This paper addresses the problem of frequency-domain inter-carrier interference (ICI) mitigation for differential orthogonal frequency-division multiplexing (OFDM) systems. The classical fractional fast Fourier transform (F-FFT), adopting the fixed sampling interval, would suffer from the limited accuracy of ICI mitigation and low adaptability in dynamic Doppler spread. To target the above challenges, we propose an adaptive fractional Fourier transform (A-FFT) demodulation method, in which an estimation algorithm based on the coordinate descent approach is designed to compute the fiducial frequency offset without increasing pilots. By means of compensating ICI at fractions of the fiducial frequency offset adapted to the time-varying Doppler shift, the A-FFT has the capability of tracking Doppler fluctuations over the underwater acoustic channels, thus extending the application range of frequency-domain ICI mitigation. Simulation results show that the A-FFT is significantly superior to the existing classical methods, the partial fast Fourier transform (P-FFT) and the F-FFT, for both medium and high Doppler factors and large carrier numbers in terms of the mean squared error (MSE). Numerically, the MSE of the A-FFT is reduced by $\bf{39.88\%-72.14\%}$ compared to that of the F-FFT with the input signal-to-noise ratio ranging from 10 dB to 30 dB at a Doppler factor of $\bf{2.5\times 10^{-4}}$ and a carrier number of 1024, while the P-FFT even cannot work well.


翻译:本文针对不同正方位频谱多氧化系统(OFDM)的频率- 轨道间干扰问题。 采用固定取样间隔的经典分数快速Fleier变异法(F- FFT)将因ICI减缓的准确性有限和动态多普勒扩散的适应性低而受到影响。 为了应对上述挑战,我们建议采用适应性分数 Fourier变异法(A-FFT) 降级法,根据协调下降法设计一种估算算法,在不增加飞行员的情况下计算振频抵消。 通过对适应时间变换多普勒变换的分数(F- FFT)进行补偿,A- Fourier变异法(A- Freax) 的估算算法(ICI) 的计算法(ICICI) 。 对于中值和高压频率变频变异变法(F- B) 部分变法(P- FF) 和 F- FF 10- 递增法(D) 10- 值的数值而言,Do- MA- b 递增的数值不能由10- MA- 递减 和 递变法 的运的数值乘数。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
已删除
将门创投
6+阅读 · 2019年1月11日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Arxiv
3+阅读 · 2018年4月9日
Arxiv
6+阅读 · 2018年3月28日
VIP会员
相关VIP内容
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
相关资讯
已删除
将门创投
6+阅读 · 2019年1月11日
Top
微信扫码咨询专知VIP会员