針對現(xiàn)有的正交頻分復(fù)用（Orthogonal Frequency Division Multiplexing,OFDM）頻偏估計算法普遍存在估計范圍小,估計精度不高的問題,提出了一種新的訓(xùn)練序列頻率同步算法.首先采用縮短訓(xùn)練序列和周期性發(fā)送序列的方式,增大了頻偏估計的范圍,但頻偏范圍的增大會導(dǎo)致性能的損失;然后又提出一種通過對短周期重復(fù)樣式的估計值取平均的方法,在保持估計范圍不變的情況下,進(jìn)一步的提高了頻偏估計的性能.最后仿真結(jié)果表明,改進(jìn)的算法頻偏估計范圍大,并且估計精度較高,均方誤差（Mean Square Error,MSE）可以達(dá)到10^-6.

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1ML算法的頻偏估計圖Fig.1FrequencyoffsetestimationgraphofMLalgorithm

為估計出的歸一化頻偏.圖2表明隨著循環(huán)前綴長度的增加，估計的均方誤差（MeanSquareError，MSE）精度在減小，并且在循環(huán)前綴長度保持不變的前提下提高系統(tǒng)的信噪比（SNR）能提升估計性能.但是隨著循環(huán)前綴的增加會出現(xiàn)閥值效應(yīng)，即隨著循環(huán)前綴的增加估計精度將不會增加.表1....

圖2ML算法循環(huán)前綴長度和信噪比對CFO估計的影響Fig.2Effectofcyclicprefixlengthandsignal-to-noiseratio

偏估計范圍擴大到，但是此時的估計精度有所下降.當(dāng)采用新的訓(xùn)練序列時，在估計范圍保持不變的情況下，提高了估計精度，估計精度在，而采用PN序列時，估計精度在.104～105105～106圖6中比較了新的訓(xùn)練序列的CFO估計范圍和MSE的性能.當(dāng)采用本文設(shè)計的訓(xùn)練序列時MSE的精度較P....

圖3Moose算法的估計精度與ε的關(guān)系εFig.3TherelationshipbetweentheestimationaccuracyofMoosealgorithmand

捎?PN序列時，估計精度在.104～105105～106圖6中比較了新的訓(xùn)練序列的CFO估計范圍和MSE的性能.當(dāng)采用本文設(shè)計的訓(xùn)練序列時MSE的精度較PN序列的精度要高.為了解決估計范圍增大時估計性能下降的問題，通過對具有更短周期重復(fù)樣式的估計值取平均，MSE的精度進(jìn)一步的得到....

圖4Moose算法的估計精度與SNR的關(guān)系Fig.4RelationshipbetweenestimationaccuracyandSNRofMoosealgorithm

的性能.當(dāng)采用本文設(shè)計的訓(xùn)練序列時MSE的精度較PN序列的精度要高.為了解決估計范圍增大時估計性能下降的問題，通過對具有更短周期重復(fù)樣式的估計值取平均，MSE的精度進(jìn)一步的得到提升，估計精度由原來的提升到.圖2ML算法循環(huán)前綴長度和信噪比對CFO估計的影響Fig.2Effecto....

本文編號：4028233