CN109587783B - 一种基于信噪比和本地训练序列长度可变的定时同步方法 - Google Patents

Abstract

本发明提供了一种基于信噪比和本地训练序列长度可变的定时同步方法，利用本地训练序列长度与信噪比的效用关系式，建立最大化效用函数的凸优化函数问题，由于是线性优化问题，采用梯度求导得到最优本地训练序列长度的通式，并利用调整加权因子和长度区间判决，最终得到合适的本地训练序列长度。本发明能够在信噪比估计值已知的条件下，根据信噪比的变化而自适应控制定时同步的精度和计算复杂度。

Description

一种基于信噪比和本地训练序列长度可变的定时同步方法

技术领域

本发明涉及到宽带数字信号处理系统中的下行定时同步方法，属于移动通信、干扰抑制、数字信号处理等相关的技术领域。

背景技术

定时同步对于判决数据段的符号精确起始位置和实现正确解调十分重要。当前定时同步方案主要利用本地训练序列与接收帧中的训练序列做互相关，根据唯一的相关峰，从而确定数据段符号的起始位置。通信系统对高精度符号定时的要求，导致对定时同步序列的长度要求特别高，往往要大于捕获的训练序列长度，所以在低信噪比条件下，定时同步互相关运算复杂度不得不很高，而是在高信噪比条件下，固定长度的本地训练序列将导致不必要的计算资源浪费。

当前的基于互相关数据段的定时同步方法主要关注于固定长度的本地训练序列段，对于背景噪声比较恶劣的环境，则很难适应。有一些方案已经得到信噪比与训练序列长度的关系，但是并没有将该结论应用于本地训练序列长度的设计之中。另外还有一些方案虽然考虑到了信噪比对定时同步精确度的影响，但是却忽略了本地训练序列长度的缩小，造成定时同步精确度的下降。同时，信噪比影响所需相关本地训练序列长度，本地训练序列长度又决定定时同步精度和计算复杂度，所以在已知信噪比估计值的条件下，设计定时同步方案时总是希望定时同步可以根据信噪比的变化而自适应控制定时的精度和计算复杂度。

发明内容

为了克服现有技术的不足，本发明提供一种基于信噪比和本地训练序列长度可变的定时同步方法，利用本地训练序列长度与信噪比的效用关系式，建立最大化效用函数的凸优化函数问题，由于是线性优化问题，采用梯度求导得到最优本地训练序列长度的通式，并利用调整加权因子和长度区间判决，最终得到合适的本地训练序列长度。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1，建立信噪比R与定时同步序列长度L的效用函数f(R,L)，并建立凸优化数学模型

其中，L_d≤L≤L_u，L_d为本地子训练序列的最小长度，L_u为16个本地子训练序列的长度；α,β为加权因子，0＜α＜1、0＜β＜1，α+β＝1；解凸优化问题，得到最优点通式

步骤2，分别令(α,β)＝(0.1,0.9)、(0.2,0.8)、...(0.9,0.1)，计算

得到集合Φ＝{L₁,L₂,...L₉}；

步骤3，判决Φ中元素与范围[L_d，L_u]的关系；当Φ中元素均大于L_u时，则令本地定时同步训练序列总长度L_o＝L_u；当Φ中元素均小于L_d时，则令L_o＝L_d；当Φ中全部元素均属于[L_d L_u]内时，则L_t＝max{L₁,L₂,...L₉}，并

当Φ中部分元素属于[L_d L_u]内时，将属于[L_d L_u]的元素构成新集合Ψ，L_t＝maxΨ，并

步骤4，利用L_o进行互相关定时同步。

本发明的有益效果是：采用基于信噪比和本地训练序列长度可变的定时同步方法。即利用本地训练序列长度与信噪比的效用关系式，建立最大化效用函数的凸优化函数问题，由于是线性优化问题，采用梯度求导得到最优本地训练序列长度的通式，并利用调整加权因子和长度区间判决，最终得到合适的本地训练序列长度。本发明能够在信噪比估计值已知的条件下，根据信噪比的变化而自适应控制定时同步的精度和计算复杂度。

附图说明

图1是本发明的方法流程示意图。

具体实施方式

下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。

本发明的技术方案包括以下步骤：

步骤1：初始化，建立信噪比R与定时同步序列长度L的效用函数f(R,L)，并建立凸优化数学模型：

s.t.L_d≤L≤L_u

其中，α,β为加权因子，0＜α＜1、0＜β＜1，α+β＝1。

解凸优化：令

得到

步骤2：分别令(α,β)＝(0.1,0.9)、(0.2,0.8)、...(0.9,0.1)，计算

得到集合Φ＝{L₁,L₂,...L₉}。

步骤3：判决Φ中元素与[L_d，L_u]范围的关系。(下限L_d为本地子训练序列的最小长度，选取本地子训练序列为Frank序列，优选长度为64；上限L_u为16个Frank序列的长度。)

当Φ中元素均大于L_u时，则令L_o＝L_u；

当Φ中元素均小于L_d时，则令L_o＝L_d；

当Φ中全部元素均属于[L_d L_u]范围内时，则L_t＝max{L₁,L₂,...L₉}，并

代表向下取整；

当Φ中部分元素属于[L_d L_u]范围内时，将该类元素构成新集合Ψ，则L_t＝maxΨ，并

步骤4：本地定时同步训练序列总长度为L_o，由

个L_Δ符号长度的子训练序列构成，利用L_o进行互相关定时同步。

参照图1，本发明的实施例提供了一种基于信噪比和本地训练序列长度可变的定时同步方法。首先初始化，建立信噪比与定时同步序列长度的效用函数f(R,L)，并建立凸优化数学模型，解凸优化问题，得到最优点通式L_o＝α/2βR；其次，以0.1为步进，逐次改变加权因子α,β，得到集合Φ；然后，判决Φ中元素与[L_d，L_u]范围的关系；最后，得到本地定时同步训练序列长度，由

个L_Δ符号长度的子训练序列构成，相关运算得到频偏估计值。

为简化分析，本实例系统中子训练序列采用Frank序列，采用BPSK调制，长度为64个符号，本地训练序列长度范围定义为：L_d＝64，L_u＝64*16＝1024，信噪比R＝3dB，

具体操作时：

步骤1：初始化，建立信噪比R与定时同步序列长度L的效用函数f(R,L)，并建立凸优化数学模型：

s.t.64≤L≤1024

α,β为加权因子，0＜α＜1、0＜β＜1，α+β＝1。解凸优化得到

步骤2：分别令(α,β)＝(0.1,0.9)、(0.2,0.8)、...(0.9,0.1)，计算

得到集合Φ＝{L₁,L₂,...L₉}。

步骤3：判决Φ中元素与[64，1024]范围的关系。

当Φ中元素均大于L_u时，则令L_o＝1024；

当Φ中元素均小于L_d时，则令L_o＝64；

当Φ中全部元素均属于[64，1024]范围内时，则L_t＝max{L₁,L₂,...L₉}，并

代表向下取整；

当Φ中部分元素属于[64，1024]范围内时，将该类元素构成新集合Ψ，则L_t＝maxΨ，并

步骤4：本地定时同步训练序列总长度为L_o，由

个L_Δ符号长度的子训练序列构成，利用L_o进行互相关定时同步。

以上所述仅为本发明的具体实例，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求记载的技术方案及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内，这些基于本发明思想的修改和改变仍在本发明的权利要求保护范围之内。

Claims (1)

1.一种基于信噪比和本地训练序列长度可变的定时同步方法，其特征在于包括下述步骤：

步骤1，建立信噪比R与定时同步序列长度L的效用函数f(R,L)，并建立凸优化数学模型

其中，L_d≤L≤L_u，L_d为本地子训练序列的最小长度，L_u为16个本地子训练序列的长度；α,β为加权因子，0＜α＜1、0＜β＜1，α+β＝1；解凸优化问题，得到最优点通式

步骤2，分别令(α,β)＝(0.1,0.9)、(0.2,0.8)、...(0.9,0.1)，计算

得到集合Φ＝{L₁,L₂,...L₉}；

步骤3，判决Φ中元素与范围[L_d，L_u]的关系；当Φ中元素均大于L_u时，则令本地定时同步训练序列总长度L_o＝L_u；当Φ中元素均小于L_d时，则令L_o＝L_d；当Φ中全部元素均属于[L_dL_u]内时，则L_t＝max{L₁,L₂,...L₉}，并

当Φ中部分元素属于[L_d L_u]内时，将属于[L_d L_u]的元素构成新集合Ψ，L_t＝maxΨ，并

步骤4，利用L_o进行互相关定时同步。

Images