CN102594745A - 单载波频域均衡***中的同步方法及其实现电路 - Google Patents

Abstract

本发明公开了单载波频域均衡***中的一种同步方法，包括一种基于训练字的复用技术和一种位同步方法。该方法在帧头添加了三个训练字，用于完成多种同步和信道估计算法，从而减小了帧头的负担，提高了数据的有效传输率；本发明提出了一种位同步算法，将算法分为初始同步和精确同步，在确定初始同步范围之后，在此范围内再用精确同步算法找到精确的同步位置，与传统位同步算法相比，该算法在初始同步范围之外的其他位置不会出现其他峰值，具有更精确的位同步位置判断能力，同时也具有更高的工作效率。

Description

单载波频域均衡***中的同步方法及其实现电路

技术领域

本发明涉及无线通信领域，如无线传感器网络、宽带无线通信***等，尤其涉及一种基于单载波频域均衡(Single Carrier System with Frequency Domain Equalization，SC-FDE)技术的同步方法。

背景技术

无线通信在经历了从模拟通信到数字通信、从FDMA至CDMA的飞快发展，是技术更新最快、市场容量最大的产业。无线通信发展到今天，越来越多服务内容对数据传输速率提出了越来越高的要求，而频谱资源严重不足已经日益成为制约无线通信事业发展的瓶颈。虽然第二代移动通信可以比现有传输速率快上千倍，但是仍无法满足未来多媒体通信的要求。因此，如何充分开发利用有限的频谱资源，提高频谱利用率，成为当今无线通信技术研究的热点之一。在提高频潜利用率的同时，保证传输的可靠性也是一个重要的问题。未来的无线通信应用对应用环境有更高的要求，这就需要新的无线通信技术能够适应更加恶劣的信道，能够克服各种不利影响。

无线通信技术被运用于多种不同的***中，如无线传感器网络、宽带无线通信***等。无线传感器网络(WSN)是一种全新的信息获取平台，能够实时监测和采集网络分布区域内的各种检测对象的信息，并将这些信息发送到网关节点，以实现复杂的指定范围内目标检测与跟踪，具有快速展开、抗毁性强等特点，有着广阔的应用前景。随着无线传感网络的发展，较高速率的数据传输变得非常有必要，尤其是突发数据包的传输，需要适应传感网灵活部署、低成本、小体积的应用需求。另外，宽带无线数字通信也是当前无线通信技术的发展前沿，在未来的语音、视频、数据及多媒体等综合业务方面有广阔的应用前景。

在单载波频域均衡的位同步方面具有代表意义的研究是2002年卡勒顿(Carleton)大学等研究机构的David Falconer、Sirikiat Lek Ariyavisitakul，Anader Benyamin-Seeyar等学者在IEEE Communications Magazine发表的″Frequency Domain Equalization forSingle-Carrier Broadband Wireless Systems″论文，文中提出了单载波频域均衡(SC-FDE)技术，该技术能够在无线传感器网络、宽带无线通信等***中得到了灵活的运用，它具有较低的峰均比和相位噪声的敏感性，降低了功率放大器等模拟器件的功耗和成本；而且在存在时延扩散的传播条件下，SC-FDE***能够获得与OFDM***近似的性能；同时SC-FDE***发射端结构简单，降低了发射端的功耗。因此，SC-FDE***能够广泛的应用于无线通信***中。其后相继出现一些文献对SC-FDE***中的各项关键技术展开了深入地讨论。

在SC-FDE***中，同步是极为关键的一步。SC-FDE***对同步误差(尤其是位同步误差)非常敏感。对于采样时钟的相位偏差，经FFT变换到频域以后，相当于每个码元的相位旋转，是乘性的干扰，可以通过频域均衡纠正过来；采样时钟的频率偏差，变换到频域上相当于引入了载波间干扰，无法通过频域均衡补偿，而且，IFFT变换回时域后的信号同样存在位同步误差，对于判决存在很大的干扰。此外，采样时钟的频率偏移(频偏)还会造成信号的定时漂移，影响同步的性能。因此，SC-FDE***的同步模块，尤其是其中的位同步模块，是整个***设计的关键技术之一。

发明内容

为了解决现有技术中存在的上述问题，本发明提出一种新的基于单载波频域均衡技术的位同步方法，具体技术方案如下：

采用一种基于训练字的复用技术，用三组训练序列实现了单载波频域均衡(SC-FDE)***中的同步，具体来说，是把SC-FDE***中的帧结构的前导分成3个训练序列TS1、TS2和TS3；

在同步和信道估计的算法中，有基于非数据辅助的算法与基于数据辅助的算法等方式，基于非数据辅助的算法一般收敛速度较慢，且算法实现较为复杂，因此本文采用基于数据辅助的算法，其收敛速度较快，适用于较高速率的数据传输。在基于数据辅助的算法中，一般通过在帧头位置***训练序列的方式来进行。每个训练序列由不同的训练字组成，是发送端和接收端所共知的序列。每个训练字由独特字(Unique Word，UW)构成，要求在时域呈现随机性，而在频域有平坦的幅度响应，UW由恒包络零自相关(Constant Amplitude and ZeroAutoCorrelation，CAZAC)序列来实现。由此组成的训练序列受噪声及频偏影响较小，对于同步和信道估计算法非常适用。

第一个训练序列TS1是由一系列重复的短训练字组成，用于帧到达检测、粗采样同步、粗频偏估计。

第二个训练序列TS2可拆分为4部分，每部分长度为数据块长度N的1/4。该部分用于位同步。

第三个训练序列TS3由两个相同的训练字组成，用于细频偏估计、信道估计。

在接收端同步的过程中，首先利用所述TS1进行粗采样同步，初步确定采样点，接着利用内插环路进行采样时钟调整，至此，已经纠正了采样偏差；然后通过基于窗口能量的算法进行帧到达检测，当检测到有效数据到来后，利用TS2进行位同步，利用TS3进行载波频偏估计(本处“载波”和前述以及后面的“频偏”，最好从术语角度进行统一成“载波频偏”或者其它)。

在利用TS2进行位同步的过程中，采用基于训练序列的位同步算法：TS2采用的训练字结构为[A -A -A A]，先用Schmidl & Cox的算法(是否也可以采用其它算法？)，将前半个训练字和后半个训练字作相关运算，此时的滑动窗口大小为N/2，得出一个度量平台M₀。

因为循环前缀的存在，导致了M₀有一段平坦的平台，在此平台上判断M₀是否大于某个固定值，当M₀＞M_固定值时，继续采用如下算法找到位同步峰值。推荐的固定值可以设定为0.5，其值用于硬件实现时较为方便。

然后用改进的Minn算法，对N/4长度的4个训练字进行互相关运算得出度量平台：

$M\left(d\right)=\frac{{\left|P\left(d\right)\right|}^2}{{\left(R\left(d\right)\right)}^2}$

本发明中，这样的帧结构简洁精练，适合应用于单载波频域均衡***，并且各训练字能够实现不同的功能，另外，同一个训练字能够重复利用到不同的算法中，复用的技术能够减轻帧头的负担，提高数据传输率。

位同步算法具有特定的一个尖峰值，且在峰值以外的其他地方，不会再存在其他峰。因此有利于进行位同步的准确判断。另外，在位同步的过程中，采用初步同步和准确同步两个步骤，能够有效的加速位同步的进行。

附图说明

图1为单载波频域均衡(SC-FDE)***框图。

图2为本发明实施例的单载波频域均衡***的帧结构。

图3为本发明实施例的帧结构中第一个训练序列的结构。

图4为本发明实施例的帧结构中第二个训练序列的结构。

图5为本发明实施例的帧结构中第三个训练序列的结构。

图6为本发明实施例的同步***框图及其位同步模块电路实现框图。

图7为本发明实施例的位同步的仿真图。

图8是数据缓冲模块的结构示意图。

具体实施方案

单载波频域均衡(SC-FDE)***中的同步方法，把单载波频域均衡***中的帧结构的前导分成3个训练序列TS1、TS2和TS3；

每个训练序列由不同的训练字组成，是发送端和接收端所共知的序列，它受噪声及频率偏移即频偏影响较小，适用于同步和信道估计算法；

第一个训练序列TS1是由一系列重复的短训练字UW组成，用于帧到达检测、粗采样同步和粗载波频偏估计；第二个训练序列TS2用于位同步；第三个训练序列TS3由两个相同的训练字组成，用于细载波频偏估计；

在SC-FDE***的接收端同步的过程中，采用三个步骤来实现：1)首先利用TS1进行粗采样同步，初步确定采样点；接着利用内插环路进行采样时钟调整；随后进行帧到达检测；2)当检测到有效数据到来后，利用TS2进行位同步；3)然后利用TS1进行粗载波频偏估计、利用TS3进行细载波频偏估计。

步骤1)中，TS1进行粗采样同步：运用重复的短训练字的互相关特性产生几个峰值，并比较各峰值的大小找出最大的峰值所在位置，最大峰值处自相关特性最强，即为初步确定的采样同步点；TS1进行帧到达检测：采用基于窗口能量的算法。

步骤2)中，所述第二个训练序TS2列拆分为4部分，每部分训练字长度为SC-FDE***中的帧结构的数据块长度N的1/4，拆分得到TS2的训练字结构为[A -A -A A]。

步骤2)中，利用TS2进行位同步的过程采用基于训练序列的位同步算法，步骤如下：

a)用Sehmidl & Cox的算法，将TS2分为前后两部分，分别为[A -A]和[-A A]；设训练序列的长度为N，则前后两部分中每个部分的长度为N/2；将两个部分的训练字作相关运算；

两部分的相关值为：

$P_0\left(d\right)=\underset{m=0}{\overset{L-1}{\mathrm{\Σ}}}r(d+m)*r(d+m+L),$ 其中，L＝N/2；

TS2第二部分训练字[-A A]的能量为：

$R_0\left(d\right)=\underset{m=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|r(d+m+L)\right|}^2;$

此时的滑动窗口大小为N/2，得出一个度量平台M₀：

$M_0\left(d\right)=\frac{{\left|P_0\left(d\right)\right|}^2}{{\left(R_0\left(d\right)\right)}^2};$

b)用步骤a)所得的度量平台M₀得出需要进一步搜索的范围：

因为循环前缀的存在，导致了M₀有一段平坦的平台，在此平台上判断M₀是否大于某个固定值M_固定值，当M₀＞M_固定值时，继续采用下述步骤2.3)找到位同步峰值；

c)用改进的Minn算法，对N/4长度的4个训练字A、-A、-A和A进行互相关运算，并考虑到滤除边沿仍有峰值的影响，采用的互相关算法如下：

$P_1\left(d\right)=\underset{m=0}{\overset{N/4-1}{\mathrm{\Σ}}}r*(d+m)\·r(d+m+\frac{3}{4}N)$

$P_2\left(d\right)=\underset{m=0}{\overset{N/4-1}{\mathrm{\Σ}}}r*(d+m+\frac{1}{4}N)\·r(d+m+\frac{1}{2}N)$

$P_3\left(d\right)=\underset{m=0}{\overset{N/4-1}{\mathrm{\Σ}}}r*(d+m)\·r(d+m+\frac{1}{2}N)$

$P_4\left(d\right)=\underset{m=0}{\overset{N/4-1}{\mathrm{\Σ}}}r*(d+m+\frac{1}{4}N)\·r(d+m+\frac{3}{4}N)$

由此得出：

P(d)＝P₁(d)+P₂(d)-P₃(d)-P₄(d)

$R\left(d\right)=\underset{m=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|r(d+m)\right|}^2$

最后，得出度量平台：

$M\left(d\right)=\frac{{\left|P\left(d\right)\right|}^2}{{\left(R\left(d\right)\right)}^2}.$

为了硬件实现简单起见，所述固定值M_固定值为0.5。

步骤3)中，TS3由两个相同的长训练字组成，总长度设为N，则每个长训练字长度为N/2，用来进行细载波频偏估计；在载波频偏估计的整个过程中，用TS1的最后2个短训练字用作粗载波频偏估计，用TS3训练序列来做细载波频偏估计。

具体到本例中，下面结合附图对本发明做进一步说明。

图1为单载波频域均衡(SC-FDE)***框图。SC-FDE的单载波传输模式不同于传统的其它单载波传输，它发送的是调制后的高速率单载波信号，接收端通过FFT和IFFT变换来实现频域均衡，实际上是对接收信号的频域分析。该技术是基于OFDM的启发，采用频域均衡的方式大大降低了时域均衡的复杂度，提高了***性能。本发明技术方案就是用于该***的同步部分。

本例的单载波频域均衡***帧结构如图2所示，它包括前导和数据块。前导分成3个训练序列：

第一个训练序列TS1是由一系列重复的短训练字UW组成，如图3所示。

第二个训练序列TS2可拆分为4部分，每部分长度为数据块长度N的1/4。该部分用于位同步，如图4所示。

第三个训练序列TS3由两个相同的训练字组成，如图5所示。

所有训练序列TS1、TS2和TS3采用前述CAZAC序列，该序列具有平稳的幅度响应，并且只在零点自相关，因此具有很好的自相关特性，非常适合于同步和信道估计。

本发明中包括一种基于训练字的复用技术和一种位同步算法，下面分别进行阐述。

1.本发明提出了一种基于训练字的复用技术，用三个训练字实现了同步，具体内容如下：

在接收端同步的过程中，首先利用第一个训练序列(TS1)进行粗采样同步，初步确定采样同步点，接着利用内插环路进行采样时钟调整，至此，采样偏差已经纠正了。然后通过基于窗口能量的算法进行帧到达检测，当检测到有效数据到来后，利用第二个训练序列(TS2)进行位同步，然后利用TS1进行粗载波频偏估计、利用TS3进行细载波频偏估计，同步模块的电路结构图如图6所示。

在此过程中，TS1首先用于粗采样同步。由于采样时钟调整模块需要一定的稳定时间，为了减短这一延时，我们先用粗采样同步模块来初步确定采样的位置。在粗采样时钟调整的过程中，运用前导序列的相关特性产生几个峰值，并比较各峰值的大小找出最大的峰值所在位置，即为初步确定的采样同步点。整个采样同步算法中，采用粗采样同步先确定基本的范围，再用环路精确跟踪，这样的方法可以更加迅速的纠正采样偏差。

接着，TS1又用于帧到达检测，内容为大家所熟知的基于窗口能量的算法，可以很好的得出帧到达时刻。

最后，TS1的最后2个短训练字用作粗频偏估计。在频偏估计的过程中，为了保证频偏的范围和精度，分别用较短的训练字来做粗频偏估计，以保证检测的频偏范围，而用较长的训练序列来做细频偏估计，以保证其精度。由于短训练字较短，频偏估计范围较大，刚好适合用于粗频偏的检测。

TS2用作位同步。在本发明提出的位同步算法中，用到了Schmidl & Cox算法以及改进的Minn算法，这两种算法对于训练字的结构要求是不同的。而在本发明中，为了节约帧头的附加信息，采用了同一个训练字结构，用复用的方式来达到算法的要求。具体算法的实现方式见第2项发明内容。

TS3用于细频偏估计。该训练序列为长训练序列，目的就是细频偏估计的实现。另外在后面的信道估计的过程中，也用到该训练序列来进行估计，从而减小了帧头的负担，提高的数据的有效传输率。

2.本发明提出了一种基于训练序列的位同步算法，具体内容如下：

该序列采用的训练字结构为训练字结构[A -A -A A]，如图4所示。

步骤一：用Schmidl & Cox的算法，将训练字TS2分为前后两部分，两个部分分别为[A-A]和[-A A]。设训练序列的长度为N，则每个部分的长度为N/2。将两个部分的训练字作相关运算。

观察前后两个部分，发现第二部分的训练字相当于第一部分的负值，也就是说，在对两部分做互相关的过程中，依旧能够有尖锐的相关性，其不同点仅在于P₀(d)的值为负值。而这在后面求度量平台M₀时是没有影响的。

两部分的相关值为：

$P_0\left(d\right)=\underset{m=0}{\overset{L-1}{\mathrm{\Σ}}}r(d+m)*r(d+m+L)$

其中，L＝N/2

第二部分训练字的能量为：

$R_0\left(d\right)=\underset{m=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|r(d+m+L)\right|}^2$

此时的滑动窗口大小为N/2，得出一个度量平台M₀：

$M_0\left(d\right)=\frac{{\left|P_0\left(d\right)\right|}^2}{{\left(R_0\left(d\right)\right)}^2}$

步骤二：用步骤一所得的度量平台得出需要进一步搜索的范围。

因为循环前缀的存在，导致了M₀有一段平坦的平台，在此平台上判断M₀是否大于某个固定值，当M₀＞M_固定值时，继续采用步骤三找到位同步峰值。

度量平台范围的确定与信噪比是相关的，因此该固定值的选取也与信噪比相关。推荐的固定值可以设定为0.5，其值用于硬件实现时较为方便。

步骤三：用改进的Minn算法，对N/4长度的4个训练字进行互相关运算，并考虑到滤除边沿仍有峰值的影响，采用的互相关算法如下：

$P_1\left(d\right)=\underset{m=0}{\overset{N/4-1}{\mathrm{\Σ}}}r*(d+m)\·r(d+m+\frac{3}{4}N)$

$P_2\left(d\right)=\underset{m=0}{\overset{N/4-1}{\mathrm{\Σ}}}r*(d+m+\frac{1}{4}N)\·r(d+m+\frac{1}{2}N)$

$P_3\left(d\right)=\underset{m=0}{\overset{N/4-1}{\mathrm{\Σ}}}r*(d+m)\·r(d+m+\frac{1}{2}N)$

$P_4\left(d\right)=\underset{m=0}{\overset{N/4-1}{\mathrm{\Σ}}}r*(d+m+\frac{1}{4}N)\·r(d+m+\frac{3}{4}N)$

由此得出：

P(d)＝P₁(d)+P₂(d)-P₃(d)-P₄(d)

$R\left(d\right)=\underset{m=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|r(d+m)\right|}^2$

最后，得出度量平台：

$M\left(d\right)=\frac{{\left|P\left(d\right)\right|}^2}{{\left(R\left(d\right)\right)}^2}$

图6为位同步算法的电路实现框图，图7为位同步算法的仿真图。由图可以看到，本发明的好处在于，位同步算法具有特定的一个尖峰值，且在峰值以外的其他地方，不会再存在其他峰。因此有利于进行位同步的准确判断。另外，在位同步的过程中，采用初步同步和准确同步两个步骤，能够有效的加速位同步的进行。

本发明中Schmidl & Cox算法及改进Minn算法可采用现有技术实现。

一种实现上述方法的电路，包括粗采样同步模块、帧到达检测模块、位同步模块和载波同步模块；外部数据依次经过所述粗采样同步模块、帧到达检测模块、位同步模块和载波同步模块得到同步后的数据；

所述位同步模块包括数据缓冲模块、初始位同步模块、准确同步模块、位同步判定模块和控制模块；

来自帧到达检测模块的输入数据经过数据缓冲模块，处理得到数据A、B、r0、r1、r2和r3；其中，A为原数据，B为A经过N/2延时之后的数据；r0为原数据，r1为r0经过N/4延时之后的数据，r2为r0经过N/2延时之后的数据，r3为r0经过3N/4延时之后的数据；

A、B传入初始同步模块，处理得到M0；

r0、r1、r2和r3传入准确同步模块，处理得到M；

M0和M传入位同步判定模块，处理得到同步位置到达信号，该信号传入控制模块，处理得到输出数据使能信号；

输出数据使能信号控制数据缓冲模块，由数据缓冲模块输出数据给载波同步模块。

所述数据缓冲模块由触发器构成，初始位同步模块、准确同步模块、位同步判定模块和控制模块均由本发明方法的对应的算法映射成通用的数字控制电路实现。

对于数据缓冲模块：

此模块需要产生经过不同的延时之后的数据信息A、B、r0、r1、r2、r3，以供后续模块使用。其中，A为原数据，B为A经过N/2延时之后的数据；r0为原数据，r1为r0经过N/4延时之后的数据，r2为r0经过N/2延时之后的数据，r3为r0经过3N/4延时之后的数据。

由于A与r0为同一数据(原数据)，r2与B也为同一数据(N/2延时之后的数据)，故数据缓冲模块的电路结构图可以是如图8所示电路。图中，D触发器在本电路中用作延迟单元；BitEnable是位使能信号。

Claims (7)

1.单载波频域均衡(SC-FDE)***中的同步方法，其特征是把单载波频域均衡***中的帧结构的前导分成3个训练序列TS1、TS2和TS3；

每个训练序列由不同的训练字组成，是发送端和接收端所共知的序列，它受噪声及频率偏移即频偏影响较小，适用于同步和信道估计算法；

第一个训练序列TS1是由一系列重复的短训练字UW组成，用于帧到达检测、粗采样同步和粗载波频偏估计；第二个训练序列TS2用于位同步；第三个训练序列TS3由两个相同的训练字组成，用于细载波频偏估计；

在SC-FDE***的接收端同步的过程中，采用三个步骤来实现：1)首先利用TS1进行粗采样同步，初步确定采样点；接着利用内插环路进行采样时钟调整；随后进行帧到达检测；2)当检测到有效数据到来后，利用TS2进行位同步；3)然后利用TS1进行粗载波频偏估计、利用TS3进行细载波频偏估计。

2.根据权利要求1所述的单载波频域均衡***中的同步方法，其特征是所述步骤1)中，TS1进行粗采样同步：运用重复的短训练字的互相关特性产生几个峰值，并比较各峰值的大小找出最大的峰值所在位置，最大峰值处自相关特性最强，即为初步确定的采样同步点；

TS1进行帧到达检测：采用基于窗口能量的算法。

3.根据权利要求1所述的单载波频域均衡***中的同步方法，其特征是所述步骤2)中，所述第二个训练序TS2列拆分为4部分，每部分训练字长度为SC-FDE***中的帧结构的数据块长度N的1/4，拆分得到TS2的训练字结构为[A -A -A A]。

4.根据权利要求3所述的单载波频域均衡***中的同步方法，其特征是所述步骤2)中，利用TS2进行位同步的过程采用基于训练序列的位同步算法，步骤如下：

a)用Sehmidl&Cox的算法，将TS2分为前后两部分，分别为[A -A]和[-A A]；设训练序列的长度为N，则前后两部分中每个部分的长度为N/2；将两个部分的训练字作相关运算；

两部分的相关值为：

$P_0\left(d\right)=\underset{m=0}{\overset{L-1}{\mathrm{\Σ}}}r(d+m)*r(d+m+L),$ 其中，L＝N/2；

TS2第二部分训练字[-A A]的能量为：

$R_0\left(d\right)=\underset{m=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|r(d+m+L)\right|}^2;$

此时的滑动窗口大小为N/2，得出一个度量平台M₀：

$M_0\left(d\right)=\frac{{\left|P_0\left(d\right)\right|}^2}{{\left(R_0\left(d\right)\right)}^2};$

b)用步骤a)所得的度量平台M₀得出需要进一步搜索的范围：

因为循环前缀的存在，导致了M₀有一段平坦的平台，在此平台上判断M₀是否大于某个固定值M_固定值，当M₀＞M_固定值时，继续采用下述步骤2.3)找到位同步峰值；

c)用改进的Minn算法，对N/4长度的4个训练字A、-A、-A和A进行互相关运算，并考虑到滤除边沿仍有峰值的影响，采用的互相关算法如下：

$P_1\left(d\right)=\underset{m=0}{\overset{N/4-1}{\mathrm{\Σ}}}r*(d+m)\·r(d+m+\frac{3}{4}N)$

$P_2\left(d\right)=\underset{m=0}{\overset{N/4-1}{\mathrm{\Σ}}}r*(d+m+\frac{1}{4}N)\·r(d+m+\frac{1}{2}N)$

$P_3\left(d\right)=\underset{m=0}{\overset{N/4-1}{\mathrm{\Σ}}}r*(d+m)\·r(d+m+\frac{1}{2}N)$

$P_4\left(d\right)=\underset{m=0}{\overset{N/4-1}{\mathrm{\Σ}}}r*(d+m+\frac{1}{4}N)\·r(d+m+\frac{3}{4}N)$

由此得出：

P(d)＝P₁(d)+P₂(d)-P₃(d)-P₄(d)

$R\left(d\right)=\underset{m=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|r(d+m)\right|}^2$

最后，得出度量平台：

$M\left(d\right)=\frac{{\left|P\left(d\right)\right|}^2}{{\left(R\left(d\right)\right)}^2}.$

5.根据权利要求4所述的单载波频域均衡***中的同步方法，其特征是为了硬件实现简单起见，所述固定值M_固定值为0.5。

6.根据权利要求1所述的单载波频域均衡***中的同步方法，其特征是所述步骤3)中，TS3由两个相同的长训练字组成，总长度设为N，则每个长训练字长度为N/2，用来进行细载波频偏估计；

在载波频偏估计的整个过程中，用TS1的最后2个短训练字用作粗载波频偏估计，用TS3训练序列来作细载波频偏估计。

7.一种实现权利要求1～6任一所述方法的电路，其特征是包括粗采样同步模块、帧到达检测模块、位同步模块和载波同步模块；外部数据依次经过所述粗采样同步模块、帧到达检测模块、位同步模块和载波同步模块得到同步后的数据；

所述位同步模块包括数据缓冲模块、初始位同步模块、准确同步模块、位同步判定模块和控制模块；

来自帧到达检测模块的输入数据经过数据缓冲模块，处理得到数据A、B、r0、r1、r2和r3；其中，A为原数据，B为A经过N/2延时之后的数据；r0为原数据，r1为r0经过N/4延时之后的数据，r2为r0经过N/2延时之后的数据，r3为r0经过3N/4延时之后的数据；

A、B传入初始同步模块，处理得到M0；

r0、r1、r2和r3传入准确同步模块，处理得到M；

M0和M传入位同步判定模块，处理得到同步位置到达信号，该信号传入控制模块，处理得到输出数据使能信号；

输出数据使能信号控制数据缓冲模块，由数据缓冲模块输出数据给载波同步模块。

Images