5G NR上行链路波形增强：FC-F-OFDM与WOLA-OFDM的功率效率对比与SDR原型验证-Seo优化-塔城地区网站建设公司

1. 项目概述与核心价值

在5G NR上行链路的设计中，我们这些做物理层算法和原型验证的工程师，始终被一个核心矛盾所困扰：如何在有限的用户设备（UE）发射功率预算下，榨取出更高的有效辐射功率（EIRP），从而提升上行覆盖或数据速率？这个问题的根源，直指射频前端的“心脏”——功率放大器（PA）。PA的非线性特性，尤其是当信号驱动其接近饱和区（P1dB点附近）时，会引发严重的频谱再生，产生大量的带外（OOB）辐射。这不仅会干扰相邻信道，更会触发严格的频谱发射模板（SEM）和邻道泄漏比（ACLR）规范，迫使PA必须工作在功率回退（Power Back-Off）状态，导致整机效率低下。

传统的解决方案，比如在LTE时代广泛应用的DFT-s-OFDM（即SC-FDMA），虽然通过预编码有效降低了峰均功率比（PAPR），但其频谱抑制能力一般，且对MIMO的支持不如CP-OFDM灵活。而基线CP-OFDM波形，虽然MIMO友好、调度灵活，但其固有的矩形脉冲形状导致频谱泄漏严重，PAPR也高，对PA的非线性极为敏感。因此，业界一直在寻找一种既能保持CP-OFDM优点，又能实现优异频谱抑制的波形增强技术。

加权重叠相加（WOLA-OFDM）是一种直观的时域加窗方法，通过平滑符号边缘来改善频谱泄漏，但它对由削波（一种常用的PAPR降低技术）产生的非线性失真引起的OOB辐射抑制能力有限。而快速卷积滤波OFDM（FC-F-OFDM）则提供了一种更根本的解决方案。它本质上是一种高效的频域子带滤波技术，能够为每个子带或带宽部分（BWP）独立设计高滚降系数的滤波器，从而实现近乎理想的“砖墙”式频谱整形。其核心价值在于，卓越的频谱抑制能力为PA提供了更大的“非线性容忍度”，允许信号在更高的平均功率下工作，而OOB辐射仍能满足规范要求。

本文分享的，正是我们基于软件定义无线电（SDR）平台，对“削波+FC-F-OFDM”这一组合拳进行的一次深度原型验证与性能剖析。我们不仅复现了FC-F-OFDM的发射链路，更重要的是，提出并验证了一种名为“滤波器通带扩展”（FPE）的创新方法，用于优化削波噪声的分配，从而在FC-F-OFDM优异的频谱抑制和因滤波而抬升的PAPR之间取得更佳平衡。我们搭建了包含真实PA的完整硬件在环（HIL）测试床，以5G NR FR1的UE发射机规范为标尺，系统性地对比了FC-F-OFDM与WOLA-OFDM在最大可达发射功率这一关键指标上的表现。实测数据表明，在相同的ACLR和误差矢量幅度（EVM）约束下，FC-F-OFDM能带来平均超过1 dB的功率优势——这对于上行链路预算紧张、电池续航至关重要的UE设备而言，意义非凡。

2. 核心波形技术原理与设计权衡

2.1 FC-F-OFDM：从频域滤波到高效实现

FC-F-OFDM的核心思想并不复杂：在标准的CP-OFDM符号生成之后，插入一个高效的频域滤波环节。但这个“高效”的实现，正是其精髓所在。传统的时域滤波，对于一个长度为N的符号，使用一个长度为L的滤波器进行卷积，复杂度是O(N*L)。当滤波器阶数很高（为了获得陡峭的过渡带）时，计算量会急剧膨胀。

FC（快速卷积）方法巧妙地解决了这个问题。它基于重叠-保留（Overlap-Save）或重叠-相加（Overlap-Add）算法，将长序列的卷积转化为多个短块上的循环卷积，进而利用FFT/IFFT在频域实现。具体到我们的发射机处理链（如图1所示），对于第m个子带：

CP-OFDM生成与削波：首先生成标准的时域CP-OFDM符号序列x_t,m。为了降低PAPR，我们在此阶段对信号进行幅度削波（Clipping），得到\bar{x}_t,m。削波是一种非线性失真，会引入额外的“削波噪声”，其频谱会扩散到整个带宽。
分块与变换：将\bar{x}_t,m分割成一系列重叠的块（重叠因子λ=1/2是个常用折衷选择）。对每个块进行Lm点FFT，转换到频域。
频域加窗滤波：这是关键步骤。用一个设计好的频域窗D_m（本质是目标滤波器频域响应的采样）乘以每个频域块。这个窗决定了滤波器的通带、阻带和过渡带特性。我们提出的FPE方法，正是在这一步做文章：将窗的通带从仅包含激活子载波，扩展到包含部分保护带。这样，由削波产生、主要分布在信号带内及其附近的噪声分量，可以有更宽的“容器”来容纳，而不必被强行压制到带内（那会抬高PAPR）或泄漏到更远的阻带（那会恶化OOB）。
子带映射与合成：将滤波后的各子带频域信号，根据其中心频率，映射到一个更大的复合频域缓冲区中。
逆变换与重叠保留：对复合的频域信号进行N点IFFT，转换回时域。由于采用了重叠-保留处理，每个输出块只需截取中间不重叠的Ns个样本，然后拼接起来，就得到了最终经过滤波和采样率转换的发射信号y_t。

注意：FC处理中的相位旋转操作\Theta_m是为了保证块间的相位连续性，这在接收端是透明的，意味着标准的CP-OFDM接收机无需任何修改即可解调，这是FC-F-OFDM向后兼容性的重要体现。

2.2 WOLA-OFDM：时域加窗的利与弊

作为对比基准，WOLA-OFDM的处理则更为直接。它在CP-OFDM符号的头部和尾部进行循环扩展，然后对扩展后的整个符号（包括CP部分）施加一个时域窗函数（如升余弦窗）。最后，相邻符号的扩展部分通过重叠相加（OLA）进行叠加，以消除因加窗引入的时间开销。

其数学表达可以简洁地用一个块对角矩阵K_m来描述，该矩阵包含了窗函数权重和循环扩展操作。WOLA的优势在于实现简单，仅需在IFFT输出后增加一些点乘和叠加操作，计算复杂度低。它能有效平滑符号边界，抑制由矩形脉冲引起的带外辐射。

然而，WOLA有一个根本性的局限：它本质上是对整个符号进行时域加窗，这种加窗对于由非线性失真（如削波）产生的、在符号内部随机出现的噪声尖峰，抑制效果有限。削波噪声在频域是宽带的，WOLA的时域窗无法像FC的频域滤波器那样，对其进行精准的、高抑制比的滤除。因此，当为了降低PAPR而进行深度削波时，WOLA-OFDM的ACLR性能会迅速恶化。

2.3 削波与FPE：一对关键的共生技术

削波是降低OFDM系统PAPR最直接、计算复杂度最低的方法。其操作简单粗暴：设定一个门限γ，任何幅度超过γ的采样点，其幅度被限制为γ，相位保持不变。虽然这会引入失真，但在一定范围内，系统通过频域均衡可以容忍这种失真。

问题的关键在于削波噪声的处理。传统的迭代削波滤波（ICF）方法通过反复的削波和带外噪声置零来逼近目标，计算量大。在我们的方案中，强大的FC滤波器承担了抑制带外削波噪声的主要任务。但如前所述，FC滤波器在压制带外噪声的同时，也会将一部分噪声能量“挤压”回带内，反而可能抬高信号的PAPR。

FPE方法的提出，正是为了打破这个僵局。其设计思路非常工程化：既然5G NR为每个信道带宽配置了固定的保护带（Guard Band），这些保护带本就是为容纳发射机引起的频谱扩展而预留的，那么我们何不“物尽其用”？通过将FC滤波器的通带从激活子载波区域向两侧保护带适度扩展（例如扩展2-4个PRB），我们为削波噪声提供了一个更宽松的“泄洪区”。这样，滤波器在抑制远带OOB辐射时，无需对靠近通带边缘的噪声分量施加过大的衰减，从而减轻了对PAPR的负面影响。

图4和图5的仿真结果清晰地展示了FPE的效果：随着通带扩展（FPE）尺寸增大，滤波后信号的总削波噪声功率增加（这是允许的，只要不超出保护带和频谱模板限制），而信号的PAPR显著降低。当FPE尺寸扩展到约200个子载波（约1.7倍信号带宽）时，PAPR的改善趋于饱和。在实际设计中，我们需要在PAPR增益和OOB辐射之间进行权衡，选择一个不违反频谱发射模板的最大FPE尺寸。

2.4 功率放大器建模：连接仿真与现实的桥梁

要准确评估波形在最大发射功率下的性能，一个能够精确反映真实PA非线性特性和记忆效应的模型至关重要。纯理想仿真会过于乐观，而完全依赖硬件测试则参数搜索效率极低。

我们采用了记忆多项式（Memory Polynomial, MP）模型来表征测试中使用的Mini-Circuits ZHL-4240+ PA。MP模型是行为级建模的经典方法，它在无记忆多项式模型的基础上引入了时延抽头，能够捕捉PA的动态非线性特性，在精度和复杂度之间取得了良好平衡。

模型提取过程如下：

数据采集：用一组具有不同PAPR和平均功率的宽带信号（如OFDM）驱动PA，并同步采集其输入y_t[n]和输出z_t[n]的基带I/Q样本。
模型结构：MP模型的输出是输入信号及其共轭的非线性函数与时延的叠加。我们采用了直到6阶的非线性项和一定的记忆深度（Q）。
参数辨识：将采集到的大量输入输出数据对构成如公式(19a)所示的回归矩阵\Phi_t，然后利用最小二乘（LS）算法直接求解模型系数向量\beta_PA（公式18）。这样得到的模型，能够相当准确地预测该PA在特定工作点下对任意输入信号的响应，包括AM/AM、AM/PM失真以及频谱再生效应。

有了这个精确的PA模型，我们就可以在软件仿真器中快速、大量地遍历不同的波形参数（如削波门限、FPE尺寸）、信道带宽和子载波间隔，寻找在满足ACLR和EVM要求下的最大输出功率点。这极大地缩小了后续硬件测试的搜索范围，使原型验证工作有的放矢。

3. SDR原型平台搭建与实测方法

3.1 硬件测试床架构

理论分析和仿真固然重要，但通信算法的价值最终要靠硬件来检验。我们搭建了一套基于通用软件无线电外设（USRP）的SDR原型测试床，其核心架构如图9所示，旨在真实复现5G NR UE的发射场景。

发射链（TX Chain）：

基带处理（Host PC）：所有基带信号处理均在LabVIEW环境中离线完成。这包括CP-OFDM符号生成、QAM映射、削波、FC-F-OFDM或WOLA-OFDM波形成形等。我们生成并存储好完整的基带I/Q样本数据块。
实时发射（USRP-2954 RIO）：通过PCIe x4接口将预生成的基带样本高速传输至NI USRP-2954 RIO设备。该设备充当UE发射机，在3.5 GHz载频上完成数字上变频、数模转换和射频调制。USRP内部的前置放大器将信号提升到一定的功率电平。
功率放大与监测：USRP输出的射频信号经过一个3 dB功率分配器，一路送入R&S NRP-Z11功率计进行实时功率监测（确保信号功率稳定，波动<0.2 dB），另一路送入外置的Mini-Circuits ZHL-4240+ PA进行功率放大。该PA在3.5 GHz提供约42 dB增益，是我们模拟UE功放非线性特性的关键器件。

接收链（RX Chain）：

衰减与接收：PA输出信号经过一个34 dB的固定衰减器，确保输入到接收机的信号功率在NI PXIe-5840矢量信号收发器（VST）的线性动态范围内，避免接收机自身产生非线性失真。
信号采集与分析：VST在1 GHz瞬时带宽下捕获下变频后的信号，并传回另一台Host PC进行离线分析。接收端处理采用标准的CP-OFDM接收流程，包括：
- 同步：利用CP的自相关特性进行定时偏移和载波频偏估计与补偿。
- 信道估计与均衡：采用梳状（Comb-type）导频结构（每6个子载波一个导频），通过一维频域插值获取信道响应，并进行迫零（ZF）均衡。
- 性能度量计算：最终计算关键的系统性能指标，包括误差矢量幅度（EVM，或文中的MSE）、功率谱密度（PSD）、ACLR以及实际测得的PAPR。

这套测试床的优势在于灵活性高，可以快速部署和修改不同的波形处理算法；同时，通过引入真实的PA和专业的测量仪器，保证了评估结果的真实性和可信度。

3.2 5G NR发射机合规性测试标准

我们的性能评估严格遵循3GPP TS 38.101-1（UE无线发射与接收）中针对FR1的规范。主要关注两个核心的发射机指标：

邻道泄漏比（ACLR）：定义为“工作NR信道滤波后的平均功率”与“相邻NR信道滤波后的平均功率”之比。测量带宽并非固定值，而是等于“该信道带宽下支持的最大传输配置对应的带宽”加上“该信道带宽下支持的最小SCS”。例如，对于5 MHz信道（支持25个PRB，15 kHz SCS），最大传输带宽为4.5 MHz，加上15 kHz后，ACLR测量带宽为4.515 MHz。规范要求通常为30 dB或更高（取决于功率等级和共存场景）。
频谱发射模板（SEM）：定义了在偏离信道边缘不同偏移量处，在特定测量带宽内的最大允许发射功率。它通常分为近端（例如偏移量Δf < 1 MHz）和远端（Δf ≥ 1 MHz）区域，不同区域有不同的测量带宽和限值。例如，对于5-40 MHz信道，在Δf < 1 MHz处，使用1%信道带宽的测量滤波器，限值为-13 dBm；在Δf ≥ 1 MHz处，使用1 MHz测量带宽，限值随Δf增大而严格。

在我们的实验中，最大可达发射功率的定义是：在满足ACLR ≥ 30 dB且EVM ≤ -15 dB（对应于QPSK调制的解调要求）且完全满足SEM要求的前提下，PA能够输出的最大平均功率。

4. 性能评估：仿真与实测结果深度解析

我们针对5G NR FR1支持的所有信道带宽和子载波间隔（SCS）组合进行了全面的仿真扫描，并选取了5 MHz、20 MHz、100 MHz（SCS=30 kHz）这三个典型带宽进行了详细的硬件实测验证。

4.1 关键性能指标对比分析

在深入最大功率对比前，我们首先通过仿真（图2）直观感受FC-F-OFDM和WOLA-OFDM在几个关键指标上的差异。配置为5 MHz信道，30 kHz SCS，削波目标PAPR=6 dB。

功率谱密度（PSD）：FC-F-OFDM展示了近乎理想的“砖墙”式频谱形状，带外衰减极其陡峭，轻松满足SEM要求。WOLA-OFDM虽然比原始CP-OFDM好很多，但其带外裙边（skirt）仍然较宽，且在削波后OOB辐射明显抬升。原始CP-OFDM的频谱泄漏最为严重。
ACLR性能：FC-F-OFDM的ACLR性能卓越，即使在深度削波（PAPR目标低至3 dB）时，仍能保持80 dB以上的高水平。WOLA-OFDM的ACLR随削波深度增加而显著恶化，在PAPR=6 dB时约为45 dB，而CP-OFDM则完全无法满足36 dB的UTRA共存要求（图中虚线）。
PAPR性能：得益于削波，CP-OFDM和WOLA-OFDM都能实现很低的PAPR（可低至3.5 dB）。FC-F-OFDM由于滤波过程会重新塑造信号包络，其PAPR会有所升高，但在FPE辅助下，仍能实现5 dB左右的PAPR。
EVM/BER性能：在适度的削波门限下（如PAPR>5 dB），三种波形的EVM和BER性能相近。但当追求极低PAPR（深度削波）时，所有波形的EVM都会恶化，FC-F-OFDM由于滤波对噪声的整形，其EVM恶化曲线略有不同。

核心结论：CP-OFDM因ACLR太差而出局。WOLA-OFDM和FC-F-OFDM的竞争，本质上是“低PAPR但ACLR受限”与“ACLR卓越但PAPR稍高”之间的权衡。而最大发射功率，正是这两个指标在PA非线性约束下共同作用的最终结果。

4.2 最大可达发射功率：仿真与实测的相互印证

表3汇总了仿真得到的在各种配置下两种波形能达到的最大发射功率。一个清晰的趋势是：在所有测试的带宽和SCS组合下，FC-F-OFDM均优于WOLA-OFDM，平均优势超过1 dB。子载波间隔（15 kHz, 30 kHz, 60 kHz）对结果没有显示出系统性影响。

硬件实测结果（图10, 11, 12）有力地验证了仿真结论。我们以20 MHz信道为例（图11）进行解读：

PSD与SEM（图11a）：在各自最优的削波设置下，FC-F-OFDM（红线）的发射功率比WOLA-OFDM（蓝线）高出约1.3 dB，但其频谱仍然被严格限制在SEM（灰色阴影）之下，尤其是远带抑制效果明显更好。WOLA-OFDM的频谱边缘更“胖”，限制了其功率提升空间。
最大功率 vs. 目标PAPR（图11b）：这张图揭示了寻找最优工作点的过程。对于FC-F-OFDM（红色三角），当目标PAPR从8 dB降低时，最大输出功率先快速上升（因为降低PAPR意味着提高平均功率），在PAPR≈3 dB时达到峰值26.5 dBm，之后开始下降。下降的原因是深度削波带来的EVM恶化（图11c）成为了新的瓶颈，即使ACLR依然良好。对于WOLA-OFDM（蓝色圆圈），其最大功率在PAPR≈6 dB时达到峰值25.2 dBm，之后功率下降的主要限制因素是ACLR的急剧恶化。
EVM性能（图11c）：FC-F-OFDM在PAPR低于3 dB后，EVM迅速恶化至-15 dB门限以上。WOLA-OFDM的EVM曲线则相对平缓，在整个PAPR范围内都满足要求。这印证了FC-F-OFDM的功率瓶颈在于EVM，而WOLA-OFDM的瓶颈在于ACLR。
实际PAPR（图11d）：由于滤波和PA非线性的影响，实际测得的PAPR（实线）会略高于软件基带设定的目标PAPR（虚线）。FC-F-OFDM的“实际-目标”PAPR差值更大，反映了滤波过程对信号包络的复杂影响。

实测与仿真的匹配度：对于20 MHz和100 MHz信道，仿真与实测的最大功率值高度吻合（差异<0.3 dB）。对于5 MHz信道，在FC-F-OFDM低PAPR区域出现了较大偏差（约0.8 dB），这很可能是因为我们的PA模型是用20 MHz信号训练的，在窄带信号下的行为预测存在误差。但这并不影响核心结论。

4.3 FPE的效果与复杂度考量

图5专门展示了FPE对FC-F-OFDM性能的影响。可以看到，将通带扩展2个或4个PRB，确实能在不违反SEM的前提下（图5a），带来PAPR的切实降低（图5b）。虽然提升幅度不像理想矩形滤波器那么大（图4d），但对于FC滤波这种复杂过程，任何PAPR的改善都是宝贵的。

关于复杂度，表2给出了定量的比较。在单子带情况下，FC-F-OFDM所需的实数乘法和加法运算量大约是WOLA-OFDM的2.7-2.8倍。这主要来自于额外的FFT/IFFT操作和频域加窗。然而，这个复杂度差距需要辩证地看：

多子带优势：当系统配置多个不同参数的子带（混合参数集）时，WOLA-OFDM需要为每个子带单独进行过采样的IFFT，而FC-F-OFDM可以通过灵活的频域映射，在同一个大IFFT中高效合成多个子带，此时两者的复杂度差距会缩小。
性能收益：1 dB的功率增益对于上行链路意味着覆盖半径扩大约11%，或小区边缘数据速率提升约25%。在许多功耗和覆盖受限的场景下，用适度的计算复杂度换取如此显著的链路预算改善，是非常值得的。
实现优化：FC算法本身非常适合并行化和流水线实现，可以通过FPGA或专用ASIC高效部署。

5. 工程实践中的问题排查与调优心得

在实际的SDR原型开发和测试过程中，我们遇到了不少教科书上不会写的“坑”。这里分享一些关键的经验和排查思路，供后来者参考。

5.1 同步与信道估计的细节

在搭建完整的发射-接收测试环时，接收端的同步精度直接决定了EVM和ACLR测量的可信度。

问题：初期测试发现，FC-F-OFDM的EVM偶尔会异常跳变，但WOLA-OFDM相对稳定。
排查：检查接收端同步算法。标准CP-OFDM的同步通常利用CP的自相关性。但FC-F-OFDM经过滤波后，符号边界处的波形发生了变化，可能会影响基于CP相关的定时估计精度。
解决：我们采用了更鲁棒的同步策略：在发射信号中周期性插入已知的时域训练序列（如ZC序列），接收端通过匹配滤波寻找相关峰值来完成粗同步，再利用CP相关进行精同步。对于信道估计，我们坚持使用梳状导频而非块状导频，因为FC滤波可能会在时域引入轻微的符号间干扰，梳状导频在频域更均匀，插值效果更好。

5.2 PA模型精度与泛化能力

行为级PA模型的准确性是整个仿真预测体系的基石。

问题：如4.2节所述，用20 MHz信号训练的模型，在预测5 MHz信号行为时出现了偏差。
心得：PA模型是“工作点依赖”的。理想情况下，应该针对不同的目标平均输出功率和信号带宽（影响峰均比和频谱形状）分别训练模型。在实际工程中，一个折衷的办法是：用一组最能代表你目标应用场景的信号（例如，最大带宽、中等PAPR）来训练模型。虽然在其他场景下会有误差，但通常能抓住主要趋势。如果资源允许，建立一个小型的模型查找表（LUT），针对几个关键工作点存储不同的模型系数，是提升预测精度的有效方法。

5.3 FPE尺寸的自动化选择

FPE尺寸不是越大越好，它需要在PAPR增益和OOB辐射之间取得平衡。

实操流程：
1. 确定约束：首先根据3GPP规范，明确当前信道带宽和分配RB数下的SEM和ACLR要求。
2. 扫描仿真：在软件仿真器中，固定削波目标PAPR，从小到大扫描FPE尺寸（例如，从0到最大可用保护带PRB数）。
3. 绘制曲线：绘制“FPE尺寸 vs. 输出ACLR”和“FPE尺寸 vs. 输出PAPR”两条曲线。
4. 寻找拐点：找到满足ACLR要求的前提下，能使PAPR最低的那个FPE尺寸。通常，PAPR随FPE增大而降低的曲线会有一个“拐点”，超过拐点后PAPR下降不再明显，但OOB辐射可能开始触碰SEM限值。
5. 硬件微调：将仿真找到的“最优FPE尺寸”作为初值，在真实硬件上进行小范围微调，以补偿模型误差和硬件的不理想特性。

5.4 削波门限的设定策略

削波门限（或目标PAPR）是另一个关键可调参数。

对于WOLA-OFDM：其最优工作点通常在一个较窄的区间（例如5.5-6.5 dB）。低于此区间，ACLR急剧恶化；高于此区间，功率回退太多。建议以6 dB为起点进行二分法搜索。
对于FC-F-OFDM：其最优工作点更低（例如3-4 dB），且更受EVM限制。建议从4 dB开始测试。一个重要发现：由于FC滤波器的存在，基带设定的削波门限与实际射频输出信号的PAPR存在较大差异（见图11d）。因此，不能只看基带PAPR，必须通过闭环测量，以最终输出的ACLR和EVM为准，反向确定基带的削波门限。

5.5 测试床的校准与验证

在开始正式对比测试前，必须对测试床本身进行充分校准。

功率校准：确保从USRP到PA输入，再到VST接收端的整个链路增益是已知且稳定的。使用连续波（CW）信号或已知功率的窄带信号，结合功率计，对整个链路的增益进行标定。
线性度验证：在输入较低功率时，确保整个链路（特别是接收端的VST加衰减器）工作在线性区。可以通过输入一个单音信号，观察输出频谱中三阶交调失真（IMD3）相对于主音的电平来确认。
基线测试：先用标准的、未经削波和特殊滤波的CP-OFDM信号进行测试，验证其EVM底噪、同步性能等是否正常，建立一个可信的性能基线。

经过这些繁琐但必要的步骤，我们最终得到的对比数据才是可靠、有说服力的。实测中那稳定的1 dB以上的功率优势，让我们确信，在5G NR上行链路，尤其是对功率效率和频谱共存有严苛要求的场景下，FC-F-OFDM结合FPE和削波的技术路径，提供了一个极具竞争力的物理层解决方案。它用适度的计算复杂度增加，换来了实实在在的链路预算提升，这笔“交易”在很多场景下都是划算的。