目录
1.算法概述
参考文献《ml estimation of time and frequency offset in ofdm systems》
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.
正交频分复用(OrthogonalFrequency Division Multiplexing,OFDM)技术已经成为第四代移动通信研究的热点,同时,OFDM同步又是OFDM的关键技术,研究OFDM同步技术的目的就是为了防止码间干扰和载波干扰。当前OFDM同步的算法是根据OFDM原理提出的基于数据符号方法,它的优点是捕获快、精度高,适合分组数据通信,具体的实现是在分组数据包的包头加一个专门用来做定时、频偏的OFDM块。基于数据符号的算法又可以分为两类:基于训练符号(导频码)的方法和基于循环前缀(CP)的方法。其中基于循环前缀的方法是在OFDM符号中插入保护间隔,保护间隔取符号尾部最后若干个样点的复制,当其中的任何一个位于保护间隔内时,另-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。利用保护间隔的这些特性可以完成OFDM系统中符号定时偏差和载波频偏估计。
基于ML(最大似然估计)时频同步算法