一种基于PN序列OFDM同步算法研究.docVIP

一种基于PN序列OFDM同步算法研究 　　本文研究数据辅助型OFDM系统的同步算法，并主要研究符号定时同步和载波频率同步算法的优化问题。首先介绍了国内外研究OFDM 同步技术的研究现状，OFDM的基本原理和系统模型，同步的原理和处理过程，并详细分析了符号定时误差和载波频率偏差对OFDM 系统的影响。 　　【关键词】正交频分复用 同步技术 PN序列 CAZAC序列 　　本文主要研究基于PN序列的OFDM同步算法，该类算法属于数据辅助型同步算法。首先介绍了PN序列并分析了同步算法的常用训练序列，进而提出了新的训练序列。并详细介绍了基于新训练序列的改进算法的定时同步和频率同步方案。最后进行了仿真验证和性能分析，并与Schmidl Cox同步算法、Minn同步算法进行比较，说明了改进算法的有效性和优越性。 　　1 训练序列的形成 　　1.1 PN序列 　　PN序列即伪随机码序列，又称PN码。由于随机码序列是一个随机信号，同时噪声具有完全的随机性，真正的随机码序列是不能重复再现和产生的，所以我们只能产生一种周期性的随机序列，并使其具有近似随机噪声的特性，这种脉冲序列就称为伪随机码序列。PN序列因其良好的特性被广泛应用于学术和工程领域，首先PN序列具有类似于白噪声的性质，如优良的相关特性，并且在宽的频带里功率谱也能保持均匀。同时，在扩频通信系统中，由于无法对白噪声进行检测、调制、同步和控制，所以只能用与带限白噪声具有相似特征的PN序列来实现。正是因为PN序列的相关函数与白噪声相似，并且功率谱所占用的带宽很宽，所以它极易从OFDM 训练符号中被提取出来，利用这种性质能够很好地避免同步估计时FFT 解调后的信号受到干扰。本章在这一节中对训练符号进行重新设计，充分利用PN 序列具有的尖锐的自相关函数，设计新的训练序列，从而提高定时同步性能。 　　在工程上常用二元{0，1}序列来产生PN码，它具有下面的特性： 　　（a）每周期内，“0”和“1”出现的次数近似相等。 　　（b）每周期内，长度为n比特的游程出现的次数比长度为n+1的游程出现的次数多一倍。 　　（c）PN码序列的自相关函数值为： 　　（3.1） 　　在式（3.1）中，P为码长，即二元码序列的周期，K为小于P的整数，为码元延时。 　　1.2 同步算法的训练序列分析 　　1.2 .1 Schmidl Cox同步算法的训练序列 　　Schmidl Cox算法并不利用循环前缀来进行同步估计，而是一种比较经典的利用训练序列实现定时和频率同步的算法。该算法在发送端设计了两个训练符号，在接收端进行信号解调的时候，第一个训练符号在时域内进行定时同步和小数频偏估计，第二个训练符号在频域内进行整数频偏估计。 　　图3.2给出了Schmidl Cox算法的OFDM帧结构： 　　如图3.2所示，在Schmidl Cox算法的帧结构中，第一个训练符号具有两个相同的部分，运用这两个部分的相位关系和自相关函数来完成符号的定时同步和小数倍的频偏估计，同时，通过第二个训练符号和第一个训练符号的差分关系，共同完成系统的整数倍的频偏估计。 　　第一个训练符号有两种产生方法，由于其前半段和后半段在时域上是相同的，可以通过在序号为偶数的子载波上发送一个序列，而序号为奇数的子载波上不发送数据的方法得到。这样一来，每个序号为偶数的子载波上将发射一个QPSK星座点。为了保持每个样点信号的能量恒定，在发送端会对训练序列的每个频率成分乘上。第一个训练符号的另一种产生方法是在发送端对PN序列进行N/2点的IFFT运算，然后对得到的N/2个样值点进行复制，最后将它们合在一起并加入循环前缀。 　　第二个训练符号中包含两个PN序列，在序号为偶数的子载波上发送一个PN序列来估计载波的整数倍频偏，在序号为奇数的子载波上发送另一个PN序列来测量子信道。 　　1.2.1 Minn同步算法的训练序列 　　Minn定时同步估计算法中，训练符号由四个部分组成，每个部分的长度为N/4，N为数据符号样值点的个数。每个部分的训练符号所包含的基本数据都由PN序列构成，这些基本数据在频域可表示为： 　　（3.4） 　　将式（3.4）中的伪随机序列C做N/4点的IFFT运算，可以得到时域的训练序列，因此可以得出Minn定时同步算法训练序列的结构： 　　（3.5） 　　式（3.5）中的序列A是序列C经过IFFT运算后得到的训练序列。图3.3给出了Minn定时同步算法的帧结构： 　　由图3.3可以看出，训练符号的前两个部分完全相同，后两个部分是由前两个部分取反得到的。正是由于后半部分训练符号中引入的负号减小了测度函数中的相关值，从而能够消除Schmidl Cox算法中出现的平台现象。同时，序列A也可以通过在奇数子载波上发送一个复PN序列，在偶数子载波上发送零点