OFDM作为下一代通信系统的关键技术，亟需解决其同步问题。在ML算法的基础上，提出了基于多符号的 ML同步算法。在加性高斯白噪声条件下进行了仿真,结果表明改进的同步算法性能比ML算法要好很多。其中，基于连续符号的定时估计方法1在信噪比超过2 dB时准确率几乎可达100%，基于重复发送符号的定时估计方法2在较低信噪比条件下性能比方法1更好。信噪比为-8 dB左右时，3种优化的频偏估计方法的估计误差均在1%以内，明显好于ML频偏估计算法，证明了改进算法的优越性。
2022-03-06 19:26:51
456KB
1
针对正交频分复用系统对同步偏差的敏感性，设计了两种同时具备频偏估计能力的新训练序列，并给出了相应的定时尺度函数和频偏估计函数。利用训练序列的共轭对称性及部分数据的运算符号相反的特性，进行相关运算得到定时估计值和频偏估计值。理论分析和仿真结果表明，新训练序列的定时尺度非常尖锐，且不受循环前缀长度的影响；在加性高斯白噪声环境下，定时估计均值和均方误差均为零，实现了精确的定时同步；新频偏估计函数在保持了估计精度的同时扩大了频偏估计范围，且在信噪比较低时，新频偏估计算法仍具有很好的估计性能。
2022-02-09 18:05:10
2.03MB
1
基于提高OFDM系统整体性能的目的，采用对称相关的性能，通过对Park和Minn等人的算法进行研究，并在其基础上进行了改进，改进算法消除了定时度量中的多余峰值，只有一个准确的峰值，可以很容易的进行时间定时。通过MATLAB进行仿真，结果表明，改进算法的性能比原算法有所改善，并且适用高斯信道和多径衰落信道。
2022-02-08 16:52:52
761KB
1
一种基于多个OFDM符号的载波同步和定时同步算法及在TD-SCDMA中的应用，关于OFDM同步的资料，很基础
2021-12-20 15:53:47
206KB
1
OFDM系统的基于训练序列的符号同步算法研究，汪伟，吴天庆，符号、载波偏移严重影响着正交频分复用（OFDM）接受系统的性能。本文将介绍使用训练序列进行符号同步的各种算法，比如SC算法，Minn��
2021-11-25 20:32:12
274KB
1
5．2 Moose的频率同步算法
5．2．1 Moose的频率同步算法描述
该算法首先是由Moose提出来的，他假设定时同步已经完成，通过发送两个相同的
OFDM符号，根据FFT的性质得到最大似然函数，算法原理是这样的【25】：
设经过IFFT之后发射OFDM符号表示如下式：
r(n)=s(n)e7栅”／Ⅳ+w(刀)行=D，J『，．．．，2N-1 (5．5)
式中，s(门)是待传输的符号，s是被子载波间隔归一化的频率偏差，w(n)为高斯白噪声。
假设定时估计点准确，则通过Ⅳ点FFT变换后前Ⅳ点和后Ⅳ点序列分别为：
^，一，
k=0，1，．．．，N—J (5．6)
2N--I N—-I
也。=∑，．(甩)e叫脯7．Ⅳ=∑，．(刀+Ⅳ)P卅椭7Ⅳ 七=0^⋯，N—J (5．7)
n=N n=O
由式(5．5)可知，当不考虑白噪声时：
，(玎+Ⅳ)=，．(门)P口昭
于是有： R2t=Rlke’2昭
若加上白噪声的影响，有：
艺I=RJIe2石弦+％I k=D，，，⋯，N—J
利用概率论中的条件概率的知识，得到频率偏移的最大似然估计：
s：三tan一，S=一
。
2死
∑hn[坛瑶]
七=一N
Ⅳ
∑Re[匕哌]
(5．8)
(5．9)
(5．10)
(5．11)
(5．12)
Ⅳ腑石
口聆r
∑脚
=R
2021-11-18 11:19:20
2.25MB
1