CN1822584A - 一种估计ofdm整数倍频偏的方法 - Google Patents

Abstract

本发明涉及一种通信技术领域的估计OFDM整数倍频偏的方法，它基于一个L等分的N点OFDM同步训练符号，接收端先把这个N点符号重构为M个L点OFDM符号，然后根据前级模块得到的小数倍频偏估计值，在传统FFT算法结构中引入小数倍频偏修正项，从而设计出能完成小数倍频偏补偿的FFT算法新结构，用于解调部分OFDM重构符号，该部分OFDM重构符号是通过随机、等间隔或连续的方法从M个OFDM重构符号中抽取而得，把上述解调结果进行平方合并，合并后的峰值所对应的频点就是整数倍频偏的无偏估计值，为进一步降低本发明的计算复杂度，采用基于判决可靠性反馈的自适应算法。本发明具有计算复杂度较低，估计错误率较低的优点，在OFDM系统中具有很高的应用价值。

Description

一种估计OFDM整数倍频偏的方法

技术领域

本发明涉及一种通信技术领域的方法，特别涉及一种估计OFDM整数倍频偏的方法。

背景技术

目前，OFDM技术在越来越多的有线、无线通信领域得到应用，这主要由于OFDM技术具有许多优势：有效对抗多径干扰和窄带干扰，频谱利用率高，数据传输速率高等。然而，OFDM对于同步偏差，特别是对频率偏差非常敏感。频率偏差又分为子载波间隔的小数倍频率偏差和子载波间隔的整数倍频率偏差，在下面分别简称为小数倍频偏和整数倍频偏。其中，小数倍频偏会造成子载波间干扰(ICI)；整数倍频偏不会引起ICI，但会引起接收数据符号的循环移位，使得解调出来的信息符号的错误概率为50％。

常见的估计OFDM整数倍频偏的方法有三种：

(1)基于特定频谱图样的同步训练序列，此方法需要对同步训练符号作快速傅里叶变换(FFT)，然后与已知频谱图样作循环移位相关，通过寻找相关峰来估计整数频偏。参见文献：Schmidl，T.M.等“Low-overhead，low-complexity[burst]synchronization for OFDM”，IEEE International Conference onCommunications，Volume 3，June 1996，Page(s)：1301-1306。(“低数据开销、低复杂度的OFDM同步方法”IEEE国际通信技术会议)

(2)基于OFDM系统的虚拟子载波，OFDM信号在传输过程中只使用整个带宽的一部分子载波，在频带边缘一般预留一些子载波作为保护频带，称为虚拟子载波(virtual carriers)。由于OFDM的子载波间存在正交性，所以，虚拟子载波构成OFDM信号的“零子空间”，利用正交子载波间内积为零的性质，可以推算出整数倍频偏。参见文献：Liu，H.等，“A high-efficiency carrierestimator for OFDM communications，”IEEE Communications Letters，Volume2，Issue 4，April 1998，Page(s)：104-106。(“高效的OFDM频偏估计方法”IEEE通信技术通讯稿)

(3)基于L等分的OFDM同步训练符号结构，此方法通过计算训练符号的特定延迟的自相关，再求相角来估计整数倍频偏。它的估计范围随着L的增加而变大，但估计精度随之变差，计算复杂度也相应增大。参见文献：Heiskala J等：OFDM Wireless LANs-A Theoretical and Practical Guide.[M].Indianapolis USA：Pearson Education Inc，2002.70-73.(《OFDM无线局域网——理论与实践的指导》)以下称该方法为传统方法。

可是，上述三种方法都存在计算复杂度过高的缺点。设OFDM系统的子载波数为N，方法(1)需要计算N点FFT，至少需要

N次复数乘法；方法(2)需要计算信号之间的内积，至少需要N次复数乘法；方法(3)，需要计算延迟信号间的自相关，至少需要N-M次复数乘法。如今，N的一些典型值为512、1024或2048等，这使上述三种方法在实际应用中遇到很大困难。

发明内容

本发明的目的在于针对现有技术的不足，提供一种估计OFDM整数倍频偏的方法，使其通过重构符号的方法以及高效的FFT算法完成整数倍频偏的估计，充分利用OFDM系统，保证了频偏估计的性能，又具有较低的计算复杂度。

本发明通过以下技术方案实现，具体包括如下步骤：

步骤一：发送端产生一个L等分的N点OFDM同步训练符号，符号的每一个等分含M点(M＝N/L，且N、L、M均为整数)；

步骤二：对同步训练符号进行重构，即将步骤一中的符号，重构为M个L点OFDM信号符号；

步骤三：在步骤二所得的重构符号中，按随机、等间隔或连续的方法，抽取λM个重构符号(0＜λ≤1，且λM为整数)，根据系统前级获得的小数倍频偏估计值，在传统FFT算法结构中引入小数倍频偏修正项，从而设计出能完成小数倍频偏补偿的FFT算法新结构，用于解调上述λM个重构符号，得到λM个长度为L点的频域序列；

步骤四：对步骤三所得的频域序列，按照平方和进行合并，合并后的峰值所对应的频点就是整数倍频偏的估计值。

完成步骤四后还可以进入基于判决可靠性反馈的自适应迭代算法，即计算步骤三所得频域序列的均值与峰值之比，作为步骤四所得估计值的可靠性指标，根据可靠性指标与某一门限值的比较结果，自适应地增加λ，重复步骤三与步骤四，最后得到较为可靠的整数倍频偏估计值。

以下对本发明作进一步说明：

(1)生成L等分的N点OFDM同步训练符号

L等分的OFDM同步训练符号是一种相当常见的训练序列结构，经常用于位同步算法和小数倍频偏估计算法中。其生成方法如下：

设OFDM系统的子载波数目为N，有效符号周期为T，第k个子载波的频率为f_k＝k/T(0≤k≤N-1)，a_i，k是第i个符号，在第k个子载波上加载的频域数据；b_i，l第i个符号，第l个采样点的基带时域数据。如果设第i个符号是同步训练符号，则按照式(1)插入导频，就能生成L等分的OFDM同步训练符号。

$\left\{\begin{array}{cc}{a}_{i,k}\≠0& k=0\left(\begin{array}{cc}\mathrm{mod}& L\end{array}\right)\\ a_{i,k}=0& k\≠0\left(\begin{array}{cc}\mathrm{mod}& L\end{array}\right)\end{array}\right.---\left(1\right)$

在L等分的情况下，每一个等分的训练符号所含的点数为M(M＝N/L)，如式(2)所示：

     b_i，l＝b_i，l+nM  (l＝0，1，2，…，M-1，n＝0，1，2，…，L-1)  (2)

通常，由M点组成的一份信号称为一个slot。

(2)对同步训练符号进行重构

在(1)所述的同步训练符号中，每个slot含有M个点，把它们标记为1、2、3、……、M。本发明所指的OFDM符号重构，就是把每个slot中标号相同的时域点抽出，组成M个新的OFDM符号，每个重构OFDM符号含L个时域点，具体做法如下：

设r_i，m(0≤m≤N-1)是接收端的第i个符号，第m个时域采样点，则M个重构符号可以表示成向量形式r_m(1≤m≤M)，见式(3)：

为论述简便起见，记：

       r_m(n)＝r_i，nM+m    (0≤m≤M-1，0≤n≤L-1)       (4)

于是，r_m＝(r_m(0)，r_m(1)，…，r_m(n)，…，r_m(L-1))，以上的重构过程使得采样数据获得时间分集的优点，从而使估计算法更加鲁棒。

(3)解调重构符号，获得相应的频域序列

在理想信道条件下，重构OFDM符号r_m中的时域点应该是完全相同的。然而，由于存在频率偏移，这些点的相位呈现出递增或是递减的趋势，如同被调制到某一频率上。于是，对于r_m而言，频偏的影响可以等效为含有L个子载波的OFDM系统的基带调制过程。因此，解调这些重构符号，寻找它们的频谱幅度峰值，就能对整数倍频偏做出估计。而解调OFDM重构符号的方法就是L点FFT算法，并且，L一般是比较小的数，比如4、8等等。较小点数的FFT算法正是本发明具有低计算复杂度的核心所在。

对r_m运用FFT算法，得：

$R_m\left(y\right)\mathrm{DFT}\left(r_m\right|y)=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}{r}_m\left(n\right)e^{-j2\mathrm{\πny}/L}---\left(5\right)$

于是，整数倍频偏的估计式表达为：

单纯的L点FFT算法还不足以完备地解决整数倍频偏的估计问题，特别当小数倍频偏在0.5附近时，R_m中会有两个频点的幅值都比较大，从而导致判决性能急剧下降。因此，本发明结合小数倍频偏估计值设计出新的FFT算法结构，在没有增加任何运算开销的前提下，保证本算法在正确的小数倍频偏估计的情况下，始终是无偏估计。

采用现有技术可以轻易地实现小数倍频偏估计，比如基于对循环前缀相关求相角的方法、基于2等分符号相关求相角的方法、基于ML准则搜索的方法等。上述方法一般位于本发明方案的前级，本发明根据其给出的小数倍频偏估计值，能高效地实现整数倍频偏无偏估计的任务。

一般来讲，OFDM系统的子载波是2的整数次方，如：256、512、1024等。为了保证M为整数，L也只能是2的整数次方，设L＝2^β(β为正整数)。2^β点的FFT算法可以分为β级蝶形运算，第p级蝶形运算含有2^p-1个不同的复乘系数。原始2^β点FFT算法中的第p级，第q个复乘系数是：

$W_{2^{\mathrm{\β}}}^{q,p}=\exp \{-j2\mathrm{\π}\frac{{q2}^{\mathrm{\β}-p}}{2^{\mathrm{\β}}}\}\left(\begin{array}{c}p=\mathrm{1,2},\·\·\·,\mathrm{\β}\\ q=\mathrm{0,1,2},\·\·\·,2^{p-1}-1\end{array}\right)---\left(7\right)$

本发明中与之对应的第p级，第q个复乘系数是：

只要按照蝶形运算结构，将每一级的数学结果原样写出，就能证明本发明的正确性。对r_m运用修正的FFT算法，可得式(9)：

式(9)表明，本发明提供的FFT算法结构，等效为先对重构符号作小数倍频偏为的相位补偿，再作原始的FFT运算，达到了将频率观测点移动小数倍频偏的目的，从而使得本发明的整数倍频偏估计是无偏估计。只要小数倍频偏的估计比较准确，那么，新的FFT算法得到的将是无偏估计。而且，本发明提供的FFT算法中的修正项，只在复数的相位上进行加法运算，也没有破坏FFT算法的固有特点。需要指出的是，本发明的FFT算法的功能可以用如下的替代方法实现：根据小数倍频偏估计，先对r_m作时域相位补偿后，再作原始FFT运算。

替代方法虽然也达到了本发明设计新FFT算法结构的目的，但其计算复杂度高于本发明提供的算法。具体来讲，对于每个r_m，替代方法需要复乘次数为而本发明只需

次复乘。

基于式(9)，整数倍频偏的估计式表示为：

(4)合并频域序列，通过寻找峰值，估计整数倍频偏

理论上，本发明只需对1个r_m运用无偏估计的FFT算法，就能估计出整数倍频偏，但是，由于信道的多径衰落、噪声等影响，一般要采用多次联合判决的方法。具体操作方法如下：按随机、等间隔或连续的抽选方法，取出λM个r_m(0＜λ≤1，且λM为整数)。随机抽选方法是指从M个OFDM重构符号中，随机取出λM个不同的重构符号。等间隔抽选方法是指从M个OFDM重构符号中，先随机确定第一个重构符号，再等间隔地取出λM个不同的重构符号。连续抽选方法是指从M个OFDM重构符号中，先随机确定第一个重构符号，再连续地取出λM个不同的重构符号。

对λM个r_m运用无偏估计的FFT算法，得到一系列频域数据R_m，再按照平方和合并，合并后的峰值所对应的频点就是整数倍频偏的估计值。

其他合并方法有：模值合并，如式(12)所示，

以及实部绝对值与虚部绝对值之和的合并，如式(13)所示。

由于在1个OFDM符号内，信噪比可以认为不变，于是，式(11)等效为最大比合并，这是最优的合并方法。而式(12)及式(13)是次优的合并方式，用估计性能的下降换取了计算复杂度的下降。

(5)基于判决可靠性反馈的自适应算法

当只取一个固定的λ时，前述方案比传统方法并不具有太大的优势，于是，本发明进一步提出基于判决可靠性反馈的自适应算法。

由于小数倍频偏估计的误差或非理想的信道条件，式(11)中的 相对于其他R(y)的数值优势会显著降低，导致式(11)的估计不可靠。将R(y)的平均值与

的比值作为式(11)可靠性指标V，根据V与某一门限值η的比较情况，采用多级联合判决的方法以提高本发明的估计性能。首先，按照式(3)进行符号重构，得到M个OFDM重构子符号r_m，记为集合S，设定门限值η，令n＝1(n表示第n级判决)。然后进入迭代次数为X的基于判决可靠性反馈的自适应算法：

先从S中随机取出λ_nM $(0<{\mathrm{\&lambda;}}_n\&le;1-{\mathrm{\&Sigma;}}_{j=1}^{n-1}{\mathrm{\&lambda;}}_j$ 且λ_nM为整数)个r_m，形成集合S_n；S＝S-S_n。再对S_n中的每个r_m，用FFT算法计算式(9)，得到λ_nM个 R_m。然后把λ_nM个R_m按式(11)进行合并，再与前级的结果相加，得U_n，其含有L个元素U_n(y)：

$U_n\left(y\right)=U_{n-1}\left(y\right)+\underset{S_n}{\mathrm{\&Sigma;}}{\left|{\stackrel{\&OverBar;}{R}}_m\left(y\right)\right|}^2(y\&Element;[-L/2,L/2),y\&Element;Z)---\left(14\right)$

寻找式(14)的峰值对应的频点，对f_I做出估计：

${\hat{f}}_I=\underset{y}{\arg \max }\left\{U_n\left(y\right)\right\}---\left(15\right)$

将U_n(y)的平均值与 的比值作为式(15)可靠性指标V_n：

$V_n=\frac{\frac{1}{L}\underset{y}{\mathrm{\&Sigma;}}{U}_n\left(y\right)}{U_n\left({\hat{f}}_I\right)}---\left(16\right)$

当V_n小于等于门限η，或n＝X，算法结束；否则，令n＝n+1，重复上述过程。

由式(14)和式(15)可知，η的取值范围是[1/L，1)，η越小，调用后级判决的概率就越大，于是，计算复杂度上升，但估计性能得到提高。

需要指出的是，式(16)并非可靠性指标的唯一表达，其他可靠性指标有：

U_n(y)的第二大值与 之比作为可靠性指标V_n，如式(17)所示，

$V_n=\frac{U_n\left(\underset{y}{\arg \max }\right\{U_n\left(y\right)\left|(y\&NotEqual;{\hat{f}}_I)\right\})}{U_n\left({\hat{f}}_I\right)}---\left(17\right)$

若V_n小于门限值α，则认为估计是可靠的，α的取值范围是(0，1)。相邻两值的平均值与

的比值作为可靠性指标V_n，如式(18)所示，

$V_n=\frac{[U_n({\hat{f}}_I+1)+U_n({\hat{f}}_I-1)]}{2U_n\left({\hat{f}}_I\right)}\&CenterDot;---\left(18\right)$

若V_n小于门限值β，则认为估计是可靠的，β的取值范围是(0，1)。

采用了基于判决可靠性反馈的自适应算法后，本发明的计算复杂度进一步降低，估计性能得到显著提高。

本发明的优点在于：通过OFDM符号重构，充分地利用接收数据，具有时间分集的特点；用FFT算法对整数倍频偏做估计，大大降低了系统的计算复杂度；结合小数倍频偏设计新的FFT算法，使本发明的估计成为无偏估计，提高了系统的可靠性。另外，本发明采用基于判决可靠性反馈的自适应合并算法，使得本发明兼有计算复杂度低和估计性能较优的特点。而且，仿真表明，本发明对小数倍频偏估计的误差不敏感，具有很好的鲁棒性。

附图说明

图1 OFDM基带调制解调框图

图2 N＝1024，L＝8的OFDM同步训练符号的频域与时域对应关系示意图

图3 N＝1024，L＝8的OFDM同步训练符号重构示意图

图4 本发明的实施框图

图5 用于估计整数倍频偏的无偏估计8点FFT算法结构

图6 随机、等间隔或连续方法挑选OFDM重构符号时的系统性能图

图7 本发明在采用等间隔方法挑选OFDM重构符号，存在小数倍频偏估计误差时的性能图

图8 本发明在采用等间隔方法挑选OFDM重构符号，小数倍频偏估计完全正确时，迭代次数X＝0的基于判决可靠性反馈的自适应算法与传统方法的性能比较图

图9 本发明在采用等间隔方法挑选OFDM重构符号，小数倍频偏估计完全正确时，迭代次数X＝1的基于判决可靠性反馈的自适应算法与传统方法的性能比较图

图10 本发明在采用等间隔方法挑选OFDM重构符号，小数倍频偏估计完全正确时，迭代次数X＝2的基于判决可靠性反馈的自适应算法与传统方法的性能比较图

具体实施方式

下面给出一个具体的OFDM参数配置，来阐述本发明的实现步骤。需要说明的是，下例中的参数并不影响本发明的一般性。

3GPP组织的文档：TR 25.892 V6.0.0，“Feasibility Study for OrthogonalFrequency Division Multiplexing(OFDM)for UTRAN enhancement(Release6)”，给出的一组OFDM参数，如下：

系统带宽B           6.528MHz

子载波数N           1024

有效子载波数N_u     705

有效带宽            4.495MHz

子载波间隔Δf       6.375kHz

循环扩展CP          64(9.803us)

符号周期T_s         156.85+9.81＝166.66us

在上述参数条件下，取L＝8，则M＝128，采用等间隔抽选方法以及式(11)的平方和合并方法，并采用式(16)作为估计可靠性指标，使用基于判决可靠性反馈的3级自适应算法，本发明的实现步骤如下：

(1)依照式(1)，在子载波序号为160、168、176、184、192、200、208、216、224、232、240、248、256、264、272、280、288、296、304、312、320、328、336、344、352、360、368、376、384、392、400、408、416、424、432、440、448、456、464、472、480、488、496、504、520、528、536、544、552、560、568、576、584、592、600、608、616、624、632、640、648、656、664、672、680、688、696、704、712、720、728、736、744、752、760、768、776、784、792、800、808、816、824、832、840、848、856、864的频率上加载导频数据，其他子载波上放置零数据，将这样的频域数据通过图1的串并转换模块1、IDFT模块2、并串转换模块3，就能生成一个形如式(2)的8等分同步训练符号，图2是该同步训练符号的频域与时域对应关系的示意图。然后经过图1的模块插入循环前缀模块4、插入同步信息模块5、D/A转换模块6、发送滤波处理模块7，到达接收端。

(2)接收端经过图1中接收滤波处理模块8、A/D转换模块9的处理，结合图4中系统给出的位同步信息，将会获得完整的r_i，m(m＝0、1、……、1023)。依照式(3)，将r_i，m重构为128个8点OFDM符号r_m(m＝1、2、……、128)。图3是该重构过程的示意图。

(3)取λ₁＝0.25，λ₂＝0.25，λ₃＝0.5，X＝3。设定门限值η＝0.5，令n＝1(n表示第n级判决)。

(4)λ_nM取整数后为

因此，按等间隔的方法，取出

个r_m，结合前级给出的小数倍频偏估计值，对上述

个r_m进行图5所示的运算，得到

个R_m。

(5)对上述

个R_m按式(14)进行合并，按式(15)作出整数倍频偏的估计值。按式(16)计算V_n。当V_n小于等于门限η，或n＝X，算法结束；否则，令n＝n+1，回到(4)。

信道为8路瑞利衰落信道，如下：

	延迟(ns)	相对功率(dB)
			路径1路径2路径3路径4路径5路径6路径7	0153306459612765919	0-6.7-13.3-19.9-27.6-33.3-39.9

路径8

1072

-46.6

图6是本发明采用随机、等间隔或连续方法挑选OFDM重构符号时的系统性能图，该图表明，当λ较小时(如0.1或0.2)，采用连续抽取方法的系统性能不如其他两种方法，当λ较大时，采用随机、等间隔或连续方法进行抽取时的系统性能趋于一致。总体来看，采用等间隔抽取方法的系统具有最好的性能。

图7是本发明在采用等间隔方法挑选OFDM重构符号，而且存在小数倍频偏估计误差时的性能图，该图显示，本发明对于小数倍频偏估计的误差并不敏感，这有利于提高整个系统的鲁棒性。

图8是本发明在采用等间隔方法挑选OFDM重构符号时，小数倍频偏估计完全正确时，迭代次数X＝0的基于判决可靠性反馈的自适应算法与传统方法的性能比较图。在传统方法中，设定延时为一个slot，作相关，求相角，就能估计整数倍频偏，它需要(N-M)＝896次复乘。而在本发明中，λ＝0.2时，需要复乘约300次，这只相当于传统方法的1/3，但比传统方法取得0.5dB的信噪比增益；当λ＝0.6时，本发明需要复乘约900次，其计算复杂度与传统方法相等，但取得了3dB左右的信噪比增益。

图9是本发明在采用等间隔方法抽取时，小数倍频偏估计完全正确时，迭代次数X＝1的基于判决可靠性反馈的自适应算法与传统方法的性能比较图。该仿真中，设λ₁＝λ₂＝0.25，考察η的3种情况：0.5、0.75及0.875。当η＝0.5时，本发明比传统方法取得3dB的信噪比增益，并且，X＝1的自适应算法仿真表明，其需要的平均复乘次数只有传统方法的57％至64％；当η＝0.75时，本发明比传统方法取得2.2dB的信噪比增益，但其需要的平均复乘次数只有传统方法的57％至58％；当η＝0.875时，本发明比传统方法取得1.4dB的信噪比增益，但其需要的平均复乘次数只有传统方法的57％；

图10是本发明在采用等间隔方法抽取时，小数倍频偏估计完全正确时，迭代次数X＝2的基于判决可靠性反馈的自适应算法与传统方法的性能比较图。该仿真中，设λ₁＝λ₂＝0.25，λ₃＝0.5，考察η的3种情况：0.5、0.75及0.875。当η＝0.5时，本发明比传统方法取得4.7dB的信噪比增益，并且，X＝2的自适应算法仿真表明，其需要的平均复乘次数只有传统方法的57％至75％；当η＝0.75时，本发明比传统方法取得2.6dB的信噪比增益，但其需要的平均复乘次数只有传统方法的57％至58％；当η＝0.875时，本发明比传统方法取得1.3dB的信噪比增益，但其需要的平均复乘次数只有传统方法的57％。

仿真结果表明，本发明具有计算复杂度较低，且估计错误率较低的优点，在OFDM系统中具有很高的应用价值。

Claims (9)

1、一种估计OFDM整数倍频偏的方法，其特征在于，包括如下步骤：

步骤一：发送端产生一个L等分的N点OFDM同步训练符号，符号的每一个等分含M点；

步骤二：对所述同步训练符号进行重构，即将步骤一中的符号，重构为M个L点OFDM信号符号；

步骤三：接收端使用FFT算法解调从步骤二所得的重构符号中挑选出的λM个重构符号，得到重构符号的频域信号序列；

步骤四：对步骤三中FFT运算所得的频域信号序列进行合并，合并后的峰值所对应的频点就是整数倍频偏的估计值；

所述N、L、M均为大于0的整数，M＝N/L，所述λM为整数，0＜λ≤1。

2、根据权利要求1所述的估计OFDM整数倍频偏的方法，其特征是，所述的步骤二，将每一等分的OFDM符号采样点进行顺序数字标号，再把标号相同的时域点按顺序抽出，组成新的OFDM符号。

3、根据权利要求1所述的估计OFDM整数倍频偏的方法，其特征是，所述的步骤三，解调所述重构符号的方法是结合系统前级同步模块给出的小数倍频偏估计值，在传统FFT算法结构的复乘系数中引入小数倍频偏修正项，使所述步骤三同时完成小数倍频偏补偿和解调OFDM重构符号；或者，采用直接补偿OFDM重构符号的小数倍频偏后，再用传统FFT算法对OFDM重构符号进行解调。

4、根据权利要求1或者3所述的估计OFDM整数倍频偏的方法，其特征是，所述步骤三，从M个L点OFDM符号中，随机取出λM个不同的重构符号；或者从M个L点OFDM符号中，先随机确定第一个重构符号，再等间隔地取出λM个不同的重构符号；或者从M个L点OFDM符号中，先随机确定第一个重构符号，再连续地取出λM个不同的重构符号。

5、根据权利要求1所述的估计OFDM整数倍频偏的方法，其特征是，所述的步骤四，合并OFDM重构符号的频域信号的合并方法是平方和合并，或者模值和合并，或者实部绝对值与虚部绝对值之和的合并。

6、根据权利要求1所述的估计OFDM整数倍频偏的方法，其特征是，在所述的步骤四后，进入基于判决可靠性反馈的自适应迭代算法，即通过评估步骤四所得估计值的可靠性，自适应地增加λ，重复步骤三与步骤四，最后得到较为可靠的整数倍频偏估计值。

7、根据权利要求6所述的估计OFDM整数倍频偏的方法，其特征是，所述的评估步骤四所得估计值的可靠性，其方法是计算步骤四得到的频域信号序列的平均值与最大值之比作为步骤四所得估计值的可靠性指标，若可靠性指标小于门限值η，则认为估计是可靠的，否则，系统将增加λ，重复步骤三与步骤四，最后获得较为可靠的整数倍频偏估计值，所述η的取值范围是[1/L，1]。

8、根据权利要求6所述的估计OFDM整数倍频偏的方法，其特征是，所述的评估步骤四所得估计值的可靠性，在计算步骤四得到的频域信号序列的第二大值与最大值之比作为步骤四所得估计值的可靠性指标，若可靠性指标小于门限值α，则认为估计是可靠的，否则，系统将增加λ，重复步骤三与步骤四，最后获得较为可靠的整数倍频偏估计值，所述α的取值范围是(0，1)。

9、根据权利要求6所述的估计OFDM整数倍频偏的方法，其特征是，所述的评估步骤四所得估计值的可靠性，在计算步骤四得到的频域信号序列的相邻两值的平均值与最大值之比作为步骤四所得估计值的可靠性指标，若可靠性指标小于门限值β，则认为估计是可靠的，否则，系统将增加λ，重复步骤三与步骤四，最后获得较为可靠的整数倍频偏估计值，所述β的取值范围是(0，1)。

Images