CN100493064C - 基于虚拟子载波和频域差分序列的估计ofdm整数频偏的方法 - Google Patents
基于虚拟子载波和频域差分序列的估计ofdm整数频偏的方法 Download PDFInfo
- Publication number
- CN100493064C CN100493064C CNB2006101181103A CN200610118110A CN100493064C CN 100493064 C CN100493064 C CN 100493064C CN B2006101181103 A CNB2006101181103 A CN B2006101181103A CN 200610118110 A CN200610118110 A CN 200610118110A CN 100493064 C CN100493064 C CN 100493064C
- Authority
- CN
- China
- Prior art keywords
- sequence
- integer frequency
- frequency bias
- frequency domain
- carrier wave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
- Synchronisation In Digital Transmission Systems (AREA)
Abstract
本发明涉及一种基于虚拟子载波和频域差分序列的估计OFDM整数频偏的方法,属于通信技术领域。本发明在每帧中仅需要1个OFDM符号作为同步训练符号,具有训练序列数据开销低的优点,并且该符号的峰均功率比很低;本发明包含基于虚拟子载波和基于频域差分序列的方法,并根据最大似然准则,对OFDM整数频偏作出估计,其性能优于基于虚拟子载波的方法,也优于基于频域差分序列的方法;另外,本发明选取合适的频偏预选值,可以缩小频偏估计的搜索范围,使本发明具有较低的计算复杂度。
Description
技术领域
本发明涉及一种通信技术领域的方法,特别涉及一种基于虚拟子载波和频域差分序列的估计OFDM整数频偏的方法。
背景技术
目前,OFDM技术在越来越多的有线、无线通信领域得到应用,这主要由于OFDM技术具有许多优势:有效对抗多径干扰和窄带干扰,频谱利用率高,数据传输速率高等。然而,OFDM对于同步偏差,特别是对频率偏差非常敏感。频率偏差又分为子载波间隔的小数倍频率偏差和子载波间隔的整数倍频率偏差,在下文中分别简称为小数频偏和整数频偏。其中,小数频偏会造成子载波间干扰(ICI);整数频偏不会引起ICI,但会引起接收数据符号的循环移位,使得解调后的信息符号的错误概率为50%。
常见的估计OFDM整数频偏的方法有三种:
(1)基于OFDM***的虚拟子载波(virtual sub-carriers),即OFDM同步训练符号在频域上,只使用整个带宽中的一部分子载波(这些子载波称为启用子载波(active sub-carriers))传输频域训练序列,其余的子载波置零,这些被置零的子载波即为虚拟子载波。换言之,虚拟子载波是在频域上附属于同步训练符号的子载波。由于OFDM的子载波间存在正交性,所以,虚拟子载波空间构成OFDM信号的“零子空间”,利用正交子载波之间内积为零的性质,可以推算出整数频偏。具体实现时,可以采用能量检测,通过寻找启用子载波集合的能量最大值或寻找虚拟子载波集合的能量最小值来估计整数频偏。参见文献:Huang D.等,“Reduced complexity carrier frequency offset estimationfor OFDM systems”,IEEE Wireless Communications and NetworkingConference,Volume 3,Mar 2004,Page(s):1411-1415(“低计算复杂度的OFDM频偏估计法”IEEE通信和网络领域学术会议)。在下文中,简称该方法为方法一。
(2)基于频域差分序列,此方法需要对OFDM同步训练符号作快速傅里叶变换(FFT),然后求得频域差分序列,再与已知的差分序列作循环移位相关,通过寻找相关峰来估计整数频偏。参见文献:Kim Y.H.等,“An Efficient FrequencyOffset Estimator for Timing and Frequency Synchronization in OFDMSystems”,IEEE Pacific Rim Conference on Communications,Computers andSignal Processing,Aug 1999,Page(s):580-583(“一种有效应用于OFDM***的时间和频偏同步方法”IEEE环太平洋地区关于通信、计算机和信号处理的学术会议)。在下文中,简称该方法为方法二。
(3)基于L等分的OFDM同步训练符号结构,此方法通过计算训练符号的特定延迟的自相关,再求相角来估计整数频偏。它的估计范围随着L的增加而变大,但估计精度随之变差,计算复杂度也相应增大。参见文献:Heiskala J.等,《OFDMWireless LANs—A Theoretical and Practical Guide》,Indianapolis USA:Pearson Education Inc,2002,Page(s):70-73(《OFDM无线局域网——理论与实践的指导》Pearson教育出版社)。在下文中,简称该方法为方法三。
方法一和方法二均需要对OFDM同步训练符号作FFT运算,属于频域估计法。相较而言,方法二的性能优于方法一,但需要较大的计算开销。方法三无需对OFDM同步训练符号作FFT,属于时域估计法,其与方法一、方法二没有可比性。作为时域估计法,虽然方法三的计算复杂度较低,但其估计性能难以满足实际***的要求。
发明内容
本发明的目的在于针对现有技术估计性能不佳或计算复杂度较高的缺点,提供一种估计OFDM整数频偏的方法,该方法包含基于虚拟子载波和基于频域差分序列的方法,并根据ML(Maximum Likelihood,最大似然)准则,对OFDM整数频偏作出估计,其性能优于基于虚拟子载波的方法,也优于基于频域差分序列的方法,同时,该方法选取合适的频偏预选值,可以缩小频偏估计的搜索范围,具有较低的计算复杂度。
本发明通过以下技术方案实现,具体包括如下步骤:
步骤一:发送端生成含有虚拟子载波,并在相邻的启用子载波对上加载了频域差分序列的OFDM同步训练符号;
步骤二:接收端根据利用现有技术,获得时间同步与小数频率同步,并提取出OFDM同步训练符号,去除循环前缀,经过小数频偏补偿,再作FFT,得到OFDM同步训练符号的频域序列;
步骤三:在基于虚拟子载波的各个整数频偏的假设条件下,求出OFDM同步训练符号的启用子载波集合的能量和,作为基于虚拟子载波的各个整数频偏的可能性度量值;
步骤四:在基于虚拟子载波的各个整数频偏的假设条件下,通过频域差分解调及差分序列检测,得到基于差分序列的各个整数频偏的可能性度量值;
步骤五:根据ML准则,合并基于虚拟子载波的各个整数频偏的可能性度量值和基于差分序列的各个整数频偏的可能性度量值,该度量值的峰值所对应的频点就是整数频偏的估计值。
所述的步骤四,在频域差分解调及差分序列检测之前,对所述各个整数频偏进行预选。
所述的步骤四,将所述基于虚拟子载波的各个整数频偏的可能性度量值从大到小进行排序,令前λ个可能性度量值所对应的整数频偏作为所述预选整数频偏。
所述的步骤五,具体为:根据ML准则,将1倍的基于虚拟子载波的各个整数频偏的可能性度量值与2倍的基于差分序列的各个整数频偏的可能性度量值的实部相加,得到基于ML准则的各个整数频偏的可能性度量值,寻找其峰值,从而对整数频偏作出估计。
以下对本发明作进一步说明:
(1)生成含有虚拟子载波,并在相邻的启用子载波对上加载了频域差分序列的OFDM同步训练符号
OFDM是一种多载波调制***,每个子载波上都可以承载QAM符号或PSK符号,其调制解调过程可以用IDFT(离散傅里叶反变换)和DFT(离散傅里叶变换)来表示。设N表示OFDM子载波的数目,由于IDFT和DFT的对称性,N也表示OFDM符号的有效部分点数,T表示OFDM符号的有效宽度,子载波间隔为fo=1/T。设a(k)表示发送端在同步训练符号的第k个子载波上加载的频域数据;b(l)表示同步训练符号中,第l个采样点的基带时域数据。对a(k)作b(l)点IDFT,得:
式中,Nu1表示基带负频谱区域的可用子载波的数目,Nu2表示基带正频谱区域的可用子载波的数目,Nu1+Nu2=Nu表示可用子载波的总数目,Ng是循环前缀的点数。
考虑虚拟子载波的设计,依据子载波加载数据,定义子载波序号集合如下:
可用子载波S,一般由相关协议标准唯一确定,含有(C(S)=Nu)个元素:
S={S(i)|1≤i≤C(S),S(i)<S(i+1),-Nu1≤S(i)≤Nu2,S(i)≠0} (2)
参与生成虚拟子载波的子载波Sorigin,其含有C(Sorigin)个元素:
Sorigin={So(i)|1≤i≤C(Sorigin),So(i)<So(i+1),So(i)∈S} (3)
Sorigin与S的关系是:
虚拟子载波的设计模版可以用一个二进制序列d={d(j)|1≤j≤B}(B为d的长度,且B=C(Sorigin))表示,d中0元素所对应位置的Sorigin的子载波为虚拟子载波,不加载数据;1元素所对应位置的Sorigin的子载波为启用子载波,加载数据,用集合形式将上述两种情况表示为Svir和Sact:
Svir和Sact分别含有的元素个数为C(Svir)和C(Sact),即d中0元素和1元素的个数分别为C(Svir)和C(Sact)。由于SvirUSact=Sorigin,且所以C(Svir)+C(Sact)=C(Sorigin)=B。
根据方法一,选取d为具有尖锐峰值自相关的伪随机序列,比如m序列,截短的m序列、Gold序列(参见文献:Gold R.,“Optimal binary sequences forspread spectrum multiplexing”,IEEE Transactions on Information Theory,1967,Volume 13,NO.4,Page(s):619-621(“应用于扩频复用的最佳二进制序列”IEEE信息论期刊))、二次剩余序列(参见文献:Klapper A.等,“Cascaded GMW sequences”,IEEE Transactions on Information Theory,1993,Volume 39,NO.1,Page(s):177-183(“级联GMW序列”IEEE信息论期刊))等等。总之,只要基本满足伪随机性质的二进制序列都可以作为d。
需要指出的是,在实际***中,整数频偏范围一般具有上限,比如,以载频为2GHz,子载波间隔为5KHz,用户端晶振的最大误差为±10ppm的***为例,其最大的整数频偏为2G×(±10ppm)/5K=±4。所以,二进制序列d的自相关函数只需在[-4,4]内呈现出尖锐的峰值即可。令***的最大整数频偏为±gmax(gmax为正整数)。
因此,d的设计过程一般可分为三步:首先,确定d的序列类别(m序列,截短的m序列、Gold序列、二次剩余序列等等);然后,在B=C(Sorigin)的条件下,通过计算机穷举搜索所有d在最大频偏范围[-gmax,gmax]内的自相关函数;最后,选取自相关函数形态最尖锐的d作为虚拟子载波的设计模版。
确定了虚拟子载波的设计模版,就唯一确定了Svir和Sact。在Sact中相邻元素所对应的相邻子载波对上加载频域差分序列,该过程与方法二类似,但二者存在本质区别。方法二的做法可以等效为采用一个所有元素均为1的二进制序列d,然后在相邻子载波对上加载频域差分序列,因此,方法二中的Sact的相邻元素严格等间隔,且在频域上均匀分布。于是,在方法二中,相邻子载波对是固有的,不需要人为设计。但在本发明中,Sact由于受到d的作用,其在频域上呈现出伪随机分布,所以,其对应的相邻子载波对需要重新定义和设计,如下:
对于Sact,搜索其相邻子载波对(Sa1(i),Sa2(i)),令所有子载波对属于集合Sadj:
式(6)中,α为相邻子载波的最大定义距离,通常,为了保证相邻子载波受到近似相同的信道影响,一般取α≤4,即当两个子载波之间的距离超过4个子载波间隔时,便认为二者不相邻。Sadj的元素个数为C(Sadj),这是用以加载频域差分序列的长度,该值越大,***的估计性能越好。显然,根据式(6)对不同的Sact进行搜索,将会得到不同的Sadj,在设计***参数时,需要对d和Sadj进行综合考虑,既要使d的自相关性较为尖锐,也要使C(Sadj)较大。
一般地,选取自相关性比较尖锐的恒包络序列(例如PN序列)作为加载到Sadj上的频域差分序列p={p(i)|1≤i≤C(Sadj)},于是,OFDM同步训练符号的Sact上的数据表达式为:
式(7)中,θ是任意的随机相位,表示部分启用子载波上的数据不受p的约束,可以用于改善同步训练符号的PAPR(峰均功率比)。
(2)时间同步与小数频率同步
设r(m)表示接收端收到OFDM同步训练符号的第m个采样点的基带时域数据,h(l)表示延时为l个采样时刻路径所对应的时域信道响应;n(m)表示信道对r(m)的时域加性高斯噪声;ψ是初相;fΔ是对子载波间隔归一化后的频偏,等于小数频偏与整数频偏g之和;ε是对采样点间隔归一化后的时间同步偏差,则r(m)的表达式为:
目前,OFDM的时间同步与小数频率同步是一项较为成熟的技术。比如,选取:
Sorigin={So(i)|1≤i≤C(Sorigin),So(i)<So(i+1),So(i)∈S,So(i)=0(mod L)} (9)
然后在S\Sorigin的子载波上不加载数据,就可以生成L等分结构的OFDM同步训练符号,特别地,当L=2时,在时域上计算同步训练符号的半个符号延迟的自相关,寻找峰值确定时间起始点,再求峰值的相角估计出小数频偏。参见文献:Keller T.等,“Orthogonal Frequency Division Multiplex Synchroni-zation Techniques for Frequency-Selective Fading Channels”,IEEEJournal on Selected Areas in Communications,Volume.19,NO.6,June2001 Page(s):999-1007。(“频率选择性衰落信道下的OFDM同步技术”IEEE精选通信技术领域期刊)
又比如,在S\Sorigin中的一部分子载波上加载固定的频域序列,从而生成固定的时域序列,该时域序列对于发送端和接收端都是事先已知的,接收端用这一时域序列对接收到的信号进行连续的相关搜索,相关峰所在位置就是OFDM符号的起始位置,然后考察接收序列的相位特征,估算出小数频偏。参见文献:3GPP,Ri-060781,NTT DoCoMo,“Cell Search Time Performance ofThree-Step Cell Search Method”。(3GPP文档,编号:R1-060781,NTT DoCoMo公司,“三步骤小区搜索方法在搜索时间方面的性能表现”)
假设时间同步估计和小数频偏估计完全正确,则对r(m)进行相应补偿,并去除循环前缀后,得:
对r(m)作N点FFT,得到同步训练符号的频域序列:
将式(1)代入式(10),再代入式(11),得到其等效的频域表达式为:
z(k)=a(k-g)H(k-g)exp(jψ)+n′(k-g)(-Nu1≤k≤Nu2) (12)
式中,H(k)是多径衰落信道对第k个子载波的频域影响,n′(k)是信道对第k个子载波的频域加性噪声。
(3)计算基于虚拟子载波的各个整数频偏的可能性度量值
在各个整数频偏的假设条件g%下,对{z(k)}进行相应的补偿,即循环移位得{z(k+g%)}。计算k∈Sorigin对应的子载波的能量序列,求出其启用子载波集合的能量和,作为基于虚拟子载波的各个整数频偏的可能性度量值,如式(13)所示:
式中,Gassump表示所有可能的g%的集合,即Gassump为[-gmax,gmax]内的所有可能的整数频偏值,并设Gassump含有Cg个元素。
方法一在得到式(13)之后,通过寻找R(g%)的峰值,即对整数频偏作出估计。
这一步骤的计算主要集中在式(13),计算|z(k+g%)2共需要C(Sorigin)次复数乘法。另外还需要Cg×C(Sact)次实数加法,等效为Cg×C(Sact)/2次复数加法。本发明在该步骤的计算复杂度与方法一基本相同。
(4)对基于虚拟子载波估计出的整数频偏值进行预选,再计算各个整数频偏的假设条件下,基于差分序列的各个整数频偏的可能性度量值
式中,λ越大,本发明的性能越好,但计算复杂度越高。当λ=Cg时,式(14)等效于对整数频偏不进行任何预选,即对整数频偏进行全局搜索,本发明的性能在此时达到最优。λ是***设计时的一个参数,由***分配给频率同步单元的时间、硬件资源等决定。
对于每个 对{z(k)}进行相应的补偿,即循环移位得{z(k+g%)}。当不考虑噪声,仅考虑多径衰落信道时,差分解调Sa1(i)+g%和Sa2(i)+g%对应的相邻子载波上的数据,由式(7)和式(12)得:
(15)
考虑式(6)的条件,当α较小时,可以认为H(Sa2(i))≈H(Sa1(i)),于是,只有当g%=g时,式(15)才可以简化为:
计算每个 时的序列 与p的相关值,得:
T(g%)即为在各个整数频偏的假设条件下,通过频域差分解调及差分序列检测,得到基于差分序列的各个整数频偏的可能性度量值。
方法二在得到式(17)之后,通过寻找T(g%)绝对值平方的峰值,对整数频偏作出估计。
这一步骤的计算主要集中在式(15)和式(17),需要2λC(Sadj)次复数乘法和λC(Sadj)次复数加法,等效为λC(Sadj)/2次复数加法。方法二也要计算式(15)和式(17),但其无法对整数频偏进行预选,所以,共需要2Cg×C(Sorigin)次复数乘法和Cg×C(Sorigin)次复数加法,等效为Cg×C(Sorigin)/2次复数加法。因此,本发明在该步骤的计算复杂度大大低于方法二。
(5)根据ML准则,合并基于虚拟子载波的各个整数频偏的可能性度量值和基于差分序列的各个整数频偏的可能性度量值,然后估计整数频偏
根据ML准则,对整数频偏估计度量值进行推导,首先对接收的信号做假设。由式(12),对g,H和ψ做假设g%,H%和ψ%。设为根据H%得到的同步训练符号的时域序列:
由式(10)知,r(m)是接收到的同步训练符号的时域序列,所以,关于(g%,H%,ψ%)的似然函数(likelihood function)可以表示为:
(19)
式中,σ2是加性高斯白噪声的功率。去除式(19)中一些常数的影响,并考虑式(11)和式(18),经过化简,将式(19)改写为:
(20)
式中,Re[g]表示取实部的运算。当噪声较大时,对式(20)作多项式逼近(根据泰勒级数展开,当x较小时,有exp(x)≈1+x+x2/2):
对式(21)中的H%和ψ%作平均,消去这两个变量,从而得到关于g%的似然函数:
(22)
(23)
所以,寻找Λ(g%的峰值,对整数频偏g作出估计:
这一步骤的计算主要集中在式(23),仅仅需要1次实数乘法和1次实数加法,可以忽略不计。
本发明的优点在于:仅需要1个OFDM符号作为同步训练符号,具有训练序列数据开销低的优点,并且该符号的峰均功率比很低,另外,本发明包含基于虚拟子载波和基于频域差分序列的方法,并根据ML准则,将上述两种由不同技术条件导出的频偏估计方法相结合,对0FDM整数频偏作出估计,从而比单独方法获得估计增益。因此,本发明的性能既优于基于虚拟子载波的方法,也优于基于频域差分序列的方法。同时,本发明选取合适的频偏预选值,可以缩小频偏估计的搜索范围,使本发明具有较低的计算复杂度。
附图说明
图1为d在[-4,4]内的循环自相关函数
图2为OFDM基带调制解调框图
图3为本发明的实施框图
图4为频域差分序列p的自相关函数
图5为当整数频偏为2时,R(g%)的典型情况图
图6为当整数频偏为2时,Re[Tg%]的典型情况图
图7为当整数频偏为2时,Λ(g%)的典型情况图
图8是本发明不进行预选(即λ=Cg=5)以及进行预选(λ=3,λ=2)时,与方法一和方法二在整数频偏估计错误率方面的性能比较
图9是本发明不进行预选(即λ=Cg=5)以及进行预选(λ=3,λ=2)时,与方法一和方法二在频偏估计均方误差方面的性能比较
具体实施方式
下面给出一个具体的OFDM参数配置,来阐述本发明的实现步骤。需要说明的是,下例中的参数并不影响本发明的一般性。
3GPP组织的文档:TR 25.892 V6.0.0,“Feasibility Study for OrthogonalFrequency Division Multiplexing(OFDM)for UTRAN enhancement(Release6)”(OFDM技术在改进的通用移动通信***及陆基无线电接入网中的可行性研究),给出的一组OFDM参数,如下:
载频 2GHz
***带宽 6.528MHz
子载波数N 1024
有效子载波数Nu 704(Nu1=Nu2=352)
有效带宽 4.495MHz
子载波间隔fo 6.375kHz
循环前缀Ng 64点(9.803us)
符号周期T 156.85+9.81=166.66us
由于载频为2GHz,假设用户端晶振的最大误差为±10ppm,那么最大频偏误差为±20KHz,而子载波间隔为6.375KHz,因此,最大频偏误差为±3.14。于是,取gmax=4可以覆盖***的最大频偏范围。
本发明的实现步骤如下:
(1)生成含有虚拟子载波,并在相邻的启用子载波对上加载了频域差分序列的OFDM同步训练符号
由Nu1=Nu2=352,得到S={-352,-351,...,-1,1,...,351,352},C(S)=704。令Sorigin={So(i)|1≤i≤C(Sorigin),So(i)<So(i+1),So(i)∈S,So(i)=0(mod2)},即:
Sorigin={-352,-350,...,-2,2,...,350,352} (25)
则C(Sorigin)=352。在S\Sorigin的子载波上不加载数据,从而生成2等分的同步训练符号。
选取d为截短的m序列,由于B=C(Sorigin)=352,而m序列的长度为2t-1(t为正整数),故生成长度为29-1=511的m序列M511以供截短。选择其本原多项式为1+x3+x4+x6+x9,然后,通过计算机搜索M511的511个循环移位样本,并将每个循环移位样本截短至长度为352,考察其在最大频偏范围[-gmax,gmax]=[-4,4]内的自相关函数。最后,选取自相关函数形态最尖锐的d作为虚拟子载波的设计模版。将d表示为二进制序列如下:
d |
1001001011110011111101111010101010000111110110100110111110000001111001011000110110011010010010011010110100010001111011000000011010100111010100011100101000101010010100110011000001010110110001001010111111101011100100001001000100111000111011001001111000010100100000000100110001011001111010001100001100111001110111011111100110110111100011001010101100101110 |
需要指出的是,本实例中选取截短的m序列作为d,并不影响本发明的通用性。在实际***中,可以选取其他序列作为d。d在[-4,4]内的循环自相关函数如图1所示,其自相关峰值为352,其他相关值为170,差值为182。该差值是M511的所有511个循环移位样本中的最大值,此时,d具有最尖锐的自相关函数形态。
另外,在图1中,d的循环自相关函数的横轴单位间隔为2,这是由于式(25)决定d只对偶数子载波有效,即d循环移位1个单位,相当于频域上移位2个子载波。
根据d,以及式(4)和式(5),可以唯一确定Svir和Sact。将Sact列表如下:
S<sub>act</sub> |
-352 -346 -340 -336 -334 -332 -330 -324 -322 -320-318 -316 -314 -310 -308 -306 -304 -300 -296 -292-288 -278 -276 -274 -272 -270 -266 -264 -260 -254-252 -248 -246 -244 -242 -240 -226 -224 -222 -220-214 -210 -208 -200 -198 -194 -192 -186 -184 -180-174 -168 -162 -160 -156 -152 -150 -146 -138 -130-128 -126 -124 -120 -118 -102 -100 -96 -92 -86-84 -82 -78 -74 -66 -64 -62 -56 -52 -44 -40 -36-30 -26 -20 -18 -12 -10 4 8 12 14 18 20 28 3438 42 44 46 48 50 52 54 58 62 64 66 72 82 8896 102 104 106 114 116 118 122 124 130 136 138140 142 152 156 162 180 186 188 196 200 202 208210 212 214 218 226 228 238 240 246 248 250 256258 260 264 266 268 272 274 276 278 280 282 288290 294 296 300 302 304 306 314 316 322 326 330334 336 342 346 348 350 |
经过计数,C(Sact)=177。对于上述Sact,在α=4的条件下,由式(6)搜索得到Sadj,经过计数,C(Sadj)=129。将Sadj中的Sa1(i)和Sa2(i)制成表格如下:
S<sub>a1</sub> (i) 1≤i≤129 |
-340 -336 -334 -332 -324 -322 -320 -318 -316-314 -310 -308 -306 -304 -300 -296 -292 -278-276 -274 -272 -270 -266 -264 -254 -252 -248-246 -244 -242 -226 -224 -222 -214 -210 -200-198 -194 -186 -184 -162 -160 -156 -152 -150-130 -128 -126 -124 -120 -102 -100 -96 -86 -84-82 -78 -66 -64 -56 -44 -40 -30 -20 -12 4 812 14 18 34 38 42 44 46 48 50 52 54 58 6264 102 104 114 116 118 122 136 138 140 152186 196 200 208 210 212 214 226 238 246 248256 258 260 264 266 268 272 274 276 278 280288 290 294 296 300 302 304 314 322 326 330334 342 346 348 |
S<sub>a2</sub>(i) 1≤i≤129 |
-336 -334 -332 -330 -322 -320 -318 -316 -314-310 -308 -306 -304 -300 -296 -292 -288 -276-274 -272 -270 -266 -264 -260 -252 -248 -246-244 -242 -240 -224 -222 -220 -210 -208 -198-194 -192 -184 -180 -160 -156 -152 -150 -146-128 -126 -124 -120 -118 -100 -96 -92 -84 -82-78 -74 -64 -62 -52 -40 -36 -26 -18 -10 8 1214 18 20 38 42 44 46 48 50 52 54 58 62 6466 104 106 116 118 122 124 138 140 142 156188 200 202 210 212 214 218 228 240 248 250258 260 264 266 268 272 274 276 278 280 282290 294 296 300 302 304 306 316 326 330 334336 346 348 350 |
选取p={p(i)}为自相关性比较尖锐的恒包络PN序列加载到Sadj上,由于C(Sadj)=129,所以,1≤i≤129。某一次随机生成的p如下表:
i | p(i) | i | p(i) | i | p(i) |
1 | 0.9866+0.1242j | 44 | -0.9852-0.1349j | 87 | 0.9463+0.3052j |
2 | 0.6074-0.7873j | 45 | -0.9621+0.2512j | 88 | 0.9751+0.1946j |
3 | -0.9872+0.1186j | 46 | 0.2840-0.9529j | 89 | 0.9938+0.0318j |
4 | 0.4729+0.8747j | 47 | 0.0844+0.9907j | 90 | -0.5973+0.7949j |
5 | -0.3393-0.9347j | 48 | -0.7075+0.6986j | 91 | 0.9938-0.0339j |
6 | -0.5123+0.8522j | 49 | 0.9607+0.2565j | 92 | 0.4921-0.8640j |
7 | 0.9811+0.1618j | 50 | 0.8686-0.4841j | 93 | -0.9355-0.3368j |
8 | -0.3429+0.9334j | 51 | -0.3907-0.9144j | 94 | 0.9802-0.1672j |
9 | -0.2278+0.9679j | 52 | 0.9942-0.0157j | 95 | 0.6297-0.7696j |
10 | 0.9145+0.3905j | 53 | -0.5565-0.8240j | 96 | 0.5123-0.8522j |
11 | 0.7226+0.6831j | 54 | -0.9299+0.3523j | 97 | -0.8329-0.5432j |
12 | -0.9031+0.4161j | 55 | 0.9944-0.0047j | 98 | -0.3129-0.9438j |
13 | -0.8874-0.4485j | 56 | 0.7021+0.7041j | 99 | -0.8079+0.5797j |
14 | -0.4961-0.8617j | 57 | 0.9814+0.1602j | 100 | -0.1765+0.9785j |
15 | 0.4280+0.8975j | 58 | -0.2443+0.9639j | 101 | 0.0966-0.9896j |
16 | -0.5814+0.8067j | 59 | 0.5009-0.8590j | 102 | -0.9647+0.2410j |
17 | 0.8707-0.4802j | 60 | 0.3780+0.9198j | 103 | 0.8756+0.4711j |
18 | 0.9655-0.2380j | 61 | 0.8373+0.5364j | 104 | 0.4983+0.8605j |
19 | 0.6804+0.7252j | 62 | 0.4792+0.8713j | 105 | 0.0330+0.9938j |
20 | -0.8765+0.4696j | 63 | -0.9326-0.3449j | 106 | 0.9670-0.2318j |
21 | -0.9807+0.1642j | 64 | 0.2282-0.9678j | 107 | -0.1699+0.9797j |
22 | 0.7511-0.6516j | 65 | -0.9819-0.1565j | 108 | 0.6507+0.7519j |
23 | -0.9815+0.1594j | 66 | 0.9786+0.1763j | 109 | 0.8988+0.4255j |
24 | 0.1610-0.9812j | 67 | -0.7163+0.6897j | 110 | 0.8908-0.4418j |
25 | 0.4086+0.9065j | 68 | -0.9228+0.3703j | 111 | -0.7956-0.5965j |
26 | -0.5174+0.8492j | 69 | 0.9704+0.2167j | 112 | 0.9094-0.4023j |
27 | -0.3516+0.9301j | 70 | 0.9493-0.2958j | 113 | -0.9922-0.0658j |
28 | -0.0497+0.9931j | 71 | 0.2029+0.9734j | 114 | -0.8727+0.4765j |
29 | 0.7500-0.6529j | 72 | -0.9115+0.3973j | 115 | 0.8022+0.5876j |
30 | 0.8476-0.5200j | 73 | -0.9620-0.2517j | 116 | 0.8115+0.5746j |
31 | 0.6819-0.7237j | 74 | -0.9928+0.0541j | 117 | -0.8872+0.4489j |
32 | 0.5519-0.8271j | 75 | 0.9314-0.3480j | 118 | -0.6758+0.7294j |
33 | -0.7455+0.6580j | 76 | -0.5794+0.8081j | 119 | -0.4128+0.9046j |
34 | 0.6396-0.7613j | 77 | 0.0969+0.9896j | 120 | 0.8042+0.5848j |
35 | 0.1544+0.9823j | 78 | -0.5870+0.8026j | 121 | -0.8808+0.4614j |
36 | 0.9447-0.3103j | 79 | 0.7846-0.6109j | 122 | 0.9224+0.3714j |
37 | -0.9602+0.2585j | 80 | -0.8481-0.5191j | 123 | -0.9625+0.2499j |
38 | 0.5753-0.8110j | 81 | 0.3286-0.9385j | 124 | 0.4703+0.8761j |
39 | 0.1608+0.9813j | 82 | 0.9741+0.1993j | 125 | 0.8589-0.5011j |
40 | -0.6636-0.7405j | 83 | -0.6719-0.7330j | 126 | -0.5526-0.8266j |
41 | 0.0943+0.9899j | 84 | 0.2454-0.9636j | 127 | -0.5762+0.8104j |
42 | -0.6868+0.7190j | 85 | -0.7397+0.6644j | 128 | -0.6737+0.7314j |
43 | -0.9203+0.3765j | 86 | -0.9814+0.1597j | 129 | 0.9936+0.0381j |
表中,j表示虚数单位。
频域差分序列p的自相关函数如图4所示。所以,根据式(7),在OFDM同步训练符号的Sact上的加载的数据如下表所示:
k | a(k)且k=S<sub>a</sub>(i)1≤i≤C(S<sub>act</sub>) | k | a(k)且k=S<sub>a</sub>(i)1≤i≤C(S<sub>act</sub>) | k | a(k)且k=S<sub>a</sub>(i)1≤i≤C(S<sub>act</sub>) |
-352 | -0.9042+0.4272j | -130 | 0.6056+0.7958j | 122 | 0.9557-0.2944j |
-346 | 0.9488+0.3160j | -128 | 0.9356-0.3531j | 124 | 0.9948-0.1017j |
-340 | -0.6791-0.7340j | -126 | 0.4312+0.9023j | 130 | -0.9737-0.2279j |
-336 | -0.5822-0.8131j | -124 | -0.9408-0.3391j | 136 | -0.2342+0.9722j |
-334 | -0.9994-0.0358j | -120 | -0.8215-0.5703j | 138 | -0.2652+0.9642j |
-332 | 0.9965-0.0837j | -118 | -0.9952-0.0982j | 140 | -0.6115-0.7913j |
-330 | 0.5476+0.8368j | -102 | -0.5356-0.8445j | 142 | -0.6382-0.7699j |
-324 | -0.9994-0.0346j | -100 | -0.5661+0.8243j | 152 | -0.9472+0.3205j |
-322 | 0.3084+0.9513j | -96 | -0.5530+0.8332j | 156 | -0.1903+0.9817j |
-320 | -0.9742-0.2258j | -92 | 1.0000-0.0080j | 162 | 0.7453-0.6668j |
-318 | -0.9245-0.3813j | -86 | 0.6080+0.7939j | 180 | -0.9995+0.0322j |
-316 | 0.6767-0.7363j | -84 | -0.8499-0.5270j | 186 | 0.8771-0.4802j |
-314 | 0.5617+0.8274j | -82 | -0.8524-0.5229j | 188 | -0.9880+0.1547j |
-310 | 0.1916+0.9815j | -78 | -0.2316-0.9728j | 196 | -0.1275-0.9919j |
-308 | -0.5350+0.8449j | -74 | -0.0718-0.9974j | 200 | -0.2925-0.9563j |
-306 | 0.1324-0.9912j | -66 | 0.4359+0.9000j | 202 | -0.9253-0.3792j |
-304 | -0.5653+0.8249j | -64 | -0.9795+0.2014j | 208 | -0.9867+0.1629j |
-300 | 0.9969+0.0783j | -62 | -0.3194+0.9477j | 210 | -0.3687+0.9295j |
-296 | 0.3585+0.9336j | -56 | -0.4581-0.8889j | 212 | 0.8166-0.5772j |
-292 | -0.9670-0.2551j | -52 | 0.6481-0.7616j | 214 | -0.8048-0.5935j |
-288 | -0.9699+0.2436j | -44 | -0.5776-0.8164j | 218 | 0.9999+0.0130j |
-278 | 0.3551-0.9349j | -40 | -0.0460-0.9989j | 226 | -0.0026-1.0000j |
-276 | 0.1210-0.9927j | -36 | 0.8531-0.5217j | 228 | 0.9846+0.1749j |
-274 | 0.8067-0.5909j | -30 | -0.9677-0.2521j | 238 | 0.3397+0.9405j |
-272 | -0.4321+0.9019j | -26 | 0.8201+0.5722j | 240 | 0.9691-0.2467j |
-270 | 0.2772-0.9608j | -20 | -0.4439-0.8961j | 246 | 0.7419+0.6705j |
-266 | -0.4203-0.9074j | -18 | -0.9740+0.2264j | 248 | -0.8823-0.4707j |
-264 | 0.5603+0.8283j | -12 | -0.9055-0.4244j | 250 | -0.5540-0.8325j |
-260 | 0.9081-0.4188j | -10 | 0.8274+0.5617j | 256 | 0.9999+0.0124j |
-254 | -0.9860-0.1672j | 4 | 0.8896+0.4568j | 258 | 0.4904+0.8715j |
-252 | -0.2527-0.9676j | 8 | 0.7946+0.6072j | 260 | -0.8548+0.5190j |
-248 | 0.9578+0.2876j | 12 | -0.9935+0.1137j | 264 | -0.7103+0.7040j |
-246 | -0.6077+0.7942j | 14 | 0.8797-0.4755j | 266 | -0.5723-0.8201j |
-244 | -0.7628-0.6467j | 18 | 0.9622-0.2724j | 268 | 0.2456-0.9694j |
-242 | -0.9999+0.0131j | 20 | 0.8376-0.5463j | 272 | 0.6368-0.7711j |
-240 | -0.8455+0.5341j | 28 | -0.7249+0.6889j | 274 | 0.2278-0.9737j |
-226 | 0.2059+0.9786j | 34 | 1.0000+0.0043j | 276 | -0.7664+0.6424j |
-224 | 0.8534+0.5212j | 38 | 0.1998+0.9798j | 278 | -0.4410+0.8975j |
-222 | 0.9073-0.4206j | 42 | -0.5747-0.8184j | 280 | 0.4995-0.8664j |
-220 | -0.4019+0.9157j | 44 | 0.3489+0.9372j | 282 | -0.0232+0.9997j |
-214 | -0.9662-0.2578j | 46 | -0.3993-0.9168j | 288 | -0.4708-0.8823j |
-210 | -0.8189+0.5739j | 48 | -0.6950-0.7190j | 290 | 0.1416-0.9900j |
-208 | -0.6941-0.7200j | 50 | 0.9893-0.1458j | 294 | 0.6876-0.7261j |
-200 | 0.4224-0.9064j | 52 | 0.2415+0.9704j | 296 | -0.2857+0.9583j |
-198 | 0.1184-0.9930j | 54 | -0.9259-0.3779j | 300 | -0.5088-0.8609j |
-194 | 0.1438+0.9896j | 58 | -0.9627+0.2706j | 302 | 0.9944-0.1055j |
-192 | 0.8904+0.4553j | 62 | 0.9624+0.2717j | 304 | 0.8663+0.4995j |
-186 | -0.9312+0.3647j | 64 | 0.5745-0.8185j | 306 | -0.9992-0.0405j |
-184 | -0.5105-0.8599j | 66 | 0.7269-0.6868j | 314 | -0.0079+1.0000j |
-180 | -0.2997+0.9541j | 72 | -0.8510-0.5252j | 316 | -0.3808+0.9247j |
-174 | 0.9861-0.1664j | 82 | 0.5979-0.8016j | 322 | 0.6451-0.7642j |
-168 | 0.9194+0.3934j | 88 | -0.9191-0.3942j | 326 | -0.4323+0.9018j |
-162 | 0.6042-0.7969j | 96 | 0.7698+0.6383j | 330 | -0.9990+0.0456j |
-160 | 0.8506+0.5258j | 102 | -0.8154+0.5789j | 334 | -0.8398+0.5428j |
-156 | -0.9678+0.2519j | 104 | 0.9777+0.2099j | 336 | 0.9181+0.3965j |
-152 | 0.8003-0.5996j | 106 | 0.4447-0.8957j | 342 | 0.9707-0.2402j |
-150 | -0.8743+0.4854j | 114 | 0.9604+0.2786j | 346 | -0.3668+0.9304j |
-146 | 0.7233-0.6906j | 116 | -0.9007+0.4345j | 348 | -0.4358-0.9001j |
-138 | -0.8823+0.4707j | 118 | 0.8192-0.5735j | 350 | -0.4010-0.9161j |
为了保证信号的发射功率保持恒定,在a(k)上将乘以补偿因子 将这样的α(k)通过图2的串并转换模块1、IDFT模块2、并串转换模块3,就能生成含有虚拟子载波,并在相邻的启用子载波对上加载了频域差分序列的2等分OFDM同步训练符号,然后该同步训练符号经过图2的模块***循环前缀模块4、***同步训练符号模块5、D/A转换模块6、发送滤波处理模块7,到达接收端。
(2)时间同步与小数频率同步
首先,接收端按照图3进行时间同步与小数频率同步。接收的数据经过图2的接收滤波处理模块8,A/D转换模块9、同步单元模块15。
由于生成的同步训练符号具有2等分的特性,所以接收端在时域上计算同步训练符号的半个符号延迟自相关,寻找峰值来确定帧的起始位置,再求峰值的相角估计出小数频率偏差。根据时间同步与小数频率同步的结果,对同步训练符号进行相应补偿。
同步训练符号经过图2的提取同步训练符号模块10、去除循环前缀模块11、串并转换模块12、DFT及频域均衡模块13、并串转换模块14,得到如式(12)所示的{z(k)}。然后,接收端按照图3开始进行整数频偏估计。
(3)计算基于虚拟子载波的各个整数频偏的可能性度量值
接收端按照图3,计算基于虚拟子载波的各个整数频偏的可能性度量值。
在各个整数频偏的假设条件g%下,对{z(k)}进行相应的补偿,即循环移位得{z(k+g%)}。依据式(13),得到 。由于式(25)决定d只对偶数子载波有效,所以,整数频偏的可能值集合Gassump={-4,-2,0,2,4},故Cg=5。
以R(2)为例,由式(13)得:
由于Sact已知,可以将k+2(k∈Sact)列表如下:
k+2(k∈S<sub>act</sub>) |
-350 -344 -338 -334 -332 -330 -328 -322 -320 -318-316 -314 -312 -308 -306 -304 -302 -298 -294 -290-286 -276 -274 -272 -270 -268 -264 -262 -258 -252-250 -246 -244 -242 -240 -238 -224 -222 -220 -218 |
-212 -208 -206 -198 -196 -192 -190 -184 -182 -178-172 -166 -160 -158 -154 -150 -148 -144 -136 -128-126 -124 -122 -118 -116 -100 -98 -94 -90 -84 -82-80 -76 -72 -64 -62 -60 -54 -50 -42 -38 -34 -28-24 -18 -16 -10 -8 6 10 14 16 20 22 30 36 4044 46 48 50 52 54 56 60 64 66 68 74 84 90 98104 106 108 116 118 120 124 126 132 138 140 142144 154 158 164 182 188 190 198 202 204 210 212214 216 220 228 230 240 242 248 250 252 258 260262 266 268 270 274 276 278 280 282 284 290 292296 298 302 304 306 308 316 318 324 328 332 336338 344 348 350 352 |
在多径信道条件以及0dB高斯白噪声情况下,当整数频偏为2时,R(g%)的典型情况如图5所示。可见,R(g%)在g%=2处出现了峰值。
这一步骤的计算主要集中在式(13),计算|z(k+g%)|2共需要C(Sorigin)=352次复数乘法。另外还需要Cg×C(Sact)=885次实数加法,等效为442次复数加法。本发明的该步骤的计算复杂度与方法一相同。
(4)对整数频偏值进行预选,再计算各个整数频偏的假设条件下,基于差分序列的各个整数频偏的可能性度量值
接收端按照图3,计算基于差分序列的各个整数频偏的可能性度量值。
将基于虚拟子载波的各个整数频偏的可能性度量值从大到小进行排序,令前λ个整数频偏作为预选值,得到集合对于每个 对{z(k)}进行做移位得{z(k+g%)}。然后,根据式(15)差分解调Sa1(i)+g%和Sa2(i)+g%对应的相邻子载波上的数据,得到序列 。再由式(17)计算基于差分序列的各个整数频偏的可能性度量值T(g%)。在多径信道条件以及0dB高斯白噪声情况下,当整数频偏为2时,Re[T(g%)]的典型情况如图6所示。可见,Re[T(g%)]在g%=2处出现了峰值。
这一步骤的计算主要集中在式(15)和式(17),需要2λC(Sadj)=258λ次复数乘法和λC(Sadj)=129λ次复数加法,等效为λC(Sadj)/2=64λ次复数加法,当λ=Cg=5时,这一步骤的计算复杂度达到最大,需要1290次复数乘法和320次复数加法。
计入上一步骤的计算复杂度,则本发明总共需要的复数乘法为258λ+352次,复数加法为64λ+442次。
方法二也要计算式(15)和式(17),但其无法对整数频偏进行预选,所以,共需要2Cg×C(Sorigin)=3520次复数乘法和Cg×C(Sorigin)次复数加法,等效为Cg×C(Sorigin)/2=880次复数加法。
将方法一、方法二及本发明的计算复杂度列于下表:
复数乘法次数 | 相对于方法二的百分比 | 复数加法次数 | 相对于方法二的百分比 | |
方法一 | 352 | 10% | 442 | 50% |
方法二 | 3520 | 100% | 880 | 100% |
本发明(λ=C<sub>g</sub>=5) | 1642 | 47% | 762 | 87% |
本发明(λ=4) | 1384 | 39% | 698 | 79% |
本发明(λ=3) | 1126 | 32% | 634 | 72% |
本发明(λ=2) | 868 | 25% | 570 | 65% |
因此,本发明的计算复杂度虽然高于方法一,但对于方法二具有明显的优势,而且,随着λ的减小,本发明在计算复杂度方面的优势更加突出。
(5)根据ML准则,合并基于虚拟子载波的各个整数频偏的可能性度量值和基于差分序列的各个整数频偏的可能性度量值,然后估计整数频偏
根据式(23),合并基于虚拟子载波的各个整数频偏的可能性度量值和基于差分序列的各个整数频偏的可能性度量值Λ(g%)。在多径信道条件以及0dB高斯白噪声情况下,当整数频偏为2时,Λ(g%)的典型情况如图7所示。可见,Λ(g%)在g%=2处出现了比图5和图6更明显的峰值。
最后由式(24)对整数频偏作出估计。
仿真信道为6-ray GSM Typical Urban Channel(全球移动通信典型城市区域6径信道,简称6-ray TU),其参数如下:
延迟(us) | 相对功率(dB) | |
路径1 | 0 | -3 |
路径2 | 0.2 | 0 |
路径3 | 0.5 | -2 |
路径4 | 1.6 | -6 |
路径5 | 2.3 | -8 |
路径6 | 5.0 | -10 |
假定频偏为2.3。仿真时认为已经获得完全正确的时间同步。
在仿真中,考察了本发明与方法一和方法二的性能比较。
图8是本发明不进行预选(即λ=Cg=5)以及进行预选(λ=3,λ=2)时,与方法一和方法二在整数频偏估计错误率方面的性能比较。该图表明,方法二的性能略优于方法一,但总体而言,方法一和方法二的性能相同。
图8中,当本发明不进行预选(即λ=Cg=5)时,本发明比上述两方法具有1.3dB的优势。因此,本发明的估计性能比方法一和方法二有很大提高。特别地,相比方法二,本发明在计算复杂度方面又有较大改进。根据前述分析,本发明此时需要的复数乘法次数仅为方法二的47%,复数加法次数是方法二的87%。
图8中,当本发明进行预选(λ=3)时,其性能曲线与本发明不进行预选的性能曲线几乎相同。因此,其比方法一和方法二具有1.3dB的优势。另外,相比方法二,本发明进行预选(λ=3)在计算复杂度方面又有较大改进。根据前述分析,本发明此时需要的复数乘法次数仅为方法二的32%,复数加法次数是方法二的72%。
图8中,当本发明进行预选(λ=2)时,其性能比方法一和方法二具有1dB的优势。另外,相比方法二,本发明进行预选(λ=2)在计算复杂度方面又有更大改进。根据前述分析,本发明此时需要的复数乘法次数仅为方法二的25%,复数加法次数是方法二的65%。
图9是本发明不进行预选(即λ=Cg=5)以及进行预选(λ=3,λ=2)时,与方法一和方法二在频偏估计均方误差方面的性能比较。该图表明,当本发明不进行预选(即λ=Cg=5)以及进行预选(λ=3)时,本发明比方法一和方法二分别具有1.7dB和1.6dB的优势。当本发明进行预选(λ=2)时,本发明比方法一和方法二分别具有1.2dB和1.1dB的优势。
仿真结果表明,本发明具有整数频偏估计错误率较低,且计算复杂度较低的优点,在OFDM***中具有很高的应用价值。
本发明的上述具体实施方式只是用于阐述本发明的技术内容的示例。本发明并不限于上述具体实施方式,不应对其进行狭义的解释。在本发明的精神和权利要求的范围内,可进行各种变更来实施之。
Claims (5)
1、一种基于虚拟子载波和频域差分序列的估计OFDM整数频偏的方法,其特征在于,包括如下步骤:
步骤一:发送端生成含有虚拟子载波,并在相邻的启用子载波对上加载了频域差分序列的OFDM同步训练符号;
步骤二:接收端获得时间同步与小数频率同步,并提取出同步训练符号,去除循环前缀,经过小数频偏补偿,再作FFT,得到同步训练符号的频域序列;
步骤三:在基于虚拟子载波的各个整数频偏的假设条件下,求出OFDM同步训练符号的启用子载波集合的能量和,作为基于虚拟子载波的各个整数频偏的可能性度量值;
步骤四:在基于虚拟子载波的各个整数频偏的假设条件下,通过频域差分解调及差分序列检测,得到基于差分序列的各个整数频偏的可能性度量值;
步骤五:根据最大似然准则,合并基于虚拟子载波的各个整数频偏的可能性度量值和基于差分序列的各个整数频偏的可能性度量值,寻找峰值,对整数频偏作出估计。
2、根据权利要求1所述的基于虚拟子载波和频域差分序列的估计OFDM整数频偏的方法,其特征是,所述的步骤四,具体为:枚举所述各个整数频偏作为条件,对同步训练符号的频域序列作循环移位补偿,再由启用子载波中相邻子载波的序号集合,差分解调该序号集合所对应的同步训练符号的频域序列,获得用于估计整数频偏的频域差分序列,将其与事先已知的频域差分序列进行相关性运算,得到基于差分序列的所述各个整数频偏的可能性度量值。
3、根据权利要求1所述的基于虚拟子载波和频域差分序列的估计OFDM整数频偏的方法,其特征是,所述的步骤四,在对同步训练符号和频域序列进行差分解调及频域序列检测之前,对所述各个整数频偏进行预选。
4.根据权利要求3所述的基于虚拟子载波和频域差分序列的估计OFDM整数频偏的方法,其特征是,所述的步骤四,将所述步骤三获得的基于虚拟子载波的各个整数频偏的可能性度量值从大到小进行排序,令前λ个结果所对应的整数频偏作为整数频偏预选值。
5、根据权利要求1所述的基于虚拟子载波和频域差分序列的估计OFDM整数频偏的方法,其特征是,所述的步骤五,具体为:根据最大似然ML准则,将1倍的基于虚拟子载波的各个整数频偏的可能性度量值与2倍的基于差分序列的各个整数频偏的可能性度量值的实部相加,得到基于最大似然ML准则的各个整数频偏的可能性度量值,寻找其峰值,从而对整数频偏作出估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006101181103A CN100493064C (zh) | 2006-11-09 | 2006-11-09 | 基于虚拟子载波和频域差分序列的估计ofdm整数频偏的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006101181103A CN100493064C (zh) | 2006-11-09 | 2006-11-09 | 基于虚拟子载波和频域差分序列的估计ofdm整数频偏的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1949754A CN1949754A (zh) | 2007-04-18 |
CN100493064C true CN100493064C (zh) | 2009-05-27 |
Family
ID=38019139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006101181103A Expired - Fee Related CN100493064C (zh) | 2006-11-09 | 2006-11-09 | 基于虚拟子载波和频域差分序列的估计ofdm整数频偏的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100493064C (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107800657A (zh) * | 2016-09-06 | 2018-03-13 | 晨星半导体股份有限公司 | 载波频偏估测装置与载波频偏估测方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488940B (zh) * | 2009-03-10 | 2011-06-08 | 四川虹微技术有限公司 | 数字接收机整数倍频偏检测方法和装置 |
CN101924723B (zh) | 2009-06-09 | 2013-05-08 | 中兴通讯股份有限公司 | Ofdm信号解调方法和装置 |
CN106453184B (zh) * | 2016-08-24 | 2019-07-16 | 重庆大学 | 一种频偏估计的方法及装置 |
CN107204953B (zh) * | 2017-04-28 | 2019-12-27 | 西安交通大学 | 一种cp-fbmc通信***中的盲频偏估计方法 |
CN113973036B (zh) * | 2021-12-22 | 2022-03-15 | 元智科技集团有限公司 | 一种用于视频通信的正交频分复用频率同步方法 |
-
2006
- 2006-11-09 CN CNB2006101181103A patent/CN100493064C/zh not_active Expired - Fee Related
Non-Patent Citations (3)
Title |
---|
An efficient frequency offset estimator for timing andfrequencysynchronization in OFDM systems. Yun Hee Kim et al.IEEE Pacific Rim Conference on Communications, Computers and Signal Processing. 1999 * |
Reduced complexity carrier frequency offset estimationfor OFDM systems. Huang, D. et al.IEEE Wireless Communications and Networking Conference,Vol.3 . 2004 * |
ReducedcomplexitycarrierfrequencyoffsetestimationforOFDMsystems.Huang D. et al.IEEE Wireless Communications and Networking Conference * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107800657A (zh) * | 2016-09-06 | 2018-03-13 | 晨星半导体股份有限公司 | 载波频偏估测装置与载波频偏估测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1949754A (zh) | 2007-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110290581B (zh) | 一种5g***中的快速时频同步方法及终端 | |
US8300713B2 (en) | Preamble sequence detection and integral carrier frequency offset estimation method for OFDM/OFDMA wireless communication system | |
Ma et al. | Blind symbol synchronization based on cyclic prefix for OFDM systems | |
CN100493064C (zh) | 基于虚拟子载波和频域差分序列的估计ofdm整数频偏的方法 | |
CN105847211A (zh) | 一种适用于mimo-ofdm***的载波频偏估计方法 | |
CN107086974A (zh) | 一种高动态环境下的ofdm同步方法 | |
Chin | Blind symbol synchronization for OFDM systems using cyclic prefix in time-variant and long-echo fading channels | |
CN100477655C (zh) | 一种估计ofdm整数倍频偏的方法 | |
Ruan et al. | Training symbol based coarse timing synchronization in OFDM systems | |
CN113438730A (zh) | 一种基于gfdm信号的无线定位方法 | |
CN108989259A (zh) | 无线综测仪窄带物理上行共享信道的时偏估计方法及*** | |
Shayanfar et al. | CFO and channel estimation techniques for GFDM | |
Lee et al. | Rapid cell search in OFDM-based cellular systems | |
Abhayawardhana et al. | Residual frequency offset correction for coherently modulated OFDM systems in wireless communication | |
Bayat et al. | Practical synchronization for OTFS | |
Kalwar et al. | Analysis of effect of carrier frequency offset on performance of LTE uplink | |
Singh et al. | New algorithm for time and frequency synchronization in MIMO-OFDM systems | |
Huan et al. | Cell search algorithms for the 3G long-term evolution | |
CN100512255C (zh) | Ofdma蜂窝***的小区识别方法 | |
Kumar et al. | Blind synchronization of OFDM system and CRLB derivation of CFO over fading channels | |
Syed et al. | Efficient cross-correlation algorithm and architecture for robust synchronization in frame-based communication systems | |
Arteaga et al. | Simultaneous detection and parallel interference cancellation in GFDM for 5G | |
Chang et al. | MUSIC-based multiple CFOs estimation methods for CA-OFDM systems | |
CN100486128C (zh) | Ofdma蜂窝***的小区识别方法 | |
Kung et al. | Frequency domain symbol synchronization for OFDM systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090527 Termination date: 20161109 |