关 键 词：

获取更多毕业论文/毕业设计 请登录360毕业设计网 www.bysj360.com 或加qq:604664738量身定做！

资源描述：

基于OFDM系统信道估计以及帧同步算法研究,获取更多毕业论文/毕业设计,请登录360毕业设计网,,或加qq:604664738量身定做！

内容简介：

读 书 笔 记这次毕业设计我的课题是对OFDM系统中信道估计和帧同步的研究，为此我查找了一些资料。从宽带无线通信OFDM技术一书中我得知：OFDM系统是一个多载波通信系统，它使用快速傅里叶变换(FFT)算法在发送端合成信号，并在接收机中队接收信号进行解调。FFT是实现离散傅里叶变换的有效计算手段.下图为多载波通信系统的方框图。串/并变换器将信息序列分解成Nf比特的帧，每一帧中的N比特被分成n组，OFDM系统中先把串行输入的数据转化为长度为X比特的并行数据，经信号映射后，形成调制信息序列。X的值决定了对应的子载波的星座点，如16QAM或32QAM.这些复数信息在插入导频(PN)序列后，再经IFFT调制，得到已调信号的时域抽样。为消除由多径传输造成的符号间干扰(ISI)和载波间干扰(ICI)，加入循环前缀CP，经串并变换和数模转换后，得到OFDM己调信号的时域连续波形，经射频调制即上行变换后，送入信道。接收端做相应的反变换，使用信道均衡器消除信道失真后输出得到串行序列循环前缀CP是把长度为L的符号复制到每帧的前面，当满足一定的条件(即CP的长度比信道脉冲响应时间长)时，一方面CP起到了保护间隔的作用，可以完全消除由于信道的多径传播造成的OFDM帧间干扰(ISI)，另一方面，根据数字信号处理知识可知，CP的引入，使线性卷积变为循环卷积，DFT的输出信号项仅受到子信道的固定的衰减，而不存在子信道间的干扰，即CP还起到了保持子载波间的正交性的作用，从而消除了载波间干扰(ICI).OFDM系统模型分为时间连续系统模型，时间离散系统模型，通过阅读该书我对这两种模型都有所了解 然后我着重对此书中涉及到的信道估计和同步技术做了具体的分析：我们知道，调制分为连续调制和差分调制。采用差分调制时，无需进行信道估计，因为信号己经包含在相邻符号之差中了。差分调制是无线系统中常用的技术，因为它不需要用信道估计器，从而简化了接收机的复杂度。但是它的缺点也是很明显的:其一，它使噪声有3dB的增强;其二，它无法利用频带利用率高的多电平调制技术MQAM。而连续调制则允许使用任何的信号星座。在无线环境中，连续调制更因其效率高而受到关注。因此，OFDM系统的信道估计算法的性能以及复杂度成为研究的热点。信道估计的基础是信道本身具有的时域、频域的相关特性。虽然在具体的时刻信道的时延、多普勒频移、信号的衰减是不可知的，但信道的某些统计特性是可以知道的，利用信道的相关特性可进行较好的信道估计。 在OFDM系统中，信道估计器的设计主要面临两个问题。其一是关于导频信息(Pilot pattern)的选择:其二是关于如何设计出有较低的复杂度又有良好的导频跟踪能力的信道估计器。 此书涉及到的信道估计算法主要是基于导频的几种算法：最小平方(LS)算法，维纳滤波算法，Singular Value Decomposition算法。并对这些算法做了一些比较 另一个问题就是同步的问题因为OFDM为多载波通信系统，并且各个子载波之间要求严格正交，因此OFDM系统对同步的要求特别严格。OFDM系统的同步问题主要有三种:载波同步，帧同步，抽样率同步。目前同步问题的解决方案一般分为两步:粗同步(又称为捕获)和细同步(又称为跟踪)。按有无辅助数据可分为两种估计方法:一是基于辅助数据的估计方法，二是不采用辅助数据的方法，即盲估计法。基于辅助数据的方法一般具有估计精度高，计算简单，捕获范围大等优点，但这类方法降低了系统的频谱效率，特别是在系统稳定工作的跟踪阶段，尤其希望能采用不降低频谱效率的方法.于是盲估计方法成为近几年来的研究热点。 OFDM系统中的同步包括：载波同步，帧同步，抽样率同步，载波相位同步几种，对此我着重分析了帧同步的算法。目前存在的帧同步方法可以粗略的分为两个系列:一类是利用导频符号或者训练序列的信息进行同步，这时目前通信系统中常见的做法。另一类是利用CP和被拷贝部分的相关性。书中讲了Schmidl和Cox提出了一种基于辅助数据的帧同步和载波同步联合估计方法，在这种算法中，他们采用两帧己知数据，第一帧用于帧同步，第二帧用于载波同步。他们将一帧己知数据从中间分为对称的两部分，每部分具有L=N/2个样点。书中介绍了两种改进后的算法另外还提及了利用cp进行盲估计：OFDM系统都采用插入循环扩展的保护间隔(CP)来消除符号间串扰。插入保护间隔内的个抽样信号是OFDM系统中N个有效抽样信号内的后个抽样信号的拷贝.，则对于在接收端相距为N的两个样点，当其中的任一个在保护间隔内时，另一个与它相同，两者的相关性较强，当不在保护间隔内时，这两个样点是独立的，此当CP没有被ISI破坏的严重时，可以利用保护间隔的这些特性，来完成符号定时同步，这种方法避免了插入导频符号带来的资源的浪费。现在，利用CP比较有名的算法是J J van de Beek的ML算法不过这些算法只能进行粗捕获,在细同步阶段书中提到了相处法进行校正。为了满足帧同步既要估计整数，又要估计小数帧同步误差的要求，书中现有一套完整的解决方案。方案分为三步:第一步为粗捕获阶段。捕获算法的目的是将帧同步误差控制在一个较小的范围内，捕获算法强调的是捕获范围大，因此常采用辅助数据法，但现有的捕获算法存在捕获范围虽然大，但捕获精度不满足跟踪需要的缺点。据此，将其称之为粗捕获。在此方案中，粗捕获采用了Schmidl和Cox提出的基于辅助数据作相关的算法。第二步为细捕获阶段。在这个阶段中，帧同步误差己经被控制在1个抽样间隔内，因此这个阶段的捕获算法不需要很大的捕获范围，但是由于作完捕获后，还要作帧同步误差跟踪，因此要求其要有一定的捕获精度。据此，提出了一种新估计方法，其捕获的范围可以能到1个抽样间隔左右，但其捕获精度较高，可以达到8%以内，这样就可以结合我们的帧同步跟踪算法一起使用第三步为帧同步误差跟踪阶段。经过捕获之后，帧同步误差可以控制在0.1个抽样间隔内，如果不再进一步采取措施，系统仍会存在较高的误码率，不能满足通信的要求。因此，捕获之后，还需要进行跟踪，以迅速消除随机噪声和其它因素带来的较小的帧同步误差。帧同