发明名称 一种OFDM通信系统载波的盲频偏估计方法
摘要 本发明针对现有盲频偏估计方法所存在的协方差矩阵奇异值分解计算量大、且在频率选择性信道下存在不确定性等不足,公开了一种OFDM系统的盲频偏估计的方法,该方法通过在发射机端等间隔的分配虚拟子载波、在接收机端通过欠采样构造低维度的自协方差矩阵,最后利用子空间方法对得到的协方差矩阵进行分解,得到载波频偏的估计。本发明方法能够克服频率选择性信道下的不确定性,同时能够给出闭式解析解,不但计算量大大减小且估计性能也有显著提高。
申请公布号 CN101022441A 申请公布日期 2007.08.22
申请号 CN200710017224.3 申请日期 2007.01.11
申请人 西安交通大学 发明人 殷勤业;王慧明;罗铭;王毅
分类号 H04L27/26(2006.01);H04L25/02(2006.01);H04L25/03(2006.01) 主分类号 H04L27/26(2006.01)
代理机构 西安通大专利代理有限责任公司 代理人 刘国智
主权项 1.一种OFDM通信系统载波的盲频偏估计方法,其特征在于包括下述步骤:第一步,在发射端在N个子载波中,采用等间隔的虚拟子载波分配方案:选择虚拟子载波个数P,能够满足L=N/P,其中L是一个整数;设系统所用子载波的编号为0~N-1,在0到L-1号子载波中任选一个子载波i作为虚拟子载波;最后剩余的P-1个虚拟子载波的编号定为pL+i,p=1,…,P-1,当选择i=L-1,则有:S<sub>k,pL+(L-1)</sub>=0,p=0,1,…,P-1;    (2)第二步,在接收端缓存连续的M个OFDM符号,对接收到的符号进行欠采样,接收到的第k个OFDM符号块的第n点采样y<sub>k,n</sub>可以表示为:<![CDATA[ <math><mrow><msub><mi>y</mi><mrow><mi>k</mi><mo>,</mo><mi>n</mi></mrow></msub><mo>=</mo><msup><mi>e</mi><mi>j&phi;n</mi></msup><munderover><mi>&Sigma;</mi><mrow><mi>q</mi><mo>=</mo><mn>0</mn></mrow><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></munderover><msub><mover><mi>s</mi><mo>~</mo></mover><mrow><mi>k</mi><mo>,</mo><mi>q</mi></mrow></msub><msup><mi>e</mi><mrow><mi>j</mi><mn>2</mn><mi>&pi;qn</mi><mo>/</mo><mi>N</mi></mrow></msup></mrow></math>]]></maths><![CDATA[ <math><mrow><mover><mo>=</mo><mrow><mi>q</mi><mo>=</mo><mi>pL</mi><mo>+</mo><mi>i</mi></mrow></mover><msup><mi>e</mi><mi>j&phi;n</mi></msup><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>0</mn></mrow><mrow><mi>L</mi><mo>-</mo><mn>1</mn></mrow></munderover><munderover><mi>&Sigma;</mi><mrow><mi>p</mi><mo>=</mo><mn>0</mn></mrow><mrow><mi>P</mi><mo>-</mo><mn>1</mn></mrow></munderover><msub><mover><mi>s</mi><mo>~</mo></mover><mrow><mi>k</mi><mo>,</mo><mi>pL</mi><mo>+</mo><mi>i</mi></mrow></msub><msup><mi>e</mi><mrow><mi>j</mi><mn>2</mn><mi>&pi;</mi><mrow><mo>(</mo><mi>pL</mi><mo>+</mo><mi>i</mi><mo>)</mo></mrow><mi>n</mi><mo>/</mo><mi>N</mi></mrow></msup></mrow></math>]]></maths><![CDATA[ <math><mrow><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>0</mn></mrow><mrow><mi>L</mi><mo>-</mo><mn>1</mn></mrow></munderover><msup><mi>e</mi><mrow><mi>jn</mi><mrow><mo>(</mo><mi>&phi;</mi><mo>+</mo><mfrac><mrow><mn>2</mn><mi>&pi;i</mi></mrow><mi>N</mi></mfrac><mo>)</mo></mrow></mrow></msup><munderover><mi>&Sigma;</mi><mrow><mi>p</mi><mo>=</mo><mn>0</mn></mrow><mrow><mi>P</mi><mo>-</mo><mn>1</mn></mrow></munderover><msub><mover><mi>s</mi><mo>~</mo></mover><mrow><mi>k</mi><mo>,</mo><mi>pL</mi><mo>+</mo><mi>i</mi></mrow></msub><msup><mi>e</mi><mrow><mi>j</mi><mn>2</mn><mi>&pi;n</mi><mfrac><mi>p</mi><mi>P</mi></mfrac></mrow></msup></mrow></math>]]></maths><![CDATA[ <math><mrow><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>0</mn></mrow><mrow><mi>L</mi><mo>-</mo><mn>1</mn></mrow></munderover><mo>[</mo><msubsup><mi>Z</mi><mrow><mi>k</mi><mo>,</mo><mi>n</mi></mrow><mi>i</mi></msubsup><mo>]</mo></mrow></math>]]></maths>其中<![CDATA[ <math><mrow><msub><mover><mi>s</mi><mo>~</mo></mover><mrow><mi>k</mi><mo>,</mo><mi>q</mi></mrow></msub><mo>=</mo><msub><mi>H</mi><mi>q</mi></msub><msub><mi>s</mi><mrow><mi>k</mi><mo>,</mo><mi>q</mi></mrow></msub><msup><mi>e</mi><mrow><mi>j</mi><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mi>&phi;</mi><mrow><mo>(</mo><mi>N</mi><mo>+</mo><mi>G</mi><mo>)</mo></mrow></mrow></msup><mo>,</mo></mrow></math>]]></maths><![CDATA[ <math><mrow><msup><mrow><msubsup><mi>Z</mi><mrow><mi>k</mi><mo>,</mo><mi>n</mi></mrow><mi>i</mi></msubsup><mo>=</mo><mi>e</mi></mrow><mrow><mi>jn</mi><mrow><mo>(</mo><mi>&phi;</mi><mo>+</mo><mfrac><mrow><mn>2</mn><mi>&pi;i</mi></mrow><mi>N</mi></mfrac><mo>)</mo></mrow></mrow></msup><munderover><mi>&Sigma;</mi><mrow><mi>p</mi><mo>=</mo><mn>0</mn></mrow><mrow><mi>P</mi><mo>-</mo><mn>1</mn></mrow></munderover><msub><mover><mi>s</mi><mo>~</mo></mover><mrow><mi>k</mi><mo>,</mo><mi>pL</mi><mo>+</mo><mi>i</mi></mrow></msub><msup><mi>e</mi><mrow><mi>j</mi><mn>2</mn><mi>&pi;n</mi><mfrac><mi>p</mi><mi>P</mi></mfrac></mrow></msup><mo>,</mo></mrow></math>]]></maths>同理,可得该符号块n+tP时刻的数据采样点的表示为:<![CDATA[ <math><mrow><mrow><msub><mi>y</mi><mrow><mi>k</mi><mo>,</mo><mi>n</mi><mo>+</mo><mi>tP</mi></mrow></msub><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>0</mn></mrow><mrow><mi>L</mi><mo>-</mo><mn>1</mn></mrow></munderover><msup><mi>e</mi><mrow><mi>jtP</mi><mrow><mo>(</mo><mi></mi><mfrac><mrow><mn>2</mn><mi>&pi;i</mi></mrow><mi>N</mi></mfrac><mo>+</mo><mi>&phi;</mi><mo>)</mo></mrow></mrow></msup><mo>[</mo><msup><mi>e</mi><mrow><mi>jn</mi><mrow><mo>(</mo><mi>&phi;</mi><mo>+</mo><mfrac><mrow><mn>2</mn><mi>&pi;i</mi></mrow><mi>N</mi></mfrac><mo>)</mo></mrow></mrow></msup><munderover><mi>&Sigma;</mi><mrow><mi>p</mi><mo>=</mo><mn>0</mn></mrow><mrow><mi>P</mi><mo>-</mo><mn>1</mn></mrow></munderover><msub><mover><mi>s</mi><mo>~</mo></mover><mrow><mi>k</mi><mo>,</mo><mi>pL</mi><mo>+</mo><mi>i</mi></mrow></msub><msup><mi>e</mi><mrow><mi>j</mi><mn>2</mn><mi>&pi;n</mi><mfrac><mi>p</mi><mi>P</mi></mfrac></mrow></msup><mo>]</mo></mrow><mo>,</mo></mrow></math>]]></maths><![CDATA[ <math><mrow><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>0</mn></mrow><mrow><mi>L</mi><mo>-</mo><mn>1</mn></mrow></munderover><msup><mi>e</mi><mrow><mi>jtP</mi><mrow><mo>(</mo><mfrac><mrow><mn>2</mn><mi>&pi;i</mi></mrow><mi>N</mi></mfrac><mo>+</mo><mi>&phi;</mi><mo>)</mo></mrow></mrow></msup><mo>[</mo><msubsup><mi>Z</mi><mrow><mi>k</mi><mo>,</mo><mi>n</mi></mrow><mi>i</mi></msubsup><mo>]</mo></mrow></math>]]></maths>根据上面两式,对第k个OFDM符号块的N点时域采样进行间隔P点的欠采样,并写成列向量的形式,这样每个OFDM符号块可得P个欠采样向量,将他们排成矩阵形式,有:<img file="A2007100172240003C1.GIF" wi="1580" he="318" /><img file="A2007100172240003C2.GIF" wi="1293" he="327" />其中:<![CDATA[ <math><mrow><mi>&theta;</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>=</mo><mrow><mo>(</mo><mfrac><mrow><mn>2</mn><mi>&pi;i</mi></mrow><mi>L</mi></mfrac><mo>+</mo><mi>P&phi;</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow></math>]]></maths>利用(2)式可将(3)化简为<img file="A2007100172240003C4.GIF" wi="1575" he="342" /><![CDATA[ <math><mrow><mo>=</mo><msub><mi>A</mi><mrow><mi>L</mi><mo>&times;</mo><mrow><mo>(</mo><mi>L</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><msub><mi>Z</mi><mi>k</mi></msub></mrow></math>]]></maths>对M个符号块进行欠采样,得到数据矩阵Y=[Y<sub>k</sub>,Y<sub>k+1</sub>,…,Y<sub>k+M-1</sub>]=A[Z<sub>k</sub>,Z<sub>k+1</sub>,…,Z<sub>k+M-1</sub>]=AZ;  (6)第三步,估计协方差矩阵<img file="A2007100172240003C6.GIF" wi="68" he="56" /><![CDATA[ <math><mrow><mover><mi>R</mi><mo>^</mo></mover><mo>=</mo><mfrac><mn>1</mn><mi>M</mi></mfrac><mi>Y</mi><msup><mi>Y</mi><mi>H</mi></msup><mo>;</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow></math>]]></maths>第四步,对<![CDATA[ <math><mrow><mover><mi>R</mi><mo>^</mo></mover><mi></mi><mo>=</mo><mrow><mo>[</mo><mi>S</mi><mo>,</mo><mi>G</mi><mo>]</mo></mrow><mi>D</mi><msup><mrow><mo>[</mo><mi>S</mi><mo>,</mo><mi>G</mi><mo>]</mo></mrow><mi>H</mi></msup></mrow></math>]]></maths>进行奇异值分解,利用ESPRIT法得到矩阵Φ。第五步,给出载波的盲频偏估计。
地址 710049陕西省西安市咸宁路28号