CN100553248C

CN100553248C - 一种用于多模式训练序列填充系统的多模式自动识别方法

Info

Publication number: CN100553248C
Application number: CNB2007100990745A
Authority: CN
Inventors: 杨知行; 杨昉; 宋健; 王军; 张彧; 潘长勇
Original assignee: Tsinghua University
Current assignee: Tsinghua University
Priority date: 2007-05-11
Filing date: 2007-05-11
Publication date: 2009-10-21
Anticipated expiration: 2027-05-11
Also published as: CN101087291A

Abstract

本发明属于数字信息传输技术领域，其特征在于，针对目前存在的基于多模式训练序列的多载波和单载波调制系统，使用多模式相关器解决多模式的自动识别问题。通过串型、并型或者混合的方式对各种不同模式的本地相关序列进行加权和位置组合设计新的本地多模式相关序列，通过分辨两个相邻相关峰的位置差、相关峰大小、次相关峰特性等综合判断所使用的模式。针对DTMB系统给出了一种具体的多模式相关器设计方法，计算机仿真表明，该多模式相关器能够准确地分辨出系统工作模式，且具有本地相关序列长度合理和硬件实现简单的特点。

Description

一种用于多模式训练序列填充系统的多模式自动识别方法

技术领域

本发明属于数字信息传输技术领域，特别涉及一种用于多模式的正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)多载波系统或单载波(Single Carrier，SC)系统中训练序列(Training Sequence，TS)填充的多模式相关器设计方法和多模式自动识别方法。

背景技术

当前的通信技术的主要解决问题是如何在有限的带宽内可靠地提高传输速率。由于信道的影响，尤其是无线信道是一个时间色散信道，信号会产生畸变并加入噪声，因此为了正确有效传输净荷或数据部分，系统应能够识别出信道的变化，并加以抵消或补偿。此外，接收端还要从接收信号中进行时钟恢复、载波恢复和信道估计等。在复杂的传输环境中，为保证通信系统的高可靠性和高效性，通信系统通常采用的方法是传输一段特定信号，并且此信号也可作为传输信号的保护间隔和帧同步。

保护间隔的填充方法有多种：循环前缀(Cyclic Prefix，CP)，零填充(Zero Padding，ZP)，和伪随机或伪噪声序列(Pseudo Noise，PN)。CP和ZP填充可参见文献Muquet B，Wang Z，Giannakis G.B，Courville M.de，and Duhamel P，Cyclic Prefixing or Zero Padding forWireless Multicarrier Transmissions，IEEE Trans.on Communications，2002，50(12)：2136-2148]。PN填充可参见文献[正交频分复用调制系统中保护间隔的填充方法，中国发明专利，授权号01124144.6]。

为了满足不同应用(如单频网，多频网模式)，不同长度的保护间隔填充模式是必要的，我们定义这类多种长度训练序列填充的系统为多模式训练序列填充系统。中国地面数字电视传输标准(Digital Terrestrial/Television Multimedia Broadcasting，以下简称为DTMB系统)，参见文献[GB 20600-2006，数字电视地面广播传输系统帧结构、信道编码和调制，2006-08-18]采用了PN作为训练序列填充的数据帧结构，其中定义了三种可选训练序列填充模式以及相应的信号帧结构。如图1(a)，(b)，(c)所示。图1(a)，图1(c)所示的信号帧中的训练序列由前同步、PN序列和后同步三部分构成，如图2所示。PN序列定义为255个或511符号，前同步和后同步定义为PN序列的循环扩展，与PN序列共占420个符号(IDFT块长度的1/9)或945个符号(IDFT块长度的1/4)。图1(b)所示的信号帧中的训练序列由10阶最大长度伪随机二进制序列截短而成，训练序列的长度为595个符号，是长度为1023的m序列的前595个码片。DTMB系统是一个典型的多模式训练序列填充系统。

对于单一训练序列填充系统，模式识别的一种基本方法是利用训练序列的相关特性。因此，相关结果对模式识别十分重要，并且相关结果对训练序列填充系统的帧同步、定时恢复、载波恢复、信道估计等也具有非常重要的作用，参考文献[王军.地面数字电视广播的同步和信道估计算法研究：博士学位论文.北京：清华大学电子工程系，2003]。

对于多模式训练序列填充系统的模式识别问题有多种办法，例如可以采用设计多个相关序列通过不断尝试的方法识别系统模式，这种方法缺点是增加了系统复杂度，而且由于需要不断尝试各种模式延长了系统同步时间。如果能设计一种多模式相关器，此相关器对各种模式均能产生相关峰，则通过分析相关结果可以进行多模式自动识别。此方法利用相关的诸多优点，可以实现多模式识别，也可以利用相关结果实现帧同步和定时载波恢复等功能。

发明内容

本发明针对目前存在的基于多模式训练序列的多载波和单载波调制系统，提出使用多模式相关器解决多模式的自动识别问题。

该方法是在接收端的一个数字集成电路上依次按以下步骤实现的：

步骤(1).本地相关序列TS_acq_i序列的组合为多模式相关序列，其中i表示系统填充模式，在相关器中使接收的多模式相关序列和接收信号作相关运算，把运算结果作为该相关器的输出R(k，m)，时域相关运算公式为：

R (k, m) = \frac{1}{K} Σ_{n = 0}^{K - 1} r (n) \cdot c^{*} (k - n - m)

其中：r(n)为接收到同步头信号，

k为相关器输出的序号，

n为数字样值序号，K为数字样值个数，

c^*(k-n-m)表示本地多模式相关序列移m位后取共轭运算，频域相关运算公式为：

R(k，m)＝IDFT[DFT[r(n)]·DFT[c(k)]]

其中，DFT[·]表示离散傅里叶变化，IDFT[·]表示离散傅里叶逆变换，

所述的多模式相关序列为下述三种多模式相关序列中的一种，在组合时相关序列的位置是设定的：

第一种：串型多模式相关序列，用TS_ser表示如下：

TS_ser (n) = \{\begin{matrix} a_{1} \times TS_ac q_{1} (n), & 0 \leq n \leq L_{1} - 1 \\ a_{2} \times TS_{acq}_{2} (n - L_{1}), & L_{1} \leq n \leq L_{1} + L_{2} - 1 \\ \cdot \\ \cdot \\ \cdot \\ a_{M} \times {TS_acq}_{M} (n - Σ_{j = 1}^{M - 1} L_{j}), & Σ_{j = 1}^{M - 1} L_{j} \leq n \leq Σ_{j = 1}^{M} L_{j} - 1 \end{matrix}

其中，L₁，L₂，…L_M分别为不同填充模式的相关序列长度，不失一般性，可假设L₁≤L₂≤…≤L_M，M为填充模式的数量，下同；

a₁，a₂，…，a_M为一组可变加权系数，其取值范围一般为{±1，±2}，下同；

第二种：并型多模式相关序列，用TS_par表示如下：

TS_par (n) = \{\begin{matrix} Σ_{j = 1}^{M} a_{j} \times TS_ac q_{j} (n), & 0 \leq n \leq L_{1} - 1 \\ Σ_{j = 2}^{M} a_{j} \times TS_ac q_{j} (n), & L_{1} \leq n \leq L_{2} - 1 \\ \cdot \\ \cdot \\ \cdot \\ a_{M} \times TS_ac q_{M} (n), & L_{M - 1} \leq n \leq L_{M} - 1 \end{matrix}

第三种：混合型多模式相关序列

把所有模式的本地相关序列通过串联或并联组成一个新序列。

步骤(2).把步骤(1)得到的运算结果送到一个相关峰检测电路，利用连续两帧相关峰之差判断其工作模式，并给出判断结果：

对某一模式i，1≤i≤M，当模式i的连续两个相关峰之间的位置差Diff_i满足：L_mini≤Diff_i≤L_maxi，则判断为所述工作模式i，其中，[L_mini，L_maxi]为模式i连续两个相关峰之间的位置差范围，为设定值。

在所述的相关峰检测电路中，还可以利用相关峰的大小来判断其工作模式。

在所述的相关峰检测电路中，还可以利用次相关峰的大小和相对主相关峰的位置来判断其工作模式。

多模式相关器系统结构框图如图4)所示。在实际应用中，我们应该统筹相关器所占用资源、系统允许延时、系统抗噪能力等因素，从上述三种方案中合理选择本地相关序列。基于上述描述，对本发明所提出的多模式相关序列性能进行了计算机仿真。

以DTMB系统为例，将本发明提出的三种本地多模式相关序列与本地单模式相关序列进行相关性能比较。相关性能的衡量标准是相关噪声能量，即本地相关序列与随机信号相关得到的相关结果的平均能量。

假设串型多模式相关序列得到的噪声相关能量为σ_串型，而原PN420本地单模式相关序列与噪声相关能量为σ₄₂₀，则其理论比值为

而实际仿真比值为

仿真结果如表1所示。

表一多模式相关器与单模式相关器的相关噪声比值η

以DTMB系统为例，在静态单径高斯白噪声情况，以信噪比SNR＝3dB为例，将PN420模式下四种相关序列与信号帧的相关结果作了比较。如图5(a)、(b)、(c)、(d)所示，分别为PN420本地单模式相关序列、串型多模式相关序列、并型多模式相关序列、混合多模式相关序列与PN420模式信号帧的相关结果。四种相关序列都能很好找出相关峰，但三种多模式相关器的相关噪声都较PN420本地单模式相关序列有一定增加。

以DTMB系统为例，设计了一种混合多模式相关序列，该序列长度为1015，如图3(c)所示：

TS_acq＝[PN420，-PN595]+[PN945，0_1×70]

在静态单径高斯白噪声情况，以信噪比SNR＝3dB为例，将该混合多模式相关序列与PN420、PN595、PN945模式信号帧的相关结果做出比较，如图6(a)、(b)、(c)所示。

利用连续两个相关峰之间位置差判断工作模式。由于PN420的最大相差分别±112，其连续两个相关峰位置差在[4088，4312]间；PN595无相差，其连续两个相关峰位置差为4375；PN945的最大相差分别为±100，其连续两个相关峰位置差在[4625，4825]间，各种模式的相关峰互不重叠，因此通过分辨连续两个相关峰之间的位置差可以分辨出不同的工作模式。

利用相关峰的大小判断工作模式。由于PN595具有负的加权系数，因此很容易判断其工作模式；PN420，PN945加权系数均为1，但PN945长度较PN420长很多，PN945相关峰幅度约比PN420相关峰幅度高7dB，因此通过分辩相关峰之间的位置大小可以分辩出不同的工作模式

利用次相关峰判断工作模式。PN595是长度为1023的m序列的前595个码片，不会出现次相关峰。PN420与PN945由于具有特殊的结构，在主相关峰两旁特定位置会出现特定幅度的次相关峰。因此通过分辩次相关峰可以分辩不同的工作模式。

附图说明

图1为DTMB系统采用的三种帧结构，帧头对应三种训练序列，其中：

图a)为采用帧头模式1的信号帧结构1；

图b)为采用帧头模式2的信号帧结构2；

图c)为采用帧头模式3的信号帧结构3；

图2为DTMB系统中PN420、PN945模式的帧头结构；

图3为DTMB系统中，对应本发明提出的三种本地多模式相关序列设计方法实例，其中：

图a)为串型相关序列；图b)为并型相关序列；图c)为混合型相关序列；

图4为多模式相关器的系统框图；

图5为PN420模式的本地相关序列、串型多模式相关序列、并型多模式相关序列、混合多模式相关序列与PN420模式下信号帧相关结果，其中：

图a)为PN420相关序列；图b)为串型相关序列；

图c)为并行相关序列；图d)为混合型相关序列；

图6为混合多模式相关序列与PN420模式、PN595模式、PN945模式信号帧相关结果，其中：

图a)为混合相关序列与PN420模式信号帧的相关结果；

图b)为混合相关序列与PN595模式信号帧的相关结果；

图c)为混合相关序列与PN945模式信号帧的相关结果。

具体实施方式

R (k, m) = \frac{1}{K} Σ_{n = 0}^{K - 1} r (n) \cdot c^{*} (k - n - m)

其中：r(n)为接收到同步头信号，

k为相关器输出的序号，

n为数字样值序号，K为数字样值个数，

c^*(k-n-m)表示本地多模式相关序列移m位后取共轭运算，

频域相关运算公式为：

R(k，m)＝IDFT[DFT[r(n)]·DFT[c(k)]]

第一种：串型多模式相关序列，用TS_ser表示如下：

TS_ser (n) = \{\begin{matrix} a_{1} \times TS_ac q_{1} (n), & 0 \leq n \leq L_{1} - 1 \\ a_{2} \times TS_{acq}_{2} (n - L_{1}), & L_{1} \leq n \leq L_{1} + L_{2} - 1 \\ \cdot \\ \cdot \\ \cdot \\ a_{M} \times {TS_acq}_{M} (n - Σ_{j = 1}^{M - 1} L_{j}), & Σ_{j = 1}^{M - 1} L_{j} \leq n \leq Σ_{j = 1}^{M} L_{j} - 1 \end{matrix}

a₁，a₂，…，a_M为一组可变加权系数，其取值范围一般为{±1，±2)，下同；

第二种：并型多模式相关序列，用TS_par表示如下：

TS_par (n) = \{\begin{matrix} Σ_{j = 1}^{M} a_{j} \times TS_ac q_{j} (n), & 0 \leq n \leq L_{1} - 1 \\ Σ_{j = 2}^{M} a_{j} \times TS_ac q_{j} (n), & L_{1} \leq n \leq L_{2} - 1 \\ \cdot \\ \cdot \\ \cdot \\ a_{M} \times TS_ac q_{M} (n), & L_{M - 1} \leq n \leq L_{M} - 1 \end{matrix}

第三种：混合型多模式相关序列

上面结合附图对本发明的具体实施例进行了详细说明，但本发明并不限制于上述实施例，在不脱离本申请的权利要求的精神和范围情况下，本领域的技术人员可做出各种修改或改型。

Claims

1、一种用于多模式训练序列的填充系统的多模式自动识别方法，其特征在于该方法是在接收端的一个数字集成电路上依次按以下步骤实现的：

R (k, m) = \frac{1}{K} Σ_{n = 0}^{K - 1} r (n) \cdot c^{*} (k - n - m)

其中：r(n)为接收到同步头信号，

k为相关器输出的序号，

n为数字样值序号，K为数字样值个数，

c^*(k-n-m)表示本地多模式相关序列移m位后取共轭运算，

频域相关运算公式为：

R(k，m)＝IDFT[DFT[r(n)]·DFT[c(k)]]

其中，DFT[·]表示离散傅里叶变换，IDFT[·]表示离散傅里叶逆变换，

第一种：串型多模式相关序列，用TS_ser表示如下：

TS_ser (n) = \{\begin{matrix} a_{1} \times TS_{acq}_{1} (n), & 0 \leq n \leq L_{1} - 1 \\ a_{2} \times TS_{acq}_{2} (n - L_{1}), & L_{1} \leq n \leq L_{1} + L_{2} - 1 \\ . \\ . \\ . \\ a_{M} \times TS_{acq}_{M} (n - Σ_{j = 1}^{M - 1} L_{j}), & Σ_{j = 1}^{M - 1} L_{j} \leq n \leq Σ_{j = 1}^{M} L_{j} - 1 \end{matrix}

其中，L₁，L₂，…L_M分别为不同填充模式的相关序列长度，不失一般性，可假设

L₁≤L₂≤…≤L_M，M为填充模式的数量，下同；

第二种：并型多模式相关序列，用TS_par表示如下：

TS_par (n) = \{\begin{matrix} Σ_{j = 1}^{M} a_{j} \times TS_{acq}_{j} (n), & 0 \leq n \leq L_{1} - 1 \\ Σ_{j = 2}^{M} a_{j} \times {TS_acq}_{j} (n), & L_{1} \leq n \leq L_{2} - 1 \\ . \\ . \\ . \\ a_{M} \times {TS_acq}_{M} (n), & L_{M - 1} \leq n \leq L_{M} - 1 \end{matrix}

第三种：混合型多模式相关序列

把所有模式的本地相关序列通过串联或并联组成一个新序列；

对某一模式i，1≤i≤M，当模式i的连续两个相关峰之间的位置差Diff_i满足：L_mini≤D_iffi≤L_maxi，则判断为所述工作模式i，其中，[L_mini，L_maxi]为模式i连续两个相关峰之间的位置差范围，为设定值。

2、根据权利要求1所述的一种用于多模式训练序列填充调制系统的多模式自动识别方法，其特征在于，在所述的相关峰检测电路中，利用相关峰的大小来判断其工作模式。

3、根据权利要求1所述的一种用于多模式训练序列填充调制系统的多模式自动识别方法，其特征在于，在所述的相关峰检测电路中，利用次相关峰的大小和相对主相关峰的位置来判断其工作模式。