基于交织训练序列ofdm系统符号同步算法

基于交织训练序列ofdm系统符号同步算法

ID:5995524

大小:31.50 KB

页数:9页

时间:2017-12-30

基于交织训练序列ofdm系统符号同步算法_第1页
基于交织训练序列ofdm系统符号同步算法_第2页
基于交织训练序列ofdm系统符号同步算法_第3页
基于交织训练序列ofdm系统符号同步算法_第4页
基于交织训练序列ofdm系统符号同步算法_第5页
资源描述:

《基于交织训练序列ofdm系统符号同步算法》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、基于交织训练序列OFDM系统符号同步算法  【摘要】针对OFDM系统符号同步存在偏差对相关峰值的影响,提出采用交织的方法设计训练序列,从而获得强相关峰值。与传统的基于训练序列同步算法相比,需要产生交织表,算法计算复杂度略有增加,但理论分析与实验仿真表明,本算法的准确度和精度更高。【关键词】OFDM调制循环前缀交织符号定时同步1引言随着通信技术的发展,人们对高速率、高频谱利用率的调制技术需求增加,OFDM多载波调制技术以其优良的特性正在得到研究人员越来越多的重视,很多文献对OFDM高速数据通信系统进行了研究。OFDM技术具有高频带利用率、抗频率选择性衰落等优点,但对时间定时同步和载波频率偏移估

2、计比较敏感。定时同步偏差会严重影响OFDM同步性能,制约OFDM系统整体性能的提高[1]。9文献[2]最早提出了基于重复训练序列结构的OFDM符号定时同步算法,算法利用前后两部分序列的相关性获得符号定时同步,但由于循环前缀算法的平台效应,影响了定时性能。文献[3]改进了训练序列结构,设计具有共轭对称结构的训练序列,克服了文献[2]中的平台效应,但算法在正确定时时刻两侧存在两个副峰值,影响了定时准确性。文献[4][5]进一步分析Schmidl提出的符号定时同步算法,提出了基于多段训练序列的估计算法,使得同步性能获得改善。这些算法多是基于原训练序列结构相关部分的调整,将训练序列分成多个部分,不能

3、根本改变相邻点的测度函数值。本文提出通过交织方式以更好地获得定时时刻,同时消除错误时刻的干扰。2OFDM基带系统模型OFDM基带系统模型如图1所示,其原理是首先发送端进行信源编码,编码信号经过串并变化,送入N路低速并行传输信道中,每一路信号对应一个子载波,N路并行数据经过傅里叶变换实现正交子载波调制,最后将调制后的N路数据符号转换为串行信号。为消除符号间干扰,将每个OFDM符号的末尾数据部分添加在符号开始位置,形成循环前缀。利用OFDM符号的周期性扩展,以避免载波间干扰。经IFFT变换并且加入循环前缀后的双边无穷信号的复数形式为:其中r(t)在0≤t≤Ts内等于1,其他时间为0;Hz,且Ts

4、=ts+Δ,ts为数据传输所占据的时间,Δ是保护时间间隔。从时域上解释OFDM系统子载波正交性,在一个OFDM符号周期内,每一个子载波都包含整数倍个周期,并且相邻子载波之间相差一个周期。用公式表示如下:9接收端通过在一个符号周期内积分来实现对第j个子载波进行解调。数学表达式如下:由上式可以看出,其他子载波不会对解调产生影响,接收端可以有效地恢复出期望信号。这是由于在一个OFDM符号周期内,其他子载波与第j个子载波相差整数倍个周期,其积分恰好为零。3基于训练序列的定时同步算法及改进算法3.1Schmidl&Cox算法Schmidl&Cox符号定时同步算法是通过在时域中寻找训练序列的两个相关部分

5、来确定符号同步位置,这要求训练序列在时域中有两个完全相同的部分。训练序列可以通过在频域构造一个在偶数子载波上发送有效复数据序列,在奇数子载波上发送零(不发送信息数据)的序列,经过IDFT变换后得到。为保证训练序列具有好的相关特性,在偶数子载波上传输一个伪随机序列,伪随机序列长度为OFDM符号长度的一半。经过IDFT处理之后的时域序列的前半部分和后半部分完全相同。训练序列的结构如图2所示:9Schmidl&Cox算法在时域利用符号的相关性和能量归一化获得符号定时同步。由于第一个训练符号在时域中具有前后部分相同的结构,而这种结构在信号到达接收端时基本得到保持,仅仅由载波频率偏移的影响引入了相位的

6、偏转。接收端利用这种相关性可以获得符号定时时刻。在接收端设长度为N的观察窗口,搜索一个训练序列前半周期和后半周期的相关性,获得符号同步。观察窗口内符号的相关性表示为P(d):其中:r(k)为接受到的信号;N为一个OFDM符号的长度,d表示一个长度为N的滑动窗的起始点序号位置。接收端滑动窗口沿时间轴移动,搜索第一个训练符号的起始位置。滑动窗的后半部分窗口信号的能量可以表示为:依据后半部分信号能量对定时测度函数进行归一化,归一化后符号定时测度函数M(d)定义为:当第一个训练符号完全进入观察窗口时,测度函数达到最大值,最大值对应的训练符号的起始位置d即为符号的定时同步的估计值:由于循环前缀的存在,

7、Schmidl&Cox算法在最大值处有一个最大值平台,称为算法的平台效应,平台效应造成了定时模糊。3.2Park算法9为克服平台效应,Park等人采用了一种新的训练序列结构,在频域构造训练序列时,在偶数子载波上发送一个实伪随机序列,伪随机序列长度为OFDM数据符号一半;奇数子载波上发送零(即不发送数据)。此训练序列和Schmidl&Cox算法序列不同的是偶数子载波上的序列为实序列,这样的训练序列符号经过IDF

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。