CN108282436A - 一种分布式mimo-ofdm定时同步快速相关算法 - Google Patents

Abstract

本发明涉及一种应用于分布式MIMO‑OFDM定时同步快速相关运算的算法，包括：(1)基于传统的CAZAC序列的定时同步方法，提出一种降低运算复杂度，提高分布式MIMO‑OFDM定时同步效率的算法，尤其针对于用户数较多的系统，效果更加明显；(2)在降低运算复杂度的同时不会以消耗定时同步准确性为代价，该方法既能保证定时同步的准确性又可以提高时间效率。(3)改善传统算法在多径信道环境下无法准确估计第一径位置的问题，提出了一种适用于多径衰落信道的MIMO‑OFDM系统的定时同步算法，该算法无论在加性高斯白噪声(AWGN)信道下还是多径信道下都能具有良好的同步性能。

Description

一种分布式MIMO-OFDM定时同步快速相关算法

技术领域

本发明涉及通信技术领域，更具体地，涉及一种基于CAZAC序列分布式MIMO-OFDM系统定时同步方法。

背景技术

随着互联网的迅猛发展，多输入多输出(MIMO)系统和正交频分复用(OFDM)技术的结合存在诸多优点，而且MIMO-OFDM是下一代移动通信系统的关键技术，MIMO-OFDM技术可以极大地提高频谱利用率、信道容量和传输的可靠性，因此受到越来越多的关注。

为了进一步提高无线通信系统的系统容量，分布式MIMO系统被提出，它的发射天线分布于不同的地理位置而接收天线集中与相同的地理位置，或者发射天线和接收天线均分布于不同的地理位置。分布式MIMO系统以其高容量、低功耗、更好地覆盖、开放式的结构、易扩展、组网灵活等优点，成为了第四代移动通信系统的显著特征之一。信号同步(包括定时同步和采样频率同步)是OFDM技术的难点之一。分布式MIMO-OFDM对于定时偏差非常敏感，由于定时偏差导致信号在频域上产生相位的旋转，这些偏差会造成系统的载波间干扰(ICI)和符号间干扰(ISI)，还会引起天线间干扰(MAI)。因此，对于分布式MIMO-OFDM定时同步估计尤为重要。

发明内容

为了克服现有技术存在的不足，本发明提出了一种高精度、低复杂度，适用于多径信道的的基于CAZAC序列的定时同步方法。

为了实现上述目的，本发明提出的方法具体步骤如下：

S1.在发送端各个发射天线端口分别插入不同根值的CAZAC同步序列；

S2.将各个发送端的CAZAC同步序列s_i(k)与已知的时域信道响应h_i(l)分别作卷积运算得s′_i(k)；

S3.取接收端m个OFDM符号r(k)记共有L个子载波数作FFT变换记为R(k)，并将步骤S2.得到的不同发送端的s′_i(k)后补零至子载波数为L作FFT变换记为S′_i(k)，其中i代表发送端的端号；

S4.取接收端m个OFDM符号r(k)记共有L个子载波数，将r(k)取绝对值后作FFT变换记为T(k)，并将步骤S2.得到的不同发送端的s′_i(k)后补零至子载波数为L后取绝对值后作FFT变换记为U_i(k)，其中i代表发送端的端号；

S5.分别将不同发送端得到的S′_i(k)与R(k)作点乘运算后作IFFT变换后取绝对值记为M(k)；

S6.分别将不同发送端得到的U_i(k)与T(k)作点乘运算后作IFFT变换后记为N(k)；

S7.分别对于每个的发送端作由于利用了接收端m个OFDM符号，因此对于每一个发送端可以得到m个峰值，计算峰值所在符号内的子载波数，并求平均值降低噪声的影响，得到最终估计值。

与现有技术相比，本发明的有益效果是：

1)本发明提供的方法，克服WPS算法无法区分不用发送端相关峰值的问题，同时与UPSP算法相比，计算的复杂度大大降低，提高定时同步估计的效率。

2)本发明提供的方法，从理论上推导出一种能避免重复运算，降低复杂度的算法，在提高运算效率的同时，不以降低估计值准确率为代价，在不同信噪比下都能有非常好的估计效果。

3)本发明提供的方法，可应用于高子载波数分布式MIMO-OFDM系统下，且在用户数较多的情况下，提高效率越明显，将高子载波数分布式MIMO-OFDM技术的难题变为优势，达到快且准的估计效果。

4)本发明利用已知的信道响应设计新的同步序列，改善传统算法在多径信道环境下无法准确估计第一径位置的问题，该算法无论在加性高斯白噪声(AWGN)信道下还是多径信道下都能具有良好的同步性能。

附图说明

图1 本发明实现流程图

图2 MIMO-OFDM系统模型图

图3 CAZAC序列自相关性图

图4 不同根值的CAZAC序列的互相关性图

图5 AWGN信道下本发明算法与其他算法性能仿真对比图

图6 多径信道下本发明算法与其他算法性能仿真对比图

图7 本发明度量函数归一化幅度值图(AWGN信道，snr＝10dB)

图8 本发明度量函数归一化幅度值图(多径信道，径数10径，snr＝10dB)

图9 已知信道响应与真实信道响应存在噪声情况下本发明性能仿真对比图

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

以下结合附图和实施例对本发明做进一步的阐述。

实施例1

如图1所示，本发明提出的方法具体步骤如下：

a)在发送端各个发射天线端口分别插入不同根值的CAZAC同步序列；

其中，步骤a)的具体做法为：

CAZAC序列具有如下特性：

(1)恒包络特性：任意长度的CAZAC序列幅值恒定；

(2)理想的周期自相关特性：任意CAZAC序列移位n位后，n不是ZC序列的周期的整倍数时，移位后的序列与原序列不相关，且自相关峰值曲线都很尖锐；

(3)良好的互相关特性：不同CAZAC根植序列互相关值接近于零，接收端可以较准确地进行相干检测；

(4)低峰均比特性：任意CAZAC序列组成的信号，其峰值与其均值的比值很低，可以减小功率放大器非线性失真；

(5)傅里叶变换/反傅里叶变换(FFT/IFFT)后为CAZAC序列，具有CAZAC序列的所有性质。

CAZAC序列为Zadoff-Chu序列，生成公式如下：

其中N为序列长度，k＝0，1，2...N-1，r为根植与N互质的任意正整数。

b)将各个发送端的CAZAC同步序列s_i(k)与已知的时域信道响应h_i(l)分别作卷积运算得s′_i(k)；

其中，步骤b)的具体求法如下：

为克服传统算法在多径信道环境下对分布式MIMO-OFDM定时同步无法准确估计出第一径的位置的问题，本发明将各个发送端的CAZAC同步序列s_i(k)与已知的时域信道响应h_i(l)分别作卷积运算得s′_i(k)＝s_i(k)*h_i(l)；

c)取接收端m个OFDM符号r(k)记共有L个子载波数作FFT变换记为R(k)，并将步骤S2.得到的不同发送端的s′_i(k)后补零至子载波数为L作FFT变换记为S′_i(k)，其中i代表发送端的端号；

其中，步骤c)的具体求法如下：

记一个OFDM符号有N个子载波数，由于在不同信噪比下分布式MIMO-OFDM系统定时同步估计，确定每一个发送端发送信号到达接收端的时延，需要多次估计取平均值以降低噪声对估计准确性的影响。设在接收端取m个OFDM符号，共有L＝m*N个子载波数，对该m个OFDM符号作L点FFT变换，公式为：

取不同发射天线的得到的序列s′_i(k)，设不同发射天线的同步序列为一个符号长度的CAZAC序列则子载波数为N，将其后补零至长度为L作FFT变换，公式为：

d)取接收端m个OFDM符号r(k)记共有L个子载波数，将r(k)取绝对值后作FFT变换记为T(k)，并将步骤S2.得到的不同发送端的s′_i(k)后补零至子载波数为L后取绝对值后作FFT变换记为U_i(k)，其中i代表发送端的端号；

其中，步骤d)的具体方法如下：

e)分别将不同发送端得到的S_i(k)与R(k)作点乘运算后作IFFT变换后取绝对值；

其中，步骤e)的具体方法如下：

由于CAZAC序列良好的自相关特性，以及近似为零的互相关性质，回顾基于CAZAC序列的分布式MIMO-OFDM定时同步方法：

可得第i个发送端的定时位置为d_exact＝arg max(C_t(x))，按照上述公式(1)重复操作N_t次，其中N_t代表发送端的个数，就可以得到N_t个时延估计值。

由公式(1)可知，对于不同发送端，每求一个C_i(x)都要进行一次相关运算，尤其当x的范围较大，OFDM符号子载波数较大，发送端用户数较多时，运算量会急剧增大，影响定时同步效率。为了减少式(1)分子部分的计算量，可利用傅里叶变换的性质，即时域信号经过傅里叶变换后，在时域上的互相关运算可以转换为频域上的复数乘法运算，即

因此分子部分式中：F代表傅里叶变换，F^*代表傅里叶变换后共轭运算，F^-1为傅里叶逆变换，其中s′_i为补零拓延成长度为L的矩阵。由由权利要求1所述的步骤c可以得到s′_i(k)与R(k)，且长度相等均为L，将两者做点乘运算，然后做IFFT变换后取绝对值，即可以简化式(1)中的分子部分。

f)分别将不同发送端得到的U_i(k)与T(k)作点乘运算后作IFFT变换后取绝对值；

其中，步骤f)的具体方法如下：

回顾基于CAZAC序列的分布式MIMO-OFDM定时同步方法：

为减少分母部分的计算量，可利用傅里叶变换的性质，即时域信号经过傅里叶变换后，在时域上的互相关运算可以转换为频域上的复数乘法运算，即

因此分母部分式中：F代表傅里叶变换，F^*代表傅里叶变换后共轭运算，F^-1为傅里叶逆变换，即可以简化式(1)中的分母部分。

g)分别对于每个的发送端作由于利用了接收端m个OFDM符号，因此对于每一个发送端可以得到m个峰值，计算峰值所在符号内的子载波数，并求平均值降低噪声的影响，得到最终估计值。

其中，步骤g)的具体方法如下：

基于CAZAC序列分布式MIMO-OFDM定时同步方法：

对于分子部分，可以由步骤e)即不同发送端得到的S′_i(k)与R(k)作点乘运算后作IFFT变换后取绝对值，可以同时得到不同x情况下的分子部分，避免了对于不同的x要每次计算时域相关运算，简化了运算的复杂度，提高运算效率。

对于分母部分，可以由步骤f)其具体原理与步骤e)相同，分子分母同时降低运算复杂度，提高定时同步效率。由于在不同信噪比情况下，利用接收端OFDM的符号数不同，设利用了m个OFDM符号，因此，每一个发送端在进行上述运算，都会得到m个峰值，在一个OFDM符号内可由公式d_exact＝arg max(C_i(x))计算峰值所在符号内的位置，并将m个估计值求平均值降低噪声的影响，得到最终估计值，设对于发送端i而言，m个峰值所在的子载波位置分别为C₁，C₂...C_m，则对于发送端i，最终得到的发送端发送信号到达接收端起始位置为

实施例

本发明对上述方法进行了性能分析与仿真，具体如下：

在一个发送端个数为2，接收端个数为1，即2*1的分布式MIMO-OFDM系统下，子载波数为512，循环前缀长度CP＝128，采样频率为5MHz；2个发送天线上的训练序列分别为子载波数为512，根值为3、5的CAZAC同步序列。令每个发送端发送信号到达接收端的时延分别为50、200设其直接信道的时域冲击响应表达式为h_i(t)＝W_i*((0.9)^t+(0.1)^t)，其中W_i为不同发送端信道的系数，信道径数为10。

将本发明与两种传统方法进行比较，方法1是文献“A novel timingsynchronization method for distributed MIMO-OFDM system”，这里简称为“UPSP算法”，方法2是文献“用于MIMO OFDM系统的定时同步算法”，这里简称为“WPS算法”。

本发明的度量函数为

基于CAZAC时域相关算法的度量函数

UPSP算法的度量函数

为了方便对比，三种算法的各种性能，可总结为如下表：

将本发明与两种传统算法相比，本发明提出的新方法的定时度量函数运算复杂度最低，尤其在高子载波数，用户数较多的分布式MIMO-OFDM系统下能达到更明显的高效率且准确性较高的定时同步估计，同时本发明无论在加性高斯白噪声(AWGN)信道下还是多径信道下都具有良好的同步性能。

图3图4分别将CAZAC序列的循环移位自相关特性以及互相关特性进行仿真，可证明基于CAZAC序列进行分布式MIMO-OFDM同步可以减少用户间干扰，保证定时度量函数尖锐，提高定时同步准确性。

结合图5图6可发现本发明在进行分布式MIMO-OFDM同步搜索多径信道第一径峰值过程中较为准确，无论在AWGN信道下还是多径信道下都有较高的准确率，抗多径干扰能力较强，可实现分布式MIMO-OFDM的同步估计。

图7图8模拟仿真了本发明的度量函数在AWGN信道和多径信道条件下的归一化幅度值，易知本发明度量函数的峰值较为明显，能实现定时同步估计。

图9仿真试验在信道估计不准时，即已知的信道响应与真实的信道响应之间存在噪声，并仿真不同噪声能量情况下该方法的性能，可知本发明能够信道估计不准确的情况下，即信道噪声在一定范围能都能达到较高的定时同步估计准确率。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (1)

1.一种分布式MIMO-OFDM定时同步快速相关运算算法，其特征在于，包括如下步骤：

S1.在发送端各个发射天线端口分别插入不同根值的CAZAC同步序列；

S2.将各个发送端的CAZAC同步序列s_i(k)与已知的时域信道响应h_i(l)分别作卷积运算得s′_i(k)；

S3.取接收端m个OFDM符号r(k)记共有L个子载波数作FFT变换记为R(k)，并将步骤S2.得到的不同发送端的s′_i(k)后补零至子载波数为L作FFT变换记为S′_i(k)，其中i代表发送端的端号；

S4.取接收端m个OFDM符号r(k)记共有L个子载波数，将r(k)取绝对值后作FFT变换记为T(k)，并将步骤S2.得到的不同发送端的s′_i(k)后补零至子载波数为L后取绝对值后作FFT变换记为U_i(k)，其中i代表发送端的端号；

S5.分别将不同发送端得到的S′_i(k)与R(k)作点乘运算后作IFFT变换后取绝对值记为M(k)；

S6.分别将不同发送端得到的U_i(k)与T(k)作点乘运算后作IFFT变换后取绝对值记为N(k)；

S7.分别对于每个的发送端作由于利用了接收端m个OFDM符号，因此对于每一个发送端可以得到m个峰值，计算峰值所在符号内的子载波数，并求平均值降低噪声的影响，得到最终估计值。