一种改进的SC-FDE系统定时同步算法

单载波频域均衡是一类高效的无线传输技术,它能够支持与OFDM相似的数据速率,但是需要精确的定时同步来保障时频转化时的符号对齐。本文针对经典定时同步算法出现相关平台(plateau)以及虚假峰值等问题,提出一种改进的SC-FDE系统定时偏移估计算法。该算法使用一种特殊的训练序列结构,不仅消除了测度函数的相关平台,而且抑制了虚假峰值的出现,提高了估计精度,并降低了计算复杂度。仿真结果表明,改进同步算法在AWGN信道和ETU信道下的性能都优于Schmidl&Cox算法,消除了"平台效应",并且没有Minn算法和Park算法的虚假峰值,具有较高的定时估计精度和较低的计算复杂度。     

基于训练序列的SC-FDE系统符号同步改进算法

针对单载波频域均衡系统的同步问题,采用不同的训练序列结构,提出两种新的定时测度计算方法,既避免SchmidlCox算法的峰值平台现象,又抑制Minn算法大量旁瓣的产生。仿真结果表明,无论在多径信道还是低信噪比下,改进同步算法具有更低的均方误差。而且第二种定时测度方法既简化计算又保持良好的同步性能,方便在工程实现中缩短定时所需的时间。     

一种改进的OFDM系统符号定时同步算法

文章在研究Schmidl＆Cox同步算法的基础上,提出了一种改进的符号定时同步算法。改进后的算法通过对原算法训练符号的加权,消除了定时同步中的峰值平台问题。仿真结果显示,该算法的定时同步性能优于原算法。     

一种新的定时和频偏联合估计算法

提出了一种新的正交频分复用(OFDM)系统定时和频率同步联合算法.该算法仅需要一个训练符号就可以完成定时和频偏估计,额外开销量小,定时和频率同步的实现均在时域进行,简化了同步实现的复杂度.由于使用自相关处理,定时同步对频率偏差具有较强的鲁棒性.与以往的定时同步算法相比,该算法避免了定时平台和多峰值的出现,即使在非常低的信噪比下,其定时测度都是一个尖脉冲.仿真结果表明,该算法能快速地实现定时和频率同步.     

一种基于训练序列的OFDM定时同步改进算法

针对定时同步和频率同步与载波间干扰和符号间干扰密切相关的问题,提出了一种基于训练序列的OFDM定时同步改进算法。新算法在Schmidl和Cox提出的定时同步方法基础上,同时利用训练序列的时域重复结构及其循环前缀的特点通过滑动相关来完成定时同步。理论分析和仿真结果表明,新算法与SC算法相比大大提高了定时同步的精度,有效地解决了SC算法因峰值平台造成定时同步模糊性的问题。     

一种改进的LTE系统下行同步算法

LTE(Long Term Evolution)系统中,作为小区搜索的第一步,符号定时算法需要具备很强的鲁棒性。为了进一步增强现有符号同步算法的抗频偏性能,提出了一种优化的符号同步算法。该算法一方面保持已有分段相关同步算法的优点,同时考虑结合预频偏处理来进行符号定时与粗频偏的联合估计,再将多个相关运算集做叠加处理。理论分析和仿真实验结果表明,在多径信道下,所提算法在完成符号定时和粗频偏估计的同时,大大提高了系统抗频偏性能。     

一种改进的OFDM定时同步算法

OFDM系统是一种多载波通信系统,对同步误差非常敏感,同步不准确在很大程度上降低了系统性能。在SC算法、Minn和Park算法的基础上,提出一种基于训练序列的改进的OFDM同步算法。新算法在频域上使用SC算法的训练符号,并通过对训练符号在时域乘以特殊的伪随机序列来消除定时同步中的峰值平台问题,利用训练序列在频域良好的自相关性估计整数倍频偏。仿真结果表明,与传统算法相比,改进算法在同步位置具有很尖锐的峰值,同步性能更好,符号定时更精确,载波频偏估计也有所提高。     

基于PN训练序列的OFDM符号定时新算法

针对传统的基于训练序列的OFDM符号定时同步算法的缺陷,提出一种新的基于PN训练序列的符号定时算法。该算法通过重新设计训练序列,并加入PN序列,有效地克服了传统算法的缺陷。仿真结果表明,该算法在AWGN信道下能准确的实现符号定时,并且在多径信道下也具有较好的性能。     

卫星OFDM系统的同步算法研究

定时偏差和频率偏移会造成OFDM系统性能严重恶化,研究了卫星OFDM系统的同步技术,使OFDM能适应卫星信道低信噪比环境,实现天地一体化通信网络的融合。在分析了现有的卫星信道条件下OFDM符号定时同步算法和载波频率同步算法性能的基础上,根据CAZAC序列相关峰位置受定时偏差和频率偏移的影响,设计了一种新的训练序列,并依新训练序列提出了一种改进的同步算法。仿真结果表明,在卫星信道下该算法在低信噪比时依然具有较高的符号定时同步和载波频率同步性能,并且在时域信号中就可以实现同步,相比其他在频域中实现同步的算法减少了复杂度。     

利用训练序列的OFDM系统定时同步算法

在OFDM系统中,定时同步的好坏严重影响到接收端的接收。通过对各种已有定时同步方法的分析,利用CAZAC序列的良好特性,提出一种基于CAZAC训练序列的定时同步方法。改进后的算法能够很好地改善原有经典算法的峰值平台及测量不精确的问题。通过高斯白噪声信道仿真,证明了改进算法在定时同步方面较经典算法有明显提高。     

基于训练序列的OFDM系统定时同步算法分析

分析了OFDM系统符号定时偏差所造成的影响，比较了两种典型的基于训练序列的定时同步算法。对利用定时函数呈现峰值进行检测的算法给出了检测步骤，并做了仿真。仿真结果表明，在其定时函数处于低信噪比的条件下，基于训练序列的同步算法能够实现精确同步，同时也具有抗多径效应和抗窄带干扰的能力。     

OFDM系统中帧同步技术研究

在分析S＆C算法的基础上,提出一种基于新训练序列的改进的正交频分复用（OFDM）同步方法。改进后的算法仍使用两个训练符号,以训练符号本身的强自相关性来消除定时同步中的峰值平台问题,并将训练符号的循环前缀（CP）置为0,以尽量消除CP对定时同步的影响。新的训练符号可直接在时域估计出栽波频偏。改进后的算法在定时同步的准确性...     

基于门限判决的OFDM时间同步算法

在基于共轭对称序列前导的正交频分复用（OFDM）系统中,定时函数解决了峰值平台和重复共轭对称序列引入的副峰值问题。但由于循环前缀的存在以及共轭对称序列的特殊结构,定时函数仍存在另一个副峰值。为消除该副峰值的影响,采用了改进的定时度量函数以及区间门限判决捕获算法。理论分析以及在多径信道下的仿真表明,改进算法不受循环前缀长度的影响,时间同步准确率高于已有算法。     

基于训练序列的OFDM系统定时同步改进算法

本文从OFDM系统模型和同步技术作为切入点重点分析研究了基于训练序列的OFDM系统定时同步算法,针对基于SC算法构造的训练序列帧结构及所采用的定时估计算法会造成定时同步位置具有峰值平台、定位点模糊、定时同步不够精确的缺点,提出了一种基于SC算法的改进型训练序列帧结构及改进算法。该算法对SC算法中训练序列前后两部分的搬移重复结构进行改进,构造了前后两部分呈中心对称的训练序列帧结构。改进算法不再采用SC算法中训练序列的后半部分来定义能量函数,而是采用整个训练序列长度来定义能量函数,从而构建同步度量函数,找到最佳定时同步估计点并完成定时同步。理论分析和仿真结果表明,改进算法解决了SC算法定时同步估计位置模糊、定时同步不精确的问题,改进后的算法能够确保定时同步的精确性。      

A novel estimation method of timing offset for OFDM based WLAN systems

The conventional timing synchronization methods based on time domain correlation have the problems of timing metric plateau in Additive White Gaussian Noise(AWGN) channel and estimation error in multipath fading channel. To resolve the problems, this paper proposes a novel timing metric using the characteristics of long training symbols in IEEE802.11a and a new timing recovery method based on the new timing metric for Orthogonal Frequency Division Multiplexing(OFDM)-based WLAN systems. The proposed timing metric is defined as a sum of absolute values of the imaginary parts of all the subcarrier samples. It exhibits a unique characteristic that is very sensitive to the true synchronization point since it has minimum value at the true synchronization point and maximum around the true synchronization point. The simulation results show that the performance of timing synchronization is significantly improved, as a result, the probability of error estimation is lower than 10^-4 when Signal-to-Noise Ratio(SNR) is more than 10dB.