- 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
采样时刻偏差 采样时钟相同,但采样点存在偏差 眼图上的非采样点 收发端采样时钟存在偏差 采样点偏差 消除符号间干扰的方法 设计满足 Nyquist 准则的滤波器 设计边瓣尽可能低的滤波器 优点:有采样时钟偏差时 ISI 小 缺点:占有带宽大 进行信号编码(部分响应信号) P(D) = (1 + D) (good for ISI) P(D) = (1 – D) (not good) P(D) = (1 – D)(1 + D) = 1 – D2 (good for ISI and DC offset) OFDM系统的同步 OFDM符号同步 OFDM载波频偏估计 Exercises Problem 6-7 * 6-3-2 非面向判决定时估计 将似然比在信息符号的 pdf 上求平均 , 然后计算其最大值 BPSK 信号: 对数似然函数 对数据序列求平均 对于较小 x, 有 得出 BPSK的非面向判决定时估计 PAM的非面向判决定时估计 早-迟 门同步器 早-迟 门同步器 早-迟 门同步器 似然函数 载波相位和符号定时的联合估计 其中 或 * 由于多径延时的影响,破坏了各子载波的正交性,造成了载波之间的干扰 ,为此对每个符号加上一段保护间隔 加入保护间隔后OFDM的符号中有一部分是重复的,使得效率下降,变为T/(T+G) 在OFDM系统中,接收机需要检测到FFT运算的起始时刻才能正确进行接收信号的解调,这一过程叫做OFDM系统的符号同步. 符号同步是一个关键问题。符号同步是整个系统能否保证良好正交性的必要条件,也是保证系统性能良好的必要条件。符号同步既可以在时域也可在频域进行。时域同步是利用插入的循环前缀的相关性来完成,而频域同步则采用插入导频或同步训练帧方式来完成。 假设保护间隔内有L个样点,加保护间隔前的多载波符号有N个样点,则对于在接收端相距为N的两个样点,当其中的任一个在保护间隔内时,另一个与它相同,两者的相关性较强;当不在保护间隔内时,这两个样点是独立的。利用保护间隔的这些特性,可以完成多载波系统符号同步和载波同步。 Symbol Symbol × 延迟T 共轭 积分 找到最大相关幅度 对最大值估计相位 定时 频偏 基于 CP的同步原理框图 相关窗 L ● ● 相关窗 L 相关窗 L ● 在接收端进行相关计算,找到幅度峰的最大值,相关计算的结果是三角尖峰,各个明显的相关峰对应的时刻就是相应的OFDM符号的起始位置。这里是准确估计保护间隔起始时刻,当移去固定长度的保护间隔后,准确的保护间隔的起始时刻也就等价于准确的FFT运算起始时刻。但在多径,高噪的情况下,相关性会被破坏,影响判决。 最大似然算法分析 设第i个OFDM符号包含N个载波,循环扩展的保护间隔长L,发送信号为s(k),白噪声为n(k),接收信号可表示为: r ( k) = s ( k - θ) e j2πεk/ N + n ( k) k=0,1,…,N-1 θ :表示接收信号到达的不确知的变量 ε :表示发送机与接收机在频率上的小数不同步部分 N :总的子载波数 n(k) :加性复高斯白噪声 观察2N+L个连续的抽样点,其中必包含有一个完整的OFDM符号。这个OFDM符号里有(N+L)个抽样点,但起始位置在接收端不能确定。 设起始位置为? ,定义两个集合 I = {θ, ?,θ+ L -1} I′= {θ+ N , ?,θ+ N + L - 1} 其中I′是第i个OFDM符号循环扩展的保护间隔,它的元素是I 中对应元素的拷贝,将2N+L个观察点作为一个向量r r= [r(1),…,r(2N+L)]T Symbol Symbol I I’ 2N+L ? 1 Observation interval 由于集合I’中的元素是I中的元素的拷贝,它们存在下面的相关特性 n(k)为加性白噪声,?和?是要估计的符号同步位置和载波频偏 其中: n=0 n=N 其它 E{ r(k) r*(k+n)}= k? I [r(k),r(k+n)](k? I)的 概率密度函数用f(r(k),r(k+N))来表示,而f(r(k))也表示k取值时的密度函数。利用接收信号r(k)的相关性,似然函数可以表示为 上式第二项与? 和?无关,可以省略,似然函数可简化成 将r(k)的形式代入似然函数的简化形式,则可以得出? 与? 的似然函数 其中 将似然函数最大化可以得到? 和? 的联合ML估计 实现上述算法的结构模型如下 无噪声、无频偏的理想信道,有时间偏移条件下,保护间隔为1/4时相关计算的幅度值输出 有信噪比为3.1dB的噪声的多径
文档评论(0)