- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
正交频分复用同步自适应多径信道硕士论文
OFDM系统中的同步算法研究
【摘要】 正交频分复用(OFDM)技术已广泛应用于多个通信标准,并将成为第四代移动通信(4G)中的关键技术,然而OFDM系统对同步偏差是十分敏感的,这就对同步算法提出了很高的要求。大部分同步算法适用于加性高斯信道,而在多径信道下性能不够理想,为解决这一问题,本文设计了新的代价函数,利用此代价函数可以在多径信道下获得更加稳定和准确的相关峰值,有利于通过峰值搜索进行同步;为了降低计算的复杂度,利用自适应方法搜索相关函数峰值,原自适应算法中的定步长方法仅适用于追踪阶段,变步长方法仅适用于收敛阶段,因此本文将两种方法相结合,新算法同时具有定步长方法的追踪速度和变步长方法的稳定性;原自适应算法的搜索方向是随机选取,具有很大的不确定性,新算法进行双向搜索,以获得更加稳定的性能;此外本文设计了分级搜索的方法,即搜索范围逐级缩小、搜索分辨率逐级提高,这种方法可以进一步提高自适应搜索的稳定性并实现不同的同步精度。仿真表明,在信道估计存在较大误差的情况下,新算法时偏估计和频偏估计的均方误差可以分别达到0.9243和0.003,同时新算法只需要10-20个符号就可以追踪到不同的信道时延变化。?更多还原
【Abstract】 Orthogonal frequency division multiplexing (OFDM) has been applied in communication fields over a wide range, and will be the most promising technique in 4G mobile communication. However, synchronization techniques are of great importance since synchronization errors might introduce inter-symbol interference and inter-carrier interference, which result in the loss of orthogonality among sub-carriers.Most blind synchronization algorithms are proposed in additive white Gaussian noise channel, but ...?更多还原
【关键词】 正交频分复用; 同步; 自适应; 多径信道; 【Key words】 OFDM; synchronization; adaptive; multi-path channel;
摘要 3-4
Abstract 4
第一章 绪论 7-13
1.1 研究背景 7-11
1.1.1 OFDM 的技术特点 7-9
1.1.2 OFDM 的发展及应用 9-11
1.2 同步研究现状 11-12
1.2.1 数据辅助同步算法 11-12
1.2.2 非数据辅助同步算法 12
1.3 文章内容安排 12-13
第二章 同步误差分析 13-27
2.1 系统模型 13-16
2.1.1 OFDM 信号的调制与解调 13-15
2.1.2 信道模型 15-16
2.2 同步误差对系统性能的影响 16-27
2.2.1 时间同步误差的影响 16-22
2.2.2 频率偏差的影响 22-27
第三章 同步算法研究 27-39
3.1 数据辅助同步算法 27-32
3.1.1 Schmidl 算法 27-28
3.1.2 Minn 算法 28-29
3.1.3 Park 算法 29
3.1.4 仿真结果与讨论 29-32
3.2 非数据辅助同步算法 32-39
3.2.1 最大似然同步算法 32-33
3.2.2 二维搜索算法 33-34
3.2.3 子块同步算法 34-35
3.2.4 仿真结果与讨论 35-39
第四章 自适应同步算法及改进算法 39-55
4.1 Vikram 自适应算法介绍 39-42
4.2 自适应算法分析 42-45
4.3 改进的自适应算法 45-49
4.3.1 新的代价函数 46-47
4.3.2 分级搜索 47-49
4.4 性能仿真与分
文档评论(0)