OFDM в канале с импульсными помехами
OFDM в канале с импульсными помехами: бланкирование и фильтр Хампеля
В примере исследуется передача OFDM-сигнала по каналу, в котором кроме теплового шума действуют короткие мощные импульсные помехи, как в линиях электропитания или рядом с коммутационной аппаратурой. Передатчик и приёмник собраны из системных объектов EngeeComms: модулятора 16-QAM, модулятора и демодулятора OFDM, канала AWGN и измерителя EVM. Импульсы подавляются перед демодулятором OFDM двумя способами: бланкированием по порогу и фильтром Хампеля HampelFilter из EngeeDSP. Скрипт показывает, почему фильтру Хампеля нужна передискретизация сигнала, и сравнивает методы при постоянном уровне сигнала и при замирании, когда уровень меняется на дБ. Пример рассчитан на разработчиков модемов для зашумлённых каналов: PLC, промышленного радио, связи рядом с силовой электроникой.
В OFDM (Orthogonal Frequency-Division Multiplexing, мультиплексирование с ортогональным частотным разделением) данные передаются на многих поднесущих одновременно, а приёмник выполняет БПФ над каждым OFDM-символом. Импульсная помеха длительностью в один отсчёт после БПФ распределяется по всем поднесущим символа:
Поэтому даже редкие импульсы большой мощности портят целые OFDM-символы. Импульсы проще обнаружить до БПФ, во временной области, где они выделяются по амплитуде.
Модель импульсной помехи — Бернулли — Гаусс: каждый отсчёт с вероятностью получает добавочный комплексный гауссов импульс мощностью относительно средней мощности сигнала. В примере дБ.
Методы подавления:
- Бланкирование: отсчёт с амплитудой больше среднеквадратичных значений сигнала обнуляется. Среднеквадратичное значение оценивается по медиане амплитуды: для комплексного гауссова сигнала мощностью медиана амплитуды равна , и редкие импульсы на эту оценку не влияют. Порог один на весь кадр.
- Фильтр Хампеля: для каждого отсчёта вычисляются медиана окна длиной и медианное абсолютное отклонение (MAD, Median Absolute Deviation), . Отсчёт, отличающийся от медианы больше чем на , заменяется медианой окна. Порог подстраивается под местный уровень сигнала.
OFDM-сигнал похож на гауссов шум с пик-фактором около дБ. Фильтр Хампеля предполагает, что соседние отсчёты похожи друг на друга, поэтому его поведение сильно зависит от того, передискретизирован ли сигнал.
Подключим библиотеки и задайте параметры. OFDM-символ содержит точки БПФ, поднесущие с данными, защитных поднесущих и циклический префикс из отсчётов. Кадр состоит из OFDM-символов 16-QAM. Основной вариант передискретизирован в раза параметром OversamplingFactor модулятора OFDM, как это делают перед ЦАП.
using EngeeComms, EngeeDSP, Plots, Printf, Random, Statistics
gr()
Nfft, Ncp, Nsym = 64, 16, 200
Ndata = Nfft - 11 # поднесущих с данными при защитных полосах [6; 5]
os_main = 4 # коэффициент передискретизации
snr_db = 30.0 # отношение сигнал/шум на отсчёт, дБ
Γ_db = 30.0 # мощность импульса относительно сигнала, дБ
hampel_L, hampel_t = 7, 4.0 # окно и порог фильтра Хампеля
blank_T = 3.5 # порог бланкирования
qam16_points = EngeeComms.RectangularQAMModulatorBaseband(MNumber = 16)(collect(0:15)) ./ sqrt(10)
Random.seed!(7)
data = rand(0:15, Ndata * Nsym)
tx_sym = reshape(EngeeComms.RectangularQAMModulatorBaseband(MNumber = 16)(data) ./ sqrt(10), Ndata, Nsym)
# OFDM-сигнал, приведённый к единичной средней мощности, и коэффициент приведения
function ofdm_tx(os)
x = vec(EngeeComms.OFDMModulatorBaseband(FFTLength = Nfft, CyclicPrefixLength = Ncp,
NumSymbols = Nsym, OversamplingFactor = os)(tx_sym))
sc = 1 / sqrt(mean(abs2, x))
x .* sc, sc
end
tx, sc_main = ofdm_tx(os_main)
@printf("Отсчётов в кадре: %d, пик-фактор %.1f дБ\n", length(tx), 10log10(maximum(abs2, tx)))
Функция channel добавляет тепловой шум объектом AWGN и импульсы по модели Бернулли — Гаусса. Объект AWGN работает в режиме ; при BitsPerSymbol = 1 этот параметр равен отношению сигнал/шум на отсчёт. Функция receive выполняет демодуляцию OFDM, делит символы на известный приёмнику коэффициент передачи канала gain и принимает решения 16-QAM. Вероятность ошибки считается отдельно для первой и второй половины кадра.
function channel(x, p; seed)
rng = MersenneTwister(seed)
y = vec(EngeeComms.AWGN(EbNo = snr_db, BitsPerSymbol = 1, SignalPower = 1, InitialSeed = seed)(x))
hits = rand(rng, length(x)) .< p
y .+= hits .* sqrt(10^(Γ_db / 10) / 2) .* complex.(randn(rng, length(x)), randn(rng, length(x)))
y, hits
end
bits_of(v) = vcat([digits(x; base = 2, pad = 4) for x in v]...)
tx_bits = bits_of(data)
function receive(y; os = os_main, sc = sc_main, gain = ones(Nsym))
Z = EngeeComms.OFDMDemodulatorBaseband(FFTLength = Nfft, CyclicPrefixLength = Ncp,
NumSymbols = Nsym, OversamplingFactor = os)(y ./ sc)
z = vec(Z ./ gain')
dec = vec(EngeeComms.GeneralQAMDemodulatorBaseband(Constellation = qam16_points, OutType = "Integer")(z))
err = bits_of(dec) .!= tx_bits
h = length(err) ÷ 2
(; z, ber = mean(err), ber_first = mean(err[1:h]), ber_second = mean(err[h+1:end]),
evm = EngeeComms.EVM()(vec(tx_sym), z))
end
r_ideal = receive(tx)
@printf("Без канала: BER = %.1e, EVM = %.1e %%\n", r_ideal.ber, r_ideal.evm)
Реализуем оба метода. Объект HampelFilter работает с вещественными сигналами, поэтому синфазная и квадратурная составляющие обрабатываются отдельно. Фильтр выдаёт результат с задержкой отсчёта, её функция компенсирует дополнением нулями.
function blank(y; T = blank_T)
lim = T * median(abs.(y)) / sqrt(log(2))
flags = abs.(y) .> lim
out = copy(y); out[flags] .= 0
out, flags
end
function hampel(y; t = hampel_t, L = hampel_L)
d = (L - 1) ÷ 2
filt(v) = EngeeDSP.HampelFilter(WindowLength = L, Threshold = t)(vcat(v, zeros(d)))
re, fre = filt(real.(y)); im_, fim = filt(imag.(y))
complex.(re[d+1:end], im_[d+1:end]), (fre .| fim)[d+1:end]
end
println("Функции подавления: blank(y; T), hampel(y; t, L)")
Подадим на оба метода сигнал без импульсов и посмотрите, сколько отсчётов они ошибочно заменяют и насколько растёт EVM. Сравним OFDM без передискретизации и с передискретизацией в раза.
println(rpad("Сигнал", 24), rpad("метод", 16), rpad("заменено, %", 14), "EVM, %")
for os in (1, 4)
x, sc = ofdm_tx(os)
y, _ = channel(x, 0.0; seed = 40 + os)
println(rpad("OFDM, передискр. $os", 24), rpad("без обработки", 16), rpad("0", 14),
@sprintf("%.2f", receive(y; os = os, sc = sc).evm))
for (name, (yy, f)) in (("бланкирование", blank(y)), ("Хампель", hampel(y)))
@printf("%-24s%-16s%-14.3f%.2f\n", "", name, 100mean(f), receive(yy; os = os, sc = sc).evm)
end
end
Без передискретизации соседние отсчёты OFDM практически независимы. Медиана окна не предсказывает отсчёт, а оценка разброса по семи отсчётам очень шумная. Фильтр Хампеля ошибочно заменяет нормальных отсчётов, и EVM вырастает с до , то есть фильтр сам становится источником искажений.
При передискретизации в раза соседние отсчёты коррелированы, и фильтр заменяет лишь отсчётов: EVM против без обработки. Бланкирование с порогом по устойчивой оценке уровня в обоих случаях не трогает сигнал. EVM при передискретизации вдвое меньше, потому что БПФ отбрасывает шум за пределами полосы сигнала.
Посмотрим на фрагмент принятого сигнала при вероятности импульса на отсчёт. Серым показана амплитуда отсчётов, красными кружками — истинные импульсы, синими крестиками — отсчёты, которые фильтр Хампеля признал выбросами.
y_demo, hits_demo = channel(tx, 0.0025; seed = 1)
_, fb = blank(y_demo); _, fh = hampel(y_demo)
for (name, f) in (("бланкирование", fb), ("фильтр Хампеля", fh))
@printf("%-16s обнаружено %3d из %d импульсов, лишних замен %d\n",
name, count(f .& hits_demo), count(hits_demo), count(f .& .!hits_demo))
end
seg = 1:1500
p1 = plot(seg, abs.(y_demo[seg]); color = :gray, lw = 1, label = "|r(n)|", yscale = :log10, ylims = (1e-2, 3000),
xlabel = "Отсчёт", ylabel = "Амплитуда", title = "Принятый OFDM-сигнал с импульсными помехами",
size = (1000, 380), left_margin = 5Plots.mm, bottom_margin = 5Plots.mm, legend = :topright)
hs = [i for i in seg if hits_demo[i]]; fs_ = [i for i in seg if fh[i]]
scatter!(p1, hs, abs.(y_demo[hs]); color = :red, ms = 6, markerstrokewidth = 0, alpha = 0.6, label = "импульсы")
scatter!(p1, fs_, abs.(y_demo[fs_]); color = :blue, marker = :xcross, ms = 5, label = "выбросы по Хампелю")
hline!(p1, [blank_T]; ls = :dash, color = :black, label = "порог бланкирования")
p1
Импульсы с амплитудой – отчётливо выделяются над сигналом с амплитудой около . Бланкирование нашло импульсов из без единой лишней замены. Фильтр Хампеля нашёл все и заменил ещё отсчёта сигнала из — это синие крестики на уровне сигнала. Каждый из них заменён медианой соседних отсчётов, поэтому такие замены почти не искажают передискретизированный сигнал.
Сравним созвездия принятых символов 16-QAM. Над каждым созвездием указаны EVM, рассчитанная объектом EVM из EngeeComms, и вероятность битовой ошибки.
plots_c = []
for (name, y) in (("без подавления", y_demo), ("бланкирование", blank(y_demo)[1]), ("фильтр Хампеля", hampel(y_demo)[1]))
r = receive(y)
idx = 1:3:length(r.z)
push!(plots_c, scatter(real.(r.z[idx]), imag.(r.z[idx]); ms = 1.5, alpha = 0.3, markerstrokewidth = 0, label = "",
aspect_ratio = 1, xlims = (-1.8, 1.8), ylims = (-1.8, 1.8), xlabel = "I", ylabel = "Q",
title = @sprintf("%s\nEVM = %.1f %%, BER = %.1e", name, r.evm, r.ber), titlefontsize = 10))
@printf("%-16s EVM %6.2f %%, BER %.2e\n", name, r.evm, r.ber)
end
plot(plots_c...; layout = (1, 3), size = (1050, 380), left_margin = 4Plots.mm, bottom_margin = 5Plots.mm)
Без подавления созвездие разрушено: EVM , вероятность ошибки . При вероятности импульса на OFDM-символ из отсчётов приходится в среднем импульса, и большинство символов поражено.
Оба метода возвращают созвездие к норме: EVM после бланкирования и после фильтра Хампеля, ошибок в кадре нет. Бланкирование немного точнее, потому что обнулённый импульсный отсчёт вносит меньшую ошибку, чем неполная замена медианой.
Изменим вероятность импульса от до на отсчёт и сравните вероятность битовой ошибки трёх приёмников.
ps = [1e-4, 3e-4, 1e-3, 3e-3, 1e-2, 2e-2]
ber_none, ber_blank, ber_hampel = Float64[], Float64[], Float64[]
for (i, p) in enumerate(ps)
y, _ = channel(tx, p; seed = 100 + i)
push!(ber_none, receive(y).ber); push!(ber_blank, receive(blank(y)[1]).ber); push!(ber_hampel, receive(hampel(y)[1]).ber)
@printf("p = %.0e: без подавления %.2e, бланкирование %.2e, Хампель %.2e\n", p, ber_none[end], ber_blank[end], ber_hampel[end])
end
fl(v) = max.(v, 1e-5)
pb = plot(ps, fl(ber_none); marker = :circle, lw = 2, label = "без подавления", xscale = :log10, yscale = :log10,
xlabel = "Вероятность импульса на отсчёт", ylabel = "Вероятность битовой ошибки",
title = "OFDM 16-QAM, SNR 30 дБ, импульсы +30 дБ", ylims = (1e-5, 0.5), legend = :topleft,
size = (1000, 430), left_margin = 5Plots.mm, bottom_margin = 5Plots.mm)
plot!(pb, ps, fl(ber_blank); marker = :square, lw = 2, label = "бланкирование T = $blank_T")
plot!(pb, ps, fl(ber_hampel); marker = :diamond, lw = 2, label = "фильтр Хампеля t = $hampel_t, L = $hampel_L")
pb
Без подавления вероятность ошибки уже при составляет и растёт до при .
- Бланкирование не дало ни одной ошибки на битах вплоть до . При обнуляется уже отсчётов, это нарушает ортогональность поднесущих, и вероятность ошибки растёт до .
- Фильтр Хампеля даёт вероятность ошибки от до — на два-три порядка лучше, чем без подавления, но хуже бланкирования.
При постоянном уровне сигнала простое бланкирование с устойчивой оценкой порога — лучший из двух методов.
Теперь уровень сигнала во второй половине кадра падает на дБ, как при замирании, а импульсные помехи остаются прежней абсолютной мощности. Приёмник знает коэффициент передачи каждого OFDM-символа и учитывает его после БПФ. Бланкирование использует один порог на весь кадр, фильтр Хампеля — местный.
gain = [k <= Nsym ÷ 2 ? 1.0 : 0.1 for k in 1:Nsym]
Lsym = (Nfft + Ncp) * os_main
tx_fade = tx .* repeat(gain; inner = Lsym)
y_fade, hits_fade = channel(tx_fade, 0.0025; seed = 500)
y_fade_clean, _ = channel(tx_fade, 0.0; seed = 500) # тот же тепловой шум, но без импульсов
rows = [("без импульсов", receive(y_fade_clean; gain = gain)),
("без подавления", receive(y_fade; gain = gain)),
("бланкирование", receive(blank(y_fade)[1]; gain = gain)),
("фильтр Хампеля", receive(hampel(y_fade)[1]; gain = gain))]
println(rpad("Приёмник", 18), rpad("BER, сильная половина", 24), "BER, слабая половина")
for (name, r) in rows
@printf("%-18s%-24.2e%.2e\n", name, r.ber_first, r.ber_second)
end
_, fb_fade = blank(y_fade)
@printf("Бланкирование заменило %.1f %% отсчётов сильной половины и %.2f %% слабой\n",
100mean(fb_fade[1:end÷2]), 100mean(fb_fade[end÷2+1:end]))
xs = 1:length(rows)
pf = bar(xs .- 0.2, fl([r.ber_first for (_, r) in rows]); bar_width = 0.4, fillto = 1e-5, label = "сильная половина",
yscale = :log10, ylims = (1e-5, 1), ylabel = "Вероятность битовой ошибки", xticks = (xs, first.(rows)),
title = "Замирание на 20 дБ посреди кадра, импульсы 0.25 %", legend = :topleft,
size = (1000, 430), left_margin = 5Plots.mm, bottom_margin = 5Plots.mm)
bar!(pf, xs .+ 0.2, fl([r.ber_second for (_, r) in rows]); bar_width = 0.4, fillto = 1e-5, label = "слабая половина (−20 дБ)")
pf
При замирании картина меняется на противоположную.
Бланкирование оценивает уровень по медиане всего кадра. Половина кадра ослаблена на дБ, поэтому оценка оказывается заниженной для сильной половины, и порог попадает внутрь её обычного диапазона амплитуд. Метод обнуляет отсчётов сильной половины и разрушает её: вероятность ошибки , хуже, чем совсем без подавления.
Фильтр Хампеля оценивает уровень в скользящем окне и работает одинаково в обеих половинах. Сильная половина принята без ошибок. В слабой половине вероятность ошибки близка к пределу, который задаёт тепловой шум: при том же шуме без импульсов.
i3 = findfirst(==(3e-3), ps)
string("DC03 ok; p=3e-3: none=", round(ber_none[i3], sigdigits = 3), " blank=", round(ber_blank[i3], sigdigits = 3),
" hampel=", round(ber_hampel[i3], sigdigits = 3), "; fading strong half: blank=",
round(rows[3][2].ber_first, sigdigits = 3), " hampel=", round(rows[4][2].ber_first, sigdigits = 3))
Вывод
Пример показал, как импульсные помехи разрушают OFDM-приём и как их подавить до БПФ с помощью системных объектов EngeeComms и фильтра HampelFilter из EngeeDSP.
- Без подавления уже один импульс на OFDM-символов даёт вероятность ошибки около : импульс после БПФ поражает все поднесущие символа.
- Фильтру Хампеля нужна передискретизация. На OFDM без неё фильтр заменяет нормальных отсчётов и сам искажает сигнал, при передискретизации в раза — только .
- При постоянном уровне сигнала лучше бланкирование с порогом по устойчивой оценке уровня: ни одной ошибки до вероятности импульса .
- При изменении уровня сигнала, например при замирании или работе АРУ, единый порог бланкирования перестаёт работать, а фильтр Хампеля с местным порогом сохраняет безошибочный приём в сильной части кадра и близкий к шумовому пределу в слабой.
Практический вывод: для каналов с быстро меняющимся уровнем порог обнаружения импульсов должен быть местным. Это обеспечивает фильтр Хампеля или бланкирование со скользящей оценкой уровня.



