CN1490954A - 用于ofdm精同步的频域导频与验证符号算法 - Google Patents

Abstract

利用频域导频信号和验证符号获得OFDM精同步状态的算法用于移动通信的调制解调技术，其特征在于：在获取到粗同步的基础上，选取一定范围内的精同步起点，在每一个待检测的精同步起点分别利用插入的频域导频信号作信道估计，然后利用插入的频域验证符号计算该起点的精同步误差平方值得到一个数据；滑动精同步的起点到下一点，重复前面工作，计算此时起点的验证符号误差值平方，遍历这个范围内所有点然后选取最小误差平方值的那个起点点即为精同步点。相应地设计了频域导频以及验证符号，与以往的精同步估计算法相比，可以在较低信噪比获得满意的精同步信号。

Description

用于OFDM精同步的频域导频与验证符号算法

技术领域

一种利用频域导频信号和验证符号获得OFDM精同步的方法属于移动通信的调制解调领域。

背景技术

下一代移动通信的目标是能够提供更高传输速率、更高的频谱利用率，基于这样的目标，以及OFDM技术在已有的通信系统中的成功应用，OFDM技术被选为下一代移动通信的核心调制解调技术。

在OFDM调制解调系统中，精确同步的获取是至关重要的。解调端需要在得知准确同步的前提下来完成FFT操作以及信道估计等一系列操作。同步技术通常分为粗同步和精同步两步来完成，精同步在粗同步的基础上进一步搜索时隙起点的准确位置。

在理想的情况下，根据奈奎斯特采样定理，只要在时间上的采样率(导频符号在时间上的间隔ΔT的倒数)大于多普勒频展的双边带宽(最大为f_D)，在频域上的采样率(导频符号在频率上的间隔ΔF的倒数)大于时延扩展(最大为τ_max)，在采样序列中就包含了重构原始序列所需的所有信息，可以实现全部插值。在存在多普勒频偏的情况下，我们设定符号f_D表示最大多普勒频展，符号τ_max为最大时延扩展，因此2f_Dτ_max是引导符号占总资源比例的下限。

在多径信道中，存在着信道多径周期模糊问题。如图1所示：

可以看到这两种信道在导频间隔为ΔF的时候将无法区分出来到底是那种信道。解决办法就是将导频在时域上的间隔设定为大于二倍的最大时延扩展。如图2所示，我们可以采用以主径定时为中心的宽为的1/ΔF的窗截取所需的时域响应，由于τ_max＜1/2ΔF，上面所说的模糊性就不存在了。

但是这样的代价是增加了频域导频符号的数目，引起系统有效传输率的下降，而另一方面，由于采用了比最大时延扩展大一倍的窗，引入的噪声或干扰也加大一倍，对测量精度来讲是一种恶化。如果考虑最恶劣的情况，即定时和频偏测量都比较粗，则要求的引导符号比例至少为8f_Dτ_max。

在本专利申请案中，将用到一种新的结合精确定时测频的参数估计方法，使引导符号比例仍控制在2f_Dτ_max附近。这就是导频符号结合验证符号的方法。

发明内容

本发明的目的在于提供一种有效的传输方法和同步测量精度的利用频域导频信号和验证符号获得OFDM精同步的方法。

从背景技术的分析中，可以看出，当τ_max＜1/ΔF时，由导频符号所在位置的信道响应得到的时域冲激响应虽是周期性的，但没有混叠现象。也就是说，存在一个宽度为τ_max的窗，窗内的响应刚好就是信道的时域冲激响应。现在的问题就是，单从均匀间隔的导频符号测量不足以确定该窗位置，而这势必导致不同频域插值结果。

正是从这一点出发，产生了频域导频结合验证符号的OFDM精同步算法思路。该思路可以概括表述为在均匀间隔导频之外，再插入少量已知符号，通过测量在这些符号所处位置的幅相特性与窗口位置滑动所得恢复出的该位置响应相对比，就可以找出正确的窗口位置。

导频插入按照均匀的子载波间隔插入，验证符号则只要在OFDM符号内插入一个即可(附图3)，因此所增加的开销几乎可以忽略不计。不过需要注意的是，由于色散的影响，该验证符号如果处于深衰落的载波上，则验证效果就差了。为此，可以通过在不同时间内在不同位置上插入验证符号的方法，即如果把验证符号看成是一个信道的话，它是调制在跳频的载波上的，而这又引入了跳频图案的同步问题。这一点正好可以利用粗同步的方法来解决，只要保证每帧内验证符号的分布是一样的，那么获得粗同步后，跳频图案的同步问题也就解决了。

本发明的特征在于：

1.它借助粗同步的定时范围，利用频域导频进行信道估计，利用频域验证符号进行精确定时，即在获取到粗同步后，选取一定范围内的精同步起点，在每一个待检测的精同步起点分别利用插入的频域导频作信道估计，再利用插入的频域验证符号计算该起点的精同步误差平方值，得到一个数据；滑动精同步的起点到下一个，然后重复以上过程，在遍历整个范围内的所有点后选取误差平方值最小的起点作为精同步点。

2.所述的频域导频信号在每个OFDM符号内按照均匀的子载波间隔插入，而验证符号在不同时间内在OFDM符号内的不同位置插入。

3.依次含有如下步骤：

(1)粗同步结果来设定精同步搜索范围并选定搜索起点；

(2)由搜索起点切取含验证符号的数据块；

(3)由数据块中的频域导频信号来进行信道估计；

(4)信道插值获得验证符号点的信道值，与实际的验证符号点信道值进行误差平方计算；

(5)依次滑动搜索范围起点，重新上述计算获得一组验证符号点误差平方值，按照最小误差平方点为精同步起点的准则来获得精同步信号。

4.在所述的步骤(2)中利用粗同步的结果仅进行一次数据切分，然后对数据进行信道估计。

它具有传输效率高、测量精度高以及精同步效率高的优点。

附图说明

图1信道A和B在导频间隔为ΔF上的响应时域波形。

图2信道A和B在以主径为中心宽为1/ΔF的的窗上的响应时域波形。

图3导频符号和验证符号插入格式，其中导频插入间隔为K个子载波，验证符号每帧的插入格式都一样，相当于在帧内构成一个跳频图案，按照帧来重复跳频图案；

图4精同步算法思路框图，其中上图为算法整体思路框图，下图为每一次搜索；

图5精同步简化算法思路框图；

具体实施方案

假设OFDM符号为1024点，每8个子载波插入一个导频符号，在一个时隙有8个OFDM符号，其中第2个和第6个OFDM符号插有导频和验证符号。在过采样的条件下(相当于每个1024点的OFDM符号采样点为2048)，精同步算法思路(附图2)描述如下：

1)由PN(伪随机序列)导频检测得粗定时，由此确定多径环境下的最强径；

2)然后做CP(循环前缀)的相关检测，得到一个关于多径延时扩展(τ_max)的参数，由此确定精同步全局搜索范围(点数大致为G-τ_max，其中G为循环前缀长度，τ_max为最大多径延时扩展)；

3)从(2)确定的范围中第一点开始搜索，由帧格式计算出所需要的某一个时隙中的第二(或者第六)个符号中数据；(取数据时，对应于导频所在符号的起始点，直接往后数2048点就可以了，不用再去除CP(循环前缀)的数据点数)；

4)所取出来的2048点的数据做FFT，得到2048点频域响应数据；

5)由给定的帧格式，从2048点的频域数据中提取出128个pilot(导频)的位置和一个VS(验证符号)的位置处的数据，并对128个导频数据补零至256点，以完成过采样的信道参数估计；

6)由256个导频位置数据，计算定出信道在这些点上的频域响应，如下式：

$\frac{H(n,k)}{\hat{H}(n,k)}=\tilde{H}(n,k)$

其中，H(n，k)为接收到的导频信号； 为发送的导频信号；

为信道的频域响应；

7)256点信道响应

做256点IFFT，得到完整的信道响应，此为时域的响应；

8)将(7)得到的256点信道时域响应值的结果做一次2048点的FFT(直接在256点时域序列后补零到2048点，然后进行FFT)，回到2048点的频域响应上，此过程实际上就是一个频域内插的过程，用来内插计算出2048个频域点上的所有信道估计值从而得到验证符号点的信道估计；

9)在对应于验证符号的频域点上取出信道响应值，计算误差函数：

$\mathrm{\ϵ}=\left|\right|H_{\mathrm{vs}}^0(n,\mathrm{vsp})*\tilde{H}(n,\mathrm{vsp})-H(n,\mathrm{vsp})\left|\right|;$

其中H_vs ⁰(n，vsp)为已知输入验证符号； 为验证符号位置处的信道频域响应估计值；H(n，vsp)为(5)计算的接收到的验证符号；在得到这个起点的误差值后，回到步骤(3)，从所选定的考察范围内往后移一点，继续下一个次的搜索。

10)在选定的考察范围内把所有起点都按照前面方法搜索一边，得到一组误差值ε，从所有搜索点对应的误差值ε中找到最小一点，该点对应的时域切取数据位置就是最佳的精同步定时位置；

以上算法需要对每一次切取的2048点数据做两次FFT和一次IFFT处理，其中做两次FFT时，运算量(2048点的FFT)很大，故在硬件实现的时候会极大影响同步算法的实时性和准确性。而且该算法的第二步中，由CP(循环前缀)相关运算得到的关于多径时延扩展的信息显然是很不准确的，而且本身该检测运算量和复杂度也较高。综合以上因素以及基于上述算法的思想，提出了关于该算法思想的另一种简化算法。

事实上，在一定搜索范围内(G-τ_max)，ISI干扰相同情况下，切取数据得到的信道和数据信息应该是一样的，(因为我们可以认为信道在这一段短时间之内是平稳的，也就是信道衰落在该时间之内近似恒定)，只是对于频域信号引入了一个相应的相移而已。这样，我们就可以只做一次数据切取，即可得到精同步所需要的信道信息，而且还可以根据验证符号来解决信道时域响应周期性模糊的问题。这就是简化算法的理论依据。

简化算法的运算步骤(附图3)描述如下：

1)PN码相关检测定出粗定时的位置(一般情况下检测到的是最强径)；

2)粗定时位置和帧格式计算出该对应时隙中的第二个符号数据；

3)将所取出来的2048点的时域数据做FFT，得到2048点频域响应数据；

4)由给定的帧格式，从2048点的频域数据中提取出128个pilot导频的位置和一个VS验证符号的位置处的数据，并对128个导频数据补零至256点，以完成过采样的信道参数估计；

5)由256个导频位置数据，计算定出信道在这些点上的频域响应，如下式：

$\frac{H(n,k)}{\hat{H}(n,k)}=\tilde{H}(n,k)$

其中，H(n，k)为接收到的导频信号；

为发送的导频信号；

为信道的频域响应；

6)对256点频域响应做256点的IFFT，得到完整的信道时域响应，然后作周期性(3个T，共3×256点)的延拓；确定初始滑动窗口的位置；

7)对周期性延拓之后的时域响应，做2048点的FFT，求出频域响应，得到一个验证符号位置的频域响应值

；计算误差函数

$\mathrm{\ϵ}=\left|\right|H_{\mathrm{vs}}^0(n,\mathrm{vsp})*\tilde{H}(n,\mathrm{vsp})-H(n,\mathrm{vsp})\left|\right|,$

H_vs ⁰(n，vsp)为已知输入验证符号；

为验证符号位置处的信道频域响应；H(n，vsp)为(4)计算的接收到的验证符号；

8)移动滑动窗口位置，回到(7)重新计算误差函数，直到对整个窗口的搜索结束，退出循环；

9)由(8)得到一组误差值，维数为滑动窗口长度的向量；

10)格式计算取出所需要该时隙中的第六个符号数据；重复从(3)-(9)的运算，得到又一组误差向量；取该组向量和(9)的向量元素平方和最小的窗口起点为信道的最终估计结果，以此来确定精确定时点；

11)然后累积一帧信号中对应的所有时隙中的误差向量，综合求得误差均方值最小的时移起点作为该帧精同步的起点。

对于简化算法里面的几点说明：

1、第(6)步中，做周期性延拓时，延拓三个周期的解释：

假设导频每8个子载波插入一个，OFDM一个符号为1024个子载波，那么该算法所能够提供的最大搜索范围为256点，为了保证精同步结果的完整性，充分利用该256点的搜索范围，做正向周期性延拓的同时，也应该做一个负向延拓，这样就可以找到相对于数据切取点位移为负的精同步点，注意负向延拓相应的旋转因子应作改变即可。

2、简化算法实现第(6)-(8)步时，对256点数据做2048点的FFT时，每一次滑动窗口所需要进行的乘法和加法运算次数较之原始算法降低了很多。具体如下实现：

当对256点的频域响应值H(K)做一个256点的IFFT之后，得到256点的时域响应，作一个3T的周期性延拓，然后将每一个时域值与 $W_{1024}^{\mathrm{nk}}=e^{-j\frac{2\mathrm{\π}}{2048}\mathrm{nk}}$ 相乘。也就是对应于负向位移的起始点开始，每一点分别乘以(n＝-256，-255，…0，1，…256，256，…511)对应的旋转因子 $W_{1024}^{\mathrm{nk}}=e^{-j\frac{2\mathrm{\π}}{2048}\mathrm{nk}}.$ 然后，先分析滑动窗位移为正的情况。对 $H\left(K\right)\underset{n=0}{\overset{255}{\mathrm{\Σ}}}h\left(n\right)e^{-j\frac{2\mathrm{\π}}{1024}\mathrm{nk}},$ 相当于对上述做了旋转因子乘法的数据，从n＝0点到n＝255求和即可；然后对于滑动窗口正向移动一格的频域数值，有 $H^{\′}\left(K\right)=\underset{n=1}{\overset{255}{\mathrm{\Σ}}}h\left(n\right)e^{-j\frac{2\mathrm{\π}}{1024}\mathrm{nk}}+h\left(0\right)e^{-j\frac{2\mathrm{\π}}{2048}256k};$ 对比H(K)和H’(K)，可以发现将H(K)减去第一项，然后加上第一次乘法结果的n＝256项(即 $h\left(0\right)*e^{-j\frac{2\mathrm{\π}}{2048}256k}$ )，也就是对上述做了旋转因子乘法的数据，从n＝1点到n＝256求和即可。

依次类推，可以得到窗口滑动m格(m＝-256…0…256)的结果。显然这样的运算方法，节省了大量的做FFT的乘法运算量，便于硬件实现时降低同步所需时间，提高同步效率。

综上所述，可以看到基于信道短时不变的特性，简化算法只进行了一次数据的切取，这样也就只作了一次2048点数据的FFT，比起前一个算法思路复杂度有了很大改善，在工程实现上更加可行。

Claims (4)

1. 利用频域导频符号和验证符号算法获得OFDM精同步的方法，其特征在于：它借助粗同步的定时范围，利用频域导频进行信道估计，利用频域验证符号进行精确定时，即在获取到粗同步后，选取一定范围内的精同步起点，在每一个待检测的精同步起点分别利用插入的频域导频作信道估计，再利用插入的频域验证符号计算该起点的精同步误差平方值，得到一个数据；滑动精同步的起点到下一个，然后重复以上过程，在遍历整个范围内的所有点后选取误差平方值最小的起点作为精同步点。

2.根据权利要求1所述的利用利用频域导频信号和验证符号获得OFDM精同步的方法其特征在于：所述的频域导频信号在每个OFDM符号内按照均匀的子载波间隔插入，而验证符号在不同时间内在OFDM符号内的不同位置插入。

3.根据权利要求1所述的利用利用频域导频信号和验证符号获得OFDM精同步的方法其特征在于：依次含有如下步骤

(1)由粗同步结果来设定精同步搜索范围并选定搜索起点；

(2)由搜索起点切取含验证符号的数据块；

(3)由数据块中的频域导频信号来进行信道估计；

(4)信道插值获得验证符号点的信道值，与实际的验证符号点信道值进行误差平方计算；

(5)依次滑动搜索范围起点，重新上述计算获得一组验证符号点误差平方值，按照最小误差平方点为精同步起点的准则来获得精同步信号。

4.根据权利要求3所述的利用利用频域导频信号和验证符号获得OFDM精同步的方法其特征在于：在所述的步骤(2)中利用粗同步的结果仅进行一次数据切分，然后对数据进行信道估计。

Images