CN102273157A - 用于执行正交频分复用通信系统中的初始载波频率偏移的方法和设备 - Google Patents

Abstract

本发明公开了一种用于为正交频分复用(OFDM)通信系统估计载波频率偏移(CFO)的方法，在接收导频序列x＝(x₀，x₁，x₂...，x_N-1)^T的接收器中执行所述方法，所述方法包括确定θ值的步骤，该θ值使得以下公式最大化：

其中

Y是主对角线y的对角矩阵；σ²是噪声功率并且Q是信道工作时间协方差矩阵等于1/L I_L，其中I_L为L×L单位矩阵并且L对应于假定的信道长度。

Description

用于执行正交频分复用通信系统中的初始载波频率偏移的方法和设备

技术领域

本发明涉及无线数字通信，并具体涉及在初始同步步骤期间(即，在信道估计之前)，用于执行正交频分复用通信系统中的载波频率偏移的估计的方法。

背景技术

正交频分复用(OFDM)调制是一项在无线数字通信领域中广泛发展的技术，这基于由基于离散傅立叶变换计算的简化数字信号处理所提供的巨大潜力。

然而，在由用户设备(UE)正在接收的信号被适当地处理之前，必须完成一个初步的但关键的同步步骤，其包括所谓的载波频率偏移(CFO)的估计。实际上，由于内部振荡器的失谐并且还由于由移动通信所产生的多普勒效应，在基站(eNodeB)处的频率与接收终端(UE)处的频率会不同，并且这种差异会不利于目标传输速率。具体地讲，如果CFO问题没有被适当校正，则在接收器处执行离散傅立叶变换级是危险的。在很多诸如3GPP-LTE之类的系统中，执行第一粗略同步步骤，这基于主同步序列(PSS)，在此时主同步序列是可以到达接收器的唯一已知的导频序列。

在执行需要在接收处使用DFT块的后面的同步步骤之前，具有良好的CFO估计是关键的；否则随后的同步步骤的性能会被严重削弱。

首先，P.H.Moose在“A technique for orthogonalfrequency-division multiplexing frequency offset correction”公开了一种已知的用于估计CFO的技术，该文章发表于1994年10月出版的IEEE Trans.通信第42卷第10期的第2908至2914页。该技术基于特定导频序列的使用，导频OFDM符号由两个相同的向量构成。

这种技术表现出在不知道信道特性的情况下也能够进行工作的显著优势，因此，在接收器只能获得有限的信息时在第一或粗略的同步处理期间该技术非常有用。这种已知技术的明显缺陷在于Moose序列的重复传输在谱效率方面是很大的时间浪费，这是因为该序列对于其他同步目的通常是不能重复利用的。

对于这种特定的原因，在一些标准(诸如3GPP-LTE)中已经排除了Moose序列的使用，并且只提供所谓的主同步序列(PSS)用于实现CFO的估计。理论上，通过对一个稠密离散的可能的中央频率的集合进行系统扫描，从PSS的检测来估计CFO是可行的，但是这种系统扫描会需要大量的数字处理资源，并因此增加了接收器的处理成本。

因此，期望具有一种可替换的技术，这种可替换的技术利用有限的数字处理资源就能够实现CFO估计。

发明内容

本发明的一个目的在于提供一种用于估计OFDM通信系统中的接收器和发送器之间的载波频率偏移(CFO)的方法。

本发明的另一个目的在于提供一种基于任意预定的导频序列实现CFO估计的方法和设备。

本发明的再一个目的在于提供一种用于基于所谓的主同步信号(PSS)执行CFO估计的方法和设备。

本发明的再一个目的在于提供一种用于为长期演进(LTE)通信系统执行CFO估计的方法和设备。

通过根据本发明的方法实现这些和其他目的，在接收已知的长度为N的(导频)序列x＝(x₀，x₁，x₂...，x_N-1)^T的通信装置中执行所述方法。

该方法包括确定θ值的步骤，该θ值使得以下公式最大化：

$C\left(\mathrm{\θ}\right)=-d_{\mathrm{\θ}}^H{Y}^{H}X{(X^{H}X+{\mathrm{\σ}}^2{Q}^{-1})}^{-1}\frac{1}{{\mathrm{\σ}}^2}{X}^{H}Y{d}_{\mathrm{\θ}}$

其中

$X=\left(\begin{array}{cccc}{x}_0& x_{N-1}& \·\·\·& x_{N-L-1}\\ x_1& x_0& \·\·\·& x_{N-L-2}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{L-2}& x_{L-3}& \·\·\·& x_{N-1}\\ x_{L-1}& x_{L-2}& \·\·\·& x_0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{N-1}& x_{N-2}& \·\·\·& x_{N-L}\end{array}\right)$

$d_{\mathrm{\θ}}={(1,e^{2\mathrm{\π}\frac{\mathrm{i\θ}}{N}},...,e^{2\mathrm{\π}\frac{(N-1)\mathrm{i\θ}}{N}})}^T;$

Y是主对角线y的对角矩阵；

σ²是噪声功率并且Q是假定的信道工作时间协方差矩阵。

在一个实施例中，矩阵Q被设置为等于1/L I_L，其中I_L为L×L单位矩阵并且L对应于假定的信道长度(即，信道分布于其上的时间采样的大致数量)。

优选地，二分法被用于估计使得C(θ)最大化的θ值，诸如最陡下降算法。

在一个实施例中，该方法包括步骤：

-接收输入信号y＝(y₀，….，y_N-1)^T；

-检测所述导频信号；

-计算噪声的方差σ²的估计；

-设定信道工作时间协方差矩阵Q的估计，例如等于1/L I_L；

-如下计算矩阵A：

$A=Y^{H}X{(X^{H}X+{\mathrm{\σ}}^2{Q}^{-1})}^{-1}\frac{1}{{\mathrm{\σ}}^2}{X}^{H}Y$

其中X是从所述导频信号x＝(x₀，x₁，x₂...，x_N-1)^T按照如下方式定义的伪轮换矩阵：

$X=\left(\begin{array}{cccc}{x}_0& x_{N-1}& \·\·\·& x_{N-L-1}\\ x_1& x_0& \·\·\·& x_{N-L-2}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{L-2}& x_{L-3}& \·\·\·& x_{N-1}\\ x_{L-1}& x_{L-2}& \·\·\·& x_0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{N-1}& x_{N-2}& \·\·\·& x_{N-L}\end{array}\right)$

Y是主对角线y的对角矩阵；

σ²是噪声功率；

-根据以下公式计算N-1个

值：

${\tilde{a}}_k=\underset{m=1}{\overset{N-k}{\mathrm{\Σ}}}{A}_{k+m,m}$

其中A_ij是矩阵A的项(entry)；

-计算下列向量：

-使用以下两个变量对循环初始化：

θ_min＝-1/2和

θ_max＝1/2；

-利用

$c_{\mathrm{\θ}}^T=[\cos (2\mathrm{\π\θ}/N),...,\cos (2\mathrm{\π}(N-1)\mathrm{\θ}/N)]$

$s_{\mathrm{\θ}}^T=[\sin (2\mathrm{\π\θ}/N),...,\sin (2\mathrm{\π}(N-1)\mathrm{\θ}/N)]$

计算以下值：

-测试d的符号；

-如果d为正，则利用θ_min＝(θ_min+θ_max)/2对θ_min的值进行更新；

-如果d为负，则利用θ_max＝(θ_min+θ_max)/2对θ_max的值进行更新；

-重复之前的步骤直循环完成，并且当循环完成时，

-根据以下公式返回所述CFO的估计：

$\widehat{\mathrm{\θ}}=[{\mathrm{\θ}}_{\min }+{\mathrm{\θ}}_{\max }]/2.$

本发明还提供一种通信设备，其包括用于为OFDM通信系统估计CFO的接收器，该设备包括：

-接收器，其用于接收包括导频序列x＝(x₀，x₁，x₂...，x_N-1)^T的输入信号，

-用于确定θ值的装置，该θ值使得以下公式最大化：

$C\left(\mathrm{\θ}\right)=-d_{\mathrm{\θ}}^H{Y}^{H}X{(X^{H}X+{\mathrm{\σ}}^2{Q}^{-1})}^{-1}\frac{1}{{\mathrm{\σ}}^2}{X}^{H}Y{d}_{\mathrm{\θ}}$

其中

$X=\left(\begin{array}{cccc}{x}_0& x_{N-1}& \·\·\·& x_{N-L-1}\\ x_1& x_0& \·\·\·& x_{N-L-2}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{L-2}& x_{L-3}& \·\·\·& x_{N-1}\\ x_{L-1}& x_{L-2}& \·\·\·& x_0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{N-1}& x_{N-2}& \·\·\·& x_{N-L}\end{array}\right)$

$d_{\mathrm{\θ}}={(1,e^{2\mathrm{\π}\frac{\mathrm{i\θ}}{N}},...,e^{2\mathrm{\π}\frac{(N-1)\mathrm{i\θ}}{N}})}^T;$

Y是主对角线y的对角矩阵；

σ²是噪声功率并且Q是信道工作时间协方差矩阵。

本发明特别适应于为3GPP-LTE通信网络以及不具有CFO专用的同步序列的任何类型的基于OFDM的移动网络估计CFO。

附图说明

当结合附图进行阅读时，通过参考以下详细说明将很好地理解本发明的一个或多个实施例的其他特征。

图1说明了根据本发明方法的第一实施例。

图2说明了根据本发明方法的第二实施例。

图3示出了由传统Moose技术和提出的本发明产生的CFO估计的比较，其中N＝128、L＝3并且L_assumed∈[3，9]。

图4至图6示出了使用本发明的最陡下降算法的比较结果，其中N＝128、L＝3，分别进行3至50次迭代。

图7说明了用于执行本发明方法的特定导频序列的选择的影响。

具体实施方式

下面将说明如何从仅知道的任何预定的导频序列(例如，所谓的主同步信号(PSS))来估计CFO。然而，应当清楚的是，PSS仅作为示例来进行表示，本领域技术人员可以考虑到其他导频序列。

在下文中，粗体小写符号表示向量，大写粗体字符表示矩阵(I_N是N×N单位矩阵)。埃尔米特转置(Hermitian transpose)由(.)^H表示。在代数A上的N×M矩阵集由M(A，N，M)表示。操作符det(X)和tr(X)分别表示矩阵X的行列式(determinant)和迹(主对角线元素之和(trace))。符号E[.]表示期望值。

考虑一对通过噪声信道进行通信的发送器和接收器。发送器发出数据序列x，其被接收器捕捉为序列y。发送向量信道由h表示。将噪声模型化为附加白高斯(AWGN)序列w。在数据发送之前，接收器的知识范围由I表示。具体地，接收器基准频率没有完全与发送器的基准频率对齐：这引入了频率偏移θ，接收器对于θ的知识总结为密度函数p(θ|I)。通过归纳推理，提供接收器可以进行的优化推论的表达式(θ|y，I)，该表达式应用于OFDM中的数据辅助的CFO估计的示例。

考虑N个副载波的OFDM系统。发送器发出时域导频序列x＝(x₀，...，x_N-1)^T(排除了循环前缀)，被接收为序列y＝(y₀，….，y_N-1)^T(排除了循环前缀)。传输信道分散在L个分接头h＝(h₀，...，h_L-1)^T中并且AWGN噪声w＝(w₀，...，w_N-1)^T的各项可以导出方差E[lw_kl²]＝σ²。出于简化的目的，以下将不考虑包含在循环前缀中的信息。让θ表示归一化到副载波间距的要在接收器处估计的CFO，即θ＝1是一个副载波间距的频率失谐。

CFO在OFDM中产生所有发送的时域符号x_k的角度2πkθ/N的简单相位旋转。虽然当发送的导频序列x(例如PSS)假定为已知时，在时域中跟踪CFO看起来是可行的，但应当注意到，在初始同步步骤期间，信道估计对于UE是达不到的，从而防止信道对时域符号的影响(impact)的直接解码。

提出在给出如下定义的接收信号y的情况下考虑θ的最大后验值：

y＝Hx+n                    (1)

其中H是时域OFDM信道的轮换矩阵(其第一行为h)，而n为白高斯噪声处理。

这种经典模型可以被写成

y＝Xh+n                    (2)

其中h由信道响应的L个时域分接头构成，并且X是如下定义的伪轮换矩阵

$X=\left(\begin{array}{cccc}{x}_0& x_{N-1}& \·\·\·& x_{N-L-1}\\ x_1& x_0& \·\·\·& x_{N-L-2}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{L-2}& x_{L-3}& \·\·\·& x_{N-1}\\ x_{L-1}& x_{L-2}& \·\·\·& x_0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{N-1}& x_{N-2}& \·\·\·& x_{N-L}\end{array}\right)$

假定CFO已知为包括在集合θ∈[-1/2，1/2]中，其中θ被归一化到副载波间距。希望对概率p(θ|y)最大化。

可以假定在集合θ∈[-1/2，1/2]中p(θ)的均匀在先分布，则将最大化问题转化为变量θ，并因此可以通过最陡下降算法来求解。在计算之后，可以观察到对p(θ|y)最大化等价于对如下定义的函数C(θ)最大化

$C\left(\mathrm{\θ}\right)=-d_{\mathrm{\θ}}^H{Y}^{H}X{(X^{H}X+{\mathrm{\σ}}^2{Q}^{-1})}^{-1}\frac{1}{{\mathrm{\σ}}^2}{X}^{H}Y{d}_{\mathrm{\θ}}$

其中

$X=\left(\begin{array}{cccc}{x}_0& x_{N-1}& \·\·\·& x_{N-L-1}\\ x_1& x_0& \·\·\·& x_{N-L-2}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{L-2}& x_{L-3}& \·\·\·& x_{N-1}\\ x_{L-1}& x_{L-2}& \·\·\·& x_0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{N-1}& x_{N-2}& \·\·\·& x_{N-L}\end{array}\right)$

$d_{\mathrm{\θ}}={(1,e^{2\mathrm{\π}\frac{\mathrm{i\θ}}{N}},...,e^{2\mathrm{\π}\frac{(N-1)\mathrm{i\θ}}{N}})}^T;$

Y是主对角线y的对角矩阵；

σ²是噪声功率。

其中X是如上定义的伪轮换矩阵，具有包括任意导频同步序列x＝(x₀，x₁，x₂...，x_N-1)^T(例如PSS)的第一列，以及包括向量x的元素的轮换排列的下一列，即向量(x_N-1，x₀，x₁，….x_N-2)^T，以及包括下一个连续的轮换排列(x_N-2，x_N-1，x₀，...，x_N-3)^T的下一列，等等……。

矩阵Q是信道工作时间协方差矩阵，假定其为已知。在一个特定实施例中，设置Q＝1/L I_L，其中I_L为L×L单位矩阵并且L对应于假定的信道长度。应当注意到，通常而言，事先不知道L，但已经有利地观察到，对于一些范围，对于L的任何非凡的预定选择(并且很有可能是错误的)对于CFO估计方法的结果和效率并没有多大改变。因此，优化的最大先验方案简单地在于找出使得C(θ)最大化的值θ。

I.实施例说明

关于图1，对根据本发明的CFO估计方法中所包括的基本步骤进行说明。

在OFDM通信系统中的任一接收器中执行该方法，在步骤11中接收输入信号y＝(y₀，…，y_N-1)^T。

然后，该方法继续进行步骤12，检测PSS导频信号。

在步骤13中，该方法计算信噪比(SNR)的估计并因此计算噪声σ²方差的评价。通过本领域技术人员已知的技术和算法来实现这种评价，并不对其进行详细展开。例如，可以使用导频序列来执行这种评价。

在步骤14中，该方法继续进行以下计算

$C\left(\mathrm{\θ}\right)=-d_{\mathrm{\θ}}^H{Y}^{H}X{(X^{H}X+{\mathrm{\σ}}^2{Q}^{-1})}^{-1}\frac{1}{{\mathrm{\σ}}^2}{X}^{H}Y{d}_{\mathrm{\θ}}$

其中

$X=\left(\begin{array}{cccc}{x}_0& x_{N-1}& \·\·\·& x_{N-L-1}\\ x_1& x_0& \·\·\·& x_{N-L-2}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{L-2}& x_{L-3}& \·\·\·& x_{N-1}\\ x_{L-1}& x_{L-2}& \·\·\·& x_0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{N-1}& x_{N-2}& \·\·\·& x_{N-L}\end{array}\right)$

$d_{\mathrm{\θ}}={(1,e^{2\mathrm{\π}\frac{\mathrm{i\θ}}{N}},...,e^{2\mathrm{\π}\frac{(N-1)\mathrm{i\θ}}{N}})}^T$

Y是主对角线y的对角矩阵；

σ²是噪声功率并且Q＝1/L I_L，

并且识别使得C(θ)最大化的θ的特定值。

在一个具体实施例中，启动方法循环用于测试不同的θ值，并因此识别出使得C(θ)最大化的特定值。

可替换地，已经观察到C(θ)为凹，并因此可以优选地使用二分算法来实现CFO估计的快速计算。

一旦确定，则该方法在步骤15返回在步骤14中所识别的特定值作为估计的CFO。

如对于本领域技术人员将是显而易见的那样，可以通过不同以及众多的算法来具体实现如上所述的方法。另外，对于本领域技术人员清楚的是，上述公式可以采用显示出等价计算的各种形式表达。

关于图2，对本发明的第二实施例进行说明，其仅需要有限的数字处理资源。

第二实施例包括与图1的步骤11至步骤13相同的步骤21至步骤23。

因此，在计算σ²值以后，该方法继续进行步骤24，在此设定信道工作时间协方差矩阵Q的值。

在一个实施例中，预先定义Q矩阵。清楚地，可以应用图1中进行的相同假定，例如Q＝1/L I_L。

利用对矩阵Q进行的假定，该方法随后进入步骤25，在此计算下列矩阵A(包括元素a_n，m)：

$A=Y^{H}X{(X^{H}X+{\mathrm{\σ}}^2{Q}^{-1})}^{-1}\frac{1}{{\mathrm{\σ}}^2}{X}^{H}Y$

其中

$X=\left(\begin{array}{cccc}{x}_0& x_{N-1}& \·\·\·& x_{N-L-1}\\ x_1& x_0& \·\·\·& x_{N-L-2}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{L-2}& x_{L-3}& \·\·\·& x_{N-1}\\ x_{L-1}& x_{L-2}& \·\·\·& x_0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{N-1}& x_{N-2}& \·\·\·& x_{N-L}\end{array}\right)$

其中X是如上定义的伪轮换矩阵，

Y是主对角线y的对角矩阵；

σ²是噪声功率。

在对于LTE的PSS的情况下，A矩阵的大小为64×64。

在一个具体实施例中，该方法只计算矩阵A的一半，这是因为只需要知道右上侧系数A_n，m，其中n＞m，对于矩阵A的剩余部分，将在下面显而易见。

在步骤26中，该方法继续进行由以下公式给出的N-1个值的计算：

${\tilde{a}}_k=\underset{m=1}{\overset{N-k}{\mathrm{\Σ}}}{A}_{k+m,m}$

然后，在步骤27中，该方法继续进行下列两个向量的计算：

然后，在步骤28中，该方法进入循环，并在步骤29中，对下列两个变量初始化：

θ_min＝-1/2和

θ_max＝1/2；

然后，该方法继续进行步骤30，在此利用

$c_{\mathrm{\θ}}^T=[\cos (2\mathrm{\π\θ}/N),...,\cos (2\mathrm{\π}(N-1)\mathrm{\θ}/N)]$

$s_{\mathrm{\θ}}^T=[\sin (2\mathrm{\π\θ}/N),...,\sin (2\mathrm{\π}(N-1)\mathrm{\θ}/N)]$

计算d的值(在点θ的C(θ)的导数)：

然后，在步骤31中，执行简单的测试以便确定d是正还是负。实际上，已经观察到C(θ)在(-1/2，1/2)之间为凹，其开启了用于确定C(θ)的最大值的对于d的符号的简单测试的机会。

如果发现d为正，则该方法继续进行步骤32，在此利用θ_min＝(θ_min+θ_max)/2对θ_min的值进行更新，并且该方法进入步骤34。

相反地，如果d为负，则该方法继续进行步骤33，在此利用θ_max＝(θ_min+θ_max)/2对θ_max的值进行更新。

然后该方法进入步骤34，其为对于循环结束的新测试。如果循环没有终止，则该方法再次进入步骤28。

如果循环终止，则该方法继续进行步骤35，在此如下计算CFO的估计：

$\widehat{\mathrm{\θ}}=[{\mathrm{\θ}}_{\min }+{\mathrm{\θ}}_{\max }]/2.$

然后该方法结束。

II.仿真和结果

在下文中，可以如下考虑具有N＝128个副载波的OFDM传输。假定基站与接收终端之间的完美的时间偏移对准。引入CFO失谐θ。接收器只知道θ∈[-1/2，1/2]。

图3示出了由传统Moose技术和提出的本发明产生的CFO估计的比较，其中N＝128、L＝3并且L_assumed∈[3，9]。考虑由Moose提供的双半序列(double-half sequence)，并且提出的本发明在20,000个信道和CFO实现(θ在[-1/2，1/2]中均匀分布)上与Moose相关算法进行比较。信道长度设定为L＝3，同时信道长度先验可以认为是已知的(即，L_assumed＝3)，或被错误地估计(在此L_assumed＝9)。依照均方差

分析各自的性能。

观察到由提出的本发明提供了显著的性能增益，特别是在低SNR区(regime)。可以看出本发明实际上更能够克服噪声损伤，比在Moose算法中更加彻底地对该噪声损伤建模。还注意到，在信道实现上错误分配的先验p(θ|I)并没有导致严重的性能衰退；在高SNR区，其几乎不重要。

图4至图6示出了如上所述的最陡下降算法的性能。系统参数与之前的仿真是相同的，其中在接收器处在信道长度上具有正确先验L_assumed＝3。终止约束简单地为内部循环的迭代次数k，限定k＝3、k＝5、k＝10和k＝50。观察到对于k＜+∞出现饱和状态，这可以由迭代循环中的最小步长2^-k所引入的系统误差来解释。对于k＞10，性能曲线(出于清楚原因而没有提供)在-15dB到10dB SNR范围内符合曲线k＝50。还注意到，对于k＝5的饱和标准差(定义为

)在副载波间距的1％附近，其对应于在大多数OFDM系统中最大允许的CFO失谐。因此，5次迭代将足够保证可靠的CFO估计。

图7说明了用于执行本发明方法的特定导频序列的选择的影响。Moose随机产生的双半导频序列以及QPSK随机序列与来自3GPP长期演进标准的主同步序列(PSS)和辅同步序列(SSS)进行比较。观察到在这两种导频中有较大的性能差异。这简单地归因于这样的事实，PSS和SSS两者都不是时间上的恒定模数；这使得部分信号对于噪声更加敏感而部分信号对于噪声较不敏感，但平均地，这导致CFO估计方面的较低效率的导频。应当注意到，Moose序列也不可能比任何随机产生的序列更好，这为来自Moose的最初的富有洞察力的想法去除了神秘。

本发明的应用

本发明典型地适合于3GPP-LTE标准，该标准中没有提供专门用于CFO估计的序列。由于其一般性，该方法可以被应用于很多OFDM系统，这些系统寻求CFO估计而不能获得信道信息。由于该方案具有与算法的迭代次数成比例的复杂度，因此其能够适合在接收器处的粗略的低开销估计以及在基站处的细致的高开销估计。

在PSS至SSS同步阶段期间，本发明特别适合于长期演进标准。

针对任何可用的导频序列，在OFDM中信道估计之前，本发明提供CFO估计方法。这是现有技术所未知的特别有利的效果：通常CFO技术伴随有专用的序列。通过所提出的新的技术，不需要任何特别的序列。此外，还观察到，当序列由具有恒定幅度的符号构成时，该方法特别有效。因此，在最适当的导频上运行该方法更加有利。

本发明消除了在信道估计之前的初始同步问题。其还有助于从来自干扰基站的信号估计CFO，其中干扰基站的信道还没有被估计。相信，在OFDM竞争中，这种一般性先导独立的方案还没有被提出过。

此外，观察到，上述技术示出了比特别传统的基于Moose的一阶求导的技术更好的性能。以最大后验性能观点来看，已经证明了该技术是最佳的。

Claims (14)

1.一种用于为正交频分复用(OFDM)通信系统估计载波频率偏移(CFO)的方法，在接收导频序列x＝(x₀，x₁，x₂...，x_N-1)^T的接收器中执行所述方法，所述方法包括确定θ值的步骤，该θ值使得以下公式最大化：

$C\left(\mathrm{\θ}\right)=-d_{\mathrm{\θ}}^H{Y}^{H}X{(X^{H}X+{\mathrm{\σ}}^2{Q}^{-1})}^{-1}\frac{1}{{\mathrm{\σ}}^2}{X}^{H}Y{d}_{\mathrm{\θ}}$

其中

$X=\left(\begin{array}{cccc}{x}_0& x_{N-1}& \·\·\·& x_{N-L-1}\\ x_1& x_0& \·\·\·& x_{N-L-2}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{L-2}& x_{L-3}& \·\·\·& x_{N-1}\\ x_{L-1}& x_{L-2}& \·\·\·& x_0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{N-1}& x_{N-2}& \·\·\·& x_{N-L}\end{array}\right)$

$d_{\mathrm{\θ}}={(1,e^{2\mathrm{\π}\frac{\mathrm{i\θ}}{N}},...,e^{2\mathrm{\π}\frac{(N-1)\mathrm{i\θ}}{N}})}^T;$

Y是主对角线y的对角矩阵；

σ²是噪声功率并且Q是信道工作时间协方差矩阵。

2.根据权利要求1的方法，其特征在于，所述矩阵Q被设置为等于1/L I_L，其中I_L为L×L单位矩阵并且L对应于假定的信道长度。

3.根据权利要求1或2的方法，其特征在于，二分法被用于估计使得C(θ)最大化的θ值。

4.根据权利要求1的方法，其特征在于，与接收器的物理位置有联系地确定所述矩阵Q。

5.根据前述任一权利要求的方法，其特征在于，包括步骤：

-接收(21)输入信号y＝(y₀，….，y_N-1)^T；

-检测(22)所述导频信号；

-计算(23)噪声σ²方差的估计；

-设定信道工作时间协方差矩阵Q的估计(24)；

-计算如下定义的A矩阵的元素A_n，m：

$A=Y^{H}X{(X^{H}X+{\mathrm{\σ}}^2{Q}^{-1})}^{-1}\frac{1}{{\mathrm{\σ}}^2}{X}^{H}Y$

其中X是从所述导频信号x＝(x₀，x₁，x₂...，x_N-1)^T按照如下方式定义的伪轮换矩阵：

$X=\left(\begin{array}{cccc}{x}_0& x_{N-1}& \·\·\·& x_{N-L-1}\\ x_1& x_0& \·\·\·& x_{N-L-2}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{L-2}& x_{L-3}& \·\·\·& x_{N-1}\\ x_{L-1}& x_{L-2}& \·\·\·& x_0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{N-1}& x_{N-2}& \·\·\·& x_{N-L}\end{array}\right)$

Y是主对角线y的对角矩阵；

σ²是噪声功率；

-根据以下公式计算(26)N-1个

值：

${\tilde{a}}_k=\underset{m=1}{\overset{N-k}{\mathrm{\Σ}}}{A}_{k+m,m};$

-计算(27)下列向量：

-使用以下两个变量对循环初始化(29)：

θ_min＝-1/2和

θ_max＝1/2；

-利用

$c_{\mathrm{\θ}}^T=[\cos (2\mathrm{\π\θ}/N),...,\cos (2\mathrm{\π}(N-1)\mathrm{\θ}/N)]$

$s_{\mathrm{\θ}}^T=[\sin (2\mathrm{\π\θ}/N),...,\sin (2\mathrm{\π}(N-1)\mathrm{\θ}/N)]$

计算(30)以下值：

-测试(31)d的符号；

-如果d为正，则利用θ_min＝(θ_min+θ_max)/2对θ_min的值进行更新(32)；

-如果d为负，则利用θ_max＝(θ_min+θ_max)/2对θ_max的值进行更新(33)；

-重复步骤29至33，直到由任何预定的停止条件确定所述循环完成为止；

-完成(35)所述方法，并根据以下公式返回所述CFO的估计；

$\widehat{\mathrm{\θ}}=[{\mathrm{\θ}}_{\min }+{\mathrm{\θ}}_{\max }]/2.$

6.根据权利要求5的方法，其特征在于，在步骤26中只计算右上侧系数A_n，m，其中n＞m。

7.根据前述任一权利要求的方法，其特征在于，所述导频序列是主同步信号。

8.根据前述任一权利要求的方法，其特征在于，所述接收器为3GPP-LTE通信系统。

9.一种用于正交频分复用通信系统的设备，其包括：

-接收器，用于接收包括导频序列x＝(x₀，x₁，x₂...，x_N-1)^T的输入信号，

-用于确定θ值的装置，该θ值使得以下公式最大化：

$C\left(\mathrm{\θ}\right)=-d_{\mathrm{\θ}}^H{Y}^{H}X{(X^{H}X+{\mathrm{\σ}}^2{Q}^{-1})}^{-1}\frac{1}{{\mathrm{\σ}}^2}{X}^{H}Y{d}_{\mathrm{\θ}}$

其中

$X=\left(\begin{array}{cccc}{x}_0& x_{N-1}& \·\·\·& x_{N-L-1}\\ x_1& x_0& \·\·\·& x_{N-L-2}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{L-2}& x_{L-3}& \·\·\·& x_{N-1}\\ x_{L-1}& x_{L-2}& \·\·\·& x_0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{N-1}& x_{N-2}& \·\·\·& x_{N-L}\end{array}\right)$

$d_{\mathrm{\θ}}={(1,e^{2\mathrm{\π}\frac{\mathrm{i\θ}}{N}},...,e^{2\mathrm{\π}\frac{(N-1)\mathrm{i\θ}}{N}})}^T;$

Y是主对角线y的对角矩阵；

σ²是噪声功率并且Q是信道工作时间协方差矩阵。

10.根据权利要求9的设备，其特征在于，所述矩阵Q被设置为等于1/L I_L，其中I_L为L×L单位矩阵并且L对应于假定的信道长度。

11.根据权利要求9或10的设备，其特征在于包括用于执行使得C(θ)最大化的θ值的二分法计算的装置。

12.根据权利要求9至12中的任一权利要求的设备，其特征在于，所述导频序列是主同步信号。

13.根据前述任一权利要求的设备，其特征在于，所述接收器为3GPP-LTE通信系统。

14.一种用户设备，其包括用于执行由权利要求1至8中的任一项所限定的方法的装置。

Images