CN102469572B - 在协同无线网络中用于同步的方法及装置 - Google Patents

Abstract

本发明提出了一种在协同无线网络中用于同步的方法，包括步骤：A.生成频域训练序列，该频域训练序列中的非零训练数据映射于第一子载波集合上，该第一子载波集合中的子载波以第一预定值个子载波为间隔均匀对应于载波上；其中，第一子载波集合与其他至少一个协同节点各自所对应的子载波集合之间有间隔偏移，以及其他至少一个协同节点各自所对应的子载波集合两两之间也有间隔偏移；B.根据频域训练序列，生成对应的时域导频；以及C.发送时域导频。通过本发明的方法，提高了协同节点与接收机之间同步过程中的时偏估计和频偏估计的精度。

Description

在协同无线网络中用于同步的方法及装置

技术领域

本发明涉及通信网络，尤其涉及协同无线网络中用于同步的方法及装置。

背景技术

在电信网内为测量或监控的目的而发送的信号，用于设备之间同步等功用。这种信号通常为单一频率。

在现有导频设计中，训练数据被映射到某个频域子频带的部分连续子载波上，而其他未用到的子载波全部填充为0。相应的导频设计结构如图2所示，在含M个协同节点的***中，其中导频信号中的频域训练序列中的非零训练数据被集中映射于载波中的某几个连续的子载波(可称作一个子载波集合)上，例如，第1个协同节点所对应的上述的非零训练数据Sequence1被映射于载波上起始的连续0～N₀-1个子载波上，而第2个协同节点所对应的上述的非零训练数据Sequence2被映射于载波上的N₀～2N₀-1个子载波上，以此类推。通常，在Sequence1和Sequence2所被映射的两个子载波集合，在频域上是连续分布的。

发明内容

通过进一步的研究发现，在背景技术中的导频发送方法，发送所涉及的非零训练数据Sequence0，Sequence1，...所映射的各个子载波集合之间没有间隔，以及非零训练数据Sequence0，Sequence1，...本身被集中地映射于载波的某几个连续的子载波上，不仅会使导频发送方法缺乏灵活配置，而且也间接带来两个缺点，1)针对时间同步，时偏估计过程中的代价函数(互相关函数)的峰值会因为现有技术中的频域连续补零(例如，图2中的非零训练数据Sequence0之后的长段的连续补零)而扩散，该问题会降低定时估计的准确性；2)针对频率同步，连续子载波分配(例如，图2中的非零训练数据Sequence0被集中映射于载波的一段连续的子载波上，以及非零训练数据Sequence0所映射的子载波集合与非零训练数据Sequence1所映射的子载波集合之间缺乏一定的频率间隔)策略会导致载波之间干扰，这会降低频偏估计的性能。

在协同***中，协同节点分布在不确定的范围内，来自不同协同节点的信号，在经历各自不同的信道传播后，被接收端接收时存在不同的时间偏移和载波频率偏移(CFO)。在传统的集中式多输入多输出-正交频分复用***中，只有一个单独的时间偏移和载波频率偏移需要被估计，与之相比，协同***中相应的多参数估计问题需要被解决。

针对上述通过研究所发现的问题，本发明提出了一种在协同无线网络的第一协同节点中用于与其他至少一个协同节点协同发送导频的方法及其装置，同时，本发明还提出了一种在协同无线网络的至少一个协同节点中用于协同发送导频的方法。

根据本发明的一个实施例，提供了一种在协同无线网络的第一协同节点中用于与其他至少一个协同节点协同发送导频的方法，该方法包括步骤：A.生成频域训练序列，该频域训练序列中的非零训练数据映射于第一子载波集合上，该第一子载波集合中的子载波以第一预定值个子载波为间隔均匀对应于载波上；其中，第一子载波集合与其他至少一个协同节点各自所对应的子载波集合之间有间隔偏移，以及其他至少一个协同节点各自所对应的子载波集合两两之间也有间隔偏移；B.根据频域训练序列，生成对应的时域导频；C.发送时域导频。

根据本发明的另一个实施例，提供了一种在协同无线网络的第一协同节点中用于与其他至少一个协同节点协同发送导频的装置，包括：

-频域训练序列生成模块，用于生成频域训练序列；其中，频域训练序列中的非零训练数据映射于第一子载波集合上，该第一子载波集合中的子载波以第一预定值个子载波为间隔均匀对应于载波上；其中，第一子载波集合与其他至少一个协同节点各自所对应的子载波集合之间有间隔偏移，以及其他至少一个协同节点各自所对应的子载波集合两两之间也有间隔偏移；

-时域导频生成模块，用于根据频域训练序列，生成对应的时域导频；

-时域导频发送模块，用于发送时域导频。

根据本发明的又一个实施例，本发明还提出了一种在协同无线网络的至少一个协同节点中用于协同发送导频的方法，包括步骤：

A.至少一个协同节点中的第m个协同节点根据下式生成对应的频域训练序列S_m(k)，

其中，C_m(q)，(q＝0，1，...，N₀-1)代表第m个协同节点所传输的非零训练数据，N₀代表该非零训练数据的数目；m＝0，1，..，M-1，M代表至少一个协同节点的数目；Δ_m代表间隔偏移，为正整数，当m≠m′时，Δ_m≠Δ_m′；F代表第一预定值，为正整数，(M-1)·L_s＜F，L_s代表第二预定值。

B.第m个协同节点根据其对应的频域训练序列生成其对应的时域导频并发送。

通过本发明的实施例中提出的在协同无线网络中用于协同发送导频的方法及装置，使训练数据所映射的子载波集合之间的频域间隔以及频域导频中的非零训练数据所映射的子载波集合内部补零结构都可配置，从而降低了载波间的干扰，并使时偏估计过程中的互相关函数的峰值更加集中，因此提高了协同节点与接收机之间的同步过程中的时偏估计以及频偏估计的精度。

附图说明

通过阅读以下参照附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。

图1示出了根据本发明的一实施例的协同无线网络的拓扑结构图；

图2示出了现有技术中的协同无线网络中的协同节点所发送的导频的结构示意图；

图3示出了根据本发明的一实施例的在协同无线网络的第一协同节点中用于发送导频的方法流程图；

图4示出了根据本发明的一实施例的在协同无线网络的第一协同节点中用于发送导频的方法中所发送的导频结构图；

图5示出了根据本发明的一实施例的在协同无线网络的第一协同节点中用于与其他至少一个协同节点协同发送导频的装置的结构示意图；

图6示出了通过使用根据本发明的实施例的发送导频的方法而在接收机端与协同节点同步过程中的时偏估计的均方差与信噪比的仿真效果图；

图7示出了通过使用根据本发明的实施例的发送导频的方法而在接收机端与协同节点同步过程中的频偏估计的均方差与信噪比的仿真效果图；

其中，相同或相似的附图标记表示相同或相似的步骤特征或装置(模块)。

具体实施方式

以下结合附图对本发明的具体实施例进行详细的示例性描述。

图1示出了应用本发明的实施例中方法/装置的协同无线网络的拓扑结构图。如图所示，包括发送机10，接收机20，以及位于发送机10和接收机20之间的M个协同节点R0、R1...，R_M-1，其中，从发送机10至M个协同节点R0、R1...，R_M-1之间的有向箭头簇代表广播过程，而从M个协同节点R0、R1...，R_M-1至接收机20之间的有向箭头簇代表M个协同节点与接收机20之间的协同过程。

图2示出了现有技术中的协同无线网络中的协同节点所发送的导频的结构示意图。如图所示，在现有技术中所发送的导频结构中，训练数据被映射到某个频域子频带的部分连续子载波上，而其他未用到的子载波全部填充为0。例如，第0个协同节点导频信号中的频域训练序列中的非零训练数据Sequence0被集中映射于载波上起始的连续N₀个子载波所构成的子载波集合上，而第1个协同节点所对应的非零训练数据Sequence1被映射于载波上后续的N₀个子载波所构成的子载波集合上，以此类推。通常，在Sequence0和Sequence1所映射的两个子载波集合，在频域上也是连续分布的。

根据上述映射的结构，M个协同节点R0、R1...，R_M-1之中任意一个协同节点，可以通过逆傅里叶变换(IDFT)生成时域上的导频信号的OFDM符号A以用于向接收机20发送。

图3示出了根据本发明的一实施例的在协同无线网络的第一协同节点中用于发送导频的方法流程图。如图所示，该发送导频的方法包括频域训练序列生成步骤S21，时域导频生成步骤S22和时域导频发送步骤S23。

图4示出了根据本发明的一实施例的在协同无线网络的第一协同节点中用于发送导频的方法中所发送的导频结构图。在基于图1所示的OFDM的协同***中，循环前缀(CP)足够弥补信道延时扩展和最大的传播延时，OFDM符号U1(U_m ⁰～U_m ^F-1)中的F个连续子块用于做定时估计，而相同的OFDM符号U2可以通过协同节点的第二次发送以供接收机20在同步过程中进行频偏估计。

如图4所示，每个协同节点的训练数据调制一个互斥(exclusive)的子载波集合，每个集合包含N₀个子载波，以间隔第一预定值F个子载波均匀分布在频域，并且序号相邻协同节点的映射有非零同步数据的调制载波有第二预定值L_s个子载波的间隔偏移。因此，k∈Ω_m□{q·F+m·L_s，q＝0，1，...，N₀-1}的子载波被分配给第m个协同节点，并且满足关系(M-1)·L_s＜F。其中，M个协同节点所对应的子载波集合之间的互斥(exclusive)代表M个协同节点中任意两个协同节点所对应的两个子载波集合中不存在相同的元素。

以下结合图1、图3和图4对根据本发明的实施例的用于发送导频的方法进行详细的示例性描述。

在步骤S21中，第一协同节点(例如图1所示的第0个中继节点R₀)生成频域训练序列，该频域训练序列中的非零训练数据映射于第一子载波集合上，该第一子载波集合中的子载波以第一预定值个子载波为间隔均匀对应于载波上；其中，第一子载波集合与其他至少一个协同节点各自所对应的子载波集合之间有间隔偏移，以及其他至少一个协同节点各自所对应的子载波集合两两之间也有间隔偏移。

在图1所示的协同通信***中，针对从0～M-1的全部的M个协同节点，其中任意一个节点，例如第m个协同节点根据下式(2’)生成其对应的映射于第k个子载波上的频域训练序列S_m(k)，

其中，C_m(q)，(q＝0，1，...，N₀-1)代表第m个协同节点所传输的非零训练数据，N₀代表该非零训练数据的数目；m＝0，1，..，M-1，M代表至少一个协同节点的数目；Δ_m代表间隔偏移，为正整数，当m≠m′时，Δ_m≠Δ_m′；F代表第一预定值，为正整数，(M-1)·L_s＜F，L_s代表第二预定值。

优选地，间隔偏移Δ_m可根据所对应节点的序号在数值上取值为m·L_s，以形成M个协同节点各自对应的互斥地子载波集合之间的均匀的间隔偏移。

具体地，以C_m(q)，(q＝0，1，...，N₀-1)表示第m个协同节点传输的非零训练数据，即图4中对应于每个协同节点的非零训练序列，例如对应于协同节点0的序列C₀(0)，C₀(1)，C₀(2)，...，C₀(N₀-1)，或者对应于协同节点1的序列C₁(0)，C₁(1)，C₁(2)，...，C₁(N₀-1)等。非零训练序列C_m(q)可选为任何具有零相关特性的序列，例如但不限于零幅度零自相关序列，零相关区域序列等。该具有零相关特性的序列在相关特性上具有式(1)所示的性质：

${\mathrm{\Φ}}_{m,m^{\′}}\left(v\right)=\frac{1}{N_0}\underset{k=0}{\overset{N_0-1}{\mathrm{\Σ}}}{C}_m(k+v)C_{m^{\′}}^{*}\left(k\right)=\left\{\begin{array}{cc}\mathrm{\δ}\left(v\right),& m=m^{\′}\\ 0,& m\≠m^{\′}\end{array}\right.---\left(1\right)$

因此，相应的频域训练序列如下式(2)所示

$S_m\left(k\right)=\left\{\begin{array}{c}{C}_m\left(q\right),k=q\·F+m\·L_s,q=\mathrm{0,1,2},...N_0-1\\ \begin{array}{cc}0,& \mathrm{others}.\end{array}\end{array}\right.---\left(2\right)$

并且，S_m(k)，m＝0，1，..，M-1有相同的周期性自相关和互相关函数，定义为下式(3)所示，

${\mathrm{\Φ}}_{m,m^{\′}}\left(v\right)=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{S}_m(k+v)S_{m^{\′}}^{*}\left(k\right)=\left\{\begin{array}{cc}\frac{1}{F}\mathrm{\δ}\left(v\right),& m=m^{\′}\\ 0.& m\≠m^{\′}\end{array}\right.---\left(3\right)$

考虑到逆傅立叶变换的频移特性，时域训练OFDM符号U1和U2有如下式所示的形式，

$s_m\left(n\right)=(1/\sqrt{F})\&CenterDot;c_m\left({<n>}_{N_0}\right)\&CenterDot;e^{j(2\mathrm{\&pi;}/N)\&CenterDot;m\&CenterDot;L_s\&CenterDot;n},n=\mathrm{0,1},...,N-1---\left(4\right)$

其中，表示对N₀的取模运算，c_m(n)＝IDFT{C_m(q)}，n＝0，1，...，N₀-1，并且时域训练数据c_m(n)，(n＝0，1，...N₀-1)有相同的相关特性；mL_s代表第一子载波集合相对于载波的整体偏移。

此处，应当注意到：既然c_m(n)，(n＝0，1，...N₀-1)有相同的相关特性，则优选地，可以通过将时域c_m(n)设定为零幅度零自相关序列(CAZAC)或零相关区域序列(ZCZ)，则训练数据可直接通过(4)式生成，这样可以避免进行逆傅立叶变换运算，因此可以降低运算复杂度。

同样地，应当注意到：在某种程度上，上述步骤S21中“第一子载波集合中的子载波按间隔均匀对应载波”的特定数据构造方式，可以使得上式中(4)所涉及的时域训练数据呈现出如式n＝0，1，...，N-1，p＝0，1，...，N₀-1的取模关系。而式n＝0，1，...，N-1，p＝0，1，...，N₀-1，代表第一协同节点，例如图1所示的第0个中继节点R₀，的时域训练数据的部分因子，一般地，可由上述的优选的具有零相关特性的序列通过逆傅立叶变换获得。

并且，根据(4)式，时域训练序列s_m(n)的周期相关特性为

$\begin{array}{c}{\mathrm{\&Phi;}}_{m,m^{\&prime;}}\left(d\right)=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{s}_m\left({<n+d>}_{N_0}\right)s_{m^{\&prime;}}^{*}\left(n\right)\\ =\left\{\begin{array}{c}\frac{1}{F}(\mathrm{\&delta;}\left(d\right)+\mathrm{\&delta;}(d-1\&CenterDot;N_0)+...+\mathrm{\&delta;}(d-(F-1)\&CenterDot;N_0)),m=m^{\&prime;}\\ \begin{array}{cc}0,& m=m^{\&prime;}\end{array}\end{array}\right.\end{array}---\left(5\right)$

现令τ_max＝max{τ₀，τ₁，...，τ_M-1}，在假设τ_max+L≤N₀的前提下，上述多冲击相关特性(MICP)针对时间同步而言是较优的。

在获取时域导频中的训练数据s_m(n)之后，在步骤S22中，根据频域训练序列，通过加载CP生成对应的时域导频；

在步骤S23中，发送时域导频。

对应地，在接收机20一侧，在根据上述式(4)所示的时域导频信号进行同步的过程中，在进行时域同步时，利用如式(5)所示的特殊相关特性多冲击相关特性(MICP)，第m个协同节点的时间偏移可估计为如式(6)所示：

${\widehat{\mathrm{\&tau;}}}_m=\arg \underset{d}{\max }\left\{\right|{\mathrm{\&phi;}}_m\left(d\right)\left|\right\},d\&Element;\{\mathrm{0,1},...,N_0-1\},---\left(6\right)$

其中，代价函数如式(7)所示，

${\mathrm{\&phi;}}_m\left(d\right)=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}r(n+d)s_m^{*}\left(n\right)---\left(7\right)$

对应地，在接收机20一侧，在进行频域同步时，经过补偿时间偏移和去除循环前缀CP，针对第一个训练符号U1，频域的接收信号可如式(8)所示：

$R_1\left(k\right)=\underset{m=0}{\overset{M-1}{\mathrm{\&Sigma;}}}\underset{u\&Element;{\mathrm{\&Omega;}}_m}{\mathrm{\&Sigma;}}{S}_m\left(u\right)H_m\left(u\right)\left(\mathrm{\&beta;}({\mathrm{\&epsiv;}}_m+u-k)\right)+W\left(k\right),---\left(8\right)$

其中，W(k)代表频域噪声项，而代价函数由下式(9)表示：

针对第二个训练符号U2，傅立叶变换后的输出可由下式(10)表示：

$R_2\left(k\right)=\underset{m=0}{\overset{M-1}{\mathrm{\&Sigma;}}}\underset{u\&Element;{\mathrm{\&Omega;}}_m}{\mathrm{\&Sigma;}}{S}_m\left(u\right)H_m\left(u\right)\mathrm{\&beta;}({\mathrm{\&epsiv;}}_m+u-k)e^{j2{\mathrm{\&pi;\&epsiv;}}_m}+W\left(k\right).---\left(10\right)$

将式(9)带入式(10)，在分配给第m个协同节点的第q个子载波上，跟第二个训练符号U2相对应的(接收)数据可以公式(11)表示：

$R_2\left(k_m^{\left(q\right)}\right)=R_1\left(k_m^{\left(q\right)}\right)e^{j2{\mathrm{\&pi;\&epsiv;}}_m}+I\left(k_m^{\left(q\right)}\right)+W\left(k_m^{\left(q\right)}\right),---\left(11\right)$

其中，干扰项可以下式(12)表示：

$I\left(k_m^{\left(q\right)}\right)=\underset{p=0,p\&NotEqual;m}{\overset{M-1}{\mathrm{\&Sigma;}}}\underset{u\&Element;{\mathrm{\&Omega;}}_m}{\mathrm{\&Sigma;}}{S}_p\left(u\right)H_p\left(u\right)\mathrm{\&beta;}({\mathrm{\&epsiv;}}_p+u-k_m^{\left(q\right)})(e^{j2\mathrm{\&pi;}{\mathrm{\&epsiv;}}_k}-e^{j2{\mathrm{\&pi;\&epsiv;}}_m}).---\left(12\right)$

考虑到函数β(t)的快速衰落特性，当分配给不同协同节点的子载波的最小间隔min{L_s，F-(M-1).L_s}足够大时，干扰可以忽略不计。根据式(11)，第m个协同节点的频率偏移的分数值部分可以以式(13)表示：

${\widehat{\mathrm{\&epsiv;}}}_{m,\mathrm{fractional}}=\frac{2}{2\mathrm{\&pi;}}\&times;\underset{k\&Element;{\mathrm{\&Omega;}}_m}{\mathrm{\&Sigma;}}{R}_2\left(k\right)R_1^{*}\left(k\right).---\left(13\right)$

进一步地，利用如式(5)所示的相关特性，第m个协同节点的频率偏移的整数值部分可以估计为式(14)所示：

其中代价函数可以式(15)表示为，

对应地，在接收机20一侧，首先，接收来自协同无线网络中的第m个协同节点的第一时域导频，例如图4中U1所示。接着，根据第一时域导频U1估计第m个协同节点相对于本接收机机20的时间偏移。

具体地，在接收过程中，接收机20从时域导频中去除循环前缀并获取时域导频的低通等效信号，然后，根据所得到的低通等效信号估计第m个协同节点相对于本机的时间偏移。

然后，接收机20根据时间偏移对第m个协同节点进行时域同步补偿。

接着，接收机20一侧还需要进行频域补偿。包括步骤：接收来自协同无线网络中的第m个协同节点的第二时域导频，例如图4中U2，接着，接收机20根据第一时域导频U1以及第二时域导频U2，分别生成对应的频域导频；然后，根据频域导频估计第m个协同节点相对于本机的频率偏移；接着，根据频率偏移对第m个协同节点进行频域同步补偿。

响应于协同节点的时域导频，第m个协同节点的频率偏移的最终估计可以下式(16)表示：

${\widehat{\mathrm{\&epsiv;}}}_m={\widehat{\mathrm{\&epsiv;}}}_{m,\mathrm{fractional}}+{\widehat{\mathrm{\&epsiv;}}}_{m,\mathrm{integeral}}.---\left(16\right)$

其中，分数部分频偏的估计可表示为，

${\widehat{\mathrm{\&epsiv;}}}_{m,\mathrm{fractional}}=\frac{1}{2\mathrm{\&pi;}}\&times;\underset{k\&Element;{\mathrm{\&Omega;}}_m}{\mathrm{\&Sigma;}}{R}_2\left(k\right)R_1^{*}\left(k\right),$

而整数部分频偏的估计可表示为，

${\widehat{\mathrm{\&epsiv;}}}_{m,\mathrm{integeral}}=\underset{v\&Element;\{\mathrm{0,1},...N-1\}}{\arg \max }\underset{u\&Element;{\mathrm{\&Omega;}}_m}{\mathrm{\&Sigma;}}{R}_1\left({<u+v>}_N\right)S_m^{*}\left(u\right).$

图5示出了根据本发明的一实施例的在协同无线网络的第一协同节点中用于与其他至少一个协同节点协同发送导频的装置的结构示意图。该导频协同发送装置100包括频域训练序列生成模块101，时域导频生成模块102和时域导频发送模块103。

在该导频协同发送装置100中，频域训练序列生成模块101，用于生成频域训练序列；其中，频域训练序列中的非零训练数据映射于第一子载波集合上，该第一子载波集合中的子载波以第一预定值个子载波为间隔均匀对应于载波上；其中，第一子载波集合与其他至少一个协同节点各自所对应的子载波集合之间有间隔偏移，以及其他至少一个协同节点各自所对应的子载波集合两两之间也有间隔偏移。

时域导频生成模块102，用于根据频域训练序列，生成对应的时域导频。

时域导频发送模块103，用于发送时域导频。

在图1所示的协同通信***中，针对从0～M-1的全部的M个协同节点，其中的任意一个节点，例如第m个协同节点根据式(2’)生成其对应的频域训练序列S_m(k)。

优选地，式(2’)中的间隔偏移Δ_m可根据所对应节点的序号在数值上取值为m·L_s，以形成M个协同节点各自对应的互斥地子载波集合之间的均匀的间隔偏移。

具体地，以C_m(q)，(q＝0，1，...，N₀-1)表示第m个协同节点传输的非零训练数据，即图4中对应于每个协同节点的非零训练序列，例如对应于协同节点0的序列C₀(0)，C₀(1)，C₀(2)，...，C₀(N₀-1)，或者对应于协同节点1的序列C₁(0)，C₁(1)，C₁(2)，...，C₁(N₀-1)等。非零训练序列C_m(q)可选为任何具有零相关特性的序列，例如但不限于零幅度零自相关序列，零相关区域序列等。该具有零相关特性的序列在相关特性上具有如上述式(1)所示的性质。

因此，相应的频域训练序列如式(2)所示。

并且，S_m(k)，m＝0，1，..，M-1有相同的周期性自相关和互相关函数，如上式(3)所示。

考虑到逆傅立叶变换的频移特性，时域训练OFDM符号U1和U2有如上式(4)所示形式。

注意到：在式(4)中，既然c_m(n)，(n＝0，1，...N₀-1)有相同的相关特性，则优选地，可以通过将时域c_m(n)设定为零幅度零自相关序列(CAZAC)或零相关区域序列(ZCZ)，则训练数据可直接通过(4)式生成，这样可以避免进行逆傅立叶变换运算，因此可以降低运算复杂度。

并且，根据式(4)，时域训练序列s_m(n)的周期相关特性可如式(5)所示。结合该式(5)，现令τ_max＝max{τ₀，τ₁，...，τ_M-1}，在假设τ_max+L≤N₀的前提下，上述多冲击相关特性(MICP)针对时间同步而言是最优的。

在获取时域导频中的训练数据s_m(n)之后，时域导频生成模块102根据频域训练序列，通过加载CP生成对应的时域导频并发送。则在接收机20一侧将获得较优的与协同节点之间的同步效果。

下面通过仿真实验以证实本发明的有益效果，对于本发明的实施例的仿真，在ITU vehicle-A的信道场景下进行评估，选用的基于OFDM的协同***包含2个协同节点。第一预定值F和第二预定值L_s分别选为16和8。***参数在表1中给出。时间偏移随机假定分布在[0，N0-L]的范围，归一化的频率偏移也独立随机地分布在[-0.5，0.5]的范围。所有的仿真结果通过10⁵次蒙特卡洛模拟实现。

载波频率(Carrier frequency)	3.2GHz
		带宽(Bandwidth)	5MHz
IDFT/DFT大小	512
		CP长度NCP	36

表1仿真***参数(/采样周期)

一种典型的Zadoff-Chu序列(如下式)被选作训练数据

$Z_a\left(q\right)=\left\{\begin{array}{cc}{e}^{j(-\mathrm{\&pi;}{\mathrm{aq}}^2/N_0)},& q=\mathrm{0,1},...,N_0-1,\mathrm{for\; even}{N}_0\\ e^{j(-\mathrm{\&pi;aq}(q+1)/N_0)},& q=\mathrm{0,1},...,N_0-1,\mathrm{for\; odd}{N}_0\end{array}\right.$

其中，a是跟N₀互质的正整数。

图6示出了通过使用根据本发明的实施例的发送导频的方法而在接收机端与协同节点同步过程中的时偏估计的均方差与信噪比的仿真效果图。由图可见，通过本发明的实施例中的发送方法，为接收机20一侧在同步过程中的时偏估计带来了明显优于现有技术中方法的性能。

在本发明的实施例中的发送方法中的导频结构，在时域具有多峰值相关特性，这带来了性能提高，使得代价函数(相关函数)的峰值清晰化，提高了定时估计的精确性。

图7示出了通过使用根据本发明的实施例的发送导频的方法而在接收机端与协同节点同步过程中的频偏估计的均方差与信噪比的仿真效果图。如图所示，通过本发明的实施例中的发送方法，为接收机20一侧在同步过程中的频偏估计带来了明显优于现有技术中方法的性能，取得了更低的最小均方误差。在本发明的实施例中的发送方法中，训练数据按照交织的方式映射在频域，降低了载波间干扰，因此提高了多个频偏估计的精确性。

本领域技术人员应能理解，本发明中所称的各装置既可以由硬件模块实现，也可以由软件中的功能模块实现，还可以由集成了软件功能模块的硬件模块实现。

本领域技术人员应能理解，上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合，以取得有益效果。本领域技术人员在研究附图、说明书及权利要求书的基础上，应能理解并实现所揭示的实施例的其他变化的实施例。在权利要求书中，术语“包括”并不排除其他装置或步骤；不定冠词“一个”不排除多个；术语“第一”、“第二”用于标示名称而非用于表示任何特定的顺序。权利要求中的任何附图标记均不应被理解为对保护范围的限制。权利要求中出现的多个部分的功能可以由一个单独的硬件或软件模块来实现。某些技术特征出现在不同的从属权利要求中并不意味着不能将这些技术特征进行组合以取得有益效果。

Claims (14)

1.一种在协同无线网络的第一协同节点中用于与其他至少一个协同节点协同发送导频的方法，该方法包括：

A.生成频域训练序列，该频域训练序列中的非零训练数据映射于第一子载波集合上，该第一子载波集合中的子载波以第一预定值个子载波为间隔均匀对应于载波上；其中，所述第一子载波集合与所述其他至少一个协同节点各自所对应的子载波集合之间有间隔偏移，以及所述其他至少一个协同节点各自所对应的子载波集合两两之间也有所述间隔偏移；

B.根据所述频域训练序列，生成对应的时域导频；

C.发送所述时域导频。

2.根据权利要求1所述的方法，其特征在于，所述间隔偏移数值上为第二预定值的正整数倍且小于所述第一预定值。

3.根据权利要求2所述的方法，其特征在于，所述频域训练序列中的非零训练数据为具有零相关特性的序列。

4.根据权利要求3所述的方法，其特征在于，所述具有零相关特性的序列包括零幅度零自相关序列，零相关区域序列。

5.根据权利要求3或4所述的方法，其特征在于，所述步骤B还包括，根据下式获取所述时域导频中的时域同步数据s_m(n)，

$s_m\left(n\right)=(1/\sqrt{F})\&CenterDot;c_m(<{n>}_{N_0})\&CenterDot;e^{j(2\mathrm{\&pi;}/(F*N_0))\&CenterDot;m{L}_s\&CenterDot;n},n=\mathrm{0,1},...,N-1$

其中，N₀代表所述第一子载波集合中的所述子载波的个数，表示对N₀的取模运算，F代表所述第一预定值；n＝0，1，...，N-1，p＝0，1，...，N₀-1，代表所述第一协同节点的时域训练数据的部分因子，由所述具有零相关特性的序列通过逆傅立叶变换获得；mL_s代表所述第一子载波集合相对于所述载波的整体偏移。

6.根据权利要求1所述的方法，其特征在于，所述步骤C之前还包括步骤：在所述时域导频中加载循环前缀。

7.一种在协同无线网络的第一协同节点中用于与其他至少一个协同节点协同发送导频的装置，包括：

-频域训练序列生成模块，用于生成所述频域训练序列；其中，所述频域训练序列中的非零训练数据映射于第一子载波集合上，该第一子载波集合中的子载波以第一预定值个子载波为间隔均匀对应于载波上；其中，所述第一子载波集合与所述其他至少一个协同节点各自所对应的子载波集合之间有间隔偏移，以及所述其他至少一个协同节点各自所对应的子载波集合两两之间也有所述间隔偏移；

-时域导频生成模块，用于根据所述频域训练序列，生成对应的时域导频；

-时域导频发送模块，用于发送所述时域导频。

8.根据权利要求7所述的装置，其特征在于，还包括循环前缀加载装置，用于在所述时域导频中加载循环前缀。

9.根据权利要求7所述的装置，其特征在于，所述间隔偏移数值上为第二预定值的正整数倍且小于所述第一预定值。

10.根据权利要求9所述的装置，其特征在于，所述频域训练序列中的非零训练数据为具有零相关特性的序列。

11.根据权利要求10所述的装置，其特征在于，所述具有零相关特性的序列包括零幅度零自相关序列，零相关区域序列。

12.一种在协同无线网络的至少一个协同节点中用于协同发送导频的方法，该方法包括：

A.所述至少一个协同节点中的第m个协同节点根据下式生成对应的频域训练序列S_m(k)，

其中，C_m(q)，(q＝0，1，...，N₀-1)代表第m个协同节点所传输的非零训练数据，N₀代表该非零训练数据的数目；m＝0，1，..，M-1，M代表所述至少一个协同节点的数目；Δ_m代表间隔偏移，为正整数，当m≠m′时，Δ_m≠Δ_m′；F代表第一预定值，为正整数，(M-1)·L_s＜F，L_s代表第二预定值；

B.所述第m个协同节点根据其对应的频域训练序列生成其对应的时域导频并发送。

13.根据权利要求12所述的方法，其特征在于，所述间隔偏移Δ_m在数值上为m·L_s。

14.根据权利要求13所述的方法，其特征在于，所述非零训练数据为具有零相关特性的序列。