基于频域窄带莱斯噪声消除机制的OFDM网络信号发射精度增强算法见图 1.从图 1可知，信号发射精度增强由2个步骤组成：

1) 频域窄带莱斯噪声消除机制.该机制首先通过128频相移键控调制方式进行时域信号预调制，获取信号的时域特征，并采取FFT变换方式进行信号离散化后，通过构建正交星座图的方式进行信号投影矢量-发射矢量的正交化分层发射排列，然后采用带通滤波方式进行一次性发射成型，实现了对OFDM信号预发射状态的信号增益优化，消除了信源中窄带莱斯噪声对信号发射过程的影响.

2) 投影矢量加密精度增强过程.该过程将预发射的信号进行加密，然后将各路子信号送入对应的子信道中进行加密传输，提高信道发射效率，节约传输带宽，优化信道传输结构，防止传输过程中出现信号衰落现象.

典型的OFDM网络信号均通过无线节点内部的天线进行数据收发^[5-6]，为进一步提高本文算法接收过程中的码元间最小欧氏几何距离，采用128进制星座进行128频相移键控调制(128PSK调制)，OFDM网络信号在调制过后分为k个抑制子信号(图 2)，则其任意一路抑制子信号的频域特征相应H^(k)(ω)为：

其中：ε(φ)为标准相应函数，β_l^(k)为第k路抑制子信号在第l个信道噪声干扰下的频域信号衰落，φ_k表示该路抑制子信号因莱斯噪声干扰而导致的相位投影.

依据模型(1)，OFDM信号调制的第k路抑制子信号为：

其中：Y^(M)(φ)为第k路抑制子信号受到IFFT映射后的相位移动；F^(k)(φ)为该信号分量中窄带莱斯噪声在相位上的投影，均值为1，标准差为0；T(φ)为第k路抑制子信号在完成信号调制后的相位强度增益，其时域获取方式T(t)为

其中：T_s表示OFDM信号的符号周期；T_c表示OFDM调制-解调时域间隔；N_c表示第k路抑制子信号中的符号在T_c内的发生频率；b_j为进行128频相移键控调制过程中因窄带莱斯噪声干扰而产生的跳变，且满足b_j∈{+1，-1}；a_i为进行128频相移键控调制过程的自相关序列，且满足a_i∈{+1，-1}.

为了进一步提高OFDM信号发射强度，降低莱斯噪声对信号增益的削弱作用，需对式(3)中的各个参数进行约束：

其中Λ为标准三角函数.

联合式(3)，将式(2)演变为

当信号完成初步调制之后，再次进行基于λ等间隔的FFT正交离散化处理，其生成的第k路信号投影矢量为：

可见，对于不同的信号k而言，其对应的投影矢量满足正交特性，即：

由于各路抑制子信号均存在频率重叠现象，且其中残存一定幅度的窄带莱斯噪声^[7]，虽然投影矢量发射前通过式(7)的方式能够将窄带莱斯噪声进行预消除，然而对于第M路抑制子信号而言，由于各个抑制子信号的频率相隔较近，难以顺利进行预消除.这是由于抑制子信号在调制过程中，若各个子信号的频率均与图 2所示的频率混叠结构相似，将因频率重叠而导致严重的窄带干扰现象.

此外由图 2可知，整个信号频谱偏移过程中，信号投影与实际投影距离间均单纯采用一对一的映射方式，该方式虽然简便易行，然而由于信号投影过程中因窄带莱斯噪声而不可避免地出现频率偏移现象，一旦信号在预发射过程中出现信道抖动，将导致严重的频率混叠现象，严重影响信号投影的准确度.

因此，本文构建频域窄带莱斯噪声消除机制，整个消除机制由星座图发射结构与窄带莱斯噪声消除结构组成，其中各路抑制子信号的核心频率将按照调制顺序一一映射为星座图发射状态下的投影，详细过程如下：

Step 1：首先确定各路抑制子信号的中心频率，并将该频率投影为星座发射中心，确保投影点的切线与法线呈现正交状态(图 3).

Step 2：按投影先后顺序，从基带频率投影处划分距离层次，并将各个投影点依次分布在层次圈内(图 3).当投影点处于镜像对称位置时，选取最近的投影位置作为基准位置，然后再次重新定位法线方向与切线方向(图 4).

Step 3：投影完毕后，根据各个抑制子信号的强度，按预发射状态进行重制，映射成新的发射结构，映射规则如下：

1) 发射结构按照频率采样点的高低，对投影点进行环状层次排序，若调制方式为M-QFSK，按π/M的顺序进行等距排列.

2) 若存在两路呈现镜像对称状态的投影，则对该层发射序列进行倒序处理，以保证发射时不存在同时发射的两路抑制子信号(图 5).在预发射信号时，首先从距离最近的环上对信号进行解析(图 5)，并按照各路抑制子信号的带宽进行带通滤波，消除信源中的窄带莱斯噪声，完成信号的发送.

由于各路抑制子信号的投影矢量进行发射时存在一定的频率抖动，当信号发射强度较大时将极易因多普勒现象而导致频率失真现象^[8]，导致接收后的抑制子信号正确率受到严重影响.为解决多普勒偏移现象^[9-10]，本文构建了投影矢量加密精度增强(图 6).在FFT变换机制完成后，将得到新的待发射子信号，其能量分布模型满足：

其中：β_i为节点i的频谱能量；μ_i为第i路信道能量衰落因子；E为莱斯噪声能量分布.

随后，引入量化评估模型(quantitative easing assessment，QEA)^[11]，对式(8)所示的待发射子信号建立加密校验模型Ψ：

其中：Ψ为校验值，当仅当该值低于0.1时认为传输无误差；Q_EA为量化误码指数；δ为莱斯衰落因子；N₁与N₂为常数，可以通过模型(11)获取；x，y分别为任意两路不同的子信道所对应的干扰因子，可通过式(8)获取.

由于不同时刻所观察到的莱斯衰落因子具有一定的差异，加密过程中因莱斯干扰而导致严重的误码现象.为进一步提高本文算法对莱斯噪声的抗干扰性能，建立莱斯衰落因子计算模型如下：

其中：v min为信源最小编码速率；v max为信源最大编码速率.

使用本文所示的投影矢量加密精度增强对典型莱斯噪声进行信号增益衰落计算，可以得到信号增益衰落曲线(图 7).从图 7中可以看到，随着信噪比性能的不断下降，本文采用投影矢量加密精度增强后，有效降低了投影矢量的信号增益衰落，这说明了本文在信道传输环境不断恶化的情况下，能够通过投影矢量加密精度增强改善信道传输质量，降低噪声干扰.

为便于比较本文算法的精度增强质量，本文仿真实验使用NS2仿真环境.仿真参数采用标准OFDM信号作为基准信号，抑制子信号个数为1024个；星座图采用128QPSK调制及128QFSK调制方式；且单一路数抑制子信号个数为512；对照组采用OFDM技术中经常使用的时间窗消除机制(time window elimination mechanism，TWE)^[12]、频率拓扑映射机制(frequency topology mapping，FT)^[13].

图 8显示了理想状态下标准OFDM信号的SGC曲线(signal gain curve，SGC)及本文算法与对照组算法的SGC曲线.由图 8可知，无论采用128QPSK调制及128QFSK调制方式，本文OFDM信号增益曲线与标准OFDM信号的SGC曲线重合程度高，本文算法与标准OFDM信号最高相差1.7dB·rad^-1；TWE算法与标准OFDM信号最高相差7.7dB·rad^-1；FT算法与标准OFDM信号最高相差11.6dB·rad^-1，可见，本文算法与标准OFDM信号的SGC性能最为接近.该现象表明，本文算法采用频域窄带莱斯噪声消除机制，能够在预调制阶段通过信号投影矢量的匹配方式基本消除频域窄带莱斯噪声的影响，且经过逆向变换，能够最大限度还原原始OFDM信号的SGC性能；TWE机制由于需要针对不同频率的窄带莱斯噪声构建时间窗，信道噪声具有频带特性，当信号调制时各个时间窗上的窄带噪声将通过投影方式均衡地映射到各个信号投影矢量上，因而难以通过带通滤波方式提高OFDM系统对窄带莱斯噪声的消除效率，且存在严重的噪声残留现象；FT机制由于对频域窄带莱斯噪声在信号预发射阶段估计不足，未采取消除措施，仅采取简单低通滤波方式，无法消除带状噪声，因而与原始OFDM信号出现较大幅度偏差，导致该机制的SGC曲线出现了严重的畸变现象.

图 9显示了本文算法与对照组算法的OFDM系统误码率(system error rate，SER)性能曲线.由图 8可知，本文算法的SER指标要远远低于TWE机制与FT机制，这是因为本文采取频域窄带莱斯噪声消除机制，能够针对每路子信号与频域窄带噪声的匹配情况进行定向消除，且使用投影矢量加密精度增强的方式对信号预发射过程进行精度增强，有效降低了本文算法的系统误码率水平；TWE机制在发射前采用脉冲一次发射成型方式，由于难以对频率窄带噪声进行定向适配，因而消除效果要远远低于本文算法；FT机制虽然能够对信号发射波形进行一次匹配，然而由于该方式是在时域上进行，易导致因成型失败而引入带外杂波，因而系统误码率性能不高.

为进一步改善当前OFDM网络信号发射精度增强机制难以彻底消除频域窄带莱斯噪声的不足，本文提出了一种新的基于频域窄带莱斯噪声消除机制的OFDM网络信号精度增强算法.该算法首先通过频域窄带莱斯噪声消除机制，实现了对带通状态下的频域窄带莱斯噪声的初步消除；随后基于量化评估模型的方式构建投影矢量加密精度增强过程，采用傅里叶逆变换的方式进一步提高了OFDM信号对频域窄带噪声的消除效果，降低了信号衰落现象.仿真实验表明，本文算法与当前常见的时间窗消除机制、频率拓扑映射机制相比，系统误码率较低，且具有良好的信号增益效果，在实践中具有较强的使用价值.

下一步，将通过层级旋转映射的方式，对预发射状态的OFDM信号进行序列重排序过程的研究，通过信号序列自身的抗噪性能的提高，增强本文算法对各种复杂信道环境的适应性能.