基于新型训练序列的OFDM频率同步算法

发布时间：2025-01-17 15:15

　　 针对现有的正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）频偏估计算法普遍存在估计范围小,估计精度不高的问题,提出了一种新的训练序列频率同步算法.首先采用缩短训练序列和周期性发送序列的方式,增大了频偏估计的范围,但频偏范围的增大会导致性能的损失;然后又提出一种通过对短周期重复样式的估计值取平均的方法,在保持估计范围不变的情况下,进一步的提高了频偏估计的性能.最后仿真结果表明,改进的算法频偏估计范围大,并且估计精度较高,均方误差（Mean Square Error,MSE）可以达到10^-6.

【文章页数】：8 页

【部分图文】：

图1ML算法的频偏估计图Fig.1FrequencyoffsetestimationgraphofMLalgorithm

为估计出的归一化频偏.图2表明随着循环前缀长度的增加，估计的均方误差（MeanSquareError，MSE）精度在减小，并且在循环前缀长度保持不变的前提下提高系统的信噪比（SNR）能提升估计性能.但是随着循环前缀的增加会出现阀值效应，即随着循环前缀的增加估计精度将不会增加.表1....

图2ML算法循环前缀长度和信噪比对CFO估计的影响Fig.2Effectofcyclicprefixlengthandsignal-to-noiseratio

偏估计范围扩大到，但是此时的估计精度有所下降.当采用新的训练序列时，在估计范围保持不变的情况下，提高了估计精度，估计精度在，而采用PN序列时，估计精度在.104～105105～106图6中比较了新的训练序列的CFO估计范围和MSE的性能.当采用本文设计的训练序列时MSE的精度较P....

图3Moose算法的估计精度与ε的关系εFig.3TherelationshipbetweentheestimationaccuracyofMoosealgorithmand

捎?PN序列时，估计精度在.104～105105～106图6中比较了新的训练序列的CFO估计范围和MSE的性能.当采用本文设计的训练序列时MSE的精度较PN序列的精度要高.为了解决估计范围增大时估计性能下降的问题，通过对具有更短周期重复样式的估计值取平均，MSE的精度进一步的得到....

图4Moose算法的估计精度与SNR的关系Fig.4RelationshipbetweenestimationaccuracyandSNRofMoosealgorithm

的性能.当采用本文设计的训练序列时MSE的精度较PN序列的精度要高.为了解决估计范围增大时估计性能下降的问题，通过对具有更短周期重复样式的估计值取平均，MSE的精度进一步的得到提升，估计精度由原来的提升到.图2ML算法循环前缀长度和信噪比对CFO估计的影响Fig.2Effecto....

本文编号：4028233