5.2 子载波映射模式

5.2 子载波映射模式

本节摘要：SOURCE 5.2：集中式（Localized）与分布式（Distributed）映射；LTE 多用 localized，频分多样性靠跳频/重传。

映射模式

5G BWP（Bandwidth Part） 允许 UE 仅在部分带宽监听/传输——演化面向物联网与省电。

⚠️ 常见坑：分布式映射需严格频偏补偿，否则分集收益打折。

💡 关键直觉：映射 = 频率分集 vs 频选效率权衡。

集中式 vs 分布式：分集与效率的权衡

子载波映射模式回答一个问题：一个用户的数据符号，在频域上"挤在一起"还是"撒开分布"？集中式（Localized）映射把用户的 RB 放在频域连续区域，优点是信道质量在同一段内近似一致，AMC 可以精确匹配、信道估计与均衡简单、调度器可以直接利用 CQI 逐段选择；缺点是若该频段恰好深度衰落，所有数据一起受损，且用户间不连续分配时碎片化严重。分布式（Distributed）映射把用户的子载波按规则散布在整个带宽上，单个深衰落点只破坏一部分数据，配合编码即可恢复——获得频率分集，但调度与估计复杂度上升。

这两种模式并非谁取代谁，而是光谱的两极。LTE 下行以集中式为主，因为频选调度与 AMC 的收益更明确；Wi-Fi 的 OFDM 符号内交织与 LTE 的跳频则属于分布式思想。实际系统中常混合使用：控制信道用分布式提高可靠性，数据信道用集中式换取调度效率。

映射与信道结构的关系

映射模式的选择由信道的频率选择性特征决定。若信道相干带宽宽（如室内短时延场景），频率响应平缓，集中式分配一整段都能获得相近增益，集中式占优；若相干带宽窄（如大城市多径场景），频率响应剧烈起伏，集中式一旦落在凹陷处就整段受损，此时分布式把风险摊薄，占优。工程判断的标尺是相干带宽与时延扩展：多径越严重、时延扩展越大，越倾向分布式。

分布式映射还有两个实施细节。其一是等间隔原则：子载波应均匀散布而非随机散布，以最大化最小频距，避免两个子载波同时落入同一衰落槽。其二是频偏敏感：分布式映射对载波频偏更敏感——残留频偏使散布的子载波相互泄漏，分集收益被 ICI 抵消，因此要求更严格的同步（呼应 4.2 节）。这两个细节体现了映射与信道、同步的深层耦合。

跳频与交织分配

分布式思想在标准中的典型实现是跳频与交织分配。LTE 上行 PUSCH 支持时隙级跳频：用户数据在两个时隙分别占用不同频段的 RB，等效获得两次独立衰落样本，获得时间-频率联合分集。跳频模式由小区配置，可每时隙切换或每子帧切换。Wi-Fi 与广播系统则在 OFDM 符号内做交织——把编码后的比特映射到散布的子载波上，与 3.1 节发射链的交织器配合，把突发错误在频域打散。

跳频的增益来自信道的独立性：两次传输若衰落在频域完全独立，分集阶数翻倍。但跳频也带来调度复杂性——资源分配需要跨频段规划，且快速跳频对终端射频的频率切换速度有要求。5G NR 保留跳频能力并引入更灵活的交织映射选项，供不同部署权衡。

仿真：Localized vs Distributed 抗衰落

下面用仿真对比两种映射在深衰落信道下的误码表现。

import numpy as np
from numpy.fft import ifft, fft

N = 64
rng = np.random.default_rng(2)
# 构造含多个深衰落的频响
H = 0.8 + 0.6 * np.cos(2 * np.pi * np.arange(N) / 16)
H[::8] *= 0.1                      # 每 8 个子载波人为制造深衰落

def trial(localized=True, snr_db=18, trials=2000):
    snr = 10 ** (snr_db / 10); err = 0; tot = 0
    for _ in range(trials):
        X = (rng.integers(0, 2, (2, N)).astype(float) * 2 - 1)
        X = (X[0] + 1j * X[1]) / np.sqrt(2)
        if localized:
            x = ifft(X)                      # 全部子载波（等效集中占用全带宽）
        else:
            perm = rng.permutation(N)        # 随机散布映射
            x = ifft(X[perm])
        y = fft(x) * H
        y += rng.normal(0, np.sqrt(0.5 / snr), N) + 1j * rng.normal(0, np.sqrt(0.5 / snr), N)
        X_hat = y / H
        if not localized:
            X_hat = X_hat[perm]              # 逆散布
        bits = np.stack([(X_hat.real > 0), (X_hat.imag > 0)], 1).flatten()
        ref = np.stack([(X.real > 0), (X.imag > 0)], 1).flatten()
        err += np.sum(bits != ref); tot += N
    return err / tot

print(f"Localized  BER = {trial(True):.4f}")
print(f"Distributed BER = {trial(False):.4f}")
​

深衰落集中时，Localized 的整段数据受损、误码高企；Distributed 把风险摊薄到多个衰落槽，配合编码可恢复。这个对比揭示了映射模式的核心意义——用频谱组织方式换取鲁棒性。

BWP 与 5G 的映射扩展

5G NR 在映射层新增了带宽部分（BWP）概念：终端不必监听或传输整个载波带宽，只需在配置的 BWP 内工作。BWP 使窄带物联网终端能以极低功耗在窄带内收发，使终端可以在不同 BWP 间切换以适配业务，也让基站可以在同一载波内为不同终端配置不同带宽——这是对映射概念的灵活化扩展。结合 numerology，5G 的映射体系从"固定带宽内的两种模式"演化为"可配置带宽、可配置间隔、可配置分布"的三维自由度，为多样化场景提供了充足的定制空间。

一节小结

• Localized 利于频选 AMC
• Distributed 抗深衰落
• BWP 是 5G 灵活化体现
• 频偏控制决定分集收益