CN101667990B - Ofdm频率偏移联合估计方法 - Google Patents

Abstract

本发明提出了一种OFDM频率偏移联合估计方法，属于通信技术领域。所述方法包括：根据接收的基带数据序列设置小点数自相关器的相关长度和大点数自相关器的相关长度；根据小点数自相关器的相关长度和大点数自相关器的相关长度，运算求得小点数自相关器的峰值和大点数自相关器的峰值；根据小点数自相关器的峰值估算整数倍频率偏移初值，根据大点数自相关器的峰值估算小数倍频率偏移初值；根据整数倍频率偏移初值和小数倍频率偏移初值得到最终的频率偏移估计值。本发明可以很好的降低时频同步分别估算小数倍频率偏移和整数倍频率偏移所带来的硬件运算和延迟时间的开销，降低了该频率同步算法的运算复杂度并提高了频率偏移检测估计的实时性。

Description

OFDM频率偏移联合估计方法

技术领域

本发明涉及通信技术领域，具体而言，涉及一种适用于宽带数据分组突发传输正交频分复用(Orthogonal Frequency Division Multiplexing，简称为OFDM)系统的频率同步的小数频率偏移与整数倍频率偏移的联合估计方法。

背景技术

OFDM技术因其出色的抗多径能力和很高的频谱利用率在当前宽带无线通信系统及数字广播通信系统中得到了广泛的应用：例如无线局域网标准WiFi(802.11a/g/n)，WiMax(802.16d/e)、LTE下行链路，数字广播系统DVB、CMMB等都采用了OFDM技术。但是，OFDM技术的一个主要缺点是对频率偏移(也称为频偏)比较敏感，频率偏移会破坏子载波之间的正交性，引起载波间干扰，使得系统性能急剧下降。

OFDM系统中的频率偏移可以分为子载波间隔小数倍的频率偏移，也就是小数倍频率偏移f_frac，以及子载波间隔整数倍的频率偏移，也就是整数倍频率偏移f_int。子载波间隔小数倍的频率偏移会破坏子载波间的正交性，引起子载波间干扰；子载波间隔整数倍的频率偏移则导致解调后的教据在子载波上的整体偏移。

为了实现OFDM系统数据解调结果的低误码率性能，需要精确的频率同步，不同的频率同步算法导致频率同步实现的复杂度差别巨大，而分组突发的宽带数据传输系统需要同步借助辅助训练数据序列的作用在很短的时间内完成同步。同时，OFDM的频率同步需要子载波间隔小数倍及整数倍频率偏移的估计和补偿。目前，OFDM系统的频率同步方法主要包括盲估计算法以及数据辅助估计算法两大类：

一、数据辅助估计算法

数据辅助估计算法因其捕获速度快，估计精度高等特点更适用于突发的数据传输，相关技术中已提出了一种载波频率偏移的最大似然估计算法，采用两个连续的相同数据序列，频率偏移的估计范围为±0.5个子载波间隔，通过缩短数据序列可以增加频率偏移的估计范围，但同时会带来估计精度的下降。

二、盲估计算法

相关技术中已提出了一种在频域上估计整数倍频率偏移的方法，该方法通过对接收信号做FFT运算之后在频域上循环移位，与本地信号做相关寻找峰值的方法来估计整数倍频率偏移。也就是分别估计小数倍频率偏移和整数倍频率偏移值，首先在时域上估算出小数倍频率偏移值，完成小数倍频率偏移的补偿后，再进行整数倍频率偏移的估计，整数倍频率偏移的存在使得接收信号在频域子载波上发生圆周移位。

具体地，将接收的数据序列通过FFT运算变换到频域，在子载波上进行圆周移位，再与发送端的已知数据序列做相关，检测相关结果的最大值，从而确定整数倍频率偏移。利用公式(1)计算：

$\hat{l}=\underset{d}{\max }\left(\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{X}_{n\_k}^{*}{Y}_{n\_{(k-d)}_N}\right)---\left(1\right)$

其中

为归一化整数倍频率偏移的估计值，X_n，k为发送端已知数据序列，Y_n，k为接收到的数据序列，(k-d)_N表示(k-d)对N取模的运算。

该方法假设已经得到了精确的符号定时，但在实际的系统中，当整数倍频率偏移未予补偿时，符号同步是不能做到精确估计的，当符号定时偏差和整数倍频率偏移同时存在，此时接收数据经FFT运算变换到频域之后，除了由于整数倍频率偏移存在而引起的数据在子载波上的循环移位，还会存在由于符号定时误差而引起的接收数据的相位旋转，该相位旋转量会导致传统算法失效，无法得到正确的整数倍频率偏移估计结果，从而影响OFDM传输系绕的整体性能。

目前大量研究成果只是单纯的解决了整数倍频率偏移或符号细同步的问题，而没有考虑整数倍频率偏移和符号细同步的相互影响及作用。

发明内容

针对现有技术中只是单纯的解决了整数倍频率偏移或符号细同步的问题而提出本发明，为此，本发明的主要目的在于提供一种OFDM联合估计方法，以解决上述问题至少之一。

本发明提出了一种OFDM频率偏移联合估计方法，所述方法包括：

步骤1、根据接收的基带数据序列设置小点数自相关器的相关长度和大点数自相关器的相关长度；

步骤2、根据所述小点数自相关器的相关长度和大点数自相关器的相关长度，运算求得接收的基带数据序列的小点数自相关器的峰值和大点数自相关器的峰值；

步骤3、利用公式(1)、(2)对接收的基带数据序列进行小点数自相关运算和大点数自相关运算，

$r_n=S_n{e}^{j2\mathrm{\π}{f}_{\mathrm{\Δ}}n{T}_s}---\left(1\right)$

$Z=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}{r}_n{r}_{n+D}^{*}---\left(2\right)$

其中，S_n为发送端的基带信号采样值，f_Δ＝f_tx-f_rx为发送端和接收端的载波频率之差，T_s为信号的采样时间间隔，r_n为接收端的基带接收信号，D为小点数自相关器的相关长度或大点数自相关器的相关长度，Z为自相关器的相关长度；

根据自相关器的相关长度Z获得|Z|，其中|Z|表示Z取模，小点数自相关峰值max(acor_short)为模|Z|大于小点数自相关阈值Thrd_short的相关长度Z，大点数自相关峰值max(acor_long)为模|Z|大于大点数自相关阈值Thrd_long的相关长度Z；

根据小点数自相关峰值max(acor_short)获得整数倍频率偏移初值f_int，根据大点数自相关峰值max(acor_long)获得小数倍频率偏移初值f_frac；所述整数倍频率偏移初值f_int通过

所述小数倍频率偏移初值f_frac通过

其中，T_s为信号的采样时间间隔，D_short为小点数自相关器的相关长度，D_long为大点数自相关器的相关长度；

步骤4、根据所述整数倍频率偏移初值和所述小数倍频率偏移初值得到最终的频率偏移估计值。

通过本发明的上述技术方案，提出了一种高精度的OFDM整数倍频率偏移和小数倍频率偏移联合估计方法，可以解决传统的时频联合估计方法中整数倍频率偏移估计和符号细同步不准确并且相互影响的矛盾的问题，并且能很好的降低时频同步分别估算小数倍频率偏移和整数倍频率偏移所带来的硬件运算和延迟时间的开销，降低了该频率同步算法的运算复杂度并提高了频率偏移检测估计的实时性。

附图说明

图1为根据本发明实施例的OFDM频率偏移联合估计方法的流程图；

图2为根据本发明优选实施例的序列的对应关系图；

图3为根据本发明优选实施例的OFDM频率偏移联合估计方法的框图；

图4为根据本发明实施例的阈值设置的流程图；

图5为根据本发明实施例的长相关测度平台及阈值的设置范围框图；

图6为根据本发明优选实施例的OFDM频率偏移联合估计的仿真测试图。

具体实施方式

在本发明实施例中，提供了一种OFDM联合估计方案，该实现方案中，在时域上利用两个长度不同的自相关器对短序列进行相关运算检测峰值，并根据两个自相关器各自估算出的频率偏移值，通过设计的频率偏移取值范围判决器，同时联合估计出小数倍频率偏移和小于3倍整数频率偏移的整数倍频率偏移。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

实施例

根据本发明实施例的一种OFDM频率偏移联合估计方法的主要原理为，通过对接收端的基带数据序列并行进行相关长度分别为D_short和D_long的自相关运算；根据设置的自相关阈值门限检测小点数自相关峰值和大点数自相关峰值；根据小点数自相关峰值计算整数倍频率偏移估计初值，根据大点数自相关峰值计算小数倍频率偏移估计初值；将整数倍频率偏移估算初值和小数倍频率偏移估算初值通过频率偏移取值判决器求出最终准确频率偏移检测结果。

具体地，该方法包括以下步骤：

步骤101、根据接收的基带数据序列设置小点数自相关器的相关长度和大点数自相关器的相关长度；

步骤102、根据小点数自相关器的相关长度和大点数自相关器的相关长度，运算求得小点数自相关器的峰值和大点数自相关器的峰值；

步骤103、根据小点数自相关器的峰值估算整数倍频率偏移初值，根据大点数自相关器的峰值估算小数倍频率偏移初值；

步骤104、根据整数倍频率偏移初值和小数倍频率偏移初值得到频率偏移估计值。

具体地，进行到图1所示的处理(步骤1-步骤7)，其中，图1为根据本发明实施例的OFDM频率偏移联合估计方法的流程图：

步骤1：分别设置小点数自相关运算器的相关长度和大点数自相关运算器的相关长度；

步骤2：通过扫描方式，求取优化的峰值检测器阈值；

步骤3：对基带接收数据序列并行进行小点数和大点数自相关运算；

步骤4：根据设置的小点数自相关阈值门限检测小点数自相关峰值：

步骤5：在检测到小点数自相关峰值的基础上，根据设置的大点数自相关阈值门限检测大点数自相关峰值；

步骤6：根据小点数自相关器计算的峰值估算整数倍频率偏移初值，根据大点数相关器计算的峰值估算小数倍频率偏移初值；

步骤7：将整数倍频率偏移估算初值和小数倍频率偏移估算初值通过频率偏移取值判决器求出最终准确频率偏移检测结果。

在步骤1中，设置小点数自相关运算器的相关长度和大点数自相关运算器的相关长度。

具体为，根据综合考虑系统接收信号频率偏移值的可能范围，设定用于估算整数倍频率偏移初值的小点数自相关运算器的长度，也就是自相关长度为D_short，用于估算小数倍频率偏移初值的大点数自相关器的长度为D_long。

根据

通过以下的实施例中的说明，可以得出， $f_{\mathrm{\Δ}}=[-\frac{32}{D},\frac{32}{D}]$

取值范围： $f_{\mathrm{\Δ}}=\left\{\begin{array}{c}[-\mathrm{2,2}]D=16\\ [-\mathrm{1,1}]D=32\\ [-\mathrm{0.5.0.5}]D=64\\ [-\mathrm{0.4,0.4}]D=80\end{array}\right\}$

容易分析得到，自相关长度取值D越大，则频率偏移估算精度就越高，而估算范围越小；自相关长度取值D越小，则频率偏移估算精度就越低，而估算范围就越大。同时利用较小点数的自相关运算器D_short和较大点数的自相关运算器D_long的两个自相关器可兼顾频率偏移估计精度和频率偏移估计范围两方面的考虑。

D_short选择为16，即是可以估算2倍整数倍频率偏移大小的频率偏移估值。

D_long选择为64，即是可以估算0.5倍频率偏移大小的频率偏移估值。通过并行使用两个自相关器，可以较为准确的估算出[-2.5，2.5]倍频率偏移范围的取值。在实际系统中，小点数长度D_short和大点数长度D_long可根据系统设计需要进行修改，如果在实际宽带通信系统中，可以明确频率偏移值不会超过[-1.5，1.5]倍频率偏移范围，则两个相关器的长度可取为16和32。选择16的整数倍的原因是由于采用上述办法可以使得计算出的频率偏移估值范围是0.5倍频率偏移的整数倍，其数值也可不采用16的整数倍，依据公式(1)依1日可得出频率偏移估计关系。

在步骤2中，通过扫描方式，求取优化的峰值检测器阈值。图4是根据本发明实施例的阈值设置的流程图，如图4所示，所述阈值的求取过程具体包括：

1)、根据小点数自相关和大点数自相关在实际系统中的仿真结果，统计小点数/大点数相关测度平台，而后设定小点数相关阈值粗始值，扫描确定小点数相关精确阈值；再设定大点数相关阈值粗始值，扫描确定大点数相关精确阈值，图5为根据本发明优选实施例的大点数相关测度平台及阈值的设置范围框图，从图5中可以看出，大点数相关阈值设置在40～60之间。以该方式便确定了一个适用于各种多径信道条件的小点数/大点数相关阈值初值。在进行仿真时，需要对宽带通信系统的各种信道、从1～35的信噪比、频率偏移估计范围的所有频率偏移(间隔可选为最大频率偏移的1/20)进行遍历仿真。

2)、以初始点为原点，以其加减15为界进行扫描，估算其峰值检测的均方误差，根据较小均方误差点选择优化的大点数自相关阈值和小点数自相关阈值。

3)、在802.11a浮点算法系统中，将大点数相关阈值设置为50，小点数自相关阈值设置为15；

在步骤3中，对基带接收数据序列并行进行小点数和大点数自相关运算。

根据

$r_n=S_n{e}^{j2\mathrm{\π}{f}_{\mathrm{\Δ}}\mathrm{fn}{T}_s}$

$Z=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}{r}_n{r}_{n+D}^{*}$

其中S_n为发送端的基带信号采样值，f_Δ＝f_tx-t_rx为发送端和接收端的载波频率之差(也即是频率偏移)，T_s为信号的采样时间间隔。根据步骤1设计两个长度分别为D_short和D_long的自相关器，对接收端的基带接收信号r_n进行实时长度为D_short和D_long的自相关运算。

在步骤4中，根据自相关器的相关长度Z获得|Z|，其中|Z|表示Z取模，小点数自相关峰值max(acor_short)为模|Z|大于小点数自相关阈值Thrd_short的相关长度Z，大点数自相关峰值max(acor_long)为模|Z|大于大点数自相关阈值Thrd_long的相关长度Z；

具体为根据设置的小点数自相关阈值门限检测小点数自相关峰值检测器包括：

将峰值测度表达式简化为

简化为实部绝对值与虚部绝对值的和相加：

|Z_short|＝|Re(Z_short)|+|Im(Z_short)|

从而避免了消耗大量硬件资源的乘方和开方运算。

将小点数自相关简化模值测度值与小点数自相关阈值门限Thrd_short作比较。当小点数自相关模值大于小点数自相关阈值，得到小点数自相关峰值

max(acor_short)＝Z_short，{|Z_short|＞Thrd_short}

上述方案中，步骤5中根据设置的大点数自相关阈值门限检测大点数自相关峰值检测器包括：

将峰值测度表达式简化为

简化为实部绝对值与虚部绝对值的和相加：

|Z_long|＝|Re(Z_long)|+Im(Z_long)|

从而避免了消耗大量硬件资源的乘方和开方运算。

将大点数自相关简化模值测度值与大点数自相关阈值门限Thrd_long作比较。当大点数自相关模值大于大点数自相关阈值，得到大点数自相关峰值

max(acor_long)＝Z_long，{|Z_long|＞Thrd_long}

步骤6中根据小点数相关器计算的峰值估算小于3倍整数倍频率偏移频率偏移初值，根据大点数相关器计算的峰值估算小数倍频率偏移初值，具体包括：

根据时域频率偏移估值方法

$Z=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}{r}_n{r^{*}}_{n+D}$

$=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}{S}_n{e}^{j2\mathrm{\π}{f}_{\mathrm{\Δ}}n{T}_s}{\left(S_{n+D}{e}^{j2\mathrm{\π}{f}_{\mathrm{\Δ}}(n+D)T_s}\right)}^{*}$

$=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}{S}_n{S_{n+D}}^{*}{e}^{j2\mathrm{\π}{f}_{\mathrm{\Δ}}n{T}_s}{e}^{-j2\mathrm{\π}{f}_{\mathrm{\Δ}}(n+D)T_s}$

$=e^{-j2\mathrm{\π}{f}_{\mathrm{\Δ}}D{T}_s}\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}{S}_n{S_{n+D}}^{*}$

由于s_n存在周期性，即s_n＝s_n+D，所以s_ns_n+D ^*＝|s_n|²(对，含义相同)

因此得到：

频率偏移的估计值为

$f_{\mathrm{\Δ}}=-\frac{1}{2\mathrm{\πD}{T}_s}\arctan \left(\max \left(z\right)\right)$

通过反正切运算计算小数倍频率偏移初值频率偏移和整数倍频率偏移初值频率偏移：

$f_{\mathrm{int}}=-\frac{1}{2\mathrm{\π}{D}_{\mathrm{short}}{T}_s}\arctan \left(\max \left({\mathrm{acor}}_{\mathrm{short}}\right)\right)$

$f_{\mathrm{frac}}=\frac{1}{2\mathrm{\π}{D}_{\mathrm{long}}{T}_s}\arctan \left(\max \left({\mathrm{acor}}_{\mathrm{long}}\right)\right)$

上述方案中，步骤7中将整数倍频率偏移初值频率偏移和小数倍频率偏移初值频率偏移通过频率偏移取值判决器求出最终准确频率偏移检测结果。

$T_s=\frac{1}{f_s}=\frac{1}{64\·\mathrm{\Δf}},\mathrm{\θ}=\arctan \left(x\right)$

$\⇒0\∈[-\mathrm{\π},\mathrm{\π}]\⇒\left[\begin{array}{cc}{f}_{\mathrm{foc}}\∈[-\mathrm{0.5,0.5}]\·\mathrm{\Δf}& D_{\mathrm{short}}64\\ f_{\mathrm{int}}\∈[-\mathrm{2,2}]\·\mathrm{\Δf}& D_{\mathrm{long}}=16\end{array}\right]$

由于对某些取值点，如f_foc＝1.6，则f_frac＜0，f_int＞2·Δf，简单的将f_foc＝f_frac+f_int将导致频率偏移检测值的错误，因而，需要根据f_frac，f_int的取值情况，设计一个相应的频率偏移取值判决器，从而求出准确的频率偏移检测结果。

在小点数自相关器相关长度D_shoft＝16和大点数自相关器相关长度D_long＝64的条件下，频率检测估计的范围将是在[-2.5，2.5]倍频率倍数的条件下，将最终的频率偏移取值分为下述5种类型，即：

$f_{\mathrm{all}\_\mathrm{foc}}=f_{\mathrm{frac}},\left\{\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\&Element;[-{\mathrm{\&alpha;}}_1,{\mathrm{\&alpha;}}_2]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\&Element;[-{\mathrm{\&alpha;}}_2,{\mathrm{\&alpha;}}_1]\end{array}\right.$

$f_{\mathrm{all}\_\mathrm{foc}}=f_{\mathrm{frac}}+f_{\mathrm{\&Delta;}},\left\{\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\&Element;[{\mathrm{\&alpha;}}_2,{\mathrm{\&alpha;}}_4]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\&Element;[{\mathrm{\&alpha;}}_1,{\mathrm{\&alpha;}}_3]\end{array}\right.$

$f_{\mathrm{all}\_\mathrm{foc}}=f_{\mathrm{frac}}-f_{\mathrm{\&Delta;}},\left\{\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\&Element;[-{\mathrm{\&alpha;}}_3,-{\mathrm{\&alpha;}}_1]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\&Element;[-{\mathrm{\&alpha;}}_4,-{\mathrm{\&alpha;}}_2]\end{array}\right.$

$f_{\mathrm{all}\_\mathrm{foc}}=f_{\mathrm{frac}}+2\&times;f_{\mathrm{\&Delta;}},\left\{\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\&Element;[{\mathrm{\&alpha;}}_4,+)\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\&Element;[{\mathrm{\&alpha;}}_3,+)\end{array}\right.$

<math> <mrow> <msub> <mi>f</mi> <mrow> <mi>all</mi> <mo>_</mo> <mi>foc</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>f</mi> <mi>frac</mi> </msub> <mo>-</mo> <mn>2</mn> <mo>&amp;times;</mo> <msub> <mi>f</mi> <mi>&amp;Delta;</mi> </msub> <mo>,</mo> <mfenced open='{' close=''> <mtable> <mtr> <mtd> <msub> <mi>f</mi> <mi>frac</mi> </msub> <mo>></mo> <mn>0</mn> <mo>,</mo> <msub> <mi>f</mi> <mi>int</mi> </msub> <mo>&amp;Element;</mo> <mo>(</mo> <mo>-</mo> <mo>,</mo> <mo>-</mo> <msub> <mi>&amp;alpha;</mi> <mn>4</mn> </msub> <mo>]</mo> </mtd> </mtr> <mtr> <mtd> <msub> <mi>f</mi> <mi>frac</mi> </msub> <mtext>&lt;0,</mtext> <msub> <mi>f</mi> <mi>int</mi> </msub> <mo>&amp;Element;</mo> <mo>(</mo> <mo>-</mo> <mo>,</mo> <mo>-</mo> <msub> <mi>&amp;alpha;</mi> <mn>3</mn> </msub> <mo>]</mo> </mtd> </mtr> </mtable> </mfenced> </mrow> </math>

将a₁ a₂ a₃ a₄ 的取值分别设置为

α₁∈[0.2，0.3]，α₂＝[0.7，0.8]，α₃＝[1.2，1.3]，α₄＝[1.7，1.8]，优选地，可以设置为α₁＝0.25，α₂＝0.75，α₃＝1.25，α₄＝1.75

设置方法可以是根据多次扫描伪真测试求得的该优化值，

可以在实际系统中，如将a₁ a₂ a₃ a₄的取值变换为

α₁＝0.3，α₂＝0.7，α₃＝1.3，α₄＝1.7，在实际系统中也可得到较为准确的结果，可根据实际系统仿真测试进行相应的微调变换变化(变换值通常不超过±0.5)。

在实际系统中也可得到较为准确的结果，可根据实际系统仿真调试进行相应的微调变换变化(变换值通常不超过±0.5)。

本发明一优选实施例中，选取OFDM传输系统IEEE 802.11a无线局域网系统为系统，进行说明。图2为根据本发明优选实施例的序列的对应关系图，如图2所示，其表示了传统的频率同步机制和快速联合频率同步机制在内接收机中的信号处理时序关系，其中传统的频率同步机制粗频率偏移估计(整数倍频率偏移初值频率偏移)和细频率偏移(小数倍频率偏移初值频率偏移)估计顺序执行，粗频率偏移补偿和细频率偏移补偿也顺序执行。从图2中可以看出，在这种关系下，传统的处理策略和方式硬件开销大，延时长。而本发明提出的快速联合频率同步机制，则实现小数倍和整数频率偏移的并行联合估计，频率偏移估计和频率偏移补偿分别仅执行一次，从而降低硬件开销和运算延时。

本发明优选实施例的OFDM传输系统IEEE802.11a系统包含64个子载波，子载波间隔为312.5KHz。802.11a前导序列结构包括10个重复的短训练序列及2个重复的长训练序列。每个短训练序列的长度为16个样值点，持续时间为0.8微秒。每个长训练序列的长度为64个样值点，持续时间为3.2微秒。第一个长训练序列之前有长度为32个样值点的保护间隔，持续时间为1.6微秒。因此802.11a的前导序列共有320个样值点，总持续时间为16微秒。

本发明的优选实施例中，利用802.11a前导序列中的160个短训练序列来实现小数倍频率偏移和整数倍频率偏移的联合估计。图3为根据本发明优选实施例的OFDM频率偏移联合估计方法的框图，具体实现方法如图3所示，步骤如下：

首先，设置小点数自相关器的相关长度D_short＝16，设置大点数自相关器的相关长度D_long＝64，其次，设置小点数自相关阈值为15，大点数自相关阈值为50；

再次，将接收到的基带训练序列经D_short＝16和D_long＝64的自相关器进行实时相关运算；

$Z_n=\underset{k=0}{\overset{L-1}{\mathrm{\&Sigma;}}}{r}_{n+k}{r^{*}}_{n+k+D}$

而后，峰值联合检测单元的峰值联合判决器检测小点数相关器的相关峰值，即将小点数自相关简化模值

|Z_short|＝|Re(Z_short)|+|Im(Z_short)|

再与小点数自相关阈值门限Thrd_short作比较。当小点数自相关模值大于小数自相关阈值，得到小点数自相关峰值

max(αcor_short)＝Z_short，{|Z_short|＞Thrd_short}

然后，检测大点数相关器的相关峰值，即将大点数自相关的化模值

|Z_long|＝Re(Z_long)|+|Im(Z_long)|

再与大点数自相关阀值门限Thrd_short作比较。当大点数自相关模值大于大点数自相关阀值，并且小点数自相关峰值估计器已经捕获到小点数自相关峰值，则得到大点数自相关峰值

max(acor_long)＝Z_long，{|Z_long|＞Thrd_long}

而后，通过反正切运算计算小数倍频率偏移初值，也就是小数倍频率偏移估计初值和整数倍频率偏移值，也就是整数倍频率偏移估计初值；

$f_{\mathrm{int}}=-\frac{1}{2\mathrm{\&pi;}{D}_{\mathrm{short}}{T}_s}\arctan \left(\max \left({\mathrm{acor}}_{\mathrm{short}}\right)\right)$

$f_{\mathrm{frac}}=-\frac{1}{2\mathrm{\&pi;}{D}_{\mathrm{long}}{T}_s}\arctan \left(\max \left({a\cot }_{\mathrm{long}}\right)\right)$

最后，将a₁ a₂ a₃ a₄的取值分别设置为

α₁＝0.25，α₂＝0.75，α₃＝1.25，α₄＝1.75，根据频率偏移联合计算单元中的频率偏移取值判决器，

$f_{\mathrm{all}\_\mathrm{foc}}=\left\{\begin{array}{c}{f}_{\mathrm{frac}},\left\{\begin{array}{cc}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}& \&Element;[-{\mathrm{\&alpha;}}_1,{\mathrm{\&alpha;}}_2]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}& \&Element;[-{\mathrm{\&alpha;}}_3,{\mathrm{\&alpha;}}_1]\end{array}\right.\\ f_{\mathrm{frac}}+f_{\mathrm{\&Delta;}},\left\{\begin{array}{cc}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}& \&Element;[{\mathrm{\&alpha;}}_2,{\mathrm{\&alpha;}}_4]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}& \&Element;[{\mathrm{\&alpha;}}_1,{\mathrm{\&alpha;}}_3]\end{array}\right.\\ f_{\mathrm{frac}}-f_{\mathrm{\&Delta;}},\begin{array}{cc}\left\{\begin{array}{cc}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}& \&Element;[-{\mathrm{\&alpha;}}_3,{\mathrm{\&alpha;}}_1]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}& \&Element;[-{\mathrm{\&alpha;}}_4,-{\mathrm{\&alpha;}}_2]\end{array}\right.& \end{array}\\ f_{\mathrm{frac}}+2\&times;f_{\mathrm{\&Delta;}},\left\{\begin{array}{cc}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}& \&Element;[{\mathrm{\&alpha;}}_4,+)\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}& \&Element;[{\mathrm{\&alpha;}}_3,+)\end{array}\right.\\ f_{\mathrm{frac}}-2\&times;f_{\mathrm{\&Delta;}},\left\{\begin{array}{cc}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}& \&Element;(-,-{\mathrm{\&alpha;}}_4]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}& \&Element;(-,-{\mathrm{\&alpha;}}_3]\end{array}\right.\end{array}\right.$

得到准确的频率偏移估计值。

图6为根据本发明优选实施例的OFDM频率偏移联合估计的仿真测试图。在信噪比为20的条件下，在IEEE多路通道A/F中进行的频率偏移从-800kHz到800kHz的均方误差(MSE)扫描分析，从图中可以看出，该方法在TGNchan-A条件下和在TGN chan-C条件下，均方误差如图所示，也即是在两种典型的WLAN信道环境下，其均方误差均低于10^-2。完全满足WLAN系统设计要求。

综上所述，通过本发明的上述实施例，提供的OFDM频率偏移联合估计方法方案，解决了目前的技术中存在的频率偏移估计的结果不准确，误差较大的问题。

从上述技术方案可以看出，本发明具有以下有益效果：

1、本发明提供的这种可用于OFDM传输系统的小数倍频率偏移和整数倍频率偏移的时域联舍估计方法，在进行整数倍频率偏移的估计时不需要精确的符号细同步结果，解决了传统的同步算法中整数倍频率偏移估计和符号细同步不准确相互影响的矛盾。在不需要进行符号细同步的情况下本方法仍然能够准确的估计出整数倍频率偏移和小数倍频率偏移，从而能够同时估计出小数倍频率偏移和整数倍频率偏移值，并进而实现小数倍频率偏移和整数倍频率偏移的联合补偿。

2、本发明提供的这种可用于OFDM传输系统的整数倍频率偏移和小数倍频率偏移的联合估计结果，能够同时得到整数倍频率偏移及符号细同步的估计结果，减小了频率偏移估计的复杂度，降低了硬件开销。

3、本发明提供的这种可用于OF′DM传输系统的小数倍频率偏移和整数倍频率偏移的时域联合估计方法，在同样的信噪比条件下，有效提高了频率偏移的估计精度。

4、本发明提供的这种可用于OFDM传输系统的小数倍频率偏移和整数倍频率偏移的时域联合估计方法，可以在时域上通过对训练序列进行相关运算同时估算出小数倍频率偏移和整数倍频率偏移取值，并实现小数倍频率偏移和整数倍频率偏移的同时补偿，从而避免在时域上进行小数倍频率偏移估计，在频域上进行整数倍频率偏移估计，减小了因运算频率偏移估计和分别进行频率偏移补偿而带来的系统延时长度的增加。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所迷仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (2)

1.一种正交频分复用OFDM频率偏移联合估计方法，其特征在于，所述方法包括：

步骤1、根据接收的基带数据序列设置小点数自相关器的相关长度和大点数自相关器的相关长度；

步骤2、根据所述小点数自相关器的相关长度和大点数自相关器的相关长度，运算求得接收的基带数据序列的小点数自相关器的峰值和大点数自相关器的峰值；

步骤3、利用公式(1)、(2)对接收的基带数据序列进行小点数自相关运算和大点数自相关运算，

$r_n=s_n{e}^{j2\mathrm{\&pi;}{f}_{\mathrm{\&Delta;}}{\mathrm{nT}}_s}---\left(1\right)$

$Z=\underset{n=0}{\overset{L-1}{\mathrm{\&Sigma;}}}{r}_n{r}_{n+D}^{*}---\left(2\right)$

其中，S_n为发送端的基带信号采样值，f_Δ＝f_tx-f_rx为发送端和接收端的载波频率之差，T_s为信号的采样时间间隔，r_n为接收端的基带接收信号，D为小点数自相关器的相关长度或大点数自相关器的相关长度，Z为自相关器的相关长度；

根据自相关器的相关长度Z获得|Z|，其中|Z|表示Z取模，小点数自相关峰值max(acor_short)为模|Z|大于小点数自相关阈值Thrd_short的相关长度Z，大点数自相关峰值max(acor_long)为模|Z|大于大点数自相关阈值Thrd_long的相关长度Z；

根据小点数自相关峰值max(acor_short)获得整数倍频率偏移初值f_int，根据大点数自相关峰值max(acor_long)获得小数倍频率偏移初值f_frac；所述整数倍频率偏移初值f_int通过 $f_{\mathrm{int}}=-\frac{1}{2\mathrm{\&pi;}{D}_{\mathrm{short}}{T}_s}\arctan \left(\max \left({\mathrm{acor}}_{\mathrm{short}}\right)\right),$ 所述小数倍频率偏移初值f_frac通过 $f_{\mathrm{frac}}=-\frac{1}{2\mathrm{\&pi;}{D}_{\mathrm{long}}{T}_s}\arctan \left(\max \left({\mathrm{acor}}_{\mathrm{long}}\right)\right);$ 其中，T_s为信号的采样时间间隔，D_short为小点数自相关器的相关长度，D_long为大点数自相关器的相关长度；

步骤4、根据所述整数倍频率偏移初值和所述小数倍频率偏移初值得到最终的频率偏移估计值。

2.根据权利要求1所述的方法，其特征在于，所述步骤2具体包括：

步骤21、根据所述小点数自相关器的相关长度和所述大点数自相关器的相关长度获取小点数相关阈值初值和大点数相关阈值初值；

步骤22、根据所述小点数自相关器的相关运算计算值与所述小点数相关阈值初值比较，求得小点数自相关器峰值；

步骤23、根据所述大点数自相关器的相关运算计算值与所述大点数相关阈值初值比较，求得大点数自相关器峰值。

Images