如果您想考虑模拟，可以将 OFDM 信号写为加权复正弦波的总和：

$$x(t)=\sum_{k=0}^{N-1}X_k \exp{\left( \mathrm j 2\pi\frac{kf_\mathrm{s}}{N}t \tag{1}\right)},$$ 在哪里$N$是子载波的数量，$f_\mathrm{s}$是采样频率和$X_k$表示子载波值。对于数字实现，（1）在$t=n/f_\mathrm{s}$： $$x(n/f_\mathrm{s})=\sum_{k=0}^{N-1}X_k \exp{\left( \mathrm j 2\pi\frac{kn}{N} \tag{2}\right)},$$ 它对应于由 IFFT 实现的逆离散傅里叶变换 (IDFT)。IFFT有$N$输入值和$N$输出值。没关系，因为 IDFT 是 N 周期的，因此任何额外的样本都是多余的。因此，（1）中的每个子载波都表示为$N$样本，无论其在 OFDM 符号长度期间的周期数如何。

如果您尝试将数字 OFDM 时域信号想象为$N$采样正弦曲线，我认为您发布的数字有两个问题：

1. 图像中的第一个子载波明显有频率$f_\mathrm{s}/N$第四个子载波有频率$f_\mathrm{s}$. 那是错误的。从 (1) 可以看出，第一个子载波应该有频率 0，第四个应该有频率$(N-1)f_\mathrm{s}/N$. 您可以对子载波重新排序（例如从负到正），但必须包括 DC 子载波，并且不得存在具有频率的子载波$f_\mathrm{s}$. （有人可能会争辩说，频率为 0 的子载波和$f_\mathrm{s}$实际上是相同的，但我认为这是插图的糟糕选择）
2. 该图像仅显示正弦曲线的实部（或虚部）。这可能会给您一种印象，即采样时正在发生一些混叠。我稍后会解释我的意思。

请考虑我创建的下图

它包含来自的子载波$k=0$到$k=3$（线）及其样本（点）。它还显示了实部（蓝色）和虚部（红色）。现在考虑第一个和第三个子图中的红线：它们的样本完全相同。但是，蓝色（虚构）部分是不同的。那是，$N=4$这里的样本足以代表所有子载波。

这是我用来创建上图的 Matlab 代码：

N = 4; % num subcarriers
os = 128; % oversampling
t = linspace(0, 1-1/(N*os), N*os); % time
n = 0:N-1; % discrete time

figure;
cnt = 1; % helper
for k = 0:N-1;
    subcarrier = exp(1i * 2*pi*k*t);

    subplot(N,1,cnt);
    plot( t, real(subcarrier), 'b-');
    hold on;
    plot( t(n*os+1), real(subcarrier(n*os+1)), 'b.', 'MarkerSize', 20);

    plot( t, imag(subcarrier), 'r--');
    hold on;
    plot( t(n*os+1), imag(subcarrier(n*os+1)), 'r.', 'MarkerSize', 20);

    if(k ~= N-1)
        set(gca, 'XTick', []);
    else
        xlabel('t/T');
    end
    ylim([-1 1]);
    title( sprintf('k=%d', k));

    cnt = cnt + 1;
end

您需要与子载波一样多的样本。如果您有 64 个运营商，那么您需要 64 个样本。