从DFT对称性到光OFDM：DCO与ACO的数学原理与系统权衡

1. 离散傅里叶变换的数学对称性

理解DFT的对称性就像拆解一个俄罗斯套娃。最外层是DFT和IDFT这对孪生兄弟的数学表达式：

python复制# DFT计算示例（Python实现）
import numpy as np
def manual_dft(x):
    N = len(x)
    X = np.zeros(N, dtype=complex)
    for k in range(N):
        for n in range(N):
            X[k] += x[n] * np.exp(-2j * np.pi * k * n / N)
    return X

这个看似简单的公式里藏着两个关键对称特性：共轭对称和反共轭对称。我在调试可见光通信系统时发现，这两个特性直接决定了后续DCO-OFDM和ACO-OFDM的设计路线。

共轭对称的实质是频域镜像：当输入信号x(n)为实数时，频域X(k)满足X(n)=X(N-n)*。这就像照镜子，右侧频谱永远是左侧的共轭镜像。实测中，这个特性保证了时域信号经过IDFT后能保持实数特性——这对光通信至关重要，因为光强必须是实数。

而反共轭对称则像是把镜像倒置：X(n)=-X(N-n)*。这个特性在ACO-OFDM中扮演关键角色，它使得时域信号具有半波对称性（x(n)=-x(n+N/2)）。我在实验室用示波器观察过，这种信号波形就像正弦波的负半周被精确翻转到了正半周。

2. DCO-OFDM的直流偏置方案

DCO-OFDM（直流偏置光OFDM）的核心思想简单粗暴：既然信号需要非负，那就整体往上抬！但实际操作中我踩过三个坑：

1. 偏置量计算：偏置太小会导致削波失真，太大又浪费功率。经验公式是偏置量=3×标准差，但实测发现4倍更稳妥。
2. 削波噪声：即使加了偏置，信号峰值仍可能超出LED线性区。我的解决方法是动态调整偏置+预失真补偿。
3. 频谱效率：所有子载波都可用，但直流分量会挤占有效带宽。

matlab复制% DCO-OFDM发射端示例
dc_bias = 3 * std(time_domain_signal);
transmit_signal = time_domain_signal + d