2 数据仿真及分析
    针对上面所举例子，用Matlab产生一个长度为1 024的零均值高斯分布复随机序列，序列方差σ2=2k∈[25，215]，k∈[5，15]。定义SNR如式(5)，其中Wfloat，Wfix分别是采用浮点、定点FFT算法的平均输出功率。

   
    Matlab仿真结果如图2所示，其中横坐标为20logl0(σ2／215)。可见，当输入信号平均功率较小时，量化误差和舍入误差随功率增加而下降，但平均功率上升到一定值后，产生的定点溢出误差增加使得SNR急剧下降。
    针对较大的OFDM符号功率动态范围，本文采用DAGC技术来调整DFT输入信号功率，使其处在一个较平稳的范围内，以此提高DFT运算的输出SNR，同时减轻本身就具有较大运算量的DFT模块的负担。根据仿真结果，结合式(4)，选择DFT输入平均功率为(210)2时最佳。

3 FPGA实现及分析
    由于用FPGA实现乘除法会消耗大量资源，一般采用左右移位来代替。因此，为了简化FPGA实现难度，本文仅将输入序列的功率从区间[(2i-1)2，(2i)2]调整到[(29)2，(210)2]，其中i为非负整数且i∈[6，15]。
    DFT模块选用Altera公司的IPCORE，总体框图如图3所示，其中BUFl，BUF2均可存储1 024点，用于流水处理。该实现方式通过两个二级模块以及中间缓存实现，由于存储功率的寄存器位宽很大，实现时不使用比较器。流水处理1 024点所需要的平均时间la—tency仅为1 029个时钟周期，即经过1 024个时钟周期得到1 024个点后，平均仅需要5个时钟周期得到功率调整因子。本模块综合后的最高频率fmax=220 MHz。以输入序列平均功率为2×(214)2为例，功率调整方式对SNR影响如表1所示，其中第三种方式仅由Matlab仿真得到。可见，采用调整到区间[(29)2，(210)2]时的SNR较高且易于用FPGA实现。

4 结 语
    本文主要针对OFDM系统中定点化DFT的溢出误差，分析了DFT输入信号功率对其输出信噪比的影响，并以高斯零均值输入信号为例，采用DAGC与DFT模块级联的方式进行了Matlab仿真和FPGA实现，证明了其可行性。该方法以很小的时延、较少的资源以及较高的精度为优势，有效地增大了定点化DFT正常工作的动态范围，同时为后级恢复原信号提供了可靠保障，完全满足0FDM系统基带解调的要求。