CN114391244A - 用于抑制正交频分复用信号中相位噪声的方法和解码器 - Google Patents

Abstract

OFDM信号中的相位噪声(phase noise，PN)被抑制。在初始迭代中，产生OFDM信号矢量中PN样本的估计，并使用所述PN的初始估计解调所述OFDM信号，以生成用于所述初始迭代的星座符号。在附加迭代中，计算在前一迭代中生成的星座符号的快速傅里叶逆变换，以重建传输的信号矢量的先前样本。估计对重建样本的PN效应。根据对所述重建样本的所述估计的PN效应，产生下一个信号矢量中所述PN的下一个估计。使用所述PN的所述下一个估计解调所述下一个信号矢量，以生成用于所述附加迭代的星座符号。可以使用预定的最大数量的附加迭代。

Description

用于抑制正交频分复用信号中相位噪声的方法和解码器

相关申请案交叉引用

本申请要求于2019年9月10日提交的发明名称为“用于抑制正交频分复用信号中相位噪声的方法和解码器(METHOD AND DECODER FOR SUPPRESSING PHASE NOISE IN ANORTHOGONAL FREQUENCY DIVISION MULTIPLEXING SIGNAL)”、序列号为16565870的美国专利申请的优先权的权益，该在先申请的内容通过引用并入本文。

技术领域

本公开大体上涉及通信网络领域，具体地，涉及一种用于抑制正交频分复用信号中相位噪声的方法和解码器。

背景技术

频谱效率在当前和未来的无线通信中非常重要。这促使向使用高阶星座发展。正交频分复用(orthogonal frequency division multiplexing，OFDM)是一种在当前和下一代无线传输链路中使用的成熟技术。

在相干数字通信中，高频载波波形用于所需信号的调制和解调。发送器侧的本地振荡器(local oscillator，LO)用于生成载波信号，作为调制过程的一部分。相反，在接收器侧的解调过程中使用类似的本地振荡器。在几乎所有实际LO中，生成的载波波形包括不需要的相位偏移，即振荡器相位噪声(phase noise，PN)。只有使用高价振荡器才能降低载波的PN。通常在传输的发送端和接收端使用廉价的LO，同时通过接收器处的数字信号处理(digital signal processing，DSP)补偿PN效应。

正交频分复用(orthogonal frequency division multiplexing，OFDM)是移动通信系统中对抗多径效应的常用方法。OFDM目前部署在长期演进(long term evolution，LTE)网络中，并提议在第五代新空口(5th generation new radio，5G-NR)中使用。OFDM使用大调制星座，例如256正交幅度调制(quadrature amplitude modulation，QAM)。这种大星座受益于高频谱效率，但也需要高信噪比(signal to noise ratio，SNR)水平。

在存在PN的情况下，OFDM系统的性能会严重恶化。具体地，PN通过造成公共相位误差(common phase error，CPE)和载波间干扰(intercarrier interference，ICI)而影响OFDM系统。CPE是PN对OFDM符号内所有子载波(subcarrier，SC)的联合影响。CPE会导致整个星座旋转。ICI会导致SC之间的正交性丢失。ICI的影响显示为在OFDM解调器的输出端添加到所需信号的一组添加项。

图1是使用受公共相位误差和载波间干扰影响的256-QAM星座的OFDM系统的示例的图。图2是在消除公共相位误差效应的影响后使用图1的256-QAM星座的OFDM系统的图。在图1和图2中，假设发送器与接收器之间的无线信道主要受到加性白高斯噪声(additivewhite Gaussian noise，AWGN)的影响。

图1和图2中可见的PN效应是由发送器侧和接收器侧的不完美LO引起的。无论星座大小如何，都必须在接收器处补偿PN效应，以防止输出SNR变得极低，有时是负的。

由于OFDM技术的性质，传输链路在OFDM调制之前在频域(frequency domain，FD)中工作，在信道上在时域(time domain，TD)中工作，并且在OFDM解调之后再次在FD中工作。因此，PN抑制方法可以在FD或TD中实现。

在评估各种PN抑制方法的性能和成本时，应考虑三(3)个主要因素。其中一个因素是计算复杂性。需要考虑估计过程中一些复杂的乘法和加法，需要逆转的矩阵的维数，以及任何其它相当多的计算。另一个因素是处理延迟，这在5G-NR的上下文中至关重要。最后是导频开销，它可以定义为一个OFDM符号内传输的导频符号的数量与SC的数量之间的比率，应加以限制，以保持预期的频谱效率。

频域PN抑制方法

PN对解调器的输出端传输符号的影响反映为CPE和ICI。OFDM解调器输出与给定子载波(subcarrier，SC)下传输的星座符号之间的关系用方程(1)表示：

在方程(1)中，R(k)＝S(k)H(k)，其中，S和H分别是在第k个SC处传输的星座符号和信道的频率响应；[q]_N表示q对N取模的运算；包括PN效应的参数I定义为

其中，φ＝φ_tx+φ_rx和FFT{A}是变量A的N点快速傅里叶变换(fast Fourier transform，FFT)运算。方程(1)揭示，CPE效应与SC索引无关，而ICI在每个SC上都是不同的。

在FD PN抑制方法中，在OFDM解调后，在接收器中实现DSP算法。FD PN抑制分两个阶段执行。在第一阶段，通过平均过程消除CPE。该第一阶段的计算复杂性和所需的开销都较小。但是，仅在小星座的情况下，例如正交相移键控(quadrature phase shift keying，QPSK)或16-QAM，仅消除CPE就足够了。为了进一步抑制OFDM解调信号中的PN效应，还需要缓解ICI的影响。相对于CPE消除，ICI缓解是一个复杂的过程。这个过程不仅需要传输的数据符号中更多已知的导频符号，而且还需要一种能够利用对导频符号的了解估计每个SC中的ICI的算法。

在传统的FD PN抑制方法中，遵循以下通用的ICI缓解方法。它们的数学模型是基于如下假设：PN的功率频谱密度(power spectral density，PSD)主要集中在低频分量中，在这个意义上，PN是一个低频过程。在这个假设下，ICI缓解问题被表述为对几个小频率分量的估计，而忽略了其余分量。换句话说，FD PN抑制方法只估计2l+1个项，而不是在方程(1)中查找所有N个ICI项，其中，在方程(1)中的N个ICI项中，l通常小于5。添加1归因于CPE消除，对应于SC 0(空SC位置)。可以采用几种数学方法来从接收到的导频信息中估计上述2l+1个分量。就计算复杂性而言，最简单形式的估计问题的解包括维数为(2l+1)×(2l+1)的矩阵求逆。这种矩阵求逆在FD PN抑制方法中构成了主要的计算负担。

在各种FD PN抑制方法中，提出了一种迭代方法来进一步改进初始估计结果。这种迭代方法的特定算法包括反馈环路，该反馈环路使用在使用前向纠错(forward errorcorrection，FEC)过程之后检测到的数据符号。在每次迭代中，对估计问题重新求解，并重新估计2l+1个ICI项。每次迭代的差异在于形成的方程组。随着更可靠的数据符号在FEC的输出端可用，方程系数被更新。因此，通过求解更新的方程，可以更好地估计ICI项。与方程的一次性求解相比，使用此迭代方案获得的估计ICI项更准确。

FD PN抑制方法，无论是否迭代，在星座大小为64-QAM或更小时，都能有效地补偿PN效应。但是，这些技术的一个主要计算负担归因于矩阵求逆运算。应用迭代FD PN抑制方法会导致处理延迟显著增加。由此产生的延迟增加部分归因于FEC操作中的固有延迟，部分归因于反馈环路中的计算重复。为了保持计算复杂性和延迟较低，提出了数据流之间的特定导频排布。然后，使用最小二乘(least square，LS)解求解估计问题。但是，要实现一致的结果需要求解几组导频符号的方程，这显著增加了导频开销。这种缺陷与忽略LS解中的加性噪声有关。另一方面，可以使用最小均方误差(minimum mean square error，MMSE)求解器，但需要了解PN的统计行为，而这在实践中可能无法实现。例如，与FD PN抑制方法相关的其它问题包括估计PN的固有周期性，该固有周期性导致OFDM符号的边缘附近估计性能较差。对于某些LO实现方式，PN是一个低频过程的假设可能无法得到验证。

时域PN抑制方法

TD PN抑制方法尝试在OFDM信号矢量样本的实际解调之前估计PN效应。通过在时域中对OFDM信号矢量的样本进行解旋转，然后对补偿样本执行OFDM解调。图3是实现传统的时域相位噪声消除方法的OFDM网络的框图。在图3中，OFDM网络1包括发送器侧，其中，编码器2包括接收待通过OFDM网络1传输的数据的符号生成器4。符号生成器4应用M阶调制(因此称为“M进制调制”)以在频域中生成星座符号S。星座符号S应用于OFDM调制器6，以在时域中生成基带OFDM信号矢量x_I。然后，将基带OFDM信号矢量x_I应用于发送侧LO 8，该LO 8将基带OFDM信号矢量x_I转换为射频OFDM信号x。射频OFDM信号x可以在由天线(未示出)通过信道10发送之前由放大器(未示出)放大。

OFDM网络1还在接收器侧包括解码器12。射频OFDM信号x在信道10上作为天线(未示出)上的射频OFDM信号y_ch接收。在被放大器(未示出)放大后，射频OFDM信号y_ch被施加到接收侧LO 14，接收侧LO 14将射频OFDM信号y_ch转换为基带OFDM信号矢量y。PN估计块16应用TD PN估计方法来计算PN估计

使用该PN估计

来根据PN的估计对基带OFDM信号矢量y进行解旋转，从而生成基带OFDM信号矢量

其中至少一些PN效应已经被抑制。OFDM信号矢量

被施加到OFDM解调器18，该OFDM解调器18在频域中生成解调的OFDM信号矢量

的样本。继而，解调的OFDM信号矢量

的样本被施加到生成星座符号

的切片器20。

星座符号

尽可能地再现来自编码器2的星座符号S。但是，星座符号

中可能存在错误。FEC处理器22可以检测和校正星座符号

中存在的数据错误。

图3所示的TD PN抑制方法的数学推导简要解释如下。再次参考图4，端到端传输可以根据方程(2)表示：

在方程(2)中，F是大小为N的离散傅里叶变换(discrete Fourier transform，DFT)矩阵，F^H是F的厄米特转置(Hermitian transpose)。H_m是具有衰减矢量h的信道10的循环卷积矩阵。ψ_tot＝diag{e^jφ}，其中，diag{X}是具有对角元素X的对角矩阵。由于H_m是循环矩阵，因此它可以使用DFT矩阵对角线化为

可以说明的是，

替换方程(2)中的对角线化H_m，给出了以下方程(3)：

TD PN抑制方法被表述为寻找对角矩阵ψ，使得在理想情况下，ψψ_tot＝I_N，其中，I_N是维数为N的酉矩阵。如果找到了所需的矩阵，则可以简单地使

这表示y被解旋转，并将

发送到OFDM解调器18。在这种情况下，OFDM解调器18的输出变为

对角矩阵ψ可以根据其对角元素估计。因此，中定义为对角矩阵ψ的对角元素的矢量。TD PN抑制方法使用以下两个分量估计矢量中。

首先，使用d个基矢量的集合，其中，每个基v_i是N维矢量。这使得总基矢量被放置在矩阵V＝[v₁，...，v_d]中。

其次，使用与基矢量对应的d个系数的矢量(每个基矢量1个缩放系数)。系数矢量示为γ。

所需矢量Φ写为Φ＝Vγ。因此，

其中，Y_m是矢量y在其对角线上的对角矩阵。从

的意义上说，OFDM解调器18充当FFT运算器。这也可以写为

通过使M＝FY_mV，可以形成方程(4)：

在方程(4)中，

是AWGN的矢量。估计PN样本相当于寻找矩阵V和矢量γ。假设基矢量是被选择和固定的；这是一个温和的假设，因为存在一些基集可以很容易地使用。例如，可以使用离散余弦变换(discrete cosine transform，DCT)基。因此，γ可以从方程(4)估计。在方程(4)中，有N个方程的组。但是，星座符号S的元素并非(全部)已知，因此无法使用全部N个方程。而是使用与导频位置对应的方程。假设有L个导频，则L个方程的组在方程(5)中写为：

除了所需矢量γ，方程(5)中的所有元素都是已知的。要寻找γ，使用LS解，它给出

比较FD和TNPN抑制方法

与FD PN抑制方法相比，TD PN抑制方法受到的关注较少。但是，当在相同的导频符号开销和相当的计算复杂性和延迟下使用TD PN抑制方法和FD PN抑制方法时，TD PN抑制方法具有优于FD PN抑制方法的估计性能。

图4是比较传统的频域和时域相位消除方法的性能的图。为了进一步验证，图4中比较了TD PN抑制方法与FD PN抑制方法之间PN估计的均方误差(mean squared error，MSE)，TD PN抑制方法和FD PN抑制方法被认为是OFDM系统中最先进的PN抑制方法。在图30中，当使用256-QAM星座和32dB SNR时，比较了FD PN抑制方法和TD PN抑制方法。MSE计算为

其中，φ是实际PN，φ是在给定SC下估计的PN。OFDM符号数为50，每个符号包括3300个激活SC。FFT大小为4096。当信道带宽为400MHz时，这些数字符合第三代合作伙伴计划(3^rdgeneration partnership project，3GPP)规范版本15中提到的OFDM要求。在这两种情况下，导频符号开销都为1％。

在图30上，MSE曲线32表示FD PN抑制方法仅限于CPE消除时的性能。MSE曲线34表示当使用l等于4个频率分量时的估计性能。这涉及到对维数为(2l+1)×(2l+1)(在这种情况下为9×9)的矩阵求逆。MSE曲线36表示当使用基矢量的数量d设置为8的TD PN抑制方法时的性能。

比较MSE曲线34和36，在相同的导频符号开销下，TD PN抑制方法的性能几乎比FDPN抑制方法的性能好5dB。有可能将FD PN抑制方法的性能提高到TD PN抑制方法的水平，但这只能以导频符号开销显著增加为代价。这是因为当使用LS解时，LS解比使用MMSE解更实用，除了正在估计的那些之外，加性噪声和ICI项(在方程(1)中)的影响被忽略。为了避免这个问题，需要使用更多的导频符号和更多的方程(对于方程(1)中的同一组ICI项)。然后，最终结果将是方程(1)解的平均值。与仅使用LS解求解一次估计问题的TD PN抑制方法相比，FD PN抑制方法显然需要更多的开销和更高的计算复杂性。

虽然TD PN抑制方法是抑制OFDM系统中PN的有吸引力的方案，但当OFDM网络1依赖于更大的星座大小时，其性能不再令人满意。当使用高阶调制时，例如256-QAM及更高的调制，具有合理开销和少量基矢量集的TD PN抑制方法无法满足PN估计性能要求。只有通过增加导频符号开销和应用的基矢量数量才能获得令人满意的性能。增加导频符号开销与使用大星座的实际意图(即达到高频谱效率)相矛盾，而增加应用的基矢量数量则显著增加了计算复杂性。高计算复杂性是由于需要更多估计过程中使用的基矢量数量。维数等于基矢量数量的矩阵求逆是必要的，矩阵求逆这种运算的复杂性随着基矢量数量的立方阶数而增加。

图5是比较对于不同开销和基矢量数量组合，使用时域方法的PN估计性能的图。使用与用于生成图30的模拟参数相同的模拟参数生成的图40示出了TD PN抑制方法的MSE曲线42的模拟结果，其中，基矢量数量为10，转换为10×10矩阵求逆，导频符号开销为1％。MSE曲线42的性能对于1024-QAM星座是不够的。MSE曲线44示出了TD PN抑制方法的模拟结果，其中，基矢量数量为40，这转换为40×40矩阵求逆，导频符号开销为10％。MSE曲线44满足1024-QAM星座的PN估计要求。模拟结果证实，达到使用大星座时所需的PN估计性能需要大的开销比和复杂的矩阵求逆运算。不幸的是，从频谱效率的角度来看，高达10％的导频符号开销过大，并且对每个OFDM符号执行40×40矩阵求逆是不现实的。

LO是每个数字通信设备不可或缺的部分，PN几乎在所有类型的LO中都存在。因此，需要改进的PN抑制技术，以克服上述不便。

发明内容

本技术的实施例是基于开发人员对与现有技术相关联的缺点的理解开发的。

具体地，这些缺点可能包括以下各项中的任何一个或多个：(1)由相位噪声引起的ODFM系统的性能恶化；(2)克服相位噪声效应的传统方法的计算复杂性；(3)传统方法克服相位噪声效应所需的大量开销；(4)克服相位噪声效应的传统方法引入的处理延迟。

在一个方面，本技术的各种实现方式提供了一种用于抑制正交频分复用(orthogonal frequency division multiplexing，OFDM)信号中相位噪声的方法，所述方法包括：

在初始迭代中：

产生OFDM信号矢量的初始样本中所述相位噪声的初始估计；

使用所述相位噪声的所述初始估计解调所述OFDM信号矢量的所述初始样本，以生成用于所述初始迭代的星座符号；

在所述初始迭代之后的至少一个附加迭代中：

计算在前一迭代中生成的星座符号的快速傅里叶逆变换(inverse fast Fouriertransform，IFFT)，以重建在所述前一迭代中解调的所述OFDM信号矢量的样本；

估计对所述OFDM信号矢量的所述重建样本的相位噪声效应；

根据对所述OFDM信号矢量的所述重建样本的所述估计的相位噪声效应，产生所述OFDM信号矢量的后续样本中所述相位噪声的下一个估计；

使用所述相位噪声的所述下一个估计解调所述OFDM信号矢量的所述后续样本，以生成用于所述至少一个附加迭代的星座符号。

在本技术的一些实现方式中，所述前一迭代是紧邻的前一迭代。

在本技术的一些实现方式中，产生所述OFDM信号中所述相位噪声的所述下一个估计包括：

计算对所述OFDM信号矢量的所述重建样本的所述估计的相位噪声效应的值的移动平均值；

计算所述估计的相位噪声效应的所述值的所述移动平均值的角度；

对所述估计的相位噪声效应的所述值的所述移动平均值的所述角度进行插值。

在本技术的一些实现方式中，所述移动平均值是在所述估计的相位噪声效应的5至50个值范围内的窗口大小上计算的。

在本技术的一些实现方式中：

使用所述相位噪声的所述初始估计解调所述OFDM信号矢量的所述初始样本包括使用所述相位噪声的所述初始估计对所述OFDM信号矢量的所述初始样本进行解旋转；

使用所述相位噪声的所述下一个估计解调所述OFDM信号矢量的所述后续样本包括使用所述相位噪声的所述下一个估计对所述OFDM信号矢量的所述后续样本进行解旋转。

在本技术的一些实现方式中：

使用所述相位噪声的所述初始估计解调所述OFDM信号矢量的所述初始样本包括对所述OFDM信号矢量的所述解调的初始样本进行切片，以生成用于所述初始迭代的所述星座符号；

使用所述相位噪声的所述下一个估计解调所述OFDM信号矢量的所述后续样本包括对所述OFDM信号矢量的所述解调的后续样本进行切片，以生成用于所述至少一个附加迭代的所述星座符号。

在本技术的一些实现方式中，估计对所述OFDM信号矢量的所述重建样本的所述相位噪声效应包括将来自所述前一迭代的所述OFDM信号矢量的样本与所述OFDM信号矢量的所述重建样本进行比较。

在本技术的一些实现方式中，所述方法还包括将时间延迟应用于所述OFDM信号矢量，以将来自所述前一迭代的所述OFDM信号矢量的所述样本与所述OFDM信号矢量的所述重建样本对齐。

在本技术的一些实现方式中，所述相位噪声的所述初始估计和所述后续估计是在时域中产生的。

在本技术的一些实现方式中，星座大小选自2、4、8、16、32、66、128、256、512、1024、2048和4096。

在本技术的一些实现方式中，产生所述OFDM信号矢量的所述样本中所述相位噪声的所述初始估计包括：

根据所述OFDM信号中包括的导频符号消除所述OFDM信号的所有子载波的公共相位误差；

使用前向纠错来实现反馈环路，以迭代地缓解所述OFDM信号内的载波间干扰。

在本技术的一些实现方式中，产生所述OFDM信号矢量的所述初始样本中所述相位噪声的所述初始估计包括对所述OFDM信号中包括的导频信息的时域表示应用线性变换，以产生所述相位噪声的时间相关表示。

在本技术的一些实现方式中，所述方法还包括：

将所述至少一个附加迭代中生成的所述星座符号与所述前一迭代中生成的所述星座符号进行比较；

如果在所述至少一个附加迭代中生成的所述星座符号与在所述前一迭代中生成的所述星座符号之间的差值大于预定裕量，并且预定的最大迭代次数尚未达到，则启动另一个附加迭代。

在另一方面，本技术的各种实现方式提供了一种非瞬时性计算机可读介质，所述非瞬时性计算机可读介质存储有计算机可执行指令，所述计算机可执行指令执行时使处理器执行一种用于抑制正交频分复用(orthogonal frequency division multiplexing，OFDM)信号中相位噪声的方法。

在另一方面，本技术的各种实现方式提供了一种用于抑制正交频分复用(orthogonal frequency division multiplexing，OFDM)信号中相位噪声的解码器，所述解码器包括：

本地振荡器，用于将OFDM信号转换为OFDM信号矢量；

OFDM解调器，用于使用提供的相位噪声估计解调所述OFDM信号矢量，以产生所述OFDM信号矢量的解调样本；

切片器，用于从所述OFDM信号矢量的所述解调样本生成星座符号；

处理单元，可操作地连接到所述本地振荡器、所述OFDM解调器和所述切片器，所述处理单元用于在初始迭代中：

产生所述OFDM信号矢量的初始样本中所述相位噪声的初始估计；

将所述相位噪声的所述初始估计提供给所述OFDM解调器；

所述处理单元还用于在所述初始迭代之后的至少一个附加迭代中：

计算在前一迭代中生成的星座符号的快速傅里叶逆变换(inverse fast Fouriertransform，IFFT)，以重建在所述前一迭代中解调的所述OFDM信号矢量的样本；

估计对所述OFDM信号矢量的所述重建样本的相位噪声效应；

根据对所述OFDM信号矢量的所述重建样本的所述估计的相位噪声效应，产生所述OFDM信号矢量的后续样本中所述相位噪声的下一个估计；

将所述相位噪声的所述下一个估计提供给所述OFDM解调器。

在本技术的一些实现方式中，所述OFDM解调器还用于使用所述提供的相位噪声估计对所述OFDM信号矢量的所述样本进行解旋转。

在本技术的一些实现方式中，所述OFDM解调器包括快速傅里叶变换(fastFourier transform，FFT)处理器。

在本技术的一些实现方式中，所述处理单元还用于实现估计器，所述估计器用于通过将来自所述前一迭代的所述OFDM信号矢量的样本与所述OFDM信号矢量的所述重建样本进行比较来计算对所述OFDM信号矢量的所述重建样本的所述相位噪声效应。

在本技术的一些实现方式中，所述处理单元还用于实现延迟处理器，所述延迟处理器用于将时间延迟应用于所述OFDM信号矢量，以将来自所述前一迭代的所述OFDM信号矢量的所述样本与所述重建的OFDM信号矢量的所述样本对齐。

在本技术的一些实现方式中，所述处理单元还用于实现：

IFFT处理器，用于重建在所述前一迭代中解调的所述OFDM信号矢量的所述样本；

滤波器，用于计算对所述OFDM信号矢量的所述重建样本的所述估计的相位噪声效应的值的移动平均值；

角度计算器，用于计算所述估计的相位噪声效应的所述值的所述移动平均值的角度；

插值器，用于对所述估计的相位噪声效应的所述值的所述移动平均值的所述角度进行插值，所述插值器产生所述相位噪声的所述下一个估计。

在本技术的一些实现方式中：

所述OFDM信号包括前向纠错(forward error correction，FEC)信息；

所述处理单元还用于在抑制所述OFDM信号矢量的所述样本中的所述相位噪声之后使用所述FEC信息来校正所述星座符号中存在的数据错误。

附图说明

结合附图，通过以下详细描述，本公开的特征和优点将变得显而易见，在附图中：

图1是使用受公共相位误差和载波间干扰影响的256-QAM星座的OFDM系统的示例的图；

图2是在消除公共相位误差效应的影响后使用图1的256-QAM星座的OFDM系统的图；

图3是实现传统的时域相位噪声消除方法的OFDM网络的框图；

图4是比较传统的频域和时域相位消除方法的性能的图；

图5是比较对于不同开销和基矢量数量组合，使用时域方法的PN估计性能的图；

图6是本公开的实施例提供的实现相位噪声消除方法的OFDM网络的框图；

图7是本公开的实施例提供的OFDM解码器的框图；

图8a、图8b和图8c共同示出了本公开的实施例提供的用于抑制OFDM信号中相位噪声的方法的操作的序列图；

图9是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法获得的相位噪声样本及其估计值的图；

图10是256-QAM星座的各种PN估计方法的性能的图；

图11是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的256-QAM星座的相位噪声的功率频谱密度的图；

图12是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的256-QAM星座的信噪比性能的图；

图13是1024-QAM星座的各种PN估计方法的性能的图；

图14是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的1024-QAM星座的相位噪声的功率频谱密度的图；

图15是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的1024-QAM星座的信噪比性能的图；

图16是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的256-QAM星座的输出信噪比性能的图；

图17是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的1024-QAM星座的输出信噪比性能的图；

图18是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的4096-QAM星座的输出信噪比性能的图。

应当理解，在所有附图和对应的描述中，相同的特征通过相同的附图标记标识。此外，还应理解，附图和随后的描述仅用于说明目的，并且此类公开内容并不意图限制权利要求的范围。

具体实施方式

除非另有定义，否则本文所使用的所有技术和科学术语都具有与所述实施例所属的本领域普通技术人员通常所理解的相同的含义。

一般而言，本公开通过添加补充时域(time domain，TD)PN抑制技术来补充先前相位噪声(phase noise，PN)抑制技术中的任何一种技术。实现了迭代过程，其中，在初始迭代中使用传统的频域(frequency domain，FD)或TD PN抑制方法以获得PN的初始估计。在此初始迭代中接收OFDM信号样本，从而为该初始迭代生成星座符号。在此初始迭代之后不需要使用传统的FD或TD抑制方法。在下一次迭代中，从初始迭代中生成的星座符号重建来自初始迭代的OFDM信号样本。估计对重建OFDM符号的PN效应。PN效应的新估计用于解调在下一次迭代中接收的OFDM信号样本。接下来是进一步的迭代，其中，在每次给定迭代中接收到的OFDM信号样本在每下一次迭代中重建。第二次迭代细化在初始迭代中获得的PN的估计。然后，第三次迭代细化在第二次迭代中获得的PN的估计。经过几次迭代，PN估计的性能不再受到PN初始估计质量的影响。

本公开的实施例使用在时域(time domain，TD)中应用的线性插值(linearinterpolation，LI)(因此为LI-TD)来抑制OFDM信号中的PN效应。LI-TD PN抑制技术可以达到类似于均方误差(mean squared error，MSE)曲线44(图5)的高性能，同时使用与产生曲线42(图5)时使用的导频符号开销和基矢量数量类似的导频符号开销和基矢量数量。

LI-TD PN抑制技术适用于所有OFDM传输链路。本技术可以视为对抗OFDM系统中PN效应的统一框架，无论数据符号是从小星座(例如QPSK)传输还是从密集星座(例如4096-QAM)传输。

图6是本公开的实施例提供的实现相位噪声消除方法的OFDM网络的框图。OFDM网络1'包括与图3的OFDM网络1的组件大部分相同的组件，并进一步包括附加组件。现在仅详细说明附加组件。

在接收器侧，解码器12'包括初始PN估计块16'，在一个实施例中，该初始PN估计块16'可以与图3的相位噪声(phase noise，PN)估计块16相同，并用于应用上文描述的TD PN估计方法或其变体。或者，初始PN估计块16'可以用于应用FD PN估计方法的任何变体。无论如何，在初始迭代(迭代0)中，可以通过硬件和/或软件实现的第一开关50将OFDM信号矢量y的初始样本引导到初始PN估计块16'。与第一开关50的位置无关，OFDM信号矢量y的初始样本还被引导到延迟处理器52，原因如下文所述。初始PN估计块16'计算PN的初始估计

其中，(0)表示该初始迭代，并使用该PN的初始估计

来生成OFDM信号矢量y的初始样本的PN校正估计

初始PN估计块16'的估计性能可能不足以达到OFDM网络1'的性能目标，特别是当OFDM网络1'使用高阶调制(例如256-QAM、1024-QAM或4096-QAM)时。因此，施加到OFDM解调器18的OFDM信号矢量y的初始样本、从OFDM解调器18施加到切片器20的初始OFDM信号样本

以及由切片器20生成的初始星座符号

的PN校正估计

质量可能相对较差。前向纠错(forward error correction，FEC)处理器22可能不能完全克服初始星座符号

中存在的错误。第一开关50在初始迭代完成后立即打开。

从下一次迭代(迭代>0)开始，也可以通过硬件和/或软件实现的第二开关54闭合并持续保持闭合。考虑初始迭代之后的第一次迭代(迭代1)，第二开关54将OFDM信号矢量y的后续样本引导到解旋转块56。解旋转块56通过计算

形成PN校正估计

作为PN的细化估计

(如下文所述计算)的函数。OFDM信号矢量y的这些样本(以及后续样本)继续被引导到延迟处理器52。来自初始迭代的星座符号

被馈送到环路58。在环路58中，快速傅里叶逆变换(inverse fast Fourier transform，IFFT)运算器60使用初始星座符号

形成传输的OFDM信号矢量x_I的初始样本的重建(即估计)副本

OFDM信号矢量y的初始样本已被延迟处理器52延迟，以与重建副本

时间对齐，并在估计器62中与之比较对OFDM信号矢量的重建样本的PN效应。如图所示，该比较是作为给定迭代i的接收到的OFDM信号矢量y的样本与同一迭代i的发送的OFDM信号矢量x的样本的重建副本

的比率

获得的(在这种情况下，i的值为0，考虑到重建副本

由IFFT运算器60使用初始星座符号

形成，并且考虑到来自初始迭代的OFDM信号矢量y的样本已经被延迟处理器52延迟，以与该重建副本

时间对齐)。无论如何，估计器62输出对同一迭代的OFDM信号矢量y的样本的重建副本

的估计的PN效应z。估计的PN效应z可以被施加到滤波器64，该滤波器64计算对OFDM信号矢量y的样本的重建副本

的估计的PN效应z的值的移动平均值。角度计算器66计算估计的PN效应的值的移动平均值的角度

插值器68对估计的PN效应z的值的移动平均值的角度

畦行插值，以产生PN的下一个估计

该下一个估计比初始PN估计块16′产生的初始估计

更精细和准确。插值器68可以应用线性插值，在这种情况下，解码器12′可以称为线性插值时域(linear-interpolation time-domain，LI-TD)解码器。可以设想，插值68还可以实现维纳插值(wiener interpolation)、样条插值或三次插值。无论实际的插值方法如何，迭代1的PN的下一个估计

比PN的初始估计

更精细和准确。

在初始迭代之后的第一次迭代之后，IFFT运算器60、估计器62、滤波器64、角度计算器66和插值器68产生了迭代1的PN估计

解旋转块56使用PN的下一个估计

对迭代1的OFDM信号矢量y的样本进行解旋转，并产生迭代1的OFDM信号矢量y的样本的PN校正估计

OFDM信号矢量y的样本的PN校正估计

被施加到OFDM解调器18，该OFDM解调器18输出施加到切片器20的OFDM信号样本

从该切片器20获得星座符号

这些星座符号

被馈送到环路58中，供IFFT处理器60在下一次迭代中使用。

只有初始迭代使用初始PN估计块16′；所有后续迭代使用环路58中包括的组件。OFDM网络1′的模拟表明，在3至5次迭代后获得PN的最佳估计

因此，在这3至5次迭代之后的任何后续迭代，星座符号

中存在最小的误差水平。相应地，比较连续的星座符号

矢量。当星座符号

在两次连续的迭代中基本上没有变化时，不再执行迭代。在任何情况下，可以设置最大迭代次数，例如5次迭代，以便停止环路58的执行。此后，在最后一次迭代中获得的估计

保持为常数。

现在提供在解码器12′中实现的PN抑制技术的附加细节。在对信道输出(y)采样时，TD PN抑制方法对PN样本

进行初始估计。初始迭代(0)的估计样本

用于对信道输出进行解旋转并形成矢量

元系

被发送到OFDM解调器，然后被发送到M进制解调块，其中，M是星座大小。通过获得解调器块的输出

完成初始迭代。在后续迭代中，本PN抑制技术发挥作用。对解调器块的刚刚产生的输出

执行IFFT，以获得近似的TD矢量

需要说明的是，矢量

等于S，但发生决策错误的位置除外。创建矢量E来显示错误位置。元素E可以根据

寻找。估计的TD样本可以根据方程(6)表述：

在方程(6)中，

由于IFFT运算，即使矢量E中的单个非零元素也会通过整个矢量

传播。

使用方程(2)，信道输出可以根据理想TD矢量，根据方程(7)表述：

y＝ψ_totx_I+w(7)

在方程(7)中，使用

通过将信道输出y的元素除以估计的TD矢量

的元素，形成矢量z。元素z可以根据方程(8)表述：

可以说明的是，由于本PN抑制技术关注的是PN效应，并且由于信道矩阵在目前的PN抑制技术中不起任何作用，因此本讨论仅考虑加性白高斯噪声(additive whiteGaussian noise，AWGN)信道模型。对于任何其它信道模型，将对应的信道卷积矩阵(通过信道估计块获得)替换为上述方程提供了本公开的直接扩展。

从z_i个元素中提取

的估计值是基于乘法项α和加法项β的统计行为。研究方程(8)揭示了

其中，E[X]是随机变量X的期望。由于β_i包括AWGN项，E[β_i]＝0。关于α_i，期望公式是一个涉及的表达式；可以证明，在某些条件下，以下方程(9)中所示的近似成立：

方程(9)在初始PN估计足够准确时成立，使得误差概率远离1，例如，误差概率小于10^-1。在此条件下，

且z_i的期望近似于PN样本的期望，即

寻找一组样本的平均值的常见方法是使用移动平均值。在本例中，估计PN的移动平均值用于小窗口大小，例如具有小于20个值的小窗口。这个最大窗口大小是通过经验和模拟发现的。通过寻找移动平均值的角度，还可以寻找PN样本的原始估计值，如图6中的

所示。应当指出，

不能直接用作

的第二估计值，因为在某些位置，估计值远不完美。但是，

的许多位置具有良好的精度。为了利用这一性质并寻找第二估计值(该第二估计值不仅在某些位置而且在全部N个样本中都得到了改进)，使用了在获得的

个样本之间的线性插值。通过这种插值，可以找到PN样本的更平滑的估计值，同时，可以跟踪PN的小变化。插值的结果是可靠的PN估计值

其中，(it.)表示迭代索引，这些迭代索引是使用本PN抑制技术找到的。这些估计伯

用于对信道输出y的元素进行解旋转，以产生更新的

矢量，然后该矢量被施加到OFDM解调块，最后施加到切片器，以形成更新的

矢量。然后从这一点开始进行下一次迭代。

如果初始PN估计足以使方程(9)成立，则下一次迭代会导致PN的更准确估计值和更可靠的

矢量。但是，迭代次数的增加并不一定意味着估计精度会不断提高。由于LI-TDPN抑制技术不依赖于FEC输出，因此矢量

的可靠性的提高受到限制。此限制由M进制解调器的纠错能力决定，M进制解调器根据最小距离准则工作。如果不使用移动平均块和线性插值块，则性能可能不是最佳的。但是，添加对z_i个样本执行的后处理可以在很大程度上补偿M进制调制器在校正矢量

中现有误差方面的缺点。

通过在不依赖于FEC的情况下将解调结果输入反馈环路，与其它方法相比，本PN抑制技术的处理延迟显著降低。此外，可以为每个OFDM符号包括可变迭代次数。不需要所有OFDM符号都是固定迭代次数。最大迭代次数可以根据计算复杂性和处理延迟来选择。迭代次数可以在以下基础上选择。

在每次迭代中，在方程(6)中找到并替换S的估计值

并将所得到的近似TD矢量

引入方程(8)中进行进一步处理。方程(9)中的其它参数在不同的迭代中不会改变。由于解调器的纠错能力是恒定的，因此可以通过比较给定迭代

中的估计的数据矢量与下一次迭代

中的估计的数据矢量来确定解调器是否达到其纠错能力。如果

和

相同，则进一步的迭代没有益处，因为本PN抑制技术中涉及的参数都不会改变。如下文提供的模拟结果所示，本PN抑制技术在包括输入信号的SNR较高和初始估计具有良好精度的至少一种情况下以较少的迭代操作。可以执行更多的迭代以克服(例如)可能由于低导频符号开销而导致的初始PN估计差的影响。因此，在初始估计的质量与达到PN估计性能目标的迭代次数之间存在权衡。本PN抑制技术可以通过增加迭代次数以补偿强PN效应来保持小的导频符号开销。通过经验和广泛的模拟发现，唯一的要求是保持初始迭代中使用的导频开销，以便初始PN估计性能优于仅使用CPE消除时的性能。需要说明的是，传统的PN抑制方法通常需要类似的约束，这些方法旨在超越CPE消除的性能。

可以说明的是，除了在依赖于传统PN抑制方法的初始迭代中，通过本PN估计技术产生的估计不使用任何矩阵求逆。导频符号开销仅用于初始迭代，因此开销可以受到限制，但以初始PN估计的质量可能降低为小的代价并且需要一些附加迭代。移动平均值和线性插值的计算仅使用适度的处理资源。考虑到逐个符号对OFDM信号矢量执行PN抑制，在应用FEC之前，解码器12′不存在缓冲要求，也不引入显著的延迟。

图7是本公开的实施例提供的OFDM解码器的框图。解码器12′包括上文所述的接收侧本地振荡器(local oscillator，LO)14、OFDM解调器18和切片器20，以及处理单元70。在一个实施例中，处理单元70可以实现初始PN估计块16′、第一开关50、延迟处理器52、第二开关54、解旋转块56，以及环路58的所有组件的功能，并且还可以实现FEC处理器22的特征。处理单元70包括一个或多个接口(为了简单起见，示出一个接口72)，用于从接收侧LO 14接收OFDM信号矢量y的样本，将OFDM信号矢量y的样本的PN校正估计

引导到OFDM解调器18，并接收由切片器20生成的星座符号

接口72与一个或多个处理器(为了简单起见，示出一个处理器74)通信。处理单元70还包括一个或多个存储设备(为了简单起见，示出一个存储设备76)。存储设备76包括非瞬时性计算机可读介质78，所述非瞬时性计算机可读介质78存储有计算机可执行指令，所述计算机可执行指令在执行时使处理器74执行初始PN估计块16′、第一开关50、延迟处理器52、第二开关54、解旋转块56、IFFT处理器60、估计器62、滤波器64、角度计算器66、插值器68和FEC处理器22中的一个或多个的操作。存储器76还可以包括与解码器12′的操作相关的参数集80。

更详细地，解码器12′用于抑制OFDM信号中的相位噪声。接收侧LO 14将OFDM信号转换为OFDM信号矢量。当提供PN估计时，OFDM解调器18解调OFDM信号矢量以产生OFDM信号矢量的解调样本。OFDM解调器18可以包括快速傅里叶变换(fast Fourier transform，FFT)处理器。OFDM解调器18可以集成解旋转块18，所述解旋转块18使用提供的相位噪声估计对OFDM信号矢量的样本进行解旋转。

切片器从OFDM信号矢量的解调样本生成星座符号。在初始迭代中，处理单元70产生OFDM信号矢量的初始样本中相位噪声的初始估计，并将该相位噪声的初始估计提供给OFDM解调器，以进行OFDM信号的解调和PN校正。在一个或多个附加迭代中，处理单元70计算在前一迭代中生成的星座符号的快速傅里叶逆变换(inverse fast Fourier transform，IFFT)，以重建在前一迭代中解调的OFDM信号矢量的样本；估计对OFDM信号矢量的重建样本的相位噪声效应；根据对OFDM信号矢量的重建样本的估计的相位噪声效应，产生OFDM信号矢量的后续样本中相位噪声的下一个估计；将相位噪声的下一个估计提供给OFDM解调器，以进行OFDM信号的解调和PN校正。

在一个或多个实施例中，处理单元70实现延迟处理器52，该延迟处理器52将时间延迟应用于OFDM信号矢量，以将来自前一迭代的OFDM信号矢量的样本与重建的OFDM信号矢量的样本对齐。在相同或其它实施例中，处理单元70实现IFFT处理器60，该IFFT处理器60重建在前一迭代中解调的OFDM信号矢量的样本。处理单元70还可以实现估计器62，该估计器62通过将来自前一迭代的OFDM信号矢量的样本与OFDM信号矢量的重建样本进行比较来计算对OFDM信号矢量的重建样本的相位噪声效应。处理单元70还可以实现：滤波器64，计算对OFDM信号矢量的重建样本的估计的相位噪声效应的值的移动平均值；角度计算器66，计算估计的相位噪声效应的值的移动平均值的角度；以及插值器68，对估计的相位噪声效应的值的移动平均值的角度进行插值，所述插值器产生相位噪声的下一个估计。考虑到OFDM信号可以包括FEC信息，处理单元70还可以实现FEC处理器22，并在抑制OFDM信号矢量的样本中的相位噪声之后，使用FEC信息来校正星座符号中存在的数据错误。

解码器12'的一些特征，例如但不限于FEC处理器22、延迟处理器52、第一开关50和第二开关54以及解旋转块56，还可以实现为单独的硬件或软件设备。

应当理解，所述解码器12'、组成组件和关联过程的操作和功能可以通过基于硬件、基于软件或基于固件的元件中的任何一个或多个来实现。这类操作替代方案并不以任何方式限制本公开的范围。

图8a、图8b和图8c共同示出了本公开的实施例提供的用于抑制OFDM信号中相位噪声的方法的操作的序列图。在图8a、图8b和图8c中，序列100包括多个操作，其中一些操作可以按可变顺序执行，一些操作可以同时执行，一些操作是可选的。在图8a中，序列100从方法的初始迭代开始，其中，操作110包括产生OFDM信号矢量的初始样本中PN的初始估计。可以考虑操作110的几种变体。在一些变体中，PN的初始估计是在频域(frequency domain，FD)中产生的。在一个FD示例中，操作110包括子操作112和114。在子操作112中，根据OFDM信号中包括的导频符号消除OFDM信号的所有子载波的公共相位误差。然后，在子操作114中，实现使用FEC的反馈环路，以迭代地缓解OFDM信号内的载波间干扰。在其它变体中，PN的初始估计是在时域(time domain，TD)中产生的。在一个TD示例中，操作110包括子操作116，其中，对OFDM信号中包括的导频信息的时域表示应用线性变换，以产生PN的时间相关表示。

无论用于产生OFDM信号矢量的初始样本中PN的初始估计的方法如何，都在操作120中使用PN的初始估计解调OFDM信号矢量的初始样本，以生成用于初始迭代的星座符号。在此操作中，星座大小可以是2、4、8、16、32、64、128、256、512、1024、2048和4096中的任何一个。操作120可以包括子操作122和124中的一个或多个子操作。在子操作122中，使用PN的初始估计对OFDM信号矢量的初始样本进行解旋转。子操作124包括对OFDM信号矢量的解调的初始样本进行切片，以生成用于初始迭代的星座符号。

现在考虑图8b，序列100继续进行该方法的一个或多个附加迭代。考虑当前迭代，在操作130中计算在前一迭代中生成的星座符号的快速傅里叶逆变换(inverse fastFourier transform，IFFT)，以重建在前一迭代中解调的OFDM信号矢量的样本。不受限制地，操作130可以计算在紧接当前迭代之前的迭代中生成的星座符号的IFFT。在操作140中，可以将时间延迟应用于OFDM信号矢量，以将来自前一迭代的OFDM信号矢量的样本与在操作130中重建的OFDM信号矢量的样本对齐。时间延迟的幅度可以基于前一迭代是紧邻的前一迭代，或更早的迭代来选择。在操作150中，估计对OFDM信号矢量的重建样本的PN效应。在一个实施例中，PN效应的估计包括子操作152，其中，将来自先前迭代的OFDM信号矢量的样本与OFDM信号矢量的重建样本进行比较。可以考虑执行子操作152的几种方式。可以计算来自前一迭代的OFDM信号矢量与OFDM信号矢量的重建样本的差值。可以计算来自前一迭代的OFDM信号矢量与OFDM信号矢量的重建样本的比率。可以计算OFDM信号矢量的重建样本与来自先前迭代的OFDM信号矢量的比率。

在操作160中，根据对OFDM信号矢量的重建样本的估计的PN效应，产生OFDM信号矢量的后续样本中PN的下一个估计。在一个实施例中，操作160可以包括子操作162、164、166中的一个或多个子操作。在子操作162中，计算对OFDM信号矢量的重建样本的估计的PN效应的值的移动平均值。移动平均值可以在估计的PN效应的5至50个值范围内的窗口大小上计算。在子操作164中，计算估计的PN效应的值的移动平均值的角度。在子操作166中，对估计的PN效应的值的移动平均值的角度进行插值。不受限制地，插值可以是线性插值、维纳插值、样条插值或三次插值。当对值的移动平均值进行线性插值时，序列100中所示的方法可以称为线性插值时域(linear-interpolation time-domain，LI-TD)PN抑制方法。

继续图8c，在操作160之后，在操作170中，使用OFDM信号中PN的下一个估计来解调当前迭代的OFDM信号矢量的后续样本，以生成用于至少一个附加迭代的星座符号。操作170可以包括子操作172和124中的一个或多个子操作。在子操作172中，使用PN的下一个估计对OFDM信号矢量的后续样本进行解旋转。子操作174包括对OFDM信号矢量的解调的后续样本进行切片，以生成用于下一次迭代的星座符号。

在执行当前迭代中的操作170之后，序列100可以继续另一次迭代。在操作180中的测试确定在操作170中在当前迭代中生成的星座符号是否相对在前一迭代中生成的星座符号基本上没有变化。如果生成的星座符号在前一迭代与当前迭代之间是稳定的，这表示在当前迭代中生成的星座符号与在前一迭代中生成的星座符号之间的差值不超过预定裕量，则序列100结束。如果操作190中的测试指示已经达到预定的最大迭代次数，例如5次迭代，则序列100也结束。如果在当前迭代中生成的星座符号与在前一迭代中生成的星座符号之间的差值大于预定裕量，并且预定的最大迭代次数尚未达到，则序列100返回到操作130以进行新迭代，其中，计算在操作170中刚刚生成的星座符号的IFFT，以重建刚刚解调的OFDM信号矢量的样本。对于新迭代，可以在操作150中估计对这些刚刚重建的样本的相位噪声效应。然后，在操作160中使用该相位噪声效应来确定OFDM信号矢量的其它样本中PN的又一个估计，以便在操作170中可以解调OFDM信号矢量的其它样本。

应当理解，序列100的操作也可以由计算机程序执行，计算机程序可以以各种形式存在，包括激活和非激活的。例如，计算机程序可以作为包括源代码、目标代码、可执行代码或其它格式的程序指令的一个或多个软件程序存在。上述各项都可以以压缩或未压缩形式体现在包括存储设备和信号的计算机可读介质上。代表性计算机可读存储设备包括传统的计算机系统随机存取存储器(random access memory，RAM)、只读存储器(read onlymemory，ROM)、可擦除可编程ROM(erasable,programmable ROM，EPROM)、电可擦除可编程ROM(electrically erasable,programmable ROM，EEPROM)以及磁盘或光盘或磁带。代表性计算机可读信号，无论是否使用载波调制，都是托管或运行计算机程序的计算机系统可以用于访问的信号，包括通过互联网或其它网络下载的信号。上述各项的具体示例包括在CDROM上或通过互联网下载分发程序。从某种意义上说，互联网本身作为一个抽象实体，是一种计算机可读介质。一般而言，计算机网络也是如此。

图9是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法获得的相位噪声样本及其估计值的图。在图200中，PN在垂直轴上以度表示，作为水平轴上OFDM信号的子载波(subcarrier，SC)索引的函数。基于单个样本对PN样本和估计的PN样本进行比较。表I示出了用于产生图200的模拟参数。

表I

PN曲线202示出了PN样本的实际值。考虑到公共相位误差(common phase error，CPE)消除在所有SC上类似地操作，PN曲线204实际上是对所有SC提供相同PN估计值的直线。PN曲线206示出了传统的TD PN抑制方法在跟踪PN样本的实际值方面的中等效率，不能实际跟踪PN的小变化。相比之下，PN曲线208示出了LI-TD PN抑制方法在跟踪PN样本的实际值方面非常好的精度。

图10是256-QAM星座的各种PN估计方法的性能的图。在图210中，PN估计方法的性能表示为在垂直轴上以dB为单位的MSE，作为在水平轴上OFDM信号矢量的样本的函数。考虑发送器(TX)和接收器(RX)侧LO引入的PN。MSE曲线212示出当使用CPE消除时，性能较差，并且在符号之间显著变化。MSE曲线214示出传统的TD PN抑制方法的性能优于CPE消除。MSE曲线216示出当使用LI-TD抑制方法时，性能显著提高且一致。这些结果在表I中提到的500个模拟的OFDM符号上是一致的。

图11是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的256-QAM星座的相位噪声的功率频谱密度的图。在图220中，PN的功率频谱密度(power spectral density，PSD)在垂直轴上示出，与信号载波的偏移在水平轴上示出。曲线222示出了实际PN的PSD；曲线224示出了CPE消除后剩余PN的PSD；曲线226示出了使用传统TD PN抑制方法时剩余PN的PSD；曲线228示出了当使用LI-TD PN抑制方法时剩余PN的PSD。曲线228示出了LI-TD PN抑制方法的性能更好。可以说明的是，对于非常低的与载波的频率偏移，曲线228的部分228'指示LI-TD PN抑制方法的性能较差。事实上，该部分228'是用于产生图220的模拟过程人为产生的，该模拟过程对于低于约60kHz的非常低的偏移频率是不准确的。

PN抑制后解调信号的SNR是任何PN抑制方法的性能的最佳指标。图12是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的256-QAM星座的信噪比性能的图。图230示出了在垂直轴上作为水平轴上OFDM符号索引的函数的解调信号的平均输出SNR。图230上所示的结果是使用表I的参数获得的。曲线232示出了使用能够消除所有PN效应的“genie”(不可能)PN抑制算法获得的理论最大SNR。曲线234示出了仅使用CPE消除获得的SNR。曲线236示出了使用传统的TD抑制方法获得的SNR。曲线238示出了使用LI-TD抑制方法获得的SNR。LI-TD抑制方法几乎与genie算法一样好，相比CPE消除方法和传统的TD抑制方法有显著的改进。模拟中平均使用了3.1次迭代。

表II提供了使用各种PN估计方法的256-QAM星座的平均SNR值和最小SNR值的比较。表II示出了输出SNR的最小值增加，这在使用自适应编码和调制(adaptive coding andmodulation，ACM)时非常重要，在许多实际系统中经常发生这种情况。

表II

应用方法	平均输出SNR(dB)	最小输出SNR(dB)
			不消除PN	–1.9	-
仅CPE	24.6	15.6
			TD	29.6	28
LI-TD	31.1	30.8

就像图10、图11和图12的图一样，表II也提供了与使用256-QAM星座相关的信息。

本PN抑制技术不仅可以有效抑制256-QAM星座的PN，而且还可以有效抑制使用高阶调制的信号中的PN。图13、图14和图15以类似的方式提供了1024-QAM星座的模拟结果。图13是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的1024-QAM星座的各种PN估计方法的性能的图。在图210中，MSE在垂直轴上以dB为单位表示，作为在水平轴上OFDM信号矢量的样本的函数。考虑TX和RX侧LO引入的PN。MSE曲线242示出当使用CPE消除时，性能较差，并且在符号之间显著变化。MSE曲线244示出传统的TD PN抑制方法的性能优于CPE消除。MSE曲线246示出当使用LI-TD抑制方法时，性能显著提高且一致。图10所示的这些方法之间的比较结果与图13所示的结果一致。

图14是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的1024-QAM星座的相位噪声的功率频谱密度的图。在图250中，PN的PSD在垂直轴上示出，与信号载波的偏移在水平轴上示出。曲线252示出了PN的PSD；曲线254示出了CPE消除后剩余PN的PSD；曲线256示出了使用传统TD PN抑制方法时剩余PN的PSD；曲线258示出了当使用LI-TD PN抑制方法时剩余PN的PSD。与图11的情况一样，曲线258示出了LI-TDPN抑制方法的性能更好。曲线258的部分258'也是用于产生图250的模拟过程人为产生的。

图15是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的1024-QAM星座的信噪比性能的图。图260示出了在垂直轴上作为水平轴上OFDM符号索引的函数的解调信号的平均输出SNR。曲线262示出了使用genie PN抑制算法将获得的理论最大SNR。曲线264示出了仅使用CPE消除获得的SNR。曲线266示出了使用传统的TD抑制方法获得的SNR。曲线268示出了使用LI-TD抑制方法获得的SNR。与1024-QAM星座的情况一样，LI-TD抑制方法几乎与genie算法一样好，相比CPE消除方法和传统的TD抑制方法有显著的改进。

在1024-QAM的情况下，模拟中平均使用了4.2次迭代。256-QAM与1024-QAM之间迭代次数的增加是由于星座更密集，更容易受到PN效应的影响。导频开销保持恒定，使用传统PN抑制方法的初始迭代的PN估计性能较低。初始PN估计性能越弱，迭代次数越多。

表III提供了使用各种PN估计方法的1024-QAM星座的平均SNR值和最小SNR值的比较。

表III

应用方法	平均输出SNR(dB)	最小输出SNR(dB)
			不消除PN	–1.9	-
仅CPE	25.4	15.5
			TD	32.5	30
LI-TD	36.6	36.3

图16是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的256-QAM星座的输出信噪比性能的图。图270示出了垂直轴上的“输出SNR”，作为水平轴上“输入SNR”的函数。“输入SNR”是在存在AWGN的情况下，没有任何PN的SNR的表示。“输出SNR”是在抑制发送侧LO 8和接收侧LO 14引入PN的信号中的PN后SNR的表示。图270比较了256-QAM星座的各种PN抑制方法，其中，导频符号开销为1％，LI-TD抑制算法最多执行5次迭代，并且使用的窗口大小为20。曲线272示出了如果使用理想的genie算法，输出SNR将与输入SNR相同。曲线272与曲线274之间的宽间隙表明，将CPE消除用于高SNR输入信号不能提供良好的输出SNR。曲线276示出了传统的TD PN抑制方法仅在低输入SNR值时相当好。曲线278示出了对于大多数输入SNR值，LI-TD PN抑制方法几乎都跟踪理想曲线272。可以观察到，在图270的水平轴上示出的较低输入SNR值不足以正确解码256-QAM星座。还可以观察到，曲线274和曲线276都倾向于在高输入SNR值时趋于平缓，这表明CPE消除和传统TDPN抑制方法的性能不能从较高的输入SRN值中受益。

图17是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的1024-QAM星座的输出信噪比性能的图。图280示出了垂直轴上的输出SNR，作为水平轴上输入SNR的函数。图280比较了1024-QAM星座的各种PN抑制方法，其中，导频符号开销为2％，LI-TD抑制算法最多执行5次迭代，并且使用的窗口大小为20。考虑图270时可以得出的结论也在图280中可见，图280示出了对应理想genie算法的曲线282、对应CPE消除的曲线284、对应传统TD PN抑制方法的曲线286，以及对应LI-TD PN抑制方法的曲线288。需要说明的是，LI-TD PN抑制方法在存在中等至高输入SNR值时特别有效。曲线284和曲线286趋于平缓在较高的SNR值下变得更加明显。

图18是使用传统的公共相位误差消除和时域相位抑制方法以及图6中引入的相位噪声消除方法的4096-QAM星座的输出信噪比性能的图。图290示出了垂直轴上的输出SNR，作为水平轴上输入SNR的函数。图290比较了4096-QAM星座的各种PN抑制方法，其中，导频符号开销适度增加到4％，LI-TD抑制算法最多执行5次迭代，并且使用的窗口大小为10。选择较小的窗口大小10，以便更好地跟随PN的小变化。考虑图270和图280时可以得出的结论也在对应理想genie算法的曲线292、对应CPE消除的曲线294、对应传统TD PN抑制方法的曲线296，以及对应LI-TD PN抑制方法的曲线298上可见。需要说明的是，LI-TD PN抑制方法在存在高输入SNR值时特别有效，在任何情况下，高输入SNR值都是正确解码4096-QAM星座所必需的。

考虑到图16、图17和图18，需要说明的是，与CPE消除和传统TD抑制方法相比，LI-TD PN抑制方法始终表现出更好的结果。随着输入SNR增加，使用LI-TD PN抑制方法获得的结果趋于接近AWGN SNR，而使用CPE消除和传统TD抑制方法时，输入SNR与输出之间的间隙变得更宽。换句话说，使用先前的方法时，较高的输入SNR不会转化为更好的PN估计性能。

还应当理解，虽然本文中提出的实施例已经参考特定的特征和结构描述，但很明显，可以在不脱离这些公开内容的情况下进行各种修改和组合。因此，说明书和附图仅被视为所附权利要求书限定的对论述的实现方式或实施例和其原理的说明，并且预期覆盖属于本公开的范围内的任何和所有修改、变化、组合或等同物。

Claims (21)

1.一种用于抑制正交频分复用OFDM信号中相位噪声的方法，所述方法包括：

在初始迭代中：

产生OFDM信号矢量的初始样本中所述相位噪声的初始估计；

使用所述相位噪声的所述初始估计解调所述OFDM信号矢量的所述初始样本，以生成用于所述初始迭代的星座符号；

在所述初始迭代之后的至少一个附加迭代中：

计算在前一迭代中生成的星座符号的快速傅里叶逆变换IFFT，以重建在所述前一迭代中解调的所述OFDM信号矢量的样本；

估计对所述OFDM信号矢量的所述重建样本的相位噪声效应；

根据对所述OFDM信号矢量的所述重建样本的所述估计的相位噪声效应，产生所述OFDM信号矢量的后续样本中所述相位噪声的下一个估计；

使用所述相位噪声的所述下一个估计解调所述OFDM信号矢量的所述后续样本，以生成用于所述至少一个附加迭代的星座符号。

2.根据权利要求1所述的方法，其中，所述前一迭代是紧邻的前一迭代。

3.根据权利要求1和2中任一项所述的方法，其中，产生所述OFDM信号中所述相位噪声的所述下一个估计包括：

计算对所述OFDM信号矢量的所述重建样本的所述估计的相位噪声效应的值的移动平均值；

计算所述估计的相位噪声效应的所述值的所述移动平均值的角度；

对所述估计的相位噪声效应的所述值的所述移动平均值的所述角度进行插值。

4.根据权利要求3所述的方法，其中，所述移动平均值是在所述估计的相位噪声效应的5至50个值范围内的窗口大小上计算的。

5.根据权利要求1至4中任一项所述的方法，其中：

使用所述相位噪声的所述初始估计解调所述OFDM信号矢量的所述初始样本包括使用所述相位噪声的所述初始估计对所述OFDM信号矢量的所述初始样本进行解旋转；

使用所述相位噪声的所述下一个估计解调所述OFDM信号矢量的所述后续样本包括使用所述相位噪声的所述下一个估计对所述OFDM信号矢量的所述后续样本进行解旋转。

6.根据权利要求1至5中任一项所述的方法，其中：

使用所述相位噪声的所述初始估计解调所述OFDM信号矢量的所述初始样本包括对所述OFDM信号矢量的所述解调的初始样本进行切片，以生成用于所述初始迭代的所述星座符号；

使用所述相位噪声的所述下一个估计解调所述OFDM信号矢量的所述后续样本包括对所述OFDM信号矢量的所述解调的后续样本进行切片，以生成用于所述至少一个附加迭代的所述星座符号。

7.根据权利要求1至6中任一项所述的方法，其中，估计对所述OFDM信号矢量的所述重建样本的所述相位噪声效应包括将来自所述前一迭代的所述OFDM信号矢量的样本与所述OFDM信号矢量的所述重建样本进行比较。

8.根据权利要求7所述的方法，还包括将时间延迟应用于所述OFDM信号矢量，以将来自所述前一迭代的所述OFDM信号矢量的所述样本与所述OFDM信号矢量的所述重建样本对齐。

9.根据权利要求1至8中任一项所述的方法，其中，所述相位噪声的所述初始估计和所述后续估计是在时域中产生的。

10.根据权利要求1至9中任一项所述的方法，其中，星座大小选自2、4、8、16、32、66、128、256、512、1024、2048和4096。

11.根据权利要求1至10中任一项所述的方法，其中，产生所述OFDM信号矢量的所述样本中所述相位噪声的所述初始估计包括：

根据所述OFDM信号中包括的导频符号消除所述OFDM信号的所有子载波的公共相位误差；

使用前向纠错来实现反馈环路，以迭代地缓解所述OFDM信号内的载波间干扰。

12.根据权利要求1至11中任一项所述的方法，其中，产生所述OFDM信号矢量的所述初始样本中所述相位噪声的所述初始估计包括对所述OFDM信号中包括的导频信息的时域表示应用线性变换，以产生所述相位噪声的时间相关表示。

13.根据权利要求1至12中任一项所述的方法，还包括：

将所述至少一个附加迭代中生成的所述星座符号与所述前一迭代中生成的所述星座符号进行比较；

如果在所述至少一个附加迭代中生成的所述星座符号与在所述前一迭代中生成的所述星座符号之间的差值大于预定裕量，并且预定的最大迭代次数尚未达到，则启动另一个附加迭代。

14.一种非瞬时性计算机可读介质，存储有计算机可执行指令，所述计算机可执行指令执行时使处理器执行根据权利要求1所述的用于抑制正交频分复用OFDM信号中相位噪声的方法。

15.一种用于抑制正交频分复用OFDM信号中相位噪声的解码器，包括：

本地振荡器，用于将OFDM信号转换为OFDM信号矢量；

OFDM解调器，用于使用提供的相位噪声估计解调所述OFDM信号矢量，以产生所述OFDM信号矢量的解调样本；

切片器，用于从所述OFDM信号矢量的所述解调样本生成星座符号；

处理单元，可操作地连接到所述本地振荡器、所述OFDM解调器和所述切片器，所述处理单元用于在初始迭代中：

产生所述OFDM信号矢量的初始样本中所述相位噪声的初始估计；

将所述相位噪声的所述初始估计提供给所述OFDM解调器；

所述处理单元还用于在所述初始迭代之后的至少一个附加迭代中：

计算在前一迭代中生成的星座符号的快速傅里叶逆变换IFFT，以重建在所述前一迭代中解调的所述OFDM信号矢量的样本；

估计对所述OFDM信号矢量的所述重建样本的相位噪声效应；

根据对所述OFDM信号矢量的所述重建样本的所述估计的相位噪声效应，产生所述OFDM信号矢量的后续样本中所述相位噪声的下一个估计；

将所述相位噪声的所述下一个估计提供给所述OFDM解调器。

16.根据权利要求15所述的解码器，其中，所述OFDM解调器还用于使用所述提供的相位噪声估计对所述OFDM信号矢量的所述样本进行解旋转。

17.根据权利要求15和16中任一项所述的解码器，其中，所述OFDM解调器包括快速傅里叶变换FFT处理器。

18.根据权利要求15至17中任一项所述的解码器，其中，所述处理单元还用于实现估计器，所述估计器用于通过将来自所述前一迭代的所述OFDM信号矢量的样本与所述OFDM信号矢量的所述重建样本进行比较来计算对所述OFDM信号矢量的所述重建样本的所述相位噪声效应。

19.根据权利要求18所述的解码器，其中，所述处理单元还用于实现延迟处理器，所述延迟处理器用于将时间延迟应用于所述OFDM信号矢量，以将来自所述前一迭代的所述OFDM信号矢量的所述样本与所述重建的OFDM信号矢量的所述样本对齐。

20.根据权利要求19所述的解码器，其中，所述处理单元还用于实现：

IFFT处理器，用于重建在所述前一迭代中解调的所述OFDM信号矢量的所述样本；

滤波器，用于计算对所述OFDM信号矢量的所述重建样本的所述估计的相位噪声效应的值的移动平均值；

角度计算器，用于计算所述估计的相位噪声效应的所述值的所述移动平均值的角度；

插值器，用于对所述估计的相位噪声效应的所述值的所述移动平均值的所述角度进行插值，所述插值器产生所述相位噪声的所述下一个估计。

21.根据权利要求15至20中任一项所述的解码器，其中：

所述OFDM信号包括前向纠错FEC信息；

所述处理单元还用于在抑制所述OFDM信号矢量的所述样本中的所述相位噪声之后使用所述FEC信息来校正所述星座符号中存在的数据错误。

Images