基于ML算法、Schmidl & Cox算法、Minn算法、Park 算法实现OFDM系统的时间同步附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

1.1 ML算法

原理：利用CP前后数据相同，则相关后保留有效值，噪声不相关，会去除，根据噪声的概率公式，求得ML下的估计值。

1.2盲检测算法

ML算法是不考虑多径情况的，即多径下，同一个符号接收上的错开问题。盲检测算法把这个考虑了进来。多径的简单示意图如下，在偏移位置到Ncp+L-1这个位置之内，跟后面的部分的相关值是分段的。

从上面基于CP的方法其实可以看出来，时域同步的主要方式就是相关。两段数据相同，则起始点位置一致时，相关值最大。数据没联系，则相关值小。不知道你有没有学习过相关的概念。

前面的CP是OFDM系统本身就有的，但是受到CP长度（实际就是统计相关的数据量，越大肯定统计效果越好）、CP数据和其他OFDM符号里面数据相关性(理想状态是完全不相关，这个当然很难实现)影响，导致效果不稳定。所以一般实用系统里面都是使用训练序列，这样的话就有训练序列本身和放置两个方面的问题。

明显地，良好训练序列具有的基本特点应该是自相关很大，互相关为0，受到信道、频移、噪声的影响后，这个特点依然存在（很多系统里面采用的ZC序列，具有这个特点，可以自己查查。）

下面的几种算法都是采用的普通伪随机序列，然后在放置上考虑的。

⛄ 部分代码

%----Blind 方法是考虑了多径的ML算法，需要多符号进行平均，否则算法效果还比不上ML

%----衰落信道下Blind算法，函数图

clc

clear all

close all

N          = 256;      %FFT长度 

CP_len     = 256/4;    %CP长度

SNR        = 20;       %SNR

symbolNum  = 20;

TxsymbolCP = [];       %产生OFDM时域符号

for i1 =1:symbolNum

    Tx       = randsrc(1,2*N);

    TxSymbolFreq = (Tx(1:2:end)+1i*Tx(2:2:end))/sqrt(2);  %QPSK符号

    TxSymbolTime = ifft(TxSymbolFreq,N)*sqrt(N);          %IFFT，并且功率归一化

    TxSymbolTimeCP = [TxSymbolTime(end-CP_len+1:end) TxSymbolTime];

    TxsymbolCP  = [TxsymbolCP TxSymbolTimeCP];

end

thelta = 8;     %定时偏移

k      = 0:symbolNum*(N+CP_len)-1;

e      = 0.23;

L      = 30;

r1     = [zeros(1,thelta) TxsymbolCP(1:end - thelta)];

l1     =  2*(CP_len+N);                     %检测长度，要将图片的坐标变长，修改该值，但是注意不要越界

v      = 50;       %单位km/h，其他参数固定下，该值越大，则快衰落越厉害，可以单独从singlePath函数的结果看出各因素的影响

h1     = singlePath(10^(-6)*(length(r1)-1),v);

r      = awgn(h1.*r1,SNR,'measured');

n1     = 10^(SNR/10);  %信噪比

rou    = n1/(1+n1);

%---------加入多OFDM符号的平均，否则结果会不稳定，在m<L的部分，产生突变的大值。

pd    = zeros(1,symbolNum);

alpha = zeros(1,symbolNum);

for i1 = 1:l1

    for i2 = 0:CP_len-21 

        for i3 = 1:symbolNum-4

            i4 = i1+i2+(i3-1)*(N+CP_len): CP_len-1+i1+(i3-1)*(N+CP_len);

            pd(i3)    = r(i4)*r(i4+N)';

            alpha(i3) = sum(abs(r(i4)).^2) + sum(abs(r(i4 + N)).^2);

            alpha(i3) = alpha(i3)/2; 

        end

        md(i2+1,i1)= abs(mean(pd))-(rou)^2*mean(alpha);

    end

end

mesh(md)

a = max(md);          %每列里面挑选最大值，这些最大值是i3取不同的值的时候取得的。

find(a == max(a))     %得到取最大值时i1的位置。

⛄ 运行结果

⛄ 参考文献

[1] 廖浩凌.无线通信中OFDM与CPM系统同步技术研究[D].电子科技大学[2023-06-12].DOI:CNKI:CDMD:2.1015.708930.

[2] 朱文杰.多载波多天线MIMO-OFDM系统同步及信道估计算法研究[D].武汉理工大学,2009.DOI:CNKI:CDMD:2.2009.103014.

[3] 田中梦文,张晓光,黄艺驰,等.CO-OFDM光纤通信系统接收算法中时序同步的研究[J].光学学报, 2014.

[4] 王庆,王博,徐钊.基于训练序列的OFDM定时同步改进算法[J].  2011.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料