banner.jpg)
摘要 文章在研究T.Schmidl & D.Cox算法和H.Minn算法的基礎上，提出一種OFDM系統(tǒng)的幀同步檢測方法，利用特殊訓練符號的互相關信息來完成幀同步檢測，提高了幀同步的精度。計算機仿真表明，文中提出的算法具有更強的適應性和抗多徑能力。
一、引言
OFDM是一種多載波調(diào)制方式，它的基本思想是通過允許子信道頻譜重疊，但又相互不影響的頻分復用（FDM）的方法來并行傳送數(shù)據(jù)，有很高的頻譜利用率，具備較強的抗脈沖噪聲及抗多徑衰落的能力。但是，實現(xiàn)OFDM系統(tǒng)存在技術上的難點，其中很重要的一條是系統(tǒng)對同步的要求很高，因為它對定時誤差和頻率誤差要比單載波技術敏感得多。OFDM幀同步檢測問題關系到數(shù)據(jù)傳輸?shù)恼_性和可靠性，目前有許多文獻都提出了不同的幀同步檢測方法[1][2]。
T.Schmidl & D.Cox[3]算法和H.Minn[4]算法都是利用特殊的訓練符號，進行相關，尋求幀同步的檢測方法。本文主要是對他們的算法進行改進，因此，首先對這兩種典型的OFDM突發(fā)系統(tǒng)定時同步算法進行討論，分析其不足之處，最后給出一種改進的基于訓練符號的定時同步算法。
二、系統(tǒng)描述
圖1是OFDM系統(tǒng)模型。串行發(fā)送的數(shù)據(jù)流{SK}首先經(jīng)過串并變換變成并行的數(shù)據(jù)流，經(jīng)過逆傅立葉變換、并/串變換后得到數(shù)據(jù)流{SN}，加上循環(huán)前級后得到{Xn}，然后進行數(shù)模變換、射頻調(diào)制后發(fā)射出去。接收端的處理過程與發(fā)送端的過程相反。圖中發(fā)送端各點的信號可表示為：
采樣后得到的數(shù)據(jù)流{rn}為：
圖1 OFDM系統(tǒng)原理
三、改進算法
3.1 T.Schmidl & D.Cox算法和H.Minn算法描述的不足
T.Schmidl & D.Cox提出的算法的一個主要問題是，定時測度函數(shù)在正確定時點附近有一個平臺，被稱為定時測度平臺，這個平臺導致幀起始的模糊，增大了估計器的方差，參見圖3。針對Schemidl和Cox提出方法中出現(xiàn)定時測度平臺的不確定性，H.Minn等提出了一種改進的定時算法，這個方法的最大優(yōu)點是在定時時刻，定時測度表現(xiàn)為一個單點的峰值。盡管H.Minn算法的定時測度中，在正確時刻能產(chǎn)生一個尖銳的峰值，但是在錯誤時刻也很容易出現(xiàn)較大的多個尖峰，對判決門限的選取帶來困難，尤其子載波數(shù)目小的突發(fā)系統(tǒng)中，往往錯誤時刻的峰值還超過正確時刻的峰值，導致估計錯誤，參見圖4。
3.2 本文改進算法
改進算法仍然采用H.Minn算法的幀結構（如圖2所示），在每個傳輸幀里，第一個符號為用于定時同步的訓練符號，該符號又由四個參考符號組成，第一個參考符號由PN序列調(diào)制后形成的N/4個數(shù)據(jù)經(jīng)IFFT處理后得到，用A表示，其余的第二、三、四參考符號為第一個參考符號的重復或者重復求負值，分別表示為A-A-A。在此幀結構中，由于前一部分（AA）與后一部分（-A-A）只相差一個負號，因此可以認為此幀結構與T.Schmidl & D.cox算法中的幀結構相類似（只差一個負號）。因此結合T.Schmidl & D.Cox算法和H.Minn算法，利用H.Minn算法削弱T.Schmidl & D.Cox算法中的多個峰值的現(xiàn)象，而利用T.Schmidl & D.Cox算法克服H.Minn算法中的測度平臺現(xiàn)象。算法描述如下：
圖2 H.Minn算法的幀結構
令在第一個訓練符號除循環(huán)前綴以外，部分復數(shù)樣值成對樣值乘積和為：
這里d是對應于N樣值的窗口中的第一個樣值的一個時間指示數(shù)，當接收機搜索第一個訓練符號時，這個窗沿時間軸滑動，接收到的訓練符號的能量定義為：
定時測度最大值對應的時刻就是參考符號的第一個樣點時刻，即di=arg{MAX[M(d)]}
四、仿真性能分析
本文改進的定時算法與Schmid & Cox算法和H.Minn算法的不同之處在于定時測度的差異，定時測度決定了定時方法的性能，本文算法相對前兩種算法，進行相關的數(shù)據(jù)增多，因此性能會得到改善。對于相同系統(tǒng)參數(shù)條件下，給出三種算法的測度進行直觀和粗略的仿真比較，結果如圖所示：圖3為AWANG信道下三種算法的測度比較。仿真參數(shù)為：FFT為64點，循環(huán)前綴長度為16，映射方式為16-QAM，噪聲為加性高斯噪聲。
計算機仿真結果顯示，高斯信道中，對于Schmid & Cox算法的定時測度產(chǎn)生的平臺，幅度會產(chǎn)生波動，尤其當信噪比比較低子載波總數(shù)比較小時，這種現(xiàn)象更為嚴重。H.Minn算法只能用于子載波數(shù)目較大的情況，而且在非正確定時時刻出現(xiàn)的峰值與正確時刻出現(xiàn)的峰值之間的差異比較小，當系統(tǒng)的子載波數(shù)目較小時，如子載波總數(shù)為64循環(huán)前綴為16時，非正確的定時時刻對應的測度峰值，甚至高于正確時刻對應的峰值，造成估計錯誤，導致定時同步的失敗。因此H.Minn算法不能用于子載波數(shù)目比較小的突發(fā)OFDM傳輸系統(tǒng)。而本文改進算法，克服了上述兩種算法的不足，在較小載波數(shù)目和較低SNR下，均有尖銳的峰值出現(xiàn)，因此具有更強的適應性。
圖3 AWANG信道下三種算法的測度
圖4為多徑信道條件下三種算法的測度比較。仿真參數(shù)為：FFT為64點，循環(huán)前綴長度為16，三條路徑參數(shù)為ɑ0=0.1260，0=0；ɑl=0.3780，1=3；ɑ2=0.8819，2=19；最強路徑的時延為19個樣點，因此，從圖上可以看到，正確的定時時刻應該是19，測度峰值出現(xiàn)在第19個樣點處。從圖上可以看到：采用改進算法，即使是在多徑時延超過循環(huán)前綴長度的情況下，在正確時刻19個樣點處，仍產(chǎn)生了一個尖銳峰值，而Schmid & Cox算法和H.Minn算法在多徑信道中較差。因此本文改進的定時算法具有更強的抗多徑能力。
圖4 多徑信道條件下三種算法的測度
參考文獻
[1] Sridhar Nandula，K Giridhar.Robust Timing Synchronization for OFDM Based Wireless LAN System [R]. TENCON-2003，14-Oct-2003
[2] Hlaing Minn，Vijay，Khaled Ben Letaief .A Robust Timing and Frequency Synchronization for OFDM Systems[J].IEEE Transactions on. Wireless Communications，July 2003，2(4)：822-838
[3] Schmidl，T.M.；COX，D.C“Robust frequency and timing synchronization for OFDM” Communications,IEEE Transactions on，Volume：45 Issue：12，Dec.1997 Page(s)：1613-1621
[4] Minn，H.；Zeng，M.；Bhargava，V.K.“On timing offset estimation for OFDM systems”IEEE Communications Letters， Volume：4 Issue：7，Page(s)：242-244 July 2000
作者：郭勇 張海林 劉耀宇 來源：信息通信
