CN101227443A - 产生训练符号及训练符号进行偏移估计的方法和装置 - Google Patents

Abstract

本发明公开了一种产生训练符号的方法，该方法包括：产生训练符号的循环前缀；对恒包络零自相关(CAZAC)序列进行转换，获得该序列的转换序列，利用CAZAC序列和该序列的转换序列产生训练符号的数据部分；将产生的训练符号的循环前缀和数据部分连接，产生出训练符号。本发明还公开了一种训练符号进行偏移估计的方法，该方法根据训练符号的数据部分是利用CAZAC序列和该序列的转换序列产生的性质，确定出用于偏移估计的归一化滑动互相关函数；计算接收到的复基带信号采样数据的归一化滑动互相关函数值；根据计算结果最大值的采样点的位置确定偏移量。本发明另外公开了产生训练符号和训练符号进行偏移估计的装置。

Description

产生训练符号及训练符号进行偏移估计的方法和装置

技术领域

本发明涉及通信领域，特别是涉及一种产生训练符号的方法和装置和该训练符号进行偏移估计的方法和装置。

背景技术

在通信系统中，训练符号可以单独作为特定的指示符号使用，也可以用来辅助通信系统的同步或信道估计等。训练符号通常要满足一定的性能要求，才能实现其特定的功能。

比如，在正交频分复用(OFDM，Orthogonal Frequency DivisionMultiplexing)传输系统中，通常采用训练符号辅助的方法实现OFDM同步中的定时偏移估计，即根据检测到作为OFDM帧的一部分的训练符号，估计帧/符号定时偏移量。为实现OFDM定时偏移估计的功能，要求训练符号具备一些特殊的性质，如数据的重复性、低的峰均比、良好的相关性以及共轭对称性。其中，峰均比是OFDM系统的一项重要指标，其定义是信号的峰值功率与平均功率的比值。低的峰均比特性能够使接收信号的时域波形避免因放大器非线性失真而引入的幅度和相位的干扰，从而减少同步参数估计的偏差。在利用训练符号的自相关峰值实现定时偏移估计时，良好的相关性能够产生明显的自相关峰值，有利于定时偏移量的估计。而训练符号的共轭对称性，能够进一步消除自相关函数的模糊性，有利于确定自相关峰值的位置。

目前，产生用于OFDM偏移估计的训练符号的方法，还不能保证产生的训练符号同时具有低的峰均比、良好的相关性以及共轭对称性，训练符号的性质单一。下面具体介绍一种产生训练符号的方法及其相应的训练符号进行偏移估计的方法。

该方法产生训练符号的步骤如下：

首先，产生N/2个分布在{0，1，2，3}的伪随机数序列，N为训练符号数据部分的长度。

接着，将伪随机数序列进行QPSK调制映射，得到长度为N/2的QPSK复符号序列。

然后，将QPSK复符号序列依次放到长度为N的序列中偶序列位置上，奇序列位置放置零，得到序列{c_i}，再对序列{c_i}做逆傅立叶变换(IFFT)，得到时域的训练符号数据部分。对序列{c_i}做IFFT变换的实现公式为：

$x\left(n\right)=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{c}_k{e}^{j2\mathrm{\πkn}/N},n=\mathrm{0,1}......N-1---\left(1\right)$

其中，c_k是调制到第k个子载波上的复数据，当k为偶数时，c_k为产生的QPSK复符号数据，当k为奇数时，c_k为零，按照这种方法产生的训练符号数据部分x(n)的前N/2个数据与后N/2个数据相同。

最后，产生的数据部分加上可以消除由多径带来的符号间干扰的循环前缀(CP，Cyclic-Prefix)，就组成了一个训练符号，其结构如图1所示。后面的数据部分由两部分相同数据A组成，数据A的长度为N/2。

下面以基于训练符号进行定时偏移估计为例具体说明训练符号进行偏移估计的方法。

在发送端，产生的训练符号作为复基带信号帧中前导符号的一部分发送，在接收端，除帧/符号定时偏移外，还存在由于接收端和发送端振荡器频率不匹配、多普勒频移和相位噪声影响而造成的载波频率偏移等偏移。在这种情况下，接收到的复基带信号r(t)经过采样周期为T_s＝1/f_s的采样后，得到复基带信号采样数据，可表示为：

r(n)＝y(n-ε)e^j2πvn/N+w(n)(2)

其中，ε是符号到达时间的整数值偏移，ε是由定时偏移估计法确定的定时偏移量；v是相对于子载波间隔的归一化载波频率偏移，w(n)是均值为0，方差为σ_w ²的复高斯白噪声的采样值，而y(n)是经过信道传输后的信号，其表达式为：

$y\left(n\right)=\underset{m=0}{\overset{L-1}{\mathrm{\Σ}}}{h}_{m}x(n-m)---\left(3\right)$

其中，{h_m，m＝0，...L-1}是信道冲击响应对应于采样周期T_s的采样值。

接收端根据接收到的复基带信号中的训练符号进行定时偏移估计的实现原理是：利用训练符号数据部分重复相等的特性，当接收复基带信号的采样点为训练符号数据部分的起始点时，计算接收到的复基带信号采样数据的互相关函数时，则该训练符号的前半数据部分与后半数据部分相互对齐，当截取接收复基带信号的滑动窗长度为数据部分长度的一半时，其共轭复乘叠加的结果，达到最大值。目前的定时偏移估计法采用滑动窗口内信号能量的归一化滑动互相关函数M(d)，估计出系统存在的符号定时偏移量，通过检测M(d)最大值的采样点的位置，确定训练符号数据部分的起始点位置，进而确定出公式(2)中的定时偏移量ε，其实现的过程可用以下公式表示：

首先，利用训练符号数据部分重复相等的特性，计算接收到的复基带信号采样数据的互相关函数，滑动窗长度设定为N，d为接收到的复基带信号采样数据的采样点序号，其公式表示如下：

$P\left(d\right)=\underset{m=0}{\overset{L-1}{\mathrm{\Σ}}}\left(r^{*}(d+m)r(d+m+L)\right)---\left(4\right)$

其中，L＝N/2

接着，进行滑动窗口内信号能量的计算，其公式表示如下：

$R\left(d\right)=\underset{m=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|r(d+m+L)\right|}^2---\left(5\right)$

然后，计算归一化滑动互相关函数M(d)，即：

$M\left(d\right)=\frac{{\left|P\left(d\right)\right|}^2}{{\left(R\left(d\right)\right)}^2}---\left(6\right)$

最后，根据确定出的令M(d)最大值的采样点的位置，确定公式(2)中定时偏移量ε。

由于该方法产生的训练符号是重复相等的，没有实现共轭对称性，在基于该符号实现定时偏移估计时，对于相邻的M(d)和M(d+1)P(d)和P(d+1)以及R(d)和R(d+1)仅有一项不同，由于M(d)和M(d+1)的值相差较小，估计出的定时偏移量有一定的模糊性，存在较大的误差。并且，因为训练符号存在峰均比较大的问题，在放大器非线性的影响下，其同步性能会有所下降。

综上所述，采用目前方法产生的训练符号，无法同时具有共轭对称性质和良好的自相关和峰均比低的特性，训练符号的偏移估计性能不高。

发明内容

有鉴于此，本发明实施例提供一种产生训练符号的方法，该方法能够提高产生的训练符号的性能。

本发明实施例提供一种训练符号进行偏移估计的方法，该方法能够提高产生的训练符号的性能，从而提高偏移估计的性能。

本发明实施例提供一种产生训练符号的装置，该装置能够提高产生的训练符号的性能。

本发明实施例提供一种训练符号进行偏移估计的装置，该装置提高产生的训练符号的性能，从而提高偏移估计的性能。

为了达到上述第一个目的，本发明实施例提出的技术方案为：一种产生训练符号的方法，该方法包括：

产生训练符号的循环前缀；对恒包络零自相关CAZAC序列进行转换，获得该序列的转换序列，利用CAZAC序列和该序列的转换序列产生训练符号的数据部分；将产生的训练符号的循环前缀和数据部分连接，产生训练符号。

为了达到上述第二个目的，本发明实施例提出的技术方案为：一种训练符号进行偏移估计的方法，该方法包括：

根据训练符号的数据部分利用CAZAC序列和该序列的转换序列产生的性质，确定出用于偏移估计的归一化滑动互相关函数；计算接收复基带信号采样数据的归一化滑动互相关函数值，根据计算结果最大值的采样点的位置确定偏移量。

为了达到上述第三个目的，本发明实施例提出的技术方案为：一种产生训练符号的装置，该装置包括循环前缀产生单元、数据部分产生单元和连接单元；

所述的循环前缀产生单元，用于产生训练符号的循环前缀，将产生的训练符号的循环前缀输入到连接单元；

所述的数据部分产生单元，用于对CAZAC序列进行转换，获得该序列的转换序列，利用CAZAC序列和该序列的转换序列产生训练符号的数据部分，将产生的训练符号的数据部分输入到连接单元；

所述的连接单元，将循环前缀产生单元输入的循环前缀和数据部分产生单元输入的数据部分连接，产生训练符号。

为了达到上述第四个目的，本发明实施例提出的技术方案为：一种训练符号进行偏移估计的装置，该装置包括归一化滑动互相关函数确定单元、归一化滑动互相关函数执行单元和偏移量确定单元；

所述的归一化滑动互相关函数确定单元，用于根据训练符号的数据部分利用CAZAC序列和该序列的转换序列产生的性质，确定出用于偏移估计的归一化滑动互相关函数，将确定的归一化滑动互相关函数输入到归一化滑动互相关函数执行单元；

所述的归一化滑动互相关函数执行单元，用于根据归一化滑动互相关函数确定单元输入的归一化滑动互相关函数，计算接收复基带信号采样数据的归一化滑动互相关函数值，将计算结果的最大值输入到偏移量确定单元；

所述的偏移量确定单元，用于根据归一化滑动互相关函数执行单元输入的计算结果最大值的采样点的位置确定偏移量。

综上所述，本发明实施例提出的一种产生训练符号和训练符号进行偏移估计的方法和装置，具有以下优点：

第一、本发明实施例利用CAZAC序列产生训练符号的数据部分，因CAZAC序列具备自相关和恒包络的性质，从而使得产生的训练符号具有良好的自相关及恒包络特性。

第二、本发明实施例可同时利用CAZAC序列及CAZAC序列转换序列产生训练符号的数据部分，当对CAZAC序列转换为对共轭转换或者共轭对称转换时，产生的训练符号能够同时具有良好的自相关及恒包络特性且峰均比较低。

第三、本发明实施例根据产生的训练符号确定用于偏移估计的归一化滑动互相关函数，能够得到良好的偏移估计曲线。当对CAZAC序列转换为对共轭转换或者共轭对称转换时，因为采用的训练符号的共轭对称点唯一，所为能够得到单值单峰的偏移估计曲线。

因此，本发明提出的一种产生训练符号和训练符号进行偏移估计的方法和装置能够提高产生的训练符号的性能，进而提高偏移估计的性能。

附图说明

图1为采用目前的方法产生的训练符号的结构示意图；

图2为本发明第一个实施例产生训练符号的流程图；

图3为本发明第一个实施例产生的训练符号的结构示意图；

图4为利用本发明第一个实施例产生的训练符号实现偏移估计的流程图；

图5为本发明第二个实施例产生训练符号的流程图；

图6为本发明第二个实施例中产生的训练符号结构示意图；

图7为本发明第三个实施例产生训练符号的流程图；

图8为本发明第三个实施例中产生的训练符号结构示意图；

图9为利用本发明第三个实施例产生的训练符号实现偏移估计的流程图；

图10为一种产生训练符号的装置的结构示意图；

图11为一种偏移估计的装置结构示意图；

图12为定时偏移估计的均方误差仿真曲线示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。

本发明实施例的技术方案是：对当前恒包络零自相关CAZAC序列进行转换，利用该序列和该序列的转换序列产生训练符号的数据部分。当对CAZAC序列转换为共轭转换或者共轭对称转换时，产生的训练符号能够同时具有良好的自相关及恒包络特性且峰均比较低。

下面仅以用于定时偏移估计的训练符号为例，说明训练符号产生的方法及该训练符号进行偏移估计的方法。

实施例一

图2为本发明第一个实施例产生训练符号的流程图。在本实施例中，选用chu序列作为CAZAC序列，chu序列经IFFT变换生成的序列A作为CAZAC序列，对CAZAC序列的转换方式为共轭转换，则本实施例包括以下步骤：

步骤201：根据定义的训练符号数据部分的长度选取偶数长度的Chu序列。

本实施例中选用Chu序列作为CAZAC序列，除了可以采用Chu序列以外，还可以选择为Milewski序列、Frank-Zadoff序列或者其他公知的CAZAC序列。本实施例采用的Chu序列的表达式为：

$z_l=\left\{\begin{array}{c}{e}^{j\frac{\mathrm{M\πl}(l+1)}{L},\begin{array}{ccc}l=0,\·\·\·,L-1& L& \mathrm{odd}\end{array}}\\ e^{j\frac{{\mathrm{M\πl}}^2}{L},\begin{array}{ccc}l=0,\·\·\·,L-1& L& \mathrm{even}\end{array}}\end{array}\right.---\left(7\right)$

其中，M是与L互质的整数。

本实施例定义的数据部分长度为N(N＝2^m)，则选取的Chu序列长度为N/2的偶数。

步骤202：对选取的Chu序列做IFFT，得到序列A。

本实施例在对选取的Chu序列进行转换的前，先将选取的Chu序列进行IFFT变换，得到的序列z(n)仍为CAZAC序列，其过程可由以下公式表示：

$Z\left(n\right)=\underset{l=0}{\overset{N-1}{\mathrm{\Σ}}}{z}_l{e}^{j2\mathrm{\πnl}/N}$ n＝0，1......N-1(8)

步骤203：对A取共轭得到序列A的共轭序列。

本实施例对CAZAC序列的转换方式为共轭转换，得到A序列的共轭序列A^*。对A序列共轭转换的方法是：将A序列中的每个复数据的实部保持不变，虚部取相反数，A序列中的每个实数据不做变换，变换后的新数据组成A序列的共轭序列A^*。比如，A序列为{1，2j，1+3j，4}则共轭后得到A^*序列为{1，-2j，1-3j，4}。

步骤204：将A和序列A的共轭序列连接。

本实施例中的A序列长度为偶数，因此，A和A^*连接生成最终的时域训练符号的数据部分，进一步采用现有方法产生循环前缀(CP)，在产生的数据部分前面连接CP，便产生出训练符号，其结构如图3所示。

下面以图2产生的训练符号进行定进偏移估计为例具体说明训练符号进行偏移估计的方法。

在发送端，产生的训练符号作为复基带信号帧中前导符号的一部分发送，接收端接收到复基带信号后，基于该训练符号的定时偏移估计法的实现原理是：根据训练符号的数据部分利用CAZAC序列和该序列的转换序列产生的性质，确定出用于定时偏移估计的归一化滑动互相关函数；计算接收到的复基带信号采样数据的归一化滑动互相关函数值；根据计算结果最大值的采样点的位置确定定时偏移量。

图4为利用本发明第一个实施例产生的训练符号实现定时偏移估计的流程图。在本实施例中，定义的数据部分长度为N，选取N/2偶数长度的Chu序列作为产生训练符号数据部分的CAZAC序列，利用训练符号数据部分关于N/2共轭对称的特性及Chu序列良好的自相关特性及恒包络特性，确定滑动窗口内信号能量的归一化滑动互相关函数M(d)，通过检测M(d)最大值的采样点的位置，确定训练符号数据部分的起始点的位置，进而确定出定时偏移量ε。具体实现的过程包括以下步骤：

步骤401：确定滑动互相关函数。

本实施例中，根据训练符号的数据部分利用CAZAC序列和该序列的转换序列产生的共轭对称性，确定滑动互相关函数，设定滑动窗长为N，因选取的chu序列的长度为偶数且为定义的数据部分长度的一半，设接收到的复基带信号采样数据为r(n)，d为接收到的复基带信号采样数据的采样点序号，则滑动互相关函数表达式为：

$P\left(d\right)=\underset{k=0}{\overset{N/2-1}{\mathrm{\Σ}}}r(d+N/2-k)r(d+N/2+k)---\left(9\right)$

N/2偶数长度的Chu序列进行IFFT变换后，其生成序列{a_l|l＝0，1，...N/2-1}是关于N/4点对称的，因此对于本实施例生成的训练符号，是关于N/2点共轭对称的，即r(n)＝r^*(N-n)，因此，当采样点为训练符号数据部分的起始点时，P(d)达到最大值。

步骤402：确定滑动窗口内信号能量。

本实施例中，根据训练符号的数据部分利用CAZAC序列和该序列的转换序列产生的共轭对称性，因选取的chu序列的长度为偶数且为定义的数据部分长度的一半，则确定滑动窗口内信号能量的表达式为：

$R\left(d\right)=\underset{k=0}{\overset{N/2-1}{\mathrm{\Σ}}}{\left|r(d+k)\right|}^2---\left(10\right)$

步骤403：确定归一化滑动互相关函数。

本实施例中，确定归一化滑动互相关函数M(d)的公式为：

$M\left(d\right)=\frac{{\left|P\left(d\right)\right|}^2}{{\left(R\left(d\right)\right)}^2}---\left(11\right)$

步骤404：计算接收到的复基带信号采样数据的归一化滑动互相关函数值。

本实施例中，计算接收到的复基带信号在滑动窗内的每个采样数据的归一化滑动互相关函数值。

步骤405：根据归一化滑动互相关函数最大值采样点的位置确定出定时偏移量。

本实施例中，M(d_OPT)的值最大，则根据其对应的采样点的位置确定出的定时偏移量。假设，在本实施例中，采样点序号取值[1，N/2]的整数，设计算得到的d_OPT为3，则定时偏移量就等于3。如果采样点序号取值为[-N/4，N/4)的整数，设计算得到的d_OPT为3，则定时偏移量就等于(N/4)+4。

在无失真、无噪声的情况下，本实施例基于上述方法产生的训练符号计算得到的偏移估计量M(d)是良好的定时曲线，这是因为训练符号利用了Chu序列良好的自相关性质，对于M(d)任意相邻的两个值M(d)和M(d+1)而言，其分子P(d)中的(N/2-1)个乘积项是完全不同的，避免了估计出的定时偏移量存在模糊性的问题，而且本实施例采用的训练符号的共轭对称点唯一，因此能够得到的单值单峰的定时偏移估计曲线。

实施例二

图5为本发明第二个实施例产生训练符号的流程图。在本实施例中，同样选用chu序列作为CAZAC序列，初始的chu序列经IFFT变换生成的序列A作为CAZAC序列，但对CAZAC序列的转换方式为共轭对称转换，本实施例包括以下步骤：

步骤501-步骤502与步骤201-步骤202相同，均采用经IFFT的Chu序列作为当前的CAZAC序列，这里不一一赘述。

步骤503：对A进行共轭对称转换得到序列A的共轭对称序列。

本实施例对CAZAC序列的转换方式为共轭对称转换，得到A序列的共轭对称序列B^*。对A序列共轭对称转换的方法是：对A序列共轭转换，得到A^*，对A^*进行对称转换得到B^*，比如，A序列为{1，2j，1+3j，4}则共轭后得到A^*序列为{1，-2j，1-3j，4}，再进行对称转换，得到的B^*序列为{4，1-3j，-2j，1}。

步骤504：将序列A和序列A的共轭对称序列连接。

本实施例将A和B^*连接在一起，可以在A序列放在B^*前，也可以B^*序列放在A序列前，进一步采用现有方法产生CP，在产生的数据部分前面连接CP，便产生出训练符号，其结构如图6所示。

对于图5生成的训练符号，也是关于N/2点共轭对称的，即r(n)＝r^*(N-n)，因此，在接收端接收到复基带信号后，基于该训练符号的定时偏移估计法的步骤如上述步骤相同，基于该训练符号的定时偏移估计法的各步骤的定时公式与本发明第一个实施例中的定时公式类似，这里不一一赘述。

实施例三

图7为本发明第三个实施例产生训练符号的流程图。本实施例中采用奇数长度的Chu序列产生长度为N的训练符号的数据部分，包括以下步骤：

步骤701：根据定义的训练符号数据部分的长度选取奇数长度的Chu序列。

本实施例，选取长度为N/2-1的Chu序列{z_l，l＝0，…，N/2-2}。

步骤702：对选取的Chu序列进行IFFT，得到序列A。

本实施例，将经IFFT的Chu序列作为当前的CAZAC序列。

步骤703：对A进行共轭对称转换得到序列A的共轭对称序列。

步骤704：将序列A和序列A的共轭对称序列连接。

本实施例中，CAZAC序列的长度为奇数且为定义的数据部分长度的一半减一，则连接的方法为：将当前和该序列的转换序列通过零连接，并在连接后的序列前加零，产生训练符号的数据部分。因而产生的训练符号的长度为设定的长度N，产生的训练符号的结构如图8所示，A和B^*分别放置在训练符号的1～N/2-1和N/2+1～N-1位置，而训练符号的其他位置为零，在添加循环前缀(CP)以后，便构成了训练符号。

当采用偶数长度的Chu序列或对其IFFT变换后的生成序列时，训练符号的峰均比为1，而采用奇数长度的Chu序列或其IFFT变换后的序列时，训练符号的峰均比为1.004。恒包络或低峰均比特性使得本实施例产生的训练符号的同步性能优于目前的训练符号，而且其接收信号的频域数据不会受到放大器非线性的影响，其信道估计性能也要优于前述的几种训练符号。

下面具体说明基于图7产生的训练符号进行定时偏移估计的方法。

采用第三种方法设计出的训练符号也具有共轭对称的性质，根据该性质，可以设计出相应的定时偏移估计公式，其定时偏移估计法的实现过程包括以下步骤：

步骤901：确定滑动互相关函数。

本实施例中，生成的训练符号则是前后两半部分共轭对称的，即r(n)＝r^*(N-1-n)，在本实施例中，训练符号数据部分利用的CAZAC序列的长度为奇数且为定义的数据部分长度的一半减一，滑动互相关函数的表达式与公式(12)不同。设训练符号的数据部分长度为N，N为整数，接收到的复基带信号采样数据为r(n)，d为接收到的复基带信号采样数据的采样点序号，则滑动互相关函数的表达式为：

$P\left(d\right)=\underset{k=0}{\overset{N/2-1}{\mathrm{\Σ}}}r(d+N/2-k-1)r(d+N/2+k)---\left(12\right)$

步骤902：确定滑动窗口内信号能量。

在本实施例中，训练符号数据部分利用的CAZAC序列的长度为奇数且为定义的数据部分长度的一半减一，利用训练符号的共轭对称性质，确定滑动窗口内信号能量的表达式为：

$R\left(d\right)=\frac{1}{2}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|r(d+k)\right|}^2---\left(13\right)$

步骤903-步骤905与前面的步骤403-步骤405相同，不再详述。

在采用本实施例进行定时偏移估计时，其性能受载波频率偏移的影响很小。在慢时变信道下，当多径延迟的最大分量小于CP长度时，基于重复相等和共轭对称关系设计的训练符号，采用相应的归一化滑动互相关函数M(d)进行定时偏移估计时，均不受载波频率偏移的影响。

除了上述训练符号的产生方法之外，还可以直接采用Chu序列，也就是序列A取为Chu序列{z_l，l＝0，…，N/2-1}。本实施例产生训练符号的方法还可以是采用在时域内级联的方法，得到具有重复结构的训练符号。根据级联训练符号的结构特点，可以采用相应的定时同步方法。本实施例产生训练符号的方法中，除了可以采用Chu序列以外，还可以选择为Milewski序列、Frank-Zadoff序列或者其他公知的CAZAC序列，但由这些序列产生训练符号的峰均比会有所不同。

并且，通过将IFFT变换前的频域CAZAC序列循环移位，然后在时域内进行组合，也可以对IFFT变换至时域的序列在时域内进行循环移位，最多可以生成N/2个满足正交性的训练符号。这些经过循环移位生成的不同序列也可以作为不同基站发射机和小区内不同部分的标识号。

图10为一种产生训练符号的装置的结构示意图，该装置包括循环前缀产生单元1010、数据部分产生单元1020和连接单元1030；

循环前缀产生单元1010，产生训练符号的循环前缀，将产生的训练符号的循环前缀输入到连接单元1030；

数据部分产生单元1020，对CAZAC序列进行转换，获得该序列的转换序列，利用CAZAC序列和该序列的将产生的训练符号的数据部分输入到连接单元1030；

连接单元1030，将循环前缀产生单元1010输入的循环前缀和数据部分产生单元1020输入的数据部分连接，产生训练符号。

数据部分产生单元1020还可以包括序列存储模块1021、序列转换模块1022和执行模块1023；

序列存储模块1021，存储CAZAC序列；

序列转换模块1022，将从序列存储模块1021读取的CAZAC序列转换，将得到的该序列的转换序列输入到执行模块1023；

执行模块1023，利用序列转换模块1022输入的转换序列和从序列存储模块1021读取的CAZAC序列产生训练符号的数据部分，将产生的训练符号的数据部分输入到连接单元1030。

图11为一种训练符号进行偏移估计的装置结构示意图，该装置包括归一化滑动互相关函数确定单元1101、归一化滑动互相关函数执行单元1102和偏移量确定单元1103；

归一化滑动互相关函数确定单元1101，用于根据训练符号的数据部分利用CAZAC序列和该序列的转换序列产生的性质，确定出用于偏移估计的归一化滑动互相关函数，将确定的归一化滑动互相关函数输入到归一化滑动互相关函数执行单元1102；

归一化滑动互相关函数执行单元1102，用于根据归一化滑动互相关函数确定单元输入的归一化滑动互相关函数，计算接收复基带信号采样数据的归一化滑动互相关函数值，将计算的结果最大值输入到偏移量确定单元1103。

偏移量确定单元1103，用于根据归一化滑动互相关函数执行单元1102输入的计算结果的最大值的采样点的位置作为偏移量。

现试给出一个仿真结果，给出本发明与现有技术中采用斯密都(schmidl)、法蜜琳(minn)和帕克(park)训练符号辅助实现定时偏移估计的均方误差仿真曲线。仿真条件说明如下：系统的采样频率为20MHz；子载波个数N＝256，即采用256点的逆傅立叶变换(IFFT)，循环前缀CP＝32；系统存在的载波频率偏移为子载波间隔的0.2倍；采用4径瑞利衰落信道模型，相邻抽头的采样间隔为2，采用负指数延时功率谱模型，第一个和最后一个抽头间延时功率谱的比值为15dB；系统存在的最大多普勒频移为50Hz。定时偏移估计的均方误差仿真曲线如图12所示。可以看出，本发明采用的定时偏移估计方法产生的均方误差最小，也就是说，其定时偏移估计性能优于现有技术的性能。

本发明产生的训练符号，能够在OFDM或OFDMA传输系统中，辅助进行帧/符号偏移估计。本发明产生的单个训练符号或多个重复的训练符号，可以作为OFDM或OFDMA传输系统中，基站到移动台下行链路前导符号的一部分。而其频域数据矢量，可以作为基站发射机的标志或移动通信蜂窝小区的标识，也可用于下行链路的信道估计。并且，本发明产生的训练符号可以放置于OFDM或OFDMA传输系统中的上下行信道传输的任何位置，或与其它符号配合使用实现上述提及的功能。

以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (13)

1.一种产生训练符号的方法，其特征在于，该方法包括：

产生训练符号的循环前缀；对恒包络零自相关CAZAC序列进行转换，获得该序列的转换序列，利用CAZAC序列和该序列的转换序列产生训练符号的数据部分；将产生的训练符号的循环前缀和数据部分连接，产生训练符号。

2.如权利要求1所述的方法，其特征在于，所述对CAZAC序列进行转换包括：对CAZAC序列进行共轭转换或者共轭对称转换。

3.如权利要求1所述的方法，其特征在于，所述对CAZAC序列进行转换的步骤前还进一步包括：

对CAZAC序列进行循环移位、逆快速傅利叶变换，或进行逆快速傅利叶变换后再进行循环移位。

4.如权利要求3所述的方法，其特征在于，所述的CAZAC序列包括：chu序列、Milewski序列或Frank-Zadoff序列。

5.如权利要求1所述的方法，其特征在于，CAZAC序列的长度为偶数且为定义的数据部分长度的一半时，所述产生训练符号的数据部分的方法是：

由CAZAC序列和该序列的转换序列连接产生训练符号的数据部分。

6.如权利要求1所述的方法，其特征在于，CAZAC序列的长度为奇数且为定义的数据部分长度的一半减一时，所述的产生训练符号的数据部分的方法是：

将CAZAC序列和该序列的转换序列通过零进行连接，并在连接后的序列前加零，产生训练符号的数据部分。

7.一种训练符号进行偏移估计的方法，其特征在于，该方法包括：

根据训练符号的数据部分利用CAZAC序列和该序列的转换序列产生的性质，确定出用于偏移估计的归一化滑动互相关函数；计算接收到的复基带信号采样数据的归一化滑动互相关函数值；根据计算结果最大值的采样点的位置确定偏移量。

8.如权利要求7所述的方法，其特征在于，所述确定出用于偏移估计的归一化滑动互相关函数的方法是：

根据训练符号的数据部分利用CAZAC序列和该序列的转换序列产生的共轭对称性，确定滑动互相关函数；根据训练符号的数据部分利用CAZAC序列和该序列的转换序列产生的共轭对称性，确定滑动窗口内信号能量；将确定的滑动互相关函数模的平方与滑动窗口内信号能量模的平方相除，确定出用于偏移估计的归一化滑动互相关函数。

9.如权利要求8所述的方法，其特征在于，训练符号数据部分利用的CAZAC序列的长度为偶数且为定义的数据部分长度的一半时，设训练符号的数据部分长度为N，N为整数，接收到的复基带信号采样数据为r(n)，d为接收到的复基带信号采样数据的采样点序号，

所述滑动互相关函数P(d)根据以下公式：

$P\left(d\right)=\underset{k=0}{\overset{N/2-1}{\mathrm{\Σ}}}r(d+N/2-k)r(d+N/2+k)$ 确定；

所述滑动窗口内信号能量R(d)根据以下公式：

$R\left(d\right)=\underset{k=0}{\overset{N/2-1}{\mathrm{\Σ}}}{\left|r(d+k)\right|}^2$ 确定。

10.如权利要求8所述的方法，其特征在于，训练符号数据部分利用的CAZAC序列的长度为奇数且为定义的数据部分长度的一半减一时，设训练符号的数据部分长度为N，N为整数，接收到的复基带信号采样数据为r(n)，d为接收到的复基带信号采样数据的采样点序号，

所述滑动互相关函数P(d)根据以下公式：

$P\left(d\right)=\underset{k=0}{\overset{N/2-1}{\mathrm{\Σ}}}r(d+N/2-k-1)r(d+N/2+k)$ 确定；

所述滑动窗口内信号能量R(d)根据以下公式：

$R\left(d\right)=\frac{1}{2}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|r(d+k)\right|}^2$ 确定。

11.一种产生训练符号的装置，其特征在于，该装置包括循环前缀产生单元、数据部分产生单元和连接单元；

所述的循环前缀产生单元，用于产生训练符号的循环前缀，将产生的训练符号的循环前缀输入到连接单元；

所述的数据部分产生单元，用于对CAZAC序列进行转换，获得该序列的转换序列，利用CAZAC序列和该序列的转换序列产生训练符号的数据部分，将产生的训练符号的数据部分输入到连接单元；

所述的连接单元，将循环前缀产生单元输入的循环前缀和数据部分产生单元输入的数据部分连接，产生训练符号。

12.如权利要求11所述的装置，其特征在于，数据部分产生单元包括序列存储模块、序列转换模块和执行模块；

所述的序列存储模块，用于存储CAZAC序列；

所述的序列转换模块，用于对从序列存储模块读取的CAZAC序列进行转换，将得到的该序列的转换序列输入到执行模块；

所述的执行模块，用于利用序列转换模块输入的转换序列和从序列存储模块读取的CAZAC序列产生训练符号的数据部分，将产生的训练符号的数据部分输入到连接单元。

13.一种训练符号进行偏移估计的装置，其特征在于，该装置包括归一化滑动互相关函数确定单元、归一化滑动互相关函数执行单元和偏移量确定单元；

所述的归一化滑动互相关函数确定单元，用于根据训练符号的数据部分利用CAZAC序列和该序列的转换序列产生的性质，确定出用于偏移估计的归一化滑动互相关函数，将确定的归一化滑动互相关函数输入到归一化滑动互相关函数执行单元；

所述的归一化滑动互相关函数执行单元，用于根据归一化滑动互相关函数确定单元输入的归一化滑动互相关函数，计算接收复基带信号采样数据的归一化滑动互相关函数值，将计算结果的最大值输入到偏移量确定单元；

所述的偏移量确定单元，用于根据归一化滑动互相关函数执行单元输入的计算结果最大值的采样点的位置确定偏移量。

Images