CN103825859A - 一种正交频分复用信号的同步捕获方法及接收端设备 - Google Patents

Abstract

本发明提供了一种正交频分复用OFDM信号的同步捕获方法及接收端设备，包括：在接收端将长度为N的OFDM信号中前或后一半序列与伪噪声序列相乘，计算定时度量函数；所述OFDM信号中训练序列为功率因子的开方乘以拼接序列；所述拼接序列通过将重复序列中前一个子序列乘以所述伪噪声序列得到；搜寻所述定时度量函数超过预定门限的最大值，该最大值所对应的采样点为定时估计点；在所述定时估计点处确定小数频偏估计值，对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿；将小数频偏补偿后的序列与所述训练序列在时域做循环移位互相关，搜寻最大值，得到整数频偏估计值。本发明可以实现更准确、更快速的同步捕获。

Description

一种正交频分复用信号的同步捕获方法及接收端设备

技术领域

本发明涉及通信领域，尤其涉及一种正交频分复用信号的同步捕获方法及接收端设备。

背景技术

正交频分复用(Orthogonal frequency division multiplexing，OFDM)是一种多载波技术，整个无线信道被划分成为多个子信道，每个子信道上传输一路载波信号，每个子载波上携带者信息。其频谱利用率高，实现简单，采用了自适应的调制方式，并且有较强的抗多径衰落能力，在现代无线通信中正在得到越来越广泛的应用。诸多无线标准，例如数字音频广播（DAB）、数字视频广播（DVB-T）、局域网标准（IEEE802.11）、专用短程通信技术（DSRC）等，都采用OFDM作为物理层通信技术，并且由于其突出的优点，已然成为第四代移动通信关键技术之一。

同步对于所有的数字传输技术都很重要，而OFDM系统对同步偏差尤为敏感。由于OFDM子载波的频谱相互重叠，对载波的正交性有着极为严格的要求，同步性能的好坏直接影响着接收信号的性能。符号定时偏移会引起符号的相位旋转和符号间串扰，频率偏移会破坏子载波之间的正交性，从而致使系统的性能降低。

目前，许多文献提出了OFDM的同步算法，大致可以分为盲同步算法、半盲同步算法、非盲同步算法。这几类算法各有优势，适用于不同的场合。对于突发分组传输的OFDM系统，通常会采用自动重发请求（AutomaticRepeat Request，ARQ）技术，对误报率和信道估计的准确度的要求有所降低。但由于子载波数目较少，适合利用训练序列进行快速同步，即非盲同步算法，且传输的分组时间短，对同步捕获的要求更高，通常要求单个训练符号内就能实现捕获，因此对算法的精确度和收敛速度都有较高要求。

现有的基于训练序列的OFDM常用同步算法有：

SC算法，利用两个OFDM符号形成的训练序列进行定时和频偏估计，这种方法频率偏移估计精度高，但由于循环前缀（Cyclic Prefix，CP）的存在，符号定时估计存在平顶，准确性不高。Minn和Park优化了SC算法，但定时度量出现的尖峰太多，存在较大误差。文献[1]（F.Wu,M.A.Abu-Rgheff,Timeand Frequency Synchronization Techniques for OFDM Systems operating inGaussian and Fading Channels:A Tutorial,Proc.of the8th Annual PostgraduateSymposium on the Convergence of Telecommunications,Networking aBroadcasting(PGNET),June2007）中采用了Seung提出的定时算法，峰值尖锐，旁瓣较少，但频偏估计在频域进行，需要进行FFT变换，增加了算法的复杂性。文献[2]（朱彦，张会生，骆艳卜.基于CAZAC序列的OFDM时频同步算法[J].计算机仿真，2009，v.2611:130-133）中利用CAZAC（ConstAmplitude Zero Auto-Correlation，恒包络零自相关）序列的强相关性，采用加权的方法，定时准确，但在硬件量化处理时整数频偏估计方法受到影响。

发明内容

本发明要解决的技术问题是提供一种基于CAZAC序列的OFDM信号的同步捕获方案，可以实现更准确、更快速的同步捕获。

为了解决上述问题，本发明提供了一种正交频分复用OFDM信号的同步捕获方法，包括：

在接收端将长度为N的OFDM信号中前一半或后一半长度为N₁的序列与长度为N₁的伪噪声序列相乘，计算定时度量函数；

其中，N为接收端设备快速傅里叶变换/快速傅里叶逆变换的点数；N₁为N的一半；所述OFDM信号中训练序列的长度为N，所述训练序列为功率因子的开方乘以拼接序列；

所述拼接序列通过将重复序列中前一个子序列乘以所述伪噪声序列得到；所述重复序列由两个长度为N₁的子序列构成，所述子序列由频域生成的长度为N₁的恒包络零自相关CAZAC序列进行快速傅里叶逆变换后得到；或所述重复序列通过对频域生成的长度为N₁的恒包络零自相关CAZAC序列进行两倍上采样插零后再进行快速傅里叶逆变换得到；

搜寻所述定时度量函数超过预定门限的最大值，该最大值所对应的采样点为定时估计点；

在所述定时估计点处确定小数频偏估计值，对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿；

将小数频偏补偿后的序列与所述训练序列在时域做循环移位互相关，搜寻最大值，得到整数频偏估计值。

可选地，所述CAZAC序列为：

$c\left(k\right)=\exp \left(\frac{{\mathrm{j\π\μk}}^2}{N_1}\right);$

其中，μ与N₁互质，j为虚数单位，k为CAZAC序列c采样点的序号，k＝0,1,...,N₁；

所述伪噪声序列为：u(i)＝±1；

其中，i为伪噪声序列u()的采样点的序号，i＝0,1,……,N₁-1。

所述训练序列 $\mathrm{TS}=\sqrt{\mathrm{\ρ}}\×\left[\begin{array}{cc}B& A\end{array}\right];$

ρ为功率因子；拼接序列[B A]中，B(i)＝A(i)u(i)，A(i)为所述子序列；或者A(i)为对所述CAZAC序列进行两倍上采样插零，再进行快速傅里叶逆变换后所得到的重复序列[A A]中的前一半或后一半序列。

可选地，所述定时度量函数为M(d)＝|P(d)|²/(R(d))²；

$P\left(d\right)=\underset{k=0}{\overset{N_1-1}{\mathrm{\Σ}}}r(d+k+N_1)r^{*}(d+k)u\left(k\right);$

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

其中r()为接收信号，d为接收OFDM信号采样点的序号，r^*(d+k)为r(d+k)取共轭。

可选地，在所述定时估计点处确定小数频偏估计值的步骤包括：

确定小数频偏估计值为：

其中，

是

对应的以弧度表示的相位角；

为所述定时估计点， $\hat{d}=\arg \mathrm{ma}{x}_{d}M\left(d\right);$

对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿后，得到的序列为 $r_1\left(k\right)=r\left(k\right)\exp (-\frac{j2\mathrm{\π}{\widehat{\mathrm{\ϵ}}}_{F}k}{N}).$

可选地，将小数频偏补偿后的序列与所述训练序列在时域做循环移位互相关的结果为： $C\left(g\right)=\frac{{\left|\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{r_1}^{*}\left(k\right)\mathrm{TS}(k+g)\right|}^2}{{\left(\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|r_1\left(k\right)\right|}^2\right)}^2};$

g为采样点的序号，g＝-N₁,……,-1,0,1,……,N₁-1；

得到的整数频偏估计值为：

本发明还提供了一种接收端设备，包括：

计算单元，用于将长度为N的OFDM信号中前一半或后一半长度为N₁的序列与长度为N₁的伪噪声序列相乘，计算定时度量函数；其中，N为所述接收端设备快速傅里叶变换/快速傅里叶逆变换的点数，N₁为N的一半；所述OFDM信号中训练序列的长度为N，所述训练序列为功率因子的开方乘以拼接序列；所述拼接序列通过将重复序列中前一个子序列乘以所述伪噪声序列得到；所述重复序列由两个长度为N₁的子序列构成，所述子序列由频域生成的长度为N₁的恒包络零自相关CAZAC序列进行快速傅里叶逆变换后得到；或所述重复序列通过对频域生成的长度为N₁的恒包络零自相关CAZAC序列进行两倍上采样插零后再进行快速傅里叶逆变换得到；

符号定时估计单元，用于搜寻所述定时度量函数超过预定门限的最大值，该最大值所对应的采样点为定时估计点；

小数频偏补偿单元，用于在所述定时估计点处确定小数频偏估计值，对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿；

整数频偏估计单元，用于将小数频偏补偿后的序列与所述训练序列在时域做循环移位互相关，搜寻最大值，得到整数频偏估计值。

可选地，所述CAZAC序列为：

$c\left(k\right)=\exp \left(\frac{{\mathrm{j\π\μk}}^2}{N_1}\right);$

其中，μ与N₁互质，j为虚数单位，k为CAZAC序列c采样点的序号，k＝0,1,...,N₁；；

所述计算单元采用的伪噪声序列为：u(i)＝±1；

其中，i为伪噪声序列u的采样点的序号，i＝0,1,……,N₁-1。

所述训练序列 $\mathrm{TS}=\sqrt{\mathrm{\ρ}}\×\left[\begin{array}{cc}B& A\end{array}\right];$

ρ为功率因子；拼接序列[B A]中，B(i)＝A(i)u(i)，A(i)为所述子序列；或者A(i)为对所述CAZAC序列进行两倍上采样插零，再进行快速傅里叶逆变换后所得到的重复序列[A A]中的前一半或后一半序列。

可选地，所述计算单元计算的定时度量函数为M(d)＝|P(d)|²/(R(d))²；

$P\left(d\right)=\underset{k=0}{\overset{N_1-1}{\mathrm{\Σ}}}r(d+k+N_1)r^{*}(d+k)u\left(k\right);$

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

其中r()为接收信号，d为采样点的序号，r^*(d+k)为r(d+k)取共轭。

可选地，所述小数频偏补偿单元在所述定时估计点处确定小数频偏估计值是指：

所述小数频偏补偿单元确定小数频偏估计值为：

其中，

是

对应的以弧度表示的相位角；

为所述定时估计点， $\hat{d}=\arg \mathrm{ma}{x}_{d}M\left(d\right);$

所述小数频偏补偿单元对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿后，得到的序列为

可选地，所述整数频偏估计单元将小数频偏补偿后的序列与所述训练序列在时域做循环移位互相关的结果为：

g为采样点的序号，g＝-N₁,……,-1,0,1,……,N₁-1；

所述整数频偏估计单元得到的整数频偏估计值为：

本申请可以利用训练序列的重复性和伪噪声序列（PN）扩大相邻度量之间的差距；利用训练序列重复数据的强相关性，可使定时度量在正确的定时估计点出现最大值；利用PN序列，扩大相邻定时度量之间的差距，使得准确的定时估计点和其他定时度量点之间的差异最大化，定时曲线具有脉冲特性，从而更加准确唯一的获得定时估计点。同时，添加的伪噪声序列未影响接收端收到的训练序列的相位以及前后两部分之间存在的载波频偏，可以通过定时估计点的相位获得。

附图说明

图1是实施例一的同步方法的流程示意图；

图2是实施例一中例子里发送端的流程示意图；

图3是实施例一中例子里接收端的流程示意图；

图4是SC算法的定时曲线和实施例一的方法的定时曲线的比较示意图；

图5是SC算法、定时算法、Park定时算法以及实施例一的方法的粗同步定时误差范围比较示意图；

图6是SC算法、文献[1]的算法和实施例一的方法的频偏估计的性能比较示意图。

具体实施方式

下面将结合附图及实施例对本发明的技术方案进行更详细的说明。

需要说明的是，如果不冲突，本发明实施例以及实施例中的各个特征可以相互结合，均在本发明的保护范围之内。另外，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

实施例一、一种OFDM信号的同步捕获方法，如图1所示，包括以下步骤：

在接收端将长度为N的OFDM信号中前一半或后一半长度为N₁的序列与长度为N₁的PN（伪噪声）序列相乘，计算定时度量函数；

其中，N为接收端设备FFT（快速傅里叶变换）/IFFT（快速傅里叶逆变换）的点数；N₁为N的一半；所述OFDM信号中训练序列的长度为N，所述训练序列为功率因子的开方乘以拼接序列；

所述拼接序列通过将重复序列中前一个子序列乘以所述伪噪声序列得到；所述重复序列由两个长度为N₁的子序列构成，所述子序列由频域生成的长度为N₁的CAZAC（恒包络零自相关）序列进行快速傅里叶逆变换后得到；或所述重复序列通过对频域生成的长度为N₁的恒包络零自相关CAZAC序列进行两倍上采样插零后再进行快速傅里叶逆变换得到；

搜寻所述定时度量函数超过预定门限的最大值，该最大值所对应的采样点为定时估计点；

在所述定时估计点处确定小数频偏估计值，对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿；

将小数频偏补偿后的序列与所述训练序列在时域做循环移位互相关，搜寻最大值，得到整数频偏估计值。

本实施例中，接收端在所收到的OFDM信号中任意截取长度为N的OFDM信号，然后将这长度为N的OFDM信号中前一半或后一半与PN相乘。

本实施例的一种实施方式中，所述CAZAC序列可以但不限于为：

$c\left(k\right)=\exp \left(\frac{{\mathrm{j\π\μk}}^2}{N_1}\right);$

其中，μ与N₁互质，j为虚数单位，k为CAZAC序列c()采样点的序号，k＝0,1,...,N₁；

所述伪噪声序列可以为：u(i)＝±1；

其中，i为伪噪声序列u()的采样点的序号，i＝0,1,……,N₁-1。

所述训练序列 $\mathrm{TS}=\sqrt{\mathrm{\ρ}}\×\left[\begin{array}{cc}B& A\end{array}\right];$

ρ为功率因子；拼接序列[B A]中，B(i)＝A(i)u(i)，A(i)为所述子序列；或者A(i)为对所述CAZAC序列进行两倍上采样插零，再进行快速傅里叶逆变换后所得到的重复序列[A A]中的前一半或后一半序列。

本实施例的一种实施方式中，所述定时度量函数可以但不限于为：

M(d)＝|P(d)|²/(R(d))²；

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

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

其中r()为接收信号，d为接收OFDM信号的采样点的序号，r^*(d+k)为r(d+k)取共轭。

本实施例的一种实施方式中，在所述定时估计点处确定小数频偏估计值的步骤具体可以包括：

确定小数频偏估计值为：

其中，

是

对应的以弧度表示的相位角；为所述定时估计点，

可知

的估计范围为[-1,1]；

对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿后，得到的序列为 $r_1\left(k\right)=r\left(k\right)\exp (-\frac{j2\mathrm{\π}{\widehat{\mathrm{\ϵ}}}_{F}k}{N}).$

本实施方式中，将小数频偏补偿后的序列r₁(k)与训练序列TS在时域做循环移位互相关的结果为： $C\left(g\right)=\frac{{\left|\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{r_1}^{*}\left(k\right)\mathrm{TS}(k+g)\right|}^2}{{\left(\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|r_1\left(k\right)\right|}^2\right)}^2};$

g为采样点的序号，g＝-N₁,……,-1,0,1,……,N₁-1；

得到的整数频偏估计值为：

下面用一个具体的例子来说明本实施例。

在发送端进行的工作如图2所示，包括如下步骤101～104。

101、在频域生成长度为N₁＝N/2的CAZAC序列，其中N为系统IFFT/FFT点数，该CAZAC序列表示为

μ与N₁互质，j为虚数单位。

102、对该CAZAC序列进行IFFT变换，得到长度仍为N/2的子序列A。将两个子序列A拼接，得到重复序列C＝[A A]，其中C的长度为N。另一种C的生成方式如下：对该CAZAC序列进行两倍上采样插零，再经过IFFT变换得到所述重复序列C。

103、生成长度是重复序列C长度一半（即长度为N₁）的伪噪声序列u；u(i)＝±1,i＝0,1,……,N/2-1；用该伪噪声序列将C的前半部分（在第一种生成方式中即第一个子序列A，在第二种生成方式中即C中前一半长度为N₁的序列）加权，得到上文所述的第一序列B(i)＝A(i)u(i)。得到同步方法所需的训练序列 $\mathrm{TS}=\sqrt{\mathrm{\ρ}}\×\left[\begin{array}{cc}B& A\end{array}\right],$ 其中ρ为功率因子，保证训练序列的功率和发送信号功率相同。

104、在时域将该训练序列插入经过IFFT变换的发送信号的前端，组帧送至空口发送。

在接收端进行的工作如图3所示，包括如下步骤201～204。

201、将从接收信号中任意截取的长度为N的OFDM信号中前一半序列（长度为N₁）与步骤103中的PN序列相乘，计算定时度量函数；所述定时度量函数为M(d)＝|P(d)|²/(R(d))²；

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

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

其中r()为接收信号，d为接收OFDM信号的采样点的序号，r^*(d+k)为r(d+k)的共轭。

202、设定预定门限，计算定时度量函数M(d)，一旦M(d)超过预定门限，搜寻M(d)超过所述预定门限的的最大值，得到符号定时估计结果，即：所述定时估计点

完成定时同步；在理论上，

argmax_dM(d)表达的是定义域的一个子集，该子集中任一元素都可使函数M(d)取最大值。如果M(d)一直未超过预定门限，则按失步处理。

由于本实施例的定时曲线十分尖锐，可以根据实验值、仿真值或经验设置一个合适的预定门限，以减少伪同步次数和搜索范围。

203、在定时估计点

处确定小数频偏估计值

${\widehat{\mathrm{\ϵ}}}_F=\frac{1}{\mathrm{\π}}\mathrm{angle}\left(P\left(\hat{d}\right)\right);$

的估计范围为[-1,1]

并对后长度为N的序列进行小数频偏补偿：

得到补偿后的序列 $r_1\left(k\right)=r\left(k\right)\exp (-\frac{j2\mathrm{\π}{\widehat{\mathrm{\ϵ}}}_{F}k}{N}).$

204、将小数频偏补偿后的序列与训练序列在时域做循环移位互相关，得到互相关结果 $C\left(g\right)=\frac{{\left|\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{r_1}^{*}\left(k\right)\mathrm{TS}(k+g)\right|}^2}{{\left(\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|r_1\left(k\right)\right|}^2\right)}^2};$

（即：g＝-N₁,……,-1,0,1,……,N₁-1）。

搜寻最大值，得到整数频偏估计值

argmax_gC(g)表达的是定义域的一个子集，该子集中任一元素都可使函数C(g)取最大值。

得到频偏估计值为小数频偏估计值与整数频偏估计值之和：

$\widehat{\mathrm{\ϵ}}={\widehat{\mathrm{\ϵ}}}_I+{\widehat{\mathrm{\ϵ}}}_F.$

至此，同步捕获完成。

下面通过仿真来测试本实施例的性能，仿真的主要参数有：采样间隔50ns，系统带宽20MHz，子载波间隔78.125KHz，FFT长度256，CP长度32，每帧12个OFDM符号(第一个符号为时域添加训练序列)，采用QPSK调制。在接收端做4位量化。信道模型选用GSM900，路径0、1、2、3分别延时0μs、0.2μs、0.4μs、0.6μs，功率分布0dB、-2dB、-10dB、-20dB，第一径莱斯功率因子K＝3。最大多普勒频移300Hz。信道噪声为加性高斯白噪声。归一化频偏设置为6.56。每信噪比蒙特卡洛次数10⁴次。

图4比较了SC算法定时曲线（图4中的虚线）和本实施例的方法的定时曲线（图4中的实线）的区别。从图4可以看出，由于CAZAC序列良好的自相关性，以及添加的PN序列大了相邻度量之间的差距，本实施例的方法的定时曲线消除了SC算法的平顶，且定时峰十分尖锐，旁瓣低。因此可以设置一个合适的预定门限，计算的M(d)只要大于该预定门限的时候，就可以确定符号定时点，减少失步和伪同步的概率，且硬件设置的搜索窗更窄，捕捉速度快。

图5比较了SC算法最大超前定时（图5中带有x的曲线）、SC算法最大滞后定时（图5中带有*的曲线）、本实施例算法最大超前定时（图5中带有三角形的曲线）、本实施例算法最大滞后定时（图5中带有●的曲线）、Park算法最大超前定时（图5中带有菱形的曲线）、Park算法最大滞后定时（图5中带有圆形的曲线）的性能。本实施例算法最大超前定时曲线和最大滞后定时曲线基本重合；从图5中可以看出，本实施例的定时误差要优于其他算法，并且在低信噪比的时候也有稳定的性能。

图6比较了SC算法（图6中的带有*的线）、文献[2]（图6中的带有方框的线）和本实施例的方法（图6中的未带符号的线）的频偏估计的性能，其中带有五角星的曲线为CRLB（克拉美-罗下限）。从图6中可以看出，本实施例的方法的频偏估计最小均方误差MSE要优于其他算法，尤其是在低信噪比时表现突出，在接收端量化后对频偏估计的精确性影响也不大。且小数频偏和整数频偏估计都是在时域完成，没有对接收信号进行FFT变换，从而减小了硬件设计的复杂性，提升了同步捕捉的速度和正确率。

可以得出，本实施例的方法的定时峰尖锐，旁瓣低，定时准确，克服了SC算法的平顶和Park算法的定时峰抖动，具有优异的稳定性和可靠性。频偏估计MSE低，且在时域完成了小数频偏和整数频偏估计，减小了硬件设计的复杂性。同步算法在低信噪比和量化后仍能保持优良性能。

实施例二、一种接收端设备，包括：

计算单元，用于将长度为N的OFDM信号中前一半或后一半长度为N₁的序列与长度为N₁的伪噪声序列相乘，计算定时度量函数；其中，N为所述接收端设备快速傅里叶变换/快速傅里叶逆变换的点数，N₁为N的一半；所述OFDM信号中训练序列的长度为N，所述训练序列为功率因子的开方乘以拼接序列；所述拼接序列通过将重复序列中前一个子序列乘以所述伪噪声序列得到；所述重复序列由两个长度为N₁的子序列构成，所述子序列由频域生成的长度为N₁的恒包络零自相关CAZAC序列进行快速傅里叶逆变换后得到；或所述重复序列通过对频域生成的长度为N₁的恒包络零自相关CAZAC序列进行两倍上采样插零后再进行快速傅里叶逆变换得到；

符号定时估计单元，用于搜寻所述定时度量函数超过预定门限的最大值，该最大值所对应的采样点为定时估计点；

小数频偏补偿单元，用于在所述定时估计点处确定小数频偏估计值，对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿；

整数频偏估计单元，用于将小数频偏补偿后的序列与所述训练序列在时域做循环移位互相关，搜寻最大值，得到整数频偏估计值。

本实施例的一种实施方式中，所述CAZAC序列可以但不限于为：

$c\left(k\right)=\exp \left(\frac{{\mathrm{j\π\μk}}^2}{N_1}\right);$

其中，μ与N₁互质，j为虚数单位；

所述计算单元采用的伪噪声序列可以为：u(i)＝±1,i＝0,1,……,N₁-1；

所述训练序列 $\mathrm{TS}=\sqrt{\mathrm{\ρ}}\×\left[\begin{array}{cc}B& A\end{array}\right];$

ρ为功率因子；拼接序列[B A]中，B(i)＝A(i)u(i)，A(i)为所述子序列；或者A(i)为对所述CAZAC序列进行两倍上采样插零，再进行快速傅里叶逆变换后所得到的重复序列[A A]中的前一半或后一半序列。

本实施例的一种实施方式中，所述计算单元计算的定时度量函数可以但不限于为：M(d)＝|P(d)|²/(R(d))²；

$P\left(d\right)=\underset{k=0}{\overset{N_1-1}{\mathrm{\Σ}}}r(d+k+N_1)r^{*}(d+k)u\left(k\right);$

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

其中r()为接收信号，d为采样点的序号，r^*(d+k)为r(d+k)取共轭。

本实施例的一种实施方式中，所述小数频偏补偿单元在所述定时估计点处确定小数频偏估计值具体可以是指：

所述小数频偏补偿单元确定小数频偏估计值为：

其中，

是

对应的以弧度表示的相位角；

为所述定时估计点， $\hat{d}=\arg \mathrm{ma}{x}_{d}M\left(d\right);$

所述小数频偏补偿单元对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿后，得到的序列为

本实施方式中，所述整数频偏估计单元将小数频偏补偿后的序列与所述训练序列在时域做循环移位互相关的结果为：

g＝-N₁,……,-1,0,1,……,N₁-1；

所述整数频偏估计单元得到的整数频偏估计值为：

本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。

当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明的权利要求的保护范围。

Claims (10)

1.一种正交频分复用OFDM信号的同步捕获方法，其特征在于，包括：

在接收端将长度为N的OFDM信号中前一半或后一半长度为N₁的序列与长度为N₁的伪噪声序列相乘，计算定时度量函数；

其中，N为接收端设备快速傅里叶变换/快速傅里叶逆变换的点数；N₁为N的一半；所述OFDM信号中训练序列的长度为N，所述训练序列为功率因子的开方乘以拼接序列；

所述拼接序列通过将重复序列中前一个子序列乘以所述伪噪声序列得到；所述重复序列由两个长度为N₁的子序列构成，所述子序列由频域生成的长度为N₁的恒包络零自相关CAZAC序列进行快速傅里叶逆变换后得到；或所述重复序列通过对频域生成的长度为N₁的恒包络零自相关CAZAC序列进行两倍上采样插零后再进行快速傅里叶逆变换得到；

搜寻所述定时度量函数超过预定门限的最大值，该最大值所对应的采样点为定时估计点；

在所述定时估计点处确定小数频偏估计值，对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿；

将小数频偏补偿后的序列与所述训练序列在时域做循环移位互相关，搜寻最大值，得到整数频偏估计值。

2.如权利要求1所述的方法，其特征在于，所述CAZAC序列为：

$c\left(k\right)=\exp \left(\frac{{\mathrm{j\π\μk}}^2}{N_1}\right);$

其中，μ与N₁互质，j为虚数单位，k为CAZAC序列c采样点的序号，k＝0,1,...,N₁；

所述伪噪声序列为：u(i)＝±1；

其中，i为伪噪声序列u()的采样点的序号，i＝0,1,……,N₁-1。

所述训练序列 $\mathrm{TS}=\sqrt{\mathrm{\ρ}}\×\left[\begin{array}{cc}B& A\end{array}\right];$

ρ为功率因子；拼接序列[B A]中，B(i)＝A(i)u(i)，A(i)为所述子序列；或者A(i)为对所述CAZAC序列进行两倍上采样插零，再进行快速傅里叶逆变换后所得到的重复序列[A A]中的前一半或后一半序列。

3.如权利要求2所述的方法，其特征在于：

所述定时度量函数为M(d)＝|P(d)|²/(R(d))²；

$P\left(d\right)=\underset{k=0}{\overset{N_1-1}{\mathrm{\Σ}}}r(d+k+N_1)r^{*}(d+k)u\left(k\right);$

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

其中r()为接收信号，d为接收OFDM信号采样点的序号，r^*(d+k)为r(d+k)取共轭。

4.如权利要求3所述的方法，其特征在于，在所述定时估计点处确定小数频偏估计值的步骤包括：

确定小数频偏估计值为：

其中，

是对应的以弧度表示的相位角；

为所述定时估计点， $\hat{d}=\arg \mathrm{ma}{x}_{d}M\left(d\right);$

对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿后，得到的序列为 $r_1\left(k\right)=r\left(k\right)\exp (-\frac{j2\mathrm{\π}{\widehat{\mathrm{\ϵ}}}_{F}k}{N}).$

5.如权利要求4所述的方法，其特征在于：

将小数频偏补偿后的序列与所述训练序列在时域做循环移位互相关的结果为： $C\left(g\right)=\frac{{\left|\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{r_1}^{*}\left(k\right)\mathrm{TS}(k+g)\right|}^2}{{\left(\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|r_1\left(k\right)\right|}^2\right)}^2};$

g为采样点的序号，g＝-N₁,……,-1,0,1,……,N₁-1；

得到的整数频偏估计值为：

6.一种接收端设备，其特征在于，包括：

计算单元，用于将长度为N的OFDM信号中前一半或后一半长度为N₁的序列与长度为N₁的伪噪声序列相乘，计算定时度量函数；其中，N为所述接收端设备快速傅里叶变换/快速傅里叶逆变换的点数，N₁为N的一半；所述OFDM信号中训练序列的长度为N，所述训练序列为功率因子的开方乘以拼接序列；所述拼接序列通过将重复序列中前一个子序列乘以所述伪噪声序列得到；所述重复序列由两个长度为N₁的子序列构成，所述子序列由频域生成的长度为N₁的恒包络零自相关CAZAC序列进行快速傅里叶逆变换后得到；或所述重复序列通过对频域生成的长度为N₁的恒包络零自相关CAZAC序列进行两倍上采样插零后再进行快速傅里叶逆变换得到；

符号定时估计单元，用于搜寻所述定时度量函数超过预定门限的最大值，该最大值所对应的采样点为定时估计点；

小数频偏补偿单元，用于在所述定时估计点处确定小数频偏估计值，对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿；

整数频偏估计单元，用于将小数频偏补偿后的序列与所述训练序列在时域做循环移位互相关，搜寻最大值，得到整数频偏估计值。

7.如权利要求6所述的接收端设备，其特征在于，所述CAZAC序列为：

$c\left(k\right)=\exp \left(\frac{{\mathrm{j\π\μk}}^2}{N_1}\right);$

其中，μ与N₁互质，j为虚数单位，k为CAZAC序列c采样点的序号，k＝0,1,...,N₁；；

所述计算单元采用的伪噪声序列为：u(i)＝±1；

其中，i为伪噪声序列u的采样点的序号，i＝0,1,……,N₁-1。

所述训练序列 $\mathrm{TS}=\sqrt{\mathrm{\ρ}}\×\left[\begin{array}{cc}B& A\end{array}\right];$

ρ为功率因子；拼接序列[B A]中，B(i)＝A(i)u(i)，A(i)为所述子序列；或者A(i)为对所述CAZAC序列进行两倍上采样插零，再进行快速傅里叶逆变换后所得到的重复序列[A A]中的前一半或后一半序列。

8.如权利要求7所述的接收端设备，其特征在于：

所述计算单元计算的定时度量函数为M(d)＝|P(d)|²/(R(d))²；

$P\left(d\right)=\underset{k=0}{\overset{N_1-1}{\mathrm{\Σ}}}r(d+k+N_1)r^{*}(d+k)u\left(k\right);$

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

其中r()为接收信号，d为采样点的序号，r^*(d+k)为r(d+k)取共轭。

9.如权利要求8所述的接收端设备，其特征在于，所述小数频偏补偿单元在所述定时估计点处确定小数频偏估计值是指：

所述小数频偏补偿单元确定小数频偏估计值为：

其中，

是

对应的以弧度表示的相位角；

为所述定时估计点， $\hat{d}=\arg {\max }_{d}M\left(d\right);$

所述小数频偏补偿单元对所述OFDM信号中所述定时估计点后长度为N的序列进行小数频偏补偿后，得到的序列为

10.如权利要求9所述的接收端设备，其特征在于：

所述整数频偏估计单元将小数频偏补偿后的序列与所述训练序列在时域做循环移位互相关的结果为：

g为采样点的序号，g＝-N₁,……,-1,0,1,……,N₁-1；

所述整数频偏估计单元得到的整数频偏估计值为：

Images