CN101437005B - 通信同步过程中存在定时误差的整数倍频偏估计方法 - Google Patents

Abstract

本发明提供一种通信同步过程中存在定时误差的整数倍频偏估计方法，包括步骤：选取具有理想自相关特性的恒幅Chu序列为频域差分序列C(k)，定义频域训练序列的第一个元素S(0)＝1，根据递推公式S(k)＝C(k-1)S(k-1)获得长度为N的频域训练序列S(k)，S(k)通过IFFT变换到时域训练序列为s(n)；接收序列完成分数倍频偏补偿后，根据粗定时顺序取出长为N的两段接收序列，两段序列相加得到长为N的接收序列r(n)；序列r(n)通过FFT变换频域为R(k)，利用式D(k)＝R(k+1)(R(k))^*计算接收频域差分序列D(k)，通过接收的序列D(k)与序列C(k)的共轭做循环移位相关，相关的峰值对应系统的整数倍频偏估计

ε_int∈{0，1，…，N-1}。本发明在不影响定时同步性能的前提下，增强了频偏估计性能，提高了系统的传输效率。

Description

通信同步过程中存在定时误差的整数倍频偏估计方法

技术领域

本发明涉及一种数字通信领域中的同步实现方法，主要涉及对接收同步过程中整数倍频偏的估计方法。

背景技术

OFDM技术具有抗多径衰落能力强，频谱利用率高，数据传输速率高等优势，已广泛应用于军事和民用通信系统。载波频率偏移对系统信号的正确接收有很大的影响，如何快速精确的估计出频率偏差，是OFDM系统实现可靠有效数据传输的前提和基础。频率偏差分为子载波间隔的小数倍频率偏差和整数倍频率偏差。

基于重复训练序列，Moose提出了最大似然的频偏估计算法，可有效实现分数倍频偏估计，但无法对较大频偏的情况进行处理。目前常采用的整数倍频偏估计有：

(1)基于Moose提出的最大似然频偏估计思想，通过缩短训练序列长度来增大频偏估计范围，但这样多次重复发送缩短训练序列降低了频偏估计的精度，同时也降低了定时同步的性能；

(2)利用在频域和时域都具有良好自相关特性的训练序列，此方法对同步训练符号做快速傅里叶变换(FFT)，然后与已知频谱图样作循环移位相关，通过寻找相关峰来估计整数倍频偏。但该方法没有考虑定时误差的影响，定时误差会破坏训练序列在频域的相关特性，从而导致估计性能下降；

(3)在频域采用两段训练序列对应元素共轭相乘得到新的训练序列，从而可以去除由定时误差带来影响。基于一样的思路，设计奇偶子载波序列，接收信号的奇载波数据与偶载波数据的共轭相乘，最后利用相乘序列进行整数倍频偏估计。此类估计方法降低了系统的效率。如图2所示，为了在频域进行整数倍频偏估计，采用了不同的两段Chu序列U1和U2。把训练序列看成重复两段时，图2训练序列结构不可能具有理想的自相关特性，同时要求插入四段CP，减弱了系统抗多径影响的能力，降低了系统性能。

发明内容

本发明的目的在于针对现有技术的不足，考虑存在定时误差的情况下，提出一种高效的整数倍频偏估计方法。本发明在不影响定时同步性能的前提下，增强了频偏估计性能，提高了系统的传输效率。

本发明是通过以下技术方案实现的：

一种通信同步过程中存在定时误差的整数倍频偏估计方法，包括在接收端进行粗定时同步、分数倍频偏估计、整数倍频偏估计、精确定时同步，其特征在于，对整数倍频偏估计的处理包括下列步骤：

a、发送端完成训练序列的设计步骤，具体包括：

利用Chu序列作为频域差分序列C(k)，序列C(k)是一种具有理想自相关特性的多相序列，

其中，N表示训练序列的长度，为整数，k＝0，1，…，N-1，u与N互为质数，不同的u生成不同的具有恒幅特性的Chu序列；

通过频域差分序列C(k)构造频域训练序列S(k)为：

$\left\{\begin{array}{c}S\left(0\right)=1\\ S\left(k\right)=C(k-1)S(k-1)\end{array}\right.$

频域训练序列S(k)通过离散傅里叶反变换到时域训练序列s(n)，时域训练序列s(n)具有理想的自相关特性；

b、发送端发送重复训练序列s(n)，基于重复训练序列s(n)，接收端利用接收信号与其延时信号的共轭做相关获得系统的粗定时同步和分数倍频偏估计，完成小数倍频偏补偿后的接收序列为r(n)；

c、接收端将接收序列r(n)通过FFT变换得到接收的频域序列为R(k)，接收信号的差分序列为D(k)＝R(k+1)(R(k))^*，其中()^*表示共轭，从而去除了由定时引起的线性相位影响；

d、最后接收端通过接收的差分序列D(k)与频域差分序列C(k)做循环移位相关运算，最大相关峰值对应整数倍频偏，即整数倍频偏估计值

可以表示为：

${\widehat{\mathrm{\ϵ}}}_{\mathrm{int}}=\underset{{\mathrm{\ϵ}}_{\mathrm{int}}}{\arg \max }\left(\right|\underset{k=1}{\overset{N-1}{\mathrm{\Σ}}}D\left(k\right){\left(C{(k-{\mathrm{\ϵ}}_{\mathrm{int}})}_{\mathrm{mod}N}\right)}^{*}\left|\right),$ ε_int∈{0，1，…，N-1}

其中(k-ε_int)_modN表示对(k-ε_int)进行求模N运算，

发送端根据整数倍频偏估计值

完成整数倍频偏补偿后，采用经典的接收序列与时域参考训练序列s(n)做相关来获得精确的定时同步。

本发明相对现有技术具有以下优点：

1、本发明构造的训练序列在时域具有理想的自相关特性，使得系统具有良好的定时同步和分数倍频偏估计性能；

2、本发明中频域差分序列D(k)去除了由定时中定时误差引入的线性相位影响；

3、本发明中差分训练序列具有理想的自相关特性，保证了本发明能有效实现整数倍频偏估计；

4、本发明对频域差分训练序列的选择没有严格限制于Chu序列，常用的具有理想自相关的多相序列都可以应用于本发明中。

附图说明

图1为本发明所采用的重复训练序列结构；

图2为传统频域整数倍频偏估计方法的训练序列结构；

图3为本发明的流程示意图；

图4为传统方法和所提方法的频偏估计性能对比示意图；

图5为两种方法下的定时同步性能对比示意图。

具体实施方式

下边结合附图和具体实施方式对本发明作进一步地说明：

基于数据辅助的同步方法中，重复发送训练序列是一种典型的同步序列结构，当同步训练序列在时域具有理想的自相关特性时，接收端可以获得良好的粗定时同步和分数倍频偏估计性能。图1和图2两种训练序列都是基于典型的重复训练序列结构来实现粗定时同步和分数倍频偏估计。

本发明的核心思想是：1)整数倍频偏同步方法不能损失系统定时同步和分数倍频偏估计性能，因此要求新方法构造的训练序列在时域具有理想的自相关特性；2)整数倍频偏的影响表现为频域序列的循环移位，为实现精确的整数倍频偏估计，则要求整数倍频偏估计的序列具有理想的自相关特性；3)系统是在粗定时同步后进行频偏估计，定时误差在频域表现为各子载波上的相位旋转，因此频偏估计必须考虑定时误差的影响。本发明就是从这三个方面进行考虑，提出了一种新的同步训练序列构造方法，并给出了整数倍频偏估计过程。本发明在获得优异的定时同步性能的同时，提高了整数倍频偏估计性能，增强了系统抗多径影响的能力。如图3所示，本发明具体步骤如下：

1、利用Chu序列作为频域差分序列C(k)(参考文献：D.Chu，“Polyphase codes with goodperiodic correlation properties”，IEEE Transactions on Information Theory，vol.18，no.4，pp.531-532，July 1972)，由于Chu序列具有理想的自相关特性，则频域差分序列C(k)可以在频域进行整数倍频偏估计，符合本发明的核心思想2；

其中，N表示训练序列的长度，为整数，k＝0，1，…，N-1，u与N互为质数，不同的u生成不同的具有恒幅特性的Chu序列；

2、设频域训练序列为S(k)，频域差分序列表示为C(k)＝S(k+1)(S(k))^*，这里构造差分训练序列的主要目的是去除接收频域信号中由定时误差带来的线性相位影响；定义频域的第一个元素为S(0)＝1，同时Chu序列元素的模恒为1，递推可得频域训练序列S(k)也具有模为1的恒幅特性，则S(k+1)＝C(k)S(k)，通过频域差分序列C(k)递推频域训练序列S(k)为：

$\left\{\begin{array}{c}S\left(0\right)=1\\ S\left(k\right)=C(k-1)S(k-1)\end{array}\right.$

频域序列S(k)经过离散傅里叶反变换得到时域训练序列s(n)，由于S(k)具有恒幅特性，则可以证明时域训练序列s(n)具有理想的自相关特性，则所构造的时域训练序列能获得良好的定时同步和分数倍频偏估计，符合本发明的核心思想1；

3、发送端重复发送训练序列，接收端基于重复训练序列，接收端利用接收信号与其延时信号的共轭做相关获得系统的粗定时同步和分数倍频偏估计，完成小数倍频偏补偿后的接收序列为r（n)；

4、由于循环前缀，定时误差的影响表现为在频域训练序列叠加线性相位，通过FFT变换得到接收的频域序列为R(k)，接收信号的频域差分序列D(k)＝R(k+1)(R(k))^*，则D(k)去除了由定时引起的线性相位影响；符合本发明核心思想3；

5、最后通过接收的差分序列与训练差分序列做循环移位相关运算，最大相关峰值对应整数倍频偏，，即整数倍频偏估计值

可以表示为：

${\widehat{\mathrm{\ϵ}}}_{\mathrm{int}}=\underset{{\mathrm{\ϵ}}_{\mathrm{int}}}{\arg \max }\left(\right|\underset{k=1}{\overset{N-1}{\mathrm{\Σ}}}D\left(k\right){\left(C{(k-{\mathrm{\ϵ}}_{\mathrm{int}})}_{\mathrm{mod}N}\right)}^{*}\left|\right),$ ε_int∈{0，1，…，N-1}

其中(k-ε_int)_modN表示对(k-ε_int)进行求模N运算，使得上式实现了循环移位相关运算。

按步骤2所述，本发明构造的训练序列在时域具有理想的自相关特性，使得系统具有良好的定时同步和分数倍频偏估计性能；按步骤4所述的频域差分序列是频域接收序列与其循环移位序列的共轭对应相乘获得，去除了由定时引入的线性相位影响，在不考虑噪声和信道的情况下，接收频域差分序列就是差分训练序列的循环移位，移位数目对应为整数倍频偏；由步骤1所述，差分训练具有理想的自相关特性，所以步骤5能有效实现整数倍频偏估计。另外，本发明对频域差分训练序列的选择没有严格限制于Chu序列，常用的具有理想自相关的多相序列都可以应用于本发明中。

实施例：

如图1所示训练序列结构，训练序列长度为N＝256，循环前缀CP长度为N_g＝64，发送重复训练序列总长度为640。时域训练序列由实施步骤1和步骤2构造获得，在具体接收同步实现过程中，实施步骤的1和2就可以省略。系统同步计算过程包括粗定时同步、分数倍频偏估计、整数倍频偏和精确定时同步，本发明是解决大频偏情况下的整数倍频偏估计问题，认为系统已实现粗定时估计和完成了分数倍频偏补偿，实际整数倍频偏估计算法比较简单，通过下面两步就可完成整数倍频偏估计：

一、确定接收序列

在接收端，接收机通过匹配接收采样得到采样序列；由于训练序列基于重复发送，接收采样序列与其延时序列进行共轭相关可以获得粗定时同步为τ_est和分数倍频偏估计，设接收序列完成分数倍频偏补偿后表示为y(i)，i＝1，2…，其中i为第i时刻采样；再根据粗定时顺序取出序列长度为256的两段序列{y(τ_est)，y(τ_est+1)，…，y(τ_est+255)}，{y(τ_est+256)，y(τ_est+257)，…，y(τ_est+511)}，训练序列重复发送可以获得分集，即进行整数倍频偏估计的序列为r(n)＝y(τ_est+n)+y(τ_est+256+n)，n∈{0，1，…，255}；

二、整数倍频偏估计运算

将序列r(n)进行256点FFT运算得到长为256的频域序列R(k)，构造长度也为256的频域差分序列。

$D\left(k\right)=\left\{\begin{array}{cc}R(k+1){\left(R\left(k\right)\right)}^{*},& k\≤254\\ R\left(0\right){\left(R(N-1)\right)}^{*},& k=255\end{array}\right.$

最后将频域差分序列与频域频域差分序列C(k)做循环移位相关运算，来获得整数倍频偏估计。

${\widehat{\mathrm{\ϵ}}}_{\mathrm{int}}=\underset{{\mathrm{\ϵ}}_{\mathrm{int}}}{\arg \max }\left(\right|\underset{k=0}{\overset{255}{\mathrm{\Σ}}}D\left(k\right){\left(C{(k-{\mathrm{\ϵ}}_{\mathrm{int}})}_{\mathrm{mod}N}\right)}^{*}\left|\right),$ ε_int∈{0，1，…N-1}

其中，ε_int∈{0，1，…，N-1}，(k-ε_int)_modN表示对(k-ε_int)进行求模N运算。

本发明主要给出了整数倍频偏估计过程。在实际系统同步中，完成整数倍频偏补偿后，采用经典的接收序列与时域参考训练序列s(n)做相关来获得精确的定时同步。在实际系统同步过程中，频偏反过来也会影响定时误差的性能。图4与图5给出了瑞利衰落信道条件下，分别仿真了单径和两径情况下，传统方法和发明方法同步性能，可见发明方法能明显提高频偏估计的精确度，进而提高了定时同步性能。传统方法和发明方法都是在频域进行整数倍频偏估计，由仿真曲线可以看出，频域进行整数倍频偏估计能累积多径信号的能量，两径瑞利获得了分集增益，提高了系统同步性能。

本发明中提及的常规方法均可用现有技术加以实现。

Claims (1)

1.一种通信同步过程中存在定时误差的整数倍频偏估计方法，包括在接收端进行粗定时同步、分数倍频偏估计、整数倍频偏估计、精确定时同步，其特征在于，对整数倍频偏估计的处理包括下列步骤：

a、完成本地训练序列的设计步骤，具体包括：

利用Chu序列作为频域差分序列C(k)，序列C(k)是一种具有理想自相关特性的多相序列，

其中，N表示训练序列的长度，为整数，k＝0，1，...，N-1，u与N互为质数，不同的u生成不同的具有恒幅特性的Chu序列；

通过频域差分序列C(k)构造频域训练序列S(k)为：

$\left\{\begin{array}{c}S\left(0\right)=1\\ S\left(k\right)=C(k-1)S(k-1)\end{array}\right.$

频域训练序列S(k)通过离散傅里叶反变换到时域训练序列s(n)，时域训练序列s(n)具有理想的自相关特性；

b、发送端发送重复训练序列s(n)，基于重复训练序列s(n)，接收端利用接收信号与其延时信号的共轭做相关获得系统的粗定时同步和分数倍频偏估计，完成分数倍频偏补偿后的接收序列为r(n)；

c、接收端将接收序列r(n)通过FFT变换得到接收的频域序列为R(k)，接收信号的差分序列为D(k)＝R(k+1)(R(k))^*，其中()^*表示共轭，从而去除了由定时引起的线性相位影响；

d、最后接收端通过接收的差分序列D(k)与频域差分序列C(k)做循环移位相关运算，最大相关峰值对应整数倍频偏，即整数倍频偏估计值

可以表示为：

${\widehat{\mathrm{\ϵ}}}_{\mathrm{int}}=\underset{{\mathrm{\ϵ}}_{\mathrm{int}}}{\arg \max }\left(\right|\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}D\left(k\right){\left(C{(k-{\mathrm{\ϵ}}_{\mathrm{int}})}_{\mathrm{mod}N}\right)}^{*}\left|\right),{\mathrm{\ϵ}}_{\mathrm{int}}\∈\{\mathrm{0,1},...,N-1\}$

其中(k-ε_int)_mod N表示对(k-ε_int)进行求模N运算，

发送端根据整数倍频偏估计值

完成整数倍频偏补偿后，采用经典的接收序列与时域参考训练序列s(n)做相关来获得精确的定时同步。

Images