个子带，不同小区在不同的子带上进行数据传输，通过合理的频率规划，减少小区间的干扰。还可以采用干扰随机化、干扰消除等技术，进一步降低干扰对系统性能的影响。为了提高系统容量，引入了多输入多输出（MIMO）技术。通过在基站和用户设备上配置多个天线，MIMO技术可以实现空间复用和分集增益。在空间复用模式下，多个数据流同时在不同的天线上传输，从而提高数据传输速率；在分集增益模式下，通过多个天线发送相同的数据，利用信号的分集特性，提高接收信号的可靠性。通过合理选择MIMO模式和天线配置，可显著提高系统容量，满足不断增长的用户需求。3.2用户间干扰设计与实现在多用户环境下，用户间干扰是影响系统性能的重要因素之一。为了深入研究和有效控制用户间干扰，需要对其进行精心设计与实现。在设计过程中，从MAC层到物理层的接口设计是关键环节，它直接关系到干扰信号的传输和处理。MAC层作为数据链路层的一部分，负责将上层数据封装成帧，并进行介质访问控制。在多用户场景下，不同用户的数据在MAC层进行汇聚和调度。为了模拟用户间干扰，需要在MAC层设计一种机制，使得不同用户的数据在传输过程中产生冲突和干扰。一种常见的方法是采用随机接入机制，不同用户在随机的时间点竞争信道资源。当多个用户同时竞争同一信道资源时，就会产生冲突，导致数据传输失败或受到干扰。可以通过设置不同的竞争窗口大小和退避算法，来调整用户间冲突的概率和严重程度。还可以在MAC层引入干扰注入模块，根据需要向特定用户的数据帧中添加干扰信号，模拟实际场景中其他用户对该用户的干扰。从MAC层到物理层的接口设计，需要确保干扰信号能够准确无误地传输到物理层进行处理。在接口设计中，定义了一系列的控制信号和数据传输格式，以实现MAC层和物理层之间的信息交互。控制信号包括干扰信号的标识、干扰强度的指示等，这些信号可以让物理层准确地识别和处理干扰信号。数据传输格式则规定了干扰信号在物理层的编码、调制和传输方式，确保干扰信号能够与正常数据信号在物理层进行混合传输。干扰用户数据产生过程是模拟用户间干扰的核心步骤。在LTE系统中，用户数据通常经过编码、调制、交织等一系列处理后进行传输。为了产生干扰用户数据，首先需要生成干扰信号。干扰信号可以是随机噪声、伪随机序列或其他用户的实际数据。以随机噪声为例，通过随机数发生器生成符合一定统计特性的噪声序列，然后对噪声序列进行适当的处理，使其满足LTE系统的信号格式和功率要求。接着，将干扰信号与正常用户数据进行混合。混合方式可以是叠加、替换或其他方式，具体取决于干扰的类型和强度要求。在叠加方式下，将干扰信号直接叠加到正常用户数据上，模拟干扰信号对正常信号的干扰；在替换方式下，用干扰信号替换正常用户数据的一部分，模拟数据传输过程中的错误或丢失。在功率控制添加及调制过程中，为了模拟实际场景中干扰用户的发射功率变化，根据干扰模型和信道条件，对干扰用户数据进行功率控制。功率控制可以采用开环功率控制或闭环功率控制方式。开环功率控制根据干扰用户的位置和信道估计信息，预先设置发射功率；闭环功率控制则通过接收端的反馈信息，实时调整发射功率，以达到更好的干扰效果。对干扰用户数据进行调制，使其符合LTE系统的调制方式，如QPSK、16QAM、64QAM等。调制过程中，根据干扰信号的特点和系统要求，选择合适的调制参数，确保干扰信号能够在物理层有效地传输。资源映射过程是将干扰用户数据映射到LTE系统的时频资源上。在LTE系统中，时频资源被划分为多个资源块（RB），每个RB由多个子载波和符号组成。根据干扰策略和系统资源分配情况，将干扰用户数据映射到特定的RB上。可以选择与正常用户数据相同的RB进行映射，以增强干扰效果；也可以选择与正常用户数据相邻或相隔一定距离的RB进行映射，模拟不同程度的干扰。在映射过程中，还需要考虑资源的利用率和干扰的分布情况，以实现对用户间干扰的有效模拟和控制。通过以上设计与实现步骤，可以在LTE联合仿真平台下有效地模拟用户间干扰，为研究用户间干扰对系统性能的影响以及开发相应的干扰抑制技术提供了基础。3.3小区间干扰设计与处理小区间干扰是LTE多用户多小区系统中影响系统性能的重要因素之一，它会导致信号质量下降、误码率增加以及系统容量降低等问题。为了深入研究和有效处理小区间干扰，需要对其进行精心设计与处理。在设计小区间干扰时，从MAC层至物理层接口设计开始，确保干扰信号能够准确无误地传输和处理。MAC层负责数据的封装、调度以及与物理层的交互。在多小区场景下，不同小区的数据在MAC层进行汇聚和处理。为了模拟小区间干扰，在MAC层设计一种机制，使得不同小区的数据在传输过程中产生冲突和干扰。可以通过设置不同小区的传输优先级和调度策略，当多个小区同时竞争有限的信道资源时，就会产生冲突，导致小区间干扰的发生。在MAC层引入干扰注入模块，根据需要向特定小区的数据帧中添加干扰信号，模拟其他小区对该小区的干扰。从MAC层到物理层的接口设计，定义了一系列的控制信号和数据传输格式，以实现MAC层和物理层之间的信息交互。控制信号包括干扰信号的标识、干扰强度的指示等，这些信号可以让物理层准确地识别和处理干扰信号。数据传输格式则规定了干扰信号在物理层的编码、调制和传输方式，确保干扰信号能够与正常数据信号在物理层进行混合传输。小区干扰数据产生及功率控制添加是模拟小区间干扰的关键步骤。首先，生成小区干扰信号。干扰信号可以是随机噪声、其他小区的实际数据或者特定的干扰序列。以其他小区的实际数据为例，通过获取相邻小区的传输数据，经过适当的处理后作为干扰信号。接着，根据干扰模型和信道条件，对干扰信号进行功率控制。功率控制可以采用开环功率控制或闭环功率控制方式。开环功率控制根据干扰源与被干扰小区的距离和信道估计信息，预先设置干扰信号的发射功率；闭环功率控制则通过接收端的反馈信息，实时调整干扰信号的发射功率，以达到更好的干扰效果。通过合理调整干扰信号的功率，可以模拟不同强度的小区间干扰。干扰加载过程是将生成的干扰信号加载到被干扰小区的传输信号中。在LTE系统中，信号在时频域上进行传输，因此干扰加载需要在时频域上进行操作。一种常见的方法是在资源块（RB）级别进行干扰加载。根据干扰策略和系统资源分配情况，选择特定的RB将干扰信号与正常信号进行叠加。可以选择与正常信号相同的RB进行加载，以增强干扰效果；也可以选择与正常信号相邻或相隔一定距离的RB进行加载，模拟不同程度的干扰。在加载过程中，需要注意干扰信号的功率和相位，确保干扰信号能够有效地影响正常信号的传输。还可以采用干扰随机化技术，对干扰信号的加载位置和方式进行随机化处理，以模拟实际场景中复杂多变的干扰情况。通过以上小区间干扰设计与处理步骤，可以在LTE联合仿真平台下有效地模拟小区间干扰，为研究小区间干扰对系统性能的影响以及开发相应的干扰抑制技术提供了基础。在实际应用中，可以根据具体的场景和需求，灵活调整干扰设计参数，以更好地模拟实际的小区间干扰情况。3.4性能分析与评估在完成LTE联合仿真平台下多用户多小区链路设计与实现后，对其性能进行全面的分析与评估是至关重要的环节，它能够深入了解链路设计的有效性和系统性能的优劣，为后续的优化和改进提供有力依据。硬件链路层性能分析主要聚焦于物理层信号传输的质量和效率。在实际测试中，使用专业的信号分析仪器，对发射端和接收端的信号进行精确测量。在发射端，仔细检测信号的功率、频谱特性以及调制精度等参数。确保信号功率符合设计要求，频谱特性满足LTE系统的规范，避免出现频谱泄漏等问题，影响系统的正常运行；调制精度的准确与否直接关系到信号携带信息的准确性，高精度的调制能够有效降低误码率，提高数据传输的可靠性。在接收端，重点分析信号的解调性能和误码率。通过对比接收到的信号与原始发送信号，评估解调算法的性能，观察是否能够准确还原原始数据。误码率是衡量硬件链路层性能的关键指标之一，较低的误码率表明链路能够稳定、可靠地传输数据。在不同的信道条件下，如多径衰落、阴影衰落和噪声干扰等，对误码率进行测试，以全面了解链路在复杂环境下的性能表现。在多径衰落信道中，信号会经历多条传播路径，导致信号的时延扩展和频率选择性衰落，从而增加误码率。通过分析误码率在不同信道条件下的变化情况，可以评估链路对信道变化的适应能力和抗干扰能力。软硬件联合调试性能分析则着重考察整个系统的协同工作能力和实际应用效果。在实际场景模拟测试中，构建逼真的多用户多小区环境，包括不同的用户分布、业务类型和信道条件等。不同的用户分布会导致信号的干扰情况不同，密集的用户分布可能会增加用户间干扰和小区间干扰的强度；不同的业务类型对数据传输的要求也各不相同，实时性业务如语音通话和视频会议对延迟要求较高，而数据下载业务则对吞吐量要求较高。通过模拟这些实际场景，能够更真实地反映系统在实际应用中的性能表现。在测试过程中，对系统的吞吐量、延迟和丢包率等关键性能指标进行详细监测和分析。吞吐量反映了系统在单位时间内能够传输的数据量，较高的吞吐量意味着系统能够满足大量用户的数据传输需求；延迟是指数据从发送端到接收端的传输时间，对于实时性业务来说，延迟必须控制在一定范围内，否则会影响用户体验；丢包率表示在传输过程中丢失的数据包数量与总发送数据包数量之比，较低的丢包率是保证数据传输完整性的重要指标。通过对这些性能指标的分析，可以评估系统在不同场景下的性能是否满足设计要求，以及是否能够满足实际应用的需求。通过对硬件链路层和软硬件联合调试性能的全面分析与评估，发现多用户多小区链路设计在一定程度上能够有效提升系统性能。在合理的资源分配和干扰控制策略下，系统的吞吐量得到了显著提高，能够满足更多用户同时进行数据传输的需求；延迟也控制在可接受的范围内，对于实时性业务的支持较好；丢包率较低，保证了数据传输的可靠性。但也发现了一些问题，在用户数量过多或信道条件恶劣的情况下，干扰控制效果会有所下降，导致误码率增加和系统性能下降。针对这些问题，后续将进一步优化链路设计和干扰控制算法，以提高系统在复杂环境下的性能稳定性和可靠性。可以采用更先进的干扰协调技术，如基于深度学习的干扰预测和抑制算法，根据实时的信道状态和用户分布情况，动态调整干扰控制策略，提高系统的抗干扰能力；还可以优化资源分配算法，更加合理地分配资源，提高资源利用率，从而提升系统性能。四、GFDM系统特性及与OFDM性能比较4.1GFDM收发链路原理GFDM作为一种新兴的多载波调制技术，其收发链路原理具有独特的特点和优势。GFDM系统通过精心设计的滤波器组，对每个子载波进行独立的滤波处理，从而有效降低了子带间的干扰和带外辐射，提高了频谱利用率。在GFDM发射机模型中，信源数据首先进入编码器，编码器根据特定的编码算法对数据进行编码处理，增加数据的冗余度，以提高数据传输的可靠性，抵抗信道中的噪声和干扰。常见的编码算法如卷积码、Turbo码等，都能根据不同的应用需求和信道条件，选择合适的编码方式和编码参数。经过编码后的数据接着进入映射器，映射器将编码后的数据映射到特定的星座图上，将数字信号转换为适合在信道中传输的调制符号。常用的映射方式有QPSK（四相相移键控）、16QAM（16进制正交幅度调制）、64QAM等，不同的映射方式具有不同的频谱效率和抗干扰能力，可根据实际需求进行选择。映射后的符号会被分配到不同的子载波和时隙上，形成一个二维的时频矩阵。在这个过程中，需要考虑子载波的分配策略和时隙的安排，以确保信号在时频域上的合理分布，提高系统的性能。每个子载波上的信号会经过子带滤波器进行滤波处理，子带滤波器的设计是GFDM系统的关键之一。子带滤波器通常采用具有良好频率选择性的滤波器，如根升余弦滤波器、高斯滤波器等，能够有效抑制子带间的干扰，降低带外辐射。经过滤波后的信号在频域上进行叠加，然后通过IFFT（快速傅里叶逆变换）变换将频域信号转换为时域信号。在IFFT变换之前，为了避免符号间干扰，通常会在每个符号前添加循环前缀（CP），CP的长度需要根据信道的最大时延扩展来确定，以确保在多径信道环境下，接收端能够准确地恢复信号。添加CP后的时域信号经过数模转换（DAC）和射频（RF）处理后，通过天线发送出去。在GFDM接收机模型中，接收天线接收到的信号首先经过射频处理和模数转换（ADC），将模拟信号转换为数字信号。接着，去除信号中的循环前缀，恢复出原始的时域信号。通过FFT（快速傅里叶变换）变换将时域信号转换为频域信号，得到频域上的子载波信号。在频域上，需要对信号进行均衡处理，以补偿信道的衰落和干扰对信号的影响。常见的均衡算法有迫零（ZF）均衡、最小均方误差（MMSE）均衡等，这些算法能够根据信道的状态信息，对信号进行相应的调整，提高信号的质量。均衡后的信号经过子带滤波器的逆滤波处理，恢复出原始的调制符号。然后，根据发射端的映射方式，对调制符号进行解映射处理，将其转换为编码后的比特流。最后，通过解码器对编码后的比特流进行解码处理，恢复出原始的信源数据。在解码过程中，解码器会利用编码时增加的冗余信息，对数据进行纠错和检错，提高数据的准确性。4.2GFDM与OFDM性能对比GFDM和OFDM作为两种重要的多载波调制技术，在通信系统中都有着广泛的应用前景，但它们在性能上存在着诸多差异。通过深入的理论分析和大量的仿真实验，可以全面地比较它们在误码率、频谱效率等关键性能指标上的表现，为实际通信系统的设计和优化提供有力的参考依据。在误码率性能方面，OFDM由于子载波之间严格正交，在理想同步条件下，子载波间干扰（ICI）较小，误码率性能相对较好。但在实际通信环境中，OFDM对同步误差较为敏感，一旦出现载波频率偏移（CFO）或采样时钟偏移，就会破坏子载波的正交性，导致ICI急剧增加，从而使误码率大幅上升。GFDM虽然放弃了子载波间的严格正交性，但通过精心设计的子带滤波器，能够有效地抑制带外辐射和子带间干扰。在存在同步误差的情况下，GFDM的误码率性能下降相对较为平缓，表现出更好的鲁棒性。在CFO为100Hz时，OFDM系统的误码率可能会达到10^-2级别，而GFDM系统的误码率仍能保持在10^-3左右。但需要注意的是，由于GFDM子载波间的非正交性，在高信噪比（SNR）条件下，其误码率性能会略逊于OFDM。频谱效率是衡量通信系统性能的另一个重要指标。OFDM采用矩形脉冲作为子载波的成形滤波器，其频谱主瓣较宽，旁瓣衰减较慢，导致带外辐射较大，频谱利用率相对较低。为了减少带外辐射，OFDM通常需要在频域上设置大量的保护载波，这进一步降低了频谱效率。GFDM通过设计具有良好频率选择性的子带滤波器，能够有效降低带外辐射，使频谱更加紧凑。在相同的带宽和子载波数量条件下，GFDM的频谱效率相比OFDM有显著提升。在10MHz带宽、128个子载波的系统中，OFDM的频谱效率可能为3bps/Hz左右，而GFDM的频谱效率可达到3.5bps/Hz以上。GFDM还具有灵活的数据块结构，可根据不同的业务需求和信道条件，动态调整子载波和时隙的分配，进一步提高频谱利用率。除了误码率和频谱效率外，峰均功率比（PAPR）也是衡量多载波调制技术性能的重要因素。OFDM信号由于多个子载波的叠加，其PAPR较高，这对发射机的功率放大器提出了很高的要求，需要采用线性度高、成本昂贵的功率放大器，否则会导致信号失真，降低系统性能。GFDM信号的PAPR相对较低，这使得其在发射机设计中对功率放大器的要求较低，可采用成本较低的功率放大器，降低了系统成本。GFDM的实现复杂度相对较高，由于其需要设计和实现复杂的子带滤波器，以及进行循环卷积等运算，计算量较大；而OFDM基于快速傅里叶变换（FFT）和逆快速傅里叶变换（IFFT），实现相对简单，计算复杂度较低。通过对GFDM和OFDM在误码率、频谱效率、PAPR和实现复杂度等方面的性能对比，可以看出它们各有优劣。在实际应用中，应根据具体的通信场景和需求，综合考虑这些因素，选择合适的多载波调制技术。在对频谱效率要求较高、对同步误差较为敏感的场景下，GFDM可能是更好的选择；而在对实现复杂度要求较低、对误码率性能要求较高的场景下，OFDM则更为合适。五、GFDM与LTE系统共存仿真分析及测试5.1GFDM与OFDM系统共存仿真为了深入研究GFDM与OFDM系统共存时的性能表现，搭建了如图5-1所示的共存仿真链路。该链路主要包括GFDM发射机、OFDM发射机、信道模块、GFDM接收机和OFDM接收机。在GFDM发射机中，信源数据经过编码、调制、子载波映射等处理后，通过IFFT变换转换为时域信号，并添加循环前缀（CP）以抵抗多径干扰；OFDM发射机的处理过程与之类似，同样对信源数据进行编码、调制等操作，然后通过IFFT变换和添加CP后发送。在信道模块中，考虑了多种信道衰落模型，如瑞利衰落、莱斯衰落等，以模拟实际通信环境中的信道特性。同时，还加入了高斯白噪声，以模拟噪声对信号传输的影响。GFDM接收机和OFDM接收机分别对接收到的信号进行相应的处理，包括去除CP、FFT变换、解调、解码等，最终恢复出原始信源数据。参数数值子载波数量128采样频率10MHz调制方式QPSK、16QAM、64QAM信道模型瑞利衰落、莱斯衰落噪声类型高斯白噪声循环前缀长度16在仿真过程中，设置了一系列参数，如表5-1所示。通过改变调制方式、信道模型和噪声类型等参数，全面模拟不同的通信场景，以获取更准确的仿真结果。仿真过程如下：首先，在MATLAB环境中，利用通信工具箱中的相关函数和模块，搭建上述共存仿真链路的模型。然后，根据设定的参数，生成信源数据，并将其输入到GFDM发射机和OFDM发射机中进行处理。处理后的信号经过信道模块，受到信道衰落和噪声的影响。将经过信道传输后的信号分别输入到GFDM接收机和OFDM接收机中进行解调和解码处理，得到恢复后的信源数据。通过对比原始信源数据和恢复后的信源数据，计算误码率（BER）、误符号率（SER）等性能指标，并分析不同参数设置下GFDM与OFDM系统共存时的性能表现。通过对仿真结果的分析，得到了如图5-2所示的误码率性能曲线。从图中可以看出，在低信噪比（SNR）情况下，GFDM和OFDM系统的误码率都较高，但随着SNR的增加，误码率逐渐降低。在相同的SNR条件下，采用16QAM调制方式时，GFDM系统的误码率略低于OFDM系统；而采用64QAM调制方式时，两者的误码率较为接近。这表明在一定的调制方式下，GFDM系统在抗干扰能力方面具有一定的优势。同时，在不同的信道模型下，如瑞利衰落信道和莱斯衰落信道，GFDM和OFDM系统的误码率性能也存在一定的差异。在瑞利衰落信道中，由于信道的随机性较强，信号的衰落较为严重，导致误码率相对较高；而在莱斯衰落信道中，由于存在较强的直射分量，信号的衰落相对较轻，误码率也相对较低。通过对仿真结果的分析，还发现当两个系统共存时，由于相互干扰的存在，误码率会有所增加。但通过合理的资源分配和干扰抑制技术，可以有效降低干扰的影响，提高系统的性能。5.2LTE联合仿真平台下GFDM系统共存测试在LTE联合仿真平台下进行GFDM系统共存测试，首先需要实现GFDM发射机。GFDM发射机的实现流程如下：信源数据首先进入编码器，编码器根据特定的编码算法对数据进行编码处理，以提高数据传输的可靠性。常见的编码算法如卷积码、Turbo码等，都能根据不同的应用需求和信道条件，选择合适的编码方式和编码参数。经过编码后的数据接着进入映射器，映射器将编码后的数据映射到特定的星座图上，将数字信号转换为适合在信道中传输的调制符号。常用的映射方式有QPSK、16QAM、64QAM等，不同的映射方式具有不同的频谱效率和抗干扰能力，可根据实际需求进行选择。映射后的符号会被分配到不同的子载波和时隙上，形成一个二维的时频矩阵。在这个过程中，需要考虑子载波的分配策略和时隙的安排，以确保信号在时频域上的合理分布，提高系统的性能。每个子载波上的信号会经过子带滤波器进行滤波处理，子带滤波器的设计是GFDM系统的关键之一。子带滤波器通常采用具有良好频率选择性的滤波器，如根升余弦滤波器、高斯滤波器等，能够有效抑制子带间的干扰，降低带外辐射。经过滤波后的信号在频域上进行叠加，然后通过IFFT变换将频域信号转换为时域信号。在IFFT变换之前，为了避免符号间干扰，通常会在每个符号前添加循环前缀（CP），CP的长度需要根据信道的最大时延扩展来确定，以确保在多径信道环境下，接收端能够准确地恢复信号。添加CP后的时域信号经过数模转换（DAC）和射频（RF）处理后，通过天线发送出去。基于上述GFDM发射机的实现流程，搭建了如图5-3所示的测试链路。该测试链路主要包括GFDM发射机、LTE基站、信道模块、GFDM接收机和LTE终端。GFDM发射机按照上述流程生成并发送信号，信号经过信道传输后，被LTE基站和GFDM接收机接收。LTE基站将接收到的信号进行处理后，发送给LTE终端；GFDM接收机则对接收到的信号进行解调和解码处理，恢复出原始信源数据。在信道模块中，同样考虑了多种信道衰落模型和噪声类型，以模拟实际通信环境。在测试链路中，设置了一系列参数，包括子载波数量、调制方式、信道模型、噪声功率等。通过改变这些参数，测试不同条件下GFDM系统与LTE系统共存时的性能。在不同的信道模型下，测试GFDM系统和LTE系统的吞吐量、误码率等性能指标，以评估系统在不同环境下的适应性。在多径衰落信道中，由于信号会经历多条传播路径，导致信号的时延扩展和频率选择性衰落，从而影响系统的性能。通过测试发现，在多径衰落信道中，GFDM系统的吞吐量会有所下降，误码率会增加；而LTE系统也会受到一定的影响，但由于其采用了OFDM技术，对多径衰落具有一定的抵抗能力，性能下降相对较小。在不同的调制方式下，测试系统的性能表现。随着调制阶数的增加，如从QPSK到16QAM再到64QAM，系统的频谱效率会提高，但同时误码率也会增加。这是因为调制阶数的增加意味着每个符号携带更多的比特信息，但也使得符号之间的距离变小，更容易受到噪声和干扰的影响。在高信噪比条件下，采用高阶调制方式（如64QAM）可以获得更高的吞吐量；而在低信噪比条件下，采用低阶调制方式（如QPSK）则可以保证较低的误码率。通过对测试链路性能的分析，发现GFDM系统与LTE系统共存时，在合理的参数配置下，能够实现较好的性能。通过优化子带滤波器的设计，可以进一步降低带外辐射，减少对LTE系统的干扰；合理调整资源分配策略，能够提高系统的频谱效率和吞吐量。但也发现了一些问题，在干扰较强的情况下，系统的误码率会显著增加，影响通信质量。针对这些问题，后续将进一步研究和优化干扰抑制技术，提高系统在复杂环境下的可靠性和稳定性。可以采用干扰抵消算法，通过对干扰信号的估计和消除，降低干扰对系统性能的影响；还可以利用智能天线技术，通过调整天线的辐射方向和增益，减少干扰信号的接收，提高系统的抗干扰能力。六、结论与展望6.1研究成果总结本研究围绕LTE联合仿真平台下多用户多小区链路设计及GFDM系统共存测试分析展开，取得了一系列具有重要价值的成果。在LTE系统关键技术及联合仿真平台搭建方面，深入剖析了LTE系统的基本原理、网络结构以及OFDM、MIMO等关键技术的工作机制。成功搭建了基于MATLAB的LTE联合仿真平台，对仿真场景进行了细致设计，涵盖多用户多小区布局、信道模型参数设置及干扰源模拟等。实现了LTE系统关键功能模块，为后续研究奠定了坚实基础。在多用户多小区链路设计与性能分析方面，提出了基于LabVIEWCommunications系统设计套件的多用户多小区链路设计方案。通过动态资源分配策略，根据用户信道状态信息、业务需求和系统负载实时分配资源块和功率，有效提高了频谱效率。采用多种干扰协调和抑制技术，如利用OFDMA技术减少用户间干扰，结合功率控制和部分频率复用技术降低小区间干扰，同时引入MIMO技术提高系统容量。对硬件链路层和软硬件联合调试性能进行了全面分析，结果表明在合理资源分配和干扰控制策略下，系统吞吐量显著提高，延迟控制在可接受范围内，丢包率较低，但在复杂环境下仍需进一步优化。在GFDM系统特性及与OFDM性能比较方面，详细阐述了GFDM收发链路原理，包括信源数据编码、映射、子载波分配、滤波、IFFT变换及添加循环前缀等过程。通过理论分析和仿真实验，对GFDM与OFDM在误码率、频谱效率、峰均功率比和实现复杂度等方面进行了深入对比。结果显示，GFDM在频谱效率和抗同步误差方面具有优势，但其误码率在高信噪比下略逊于OFDM，实现复杂度也相对较高。在GFDM与LTE系统共存仿真分析及测试方面，搭建了GFDM与OFDM系统共存仿真链路，设置多种参数模拟不同通信场景。分析结果表明，在一定调制方式下GFDM系统抗干扰能力有优势，但两系统共存时相互干扰会导致误码率增加，需合理资源分配和干扰抑制技术来提升性能。在LTE联合仿真平台下进行GFDM系统共存测试，实现了GFDM发射机并搭建测试链路。通过测试不同参数下系统性能，发现GFDM系统与LTE系统共存时在合理参数配置下能实现较好性能，但干扰较强时误码率会显著增加。6.2未来研究方向展望未来的研究可以从多个方向展开，以进一步深化对LTE和GFDM系统的理解和应用。在链路性能优化方面，深入研究新型干扰抑制技术，如基于深度学习的干扰预测与抵消算法。利用深度学习强大的数据分析和模式识别能力，对干扰信号进行准确预测和有效抵消，从而提高系统在复杂干扰环境下的性能。探索更高效的资源分配算法，结合用户的实时业务需求、信道状态以及系统负载等因素，实现资源的动态、精准分配，进一步提升频谱效率和系统容量。研究如何优化GFDM系统的滤波器设计，降低其实现复杂度，同时保持或提高其性能优势，以促进GFDM系统在实际通信系统中的应用。在系统共存与融合方面，进一步研究LTE与GFDM系统在更多复杂场景下的共存机制，如不同地形、不同业务分布以及不同移动速度等场景。分析这些场景对系统性能的影响，提出针对性的解决方案，确保系统在各种复杂环境下都能稳定、高效地共存。探索LTE、GFDM与未来通信技术（如6G）的融合方案，研究如何充分发挥不同技术的优势，实现通信系统的无缝升级和协同工作，以满足未来不断增长的通信需求。在实际应用拓展方面，将研究成果应用于物联网、工业互联网等新兴领域，推动LTE和GFDM系统在这些领域的实际部署和应用。针对物联网中大量设备连接和低功耗要求，优化系统的接入控制和能量管理机制；针对工业互联网中对实时性和可靠性的严格要求，进一步提高系统的传输性能和抗干扰能力。开展相关的实验和试点项目，验证研究成果在实际应用中的可行性和有效性，为技术的推广和应用提供实践经验。通过这些未来研究方向的深入探索，有望进一步提升通信系统的性能和应用范围，为未来通信技术的发展做出更大的贡献。参考文献[1]StefaniaSesia,IssamToufik,MatthewBaker.LTE-TheUMTSLongTermEvolution:FromTheorytoPractice[M].Wiley,2011.[2]WeiYu,JeffreyG.Andrews.LTECapacity:HowMuchCanYouGet?[J].IEEECommunicationsMagazine,2009,47(6):66-73.[3]AhmadAli,AbbasJamalipour,Abd-ElhamidTaha.AnalyzingtheHandoverFailureRateofLong-TermEvolution(LTE)Network[C].IEEEWirelessCommunicationsandNetworkingConference,2013.[4]KhaledM.Almustafa,RashidA.Saeed.APerformanceComparisonofSchedulingAlgorithmsforLTEDownlink[C].IEEEInternationalConferenceonCommunications,2009:1-5.[5]MasoudSalehi,MarziehSaeedi.AComparativeStudyofMIMOTechniquesinLTEAdvancedSystem[C].IEEEInternationalConferenceonComputerandCommunicationEngineering,2014.[6]Dong-HoCho,Dong-HeeLee.LTE-AdvancedEmpoweringMachine-TypeCommunications[J].IEEECommunicationsMagazine,2013,51(6):18-25.[7]徐志刚，白国柱，赵祥，陈婷。车路通信环境下TD-LTE无线资源调度建模与仿真[J].现代电子技术，2014.[8]李宁，周围。面向5G的新型多载波传输技术比较[J].通信技术，2016,49(5):519-523.[9]GanesanS,MeslehR,HaasH,etal.OnthePerformanceofSpatialModulationOFDM[C].FortiethAsilomarConferenceonSignals,SystemsandComputers,2006:1825-1829.[10]JeganathanJ,GhrayebA,SzczecinskiL.Spatialmodulation:optimaldetectionandperformanceanalysis[J].IEEECommunicationsLetters,2008,12(8):545-547.[11]DattaJ,LinHP,LinDB.AmethodtoimplementinterferenceavoidancebasedMIMO-GFDMusingspatialmodulation[C].InternationalConferenceonAdvancedTechnologiesforCommunications,2015:572-577.[12]?ztürkE,BasarE,??rpanHA.SpatialModulationGFDM:ALowComplexityMIMO-GFDMSystemFor5GWirelessNetworks[C].InternationalBlackSeaConferenceonCommunicationsandNETWORKING-IEEEBlackseacom,2016:1-5.[13]WeiP,XiaXG,XiaoY,etal.FastDGT-BasedReceiversforGFDMinBroadbandChannels[J].IEEETransactionsonCommunications,2016,64(10):1-26.[14]FarhangA,MarchettiN,DoyleLE.Low-ComplexityModemDesignforGFDM[J].IEEETransactionsonSignalProcessing,2015,64(6):1507-1517.[15]FarhangA,MarchettiN,DoyleLE.LowComplexityTransceiverDesignforGFDM[J].IEEETransactionsonSignalProcessing,2015(1):1-9.[16]MichailowN,MattheM,GasparIS,etal.GeneralizedFrequencyDivisionMultiplexingfor5thGenerationCellularNetworks[J].IEEETransactionsonCommunications,2014,62(9):3045-3061.[17]MichailowN,GasparI,KroneS,etal.Gener