CN101895500B - 一种抵抗频偏及多径环境的符号定时方法 - Google Patents

Abstract

本发明公开了一种抵抗频偏及多径环境的符号定时方法，在采样时钟偏差得到纠正的情况下，该方法可以获得较好的性能，具有更好的准确性。该方法可以在抵抗大频偏的基础上，在白噪声环境下实现准确定时，在多径环境下实现强径定时。利用本方法的定时结果，可以减小通信系统因为定时错误带来的通信性能下降。本方法中使用的两个步骤均可独立用于实现信号定时，但两者的结合可实现更好的效果。另一方面，由于在该方法实现中，两个判决信号得出波形的最高值位置是完全对应的，同时，两个判决信号的生成原理是一致的，这就使得在具体实现时，该方法具有可以极大地节省硬件开销的优势。

Description

一种抵抗频偏及多径环境的符号定时方法

技术领域

本发明涉及无线通信技术领域，具体地，涉及一种信号的定时、跟踪方法。

技术背景

同步定时技术是通信系统的关键，也是通信系统正常运行的前提。有效地符号定时，可以用于确定符号的实际位置，从而正确的提取数据符号；可以用于帮助网络定时，从而实现基于物理层的精确网络同步；在利用频域均衡的系统中，还可以用于确定FFT起始窗位置，保证信道估计的顺利进行。

在时域均衡系统中，利用匹配滤波器消除了信道的影响，定时的主要作用是确定符号的实际位置，即寻找有效数据段的开始。定时的主要要求是在噪声下能够精确地定时位置。

在频域均衡系统中，比如OFDM或者SC-FDE系统中，为了抵抗多径，都在信号中加入循环前缀。当多径的每一径落在信号的循环前缀内时，由于FFT的圆周卷积性质，每一径的延时在频域上相当于一个频率分量，多径叠加时由于相位差距造成频域上的选择性衰落。由于对于每一个频域采样点而言，其带宽很窄，完全可以视为平衰落，从而可以通过简单的频域补偿纠正。如果选择结果使得有一能量较强的路径落在循环前缀之外，FFT之后将引入较大干扰，造成性能的急剧下降。一个有效地选择是使得FFT窗口的起始位置尽量将强能量径放在循环前缀之内。此时定时的主要要求是在多径下能够较准确的找到最强径定时位置。

传统的定时方法，利用数据符号相关性的方法可以表现出不错的性能。利用数据符号的自相关性和互相关性，可以实现精确定时。

一种经典的符号定时方法：Schmidl & Cox法。它利用发送时符号的自相关性，经过计算产生平台，从而达到信号的检测作用。该方法简单有效，特别适合针对OFDM的宽带系统。利用该方法做定时跟踪，在如OFDM之类能允许少量定时偏差的系统中能起到不错的效果。但是在多径或者噪声较低的环境下，Schmidl & Cox法的平台带来了问题。判断平台最高点或者平台转折点都有一定概率检测到循环前缀之外，造成同步错误。

对于需要精确定时的系统，基于pn码实行互相关计算，产生峰值的同步方法可以实现准确的定时，并能有效的得到多径扩展，但是无法抵抗较大频偏是pn码检测的难题。

发明内容

本发明的目的在于针对现有技术的不足，提供了一种抵抗频偏及多径环境的符号定时方法。

本发明的目的是通过以下技术方案来实现的：一种抵抗频偏及多径环境的符号定时方法，该方法包括发送端步骤和接收端步骤。其中，

所述发送端步骤具体为：

(1)准备好同步字序列和本地特征序列B：同步字序列可以是由0、1组成的伪随机序列，也可以是由频域上的伪随机序列经ifft变换(逆快速傅立叶变换)后得到；本地的特征序列B，其元素为非负的多值随机实数。其中每个元素为同步字序列对应元素的幅度的平方。序列的长度L和使用本方法系统希望抵抗的衰落有关，一般地，L可以取值64，用以得到30dB以上的增益。

(2)确定时间间隔N：同步字序列将以时间间隔N插入信号，N越小则跟踪性能越好，但造成系统效率降低。假设系统的数据发送速率为f，一般地，为了保证系统效率，建议取值L/(Nf)＜5％。

(3)根据时间间隔N，在发送数据流中插入同步字序列。

所述接收端步骤具体为：

(1)对空中信号采样，得到接收信号：

r(k)＝y(kT_sample)，

其中，k表示采样的时间点，T_sample表示采样时钟。

y(t)表示接收端收到的空中模拟信号。

r(k)表示利用采样时钟得到数字信号。

对于r(k)，系统将其送入数据缓存，用于之后的符号定时功能。

(2)对接收信号做延时自相关，得到第一判决信号J1(k)：

$J1\left(k\right)=\underset{m=k-L+1}{\overset{k}{\mathrm{\Σ}}}r\left(m\right)r^{*}(m-N)$

其中，L为同步字序列长度，N为训练字间隔。J1(k)表示第一判决信号，k表示当前时间点；

其中，r^*表示对接收信号的共轭计算。

m表示用于计算的数据的时间点。这说明，实际操作时，每个时刻系统都取出数据缓存内的前L个数据，和N时间间隔之前的缓存数据共轭相乘，并计算出这些积的和值。

(3)利用第一判决信号和能量门限Threshold比较确定同步字序列到达；

一般地，取

$\mathrm{Threshold}=\frac{1}{1+{(1/\mathrm{SNR})}^2}$

其中SNR为系统希望抵抗的信噪比大小。

当系统为突发系统时，可以用该方法确定序列字到达：比如，当L取值64，Threshold取值0.75时，连续10个采样点内有J1(k)＞Threshold则认为序列字到达。

当系统为连续系统，并已经处于跟踪状态时，可以将上一次的定时结果加上时间间隔N，大致确定本次序列字的到达时间。

(4)当判决信号到达时利用第一判决信号进行第一次符号位置判决。

判决依据为：

$T1=\underset{k\∈\{J1\left(k\right)>\mathrm{Threshold}\}}{\arg \max }\left(\mathrm{abs}\left(J1\left(k\right)\right)\right)$

T1表示利用第一判决信号得到的定时点。

abs(J1(k))表示对J1(k)信号取模值。argmax表示对所有满足条件J1(k)＞Threshold的k值，寻找abs(J1(k))的最大值，并将该k作为结果提供给T1。

(5)在第一次判决的基础上，再对延时自相关的结果做与本地特征序列B的互相关得到第二判决信号J2(k)：

$J2\left(k\right)=\underset{m=k-L+1}{\overset{k}{\mathrm{\Σ}}}r\left(m\right)r^{*}(m-N)B(m-k+L)$

其中L为同步字序列长度，N为训练字间隔。B表示本地特征序列，B(1)，B(2)，...，B(L)分别表示该序列的L个元素。J2(k)表示第二判决信号，k表示当前时间点。m表示用于计算的数据的时间点。

(6)利用第二判决信号在第一次的判决结果T1的基础上进行第二次估计：首先，求取范围内第二判决信号的最大值位置Tm：

$\mathrm{Tm}=\underset{k\∈[T1-\mathrm{Tx},T1+\mathrm{Tx}]}{\arg \max }\left(\mathrm{abs}\left(J2\left(k\right)\right)\right)$

其中，argmax和第(4)步中的意义一致。

然后，求取范围内的能量累计J2_sum。

J2_sum＝sum(abs(J2(k)))，k∈[T1-Tx，T1+Tx]

其中，sum表示求和操作。

Tx为对求和范围所作的限制，取值为系统所使用环境中，最大的信道延迟时间(按照T_sample归一化)。

最后，利用两者的比值(峰均比)确认该峰值的有效性。

$T2=\left\{\begin{array}{cc}\mathrm{Tm},& \mathrm{Tm}/J2\_\mathrm{sum}>\mathrm{Th}\\ T1,& \mathrm{others}\end{array}\right.$

其中，Th为峰均比门限，应该根据实际的应用环境而定。Th的一个参考值为：取1.18为宜。

(7)所得T2即为最终定时结果，利用该结果，可以得知在采样点T2处的数据为信号开始位置。在数据缓存内，找到对应时间T2的采样数据r(T2)。系统从该数据开始从缓存中取数据，并向后续的处理模块提供如下数据流：

r(T2)、r(T2+1)、r(T2+2)、......

该数据流为经过符号定时的数据，利用通信系统的后续处理模块(均衡、解码等)，可以从该数据流中得到来自发送端的正确业务信息。

本发明的有益效果是，本发明抵抗频偏及多径环境的符号定时方法，和现有技术相比具有更好的准确性；在采样时钟没有偏差的情况下，该方法可以获得较好的性能。具体体现在该方法可以在抵抗大频偏的基础上，在白噪声环境下实现准确定时，在多径环境下实现最强径定时。利用本方法的定时结果，基于时域均衡原理的通信系统，可以准确地发现符号实际位置，使得通信过程得以顺利实现；基于频域均衡原理的通信系统，在白噪信道情况下，可以准确的发现唯一路径；在实际的无线环境中，即多径环境下，可以较准确地发现强路径，这使得整个通信系统能够以大概率避免因为同步步骤失效而引入的巨大干扰，提高了通信系统的传输质量。

附图说明

图1是系统结构图；

图2是本发明的流程图；

图3是在理想情况下，各种方法的判决信号波形图；其中，(a)是Schmidl& Cox方法的判决信号图；(b)是本方法的第一判决信号图；(c)是本方法的第二判决信号图；

图4是在信噪比为0dB的AWGN信道情况下，各方法利用各自的判决信号，寻找最大值的判决结果概率分布图；其纵坐标表示了分布概率％；其中，(a)是Schmidl & Cox方法的判决结果；(b)是利用本方法第一判决信号的判决结果；(c)是在(b)的结果下，利用本方法第二判决信号再次判决的结果；

图5是在信噪比为0dB的多径信道情况下，各方法利用各自的判决信号，寻找最大值的判决结果概率分布图；其纵坐标表示了分布概率％；其中，(a)是Schmidl & Cox方法的判决结果；(b)是利用本方法第一判决信号的判决结果；(c)是在(b)的结果下，利用本方法第二判决信号再次判决的结果；(d)是对(c)的放大分析。

具体实施方式

利用本方法的两个步骤均可独立实现信号定时，但两者的结合可实现更好的效果。另一方面，由于在本方法中，两个判决信号得出波形的最高值位置是完全对应的，同时，两个判决信号的生成原理是一致的，这就使得在具体实现时，本方法具有可以极大地节省硬件开销的优势。

本方法分别利用了同步字的重复性和数据自相关性，生成了方法的第一判决信号和第二判决信号。根据概率论原理，空中干扰噪声、以及发送的随机数据，它们满足和符号同步字的一样特性的概率非常之低，因此前后数据相关以及和本地特征序列相关的结果几乎等于零，从而能够很好的和发送信号中的同步字区分开来。

以第一判决信号为例，它要求信号满足：连续L点(L为同步字序列长度)当前数据采样信号和相隔N点的已采样信号的相位差彼此接近。这对于基于白噪声假设的AWGN信号是几乎不可能实现的。

再以第二判决信号为例，它利用了同步字的伪随机特性，该特性使得同步字具有良好的自相关性。本地的特征序列B，其元素为非负的多值随机实数。其中每个元素预设为同步字序列对应元素的幅度的平方。序列B就是为了利用同步字序列的相关性，事先在本地生成的特征序列。利用序列B，可以进一步筛选噪声的影响，从而实现精确的定时。

考虑到为了系统的简单性，通过适当的选取序列B，或者适当的优化，互相关计算实际上可以大大化简。比如，使用0，1伪随机序列可以省略掉许多相乘计算。

考虑到系统的鲁棒性，在噪声以及多径环境的影响下，基于幅值相关性的第二判决信号有一定概率被干扰，使得峰值被湮灭。优选的，为了保证系统定时的稳定度，对第二次的定时进行一系列限制以防止错误扩散：包括以第一判决为基准和对锋均比的判决。以上设计保证了定时结果的精确性和稳定性，从而保证了通信系统更有利的恢复信号，提高系统的接收性能。

综上，具体的实施方法，根据所用设备在通信系统中作为信号发送端还是信号接收端不同，分别阐述如下。

在发送端：

(1)准备好同步字序列和本地特征序列B。

其中，同步字序列可以是由0、1组成的伪随机序列(pn)，也可以是由频域上的伪随机序列经ifft变换后得到。根据具体应用确定同步字长度L。L的长度越长则效果越好但造成系统效率降低。

本地的特征序列B，其元素为非负的多值随机实数。其中每个元素为同步字序列对应元素的幅度的平方。

(2)确定时间间隔N。

同步字序列将以时间间隔N插入信号，N越小则跟踪性能越好，但造成系统效率降低。

(3)根据时间间隔N，在发送数据流中插入同步字序列。

接收端：

(1)对空中信号采样，得到接收信号

r(k)＝y(kT_sample)，

其中，k表示采样的时间点，T_sample表示采样时钟。

y(t)表示接收端收到的空中模拟信号。

r(k)表示利用采样时钟得到数字信号。

对于r(k)，系统将其送入数据缓存，用于之后的符号定时功能。

(2)对接收信号做延时自相关，得到第一判决信号。其计算方法如下，实现结构可参照图1。

$J1\left(k\right)=\underset{m=k-L+1}{\overset{k}{\mathrm{\Σ}}}r\left(m\right)r^{*}(m-N)$

其中L为同步字序列长度，N为训练字间隔。J1(k)表示第一判决信号，k表示当前时间点。

J1(k)的结算结果如图3(b)所示，相较于原Schmidl & Cox方法图3(a)中的计算结果，其具有更明确的相关峰值。

(3)利用第一判决信号和能量门限Threshold比较确定信号达到。

其中Threshold为所做的能量门限，用于区分该三角波和底噪。只有当第一判决信号连续大于Threshold一定点数时，才能认为信号到达，开始后续过程。

(4)当判决信号到达时利用第一判决信号进行第一次位置判决。

判决依据为：

$T1=\underset{k\∈\{J1\left(k\right)>\mathrm{Threshold}\}}{\arg \max }\left(\mathrm{abs}\left(J1\left(k\right)\right)\right)$

T1表示利用第一判决信号得到的定时点。

(5)在第一次判决的基础上，再对延时自相关的结果做与本地特征序列B的互相关得到第二判决信号，其计算方法如下，实现结构可参照图1。

$J2\left(k\right)=\underset{m=k-L+1}{\overset{k}{\mathrm{\Σ}}}r\left(m\right)r^{*}(m-N)B(m-k+L)$

其中L为同步字序列长度，N为训练字间隔。B表示本地特征序列，B(1)，B(2)，...，B(L)分别表示该序列的L个元素。J2(k)表示第二判决信号，k表示当前时间点。

其波形如图3(c)，在定时准确点存在尖锐的相关峰值，具有良好的指示作用。从公式中可以看出，由于方法中的判决信号的J1、J2均采用前后相关的计算模式，可以起到抵抗频偏的效果。

(6)利用第二判决信号在第一次的判决结果T1的基础上进行第二次估计：

首先，求取范围内第二判决信号的最大值位置Tm。为了防止错误扩散，对J2的峰值求取做一个位置限定，使其不能超过T1±Tx。Tx的取值一般认为选取信道的最长延时为宜。由于该参数实际上是不可预知的，所以选用使用环境下的信道最大延时期望即可。

$\mathrm{Tm}=\underset{k\∈[T1-\mathrm{Tx},T1+\mathrm{Tx}]}{\arg \max }\left(\mathrm{abs}\left(J2\left(k\right)\right)\right)$

然后，求取范围内的能量累计。

J2_sum＝sum(abs(J2(k)))，k∈[T1-Tx，T1+Tx]

最后，利用两者的比值(峰均比)确认该峰值的有效性。

$T2=\left\{\begin{array}{cc}\mathrm{Tm},& \mathrm{Tm}/J2\_\mathrm{sum}>\mathrm{Th}\\ T1,& \mathrm{others}\end{array}\right.$

其中，峰均比门限的Th的取值和所用序列的情况有关，可以根据实际仿真确定一个较理想的数值。

(7)所得T2即为最终定时结果。

利用该结果，可以得知在采样点T2处的数据为信号开始位置。

系统以此位置的数据为开始，进入后续流程处理。由于实现了准确定时，系统可以准确地进行数据恢复。

根据以上步骤，可有效提高符号定点的准确率。如图4(a)，表示了AWGN信道，OdB下利用Schmidl & Cox方法寻找最大值的判决结果概率分布。图中横坐标第100点为循环前缀的开头，循环前缀长度60点。即[100，160]为定时正确范围，可见有将近10％的定时位置错误，并且定时位置基本以相同概率分散在区间内。如图4(b)，表示了AWGN信道，OdB下，利用本方法第一判决信号寻找最大值的判决结果概率分布，图中第100点表示准确位置，即[-70，130]为正确区间，可见没有定时错误。并且以大概率集中在100点附近。如图4(c)，表示了AWGN信道，OdB下，利用本方法第二判决信号寻找最大值的判决结果概率分布，图中第100点表示准确位置，即[-70，130]为正确区间。可见即使在低信噪比下，仍旧能以100％概率得到正确位置。

如图5(a)表示了多径信道(仿真的多径模型为6径瑞丽衰落模型，延时分别为[0 2 5 16 23 30])，OdB下，利用Schmidl & Cox方法寻找最大值的判决结果概率分布。可见原始方法仍旧存在较多错误。图5(b)表示了多径信道，OdB下，利用本方法第一判决信号寻找最大值的判决结果概率分布。可见，相较于原方法的完全混乱，本方法提高了很多可靠度，并且基本没有错误。图5(c)表示了多径信道，OdB下，利用本方法第二判决信号寻找最大值的判决结果概率分布，从结果上看，除了选择主径的概率上升外，分散度和图1b的并没有太大差别。不过查看图5(d)，可见其定点以80％以上的概率符合设定的多径延时，也就是说，第二判决信号是能反应多径情况的。因此，结合多径情况，可以将算法改进，使得最终FFT窗口的起始位置能够尽量将强能量径放在循环前缀之内。

Claims (1)

1.一种抵抗频偏及多径环境的符号定时方法，其特征在于，该方法包括发送端步骤和接收端步骤；其中，

所述发送端步骤具体为：

(1)准备好同步字序列和本地特征序列B：同步字序列是由0、1组成的伪随机序列或者由频域上的伪随机序列经ifft变换后得到，所述ifft变换为逆快速傅立叶变换；本地的特征序列B，其元素为非负的多值随机实数；其中每个元素为同步字序列对应元素的幅度的平方；序列的长度L和使用本方法系统希望抵抗的衰落有关，L取值64，用以得到30dB以上的增益；

(2)确定时间间隔N：同步字序列将以时间间隔N插入信号，N越小则跟踪性能越好，但造成系统效率降低；假设系统的数据发送速率为f，为了保证系统效率，取值L/(Nf)＜5％；

(3)根据时间间隔N，在发送数据流中插入同步字序列；

所述接收端步骤具体为：

(1)对空中信号采样，得到接收信号：

r(k)＝y(kT_sample)，

其中，k表示采样的时间点，T_sample表示采样时钟；

y(kT_sample)表示接收端收到的空中模拟信号；

r(k)表示利用采样时钟得到数字信号；

对于r(k)，系统将其送入数据缓存，用于之后的符号定时功能；

(2)对接收信号做延时自相关，得到第一判决信号J1(k)：

$J1\left(k\right)=\underset{m=k-L+1}{\overset{k}{\mathrm{\Σ}}}r\left(m\right)r^{*}(m-N),$

其中，L为同步字序列长度，N为训练字间隔；J1(k)表示第一判决信号，k表示当前时间点；

其中，r^*表示对接收信号的共轭计算；

∑表示求和运算；

m表示用于计算的数据的时间点；

(3)利用第一判决信号和能量门限Threshold比较确定同步字序列到达；

取：

$\mathrm{Threshold}=\frac{1}{1+{(1/\mathrm{SNR})}^2};$

其中SNR为系统希望抵抗的信噪比大小；

当系统为突发系统时，用该方法确定序列字到达：当L取值64，Threshold取值0.75时，连续10个采样点内有J1(k)＞Threshold则认为序列字到达；

当系统为连续系统，并已经处于跟踪状态时，将上一次的定时结果加上时间间隔N，确定本次序列字的到达时间；

(4)当判决信号到达时利用第一判决信号进行第一次符号位置判决；

判决依据为：

$T1=\underset{k\∈\{J1\left(k\right)>\mathrm{Threshold}\}}{\arg \max }\left(\mathrm{abs}\left(J1\left(k\right)\right)\right),$

T1表示利用第一判决信号得到的定时点；

abs(J1(k))表示对J1(k)信号取模值；argmax表示对所有满足条件J1(k)＞Threshold的k值，寻找abs(J1(k))的最大值，并将该k值作为结果提供给T1；

(5)在第一次判决的基础上，再对延时自相关的结果做与本地特征序列B的互相关得到第二判决信号J2(k)：

$J2\left(k\right)=\underset{m=k-L+1}{\overset{k}{\mathrm{\Σ}}}r\left(m\right)r^{*}(m-N)B(m-k+L),$

其中L为同步字序列长度，N为训练字间隔；B表示本地特征序列，B(1)，B(2)，...，B(L)分别表示该序列的L个元素；J2(k)表示第二判决信号，k表示当前时间点；

其中，r^*表示对接收信号的共轭计算；

∑表示求和运算；

m表示用于计算的数据的时间点；

(6)利用第二判决信号在第一次的判决结果T1的基础上进行第二次估计：

首先，求取范围内第二判决信号的最大值位置Tm：

$\mathrm{Tm}=\underset{k\∈[T1-\mathrm{Tx},T1+\mathrm{Tx}]}{\arg \max }\left(\mathrm{abs}\left(J2\left(k\right)\right)\right),$

其中，argmax和接收端步骤(4)中的意义一致；

然后，求取范围内的能量累计J2_sum；

J2_sum＝sum(abs(J2(k)))，k∈[T1-Tx，T1+Tx]

其中，sum表示求和操作；

Tx为对求和范围所作的限制，取值为系统所使用环境中，最大的信道延迟时间；

最后，利用两者的比值确认第二判决信号的峰值的有效性；

$T2=\left\{\begin{array}{cc}\mathrm{Tm},& \mathrm{Tm}/J2\_\mathrm{sum}>\mathrm{Th}\\ T1,& \mathrm{others}\end{array}\right.$

其中，Th为峰均比门限，应该根据实际的应用环境而定；Th的一个参考值为：取1.18；

(7)所得T2即为最终定时结果，利用该结果，得知在采样点T2处的数据为信号开始位置；在数据缓存内，找到对应时间T2的采样数据r(T2)；系统从该数据开始从缓存中取数据，并向后续的处理模块提供如下数据流：

r(T2)、r(T2+1)、r(T2+2)、......

该数据流为经过符号定时的数据，利用通信系统的后续处理模块，从该数据流中得到来自发送端的正确业务信息。

Images