杭电研究生课程检测与估计ML算法整合版.docVIP

离散衰落信道中采用OFDM信号相关特性来对定时和频率进行最大似然估计 122080088柳建为 121080030盛迪 121080043俞子鹏 摘要：OFDM在离散衰落信道中的同步问题是重要且有挑战性的议题。本文提出一种基于最大似然（Maximum Likelihood, ML）准则的同步算法，来决定OFDM中的符号定时偏差和载波频率偏差（Carrier Frequency Deviation, CFO）。新的ML方法考虑时间离散信道并利用每个采样时间的循环前缀的相关特性。所提出的方法是信号定时偏差和信道长度的二维函数。与之前的ML相比，所提出的方法在每个采用时刻都优化了。所提出的CFO估计依赖信道长度，充分利用了离散衰落信道的延时扩散（其常常降低估计的准确性）。并且，本文考虑了CFO的罗下限（Cramer-Rao Lower Bound, CRLB），仿真证明了所提出估计方法的优越性。 I.介绍 正交频分复用（Orthogonal Frequency Division Multiplexing, OFDM）是宽带传输中一种理想的技术。但是其对定时误差敏感，定时误差可能会破解子载波之间的正交性。因此会引入载波间干扰（Inter-Carrier Interference, ICI）和符号间干扰（Inter-Symbol Interference, ISI）。定时偏差和载波相位偏差是OFDM中常见的两种同步误差。在OFDM同步过程中估计信号定时偏差非常重要，因为若符号定时太差，会严重影响系统性能。估计符号定时用来确定OFDM信号正确的开始位置，以便进行FFT操作。假设定时偏差为整数，并可能在OFDM符号的任何地方。当整体CFO大于或等于子载波间隔时，就产生了整数倍的频偏估计。本文考虑非整数倍的CFO。 II. OFDM信号的模型和相关特性 图1 产生相关特性的信号建模，此处是?线性卷积。 本节对OFDM信号的模型及其抗干扰特性进行介绍。因为第m个OFDM信号的相关特性与其邻接信号有关，信号模型考虑三个信号，即第(m-1)、m、(m+1)个信号。h(l)是时间离散信道的的脉冲响应，抽头为(L+1)。信道抽头假设在M个信号内的近似平稳的。假设有N个子载波。通过反DFT将复杂数据建模到N个子载波中。长度为NG的 循环前缀(Cycle Prefix, CP)被加到OFDM信号开头以防止ISI并保持子载波间的相互正交。有。对于任意m，如果且，则xm(n)在n1和n2正交， ，否则，，是信号功率。图1中θ是所要估计的定时误差。 考虑第(m-1)个信号xm-1(n)，。接收的采样信号为， 。 (1) 再考虑接下来第m+1个OFDM符号xm+1(n)， 。采样信号： 。 (2) 因为xm(n)、xm-1(n)、xm+1(n)、h(l)、ω(n)都是相互独立的，所以和之间的相关系数可以表示为： (3) 此处。。， ，， 。 假设信道长度小于或等于CP长度加1，即L+1≦NG+1，当前时刻第m个符号仅有部分CP被前一个符号所干扰。最终无ISI区域为。 III. 提出的最大似然估计 似然（LL）函数 当N足够大时，根据中心极限地理，接收的采样数据可以建模为复高斯随机变量。经推导，似然函数为： (4) (5) (6) 基于该似然函数，接下来将推导相关系数的估计。 相关系数的非最佳似然函数和估计 由于似然(Likelihood, LL)函数同时是θ、L、ε、以及ρn，所以它相当复杂，所以不直接求最大值，而是求： ， (7) 式中， 对求导，得到： 的最大似然估计就是下式的实根： (8) 将带入，得到LL函数为： (9) 式中，， 。 (10) 接下来介绍CFO估计方法。 CFO估计 为提高估计的准确度，对在I内的所有样本取平均：，，与文献12相比，该估计考虑了I1-I3的相关特性，且充分利用了离散信道的延迟扩散。 一种更好的估计：。该式比文献23对L更不敏感。 接下来讨论对符号定时的估计。 符号定时估计 通过，每个n处的LL函数为： (11) 当和的最大似然估计求得时，的最大似然估计为： (12) 参数θ和L影响I的位置和宽度，因此也就影响LL函数总和的开始位置和范围。是定时偏差和信道长度的二元函数。 表1 最大似然估计总结 首先，用式8获取每个采样时间的相