OFDM信號的參數(shù)盲估計(jì)和盲同步技術(shù)研究.pdf

1、正交頻分復(fù)用技術(shù)(Orthogonal Frequency Division Multiplexing，OFDM）具有并行高速傳輸、抗頻率選擇性衰落、均衡簡單等優(yōu)點(diǎn)，目前在各個(gè)領(lǐng)域應(yīng)用十分廣泛，因此OFDM的盲信號處理也成為當(dāng)前研究熱點(diǎn)。非協(xié)作通信方在捕獲到信號后，利用OFDM信號的固有特性來分析接收信號，從而獲得所需參數(shù)，進(jìn)而盲解調(diào)OFDM信號，從而可以更好的監(jiān)聽甚至干擾敵方信號。
　　本文針對OFDM通信系統(tǒng)，主要研究了OFD

2、M信號的參數(shù)盲估計(jì)和盲同步技術(shù)，并研究了OFDM常用子載波調(diào)制方式的盲識別技術(shù)以及盲均衡技術(shù)，包括盲識別系統(tǒng)設(shè)計(jì)，調(diào)制方式盲識別、參數(shù)盲估計(jì)、盲同步、盲均衡的算法設(shè)計(jì)，并進(jìn)行性能仿真分析，主要內(nèi)容如下：
　　首先，研究了OFDM系統(tǒng)中常用子載波調(diào)制方式（BPSK、QPSK、16QAM、64QAM）的盲識別算法。研究了信號帶寬、信噪比、載波頻偏、符號速率等參數(shù)的盲估計(jì)算法，以及基于突出譜線和星座匹配的調(diào)制方式盲識別算法，仿真分析了在

3、不同頻偏、符號速率及識別符號數(shù)下的調(diào)制識別性能。仿真表明，BPSK、QPSK、16QAM、64QAM信號在帶內(nèi)信噪比分別大于5dB、6dB、12dB、19dB時(shí)，均可達(dá)到90％以上的盲識別正確概率，并在不同參數(shù)條件下，盲識別系統(tǒng)有較好的魯棒性，為OFDM子載波數(shù)據(jù)的盲解調(diào)奠定基礎(chǔ)。
　　其次，研究了OFDM信號的帶寬、載波頻率、循環(huán)前綴長度、有效符號長度、OFDM符號長度、調(diào)制符號周期等參數(shù)的盲估計(jì)算法。帶寬估計(jì)方面，研究了基于小

4、波分解的估計(jì)算法；基于帶寬估計(jì)，提取帶寬的中心頻點(diǎn)作為載波頻率的粗估計(jì)；循環(huán)前綴長度估計(jì)方面，通過預(yù)設(shè)循環(huán)比例樣式集，利用峰度系數(shù)區(qū)分最合適的循環(huán)前綴比例；關(guān)于其他時(shí)間參數(shù)盲估計(jì)，主要研究了基于循環(huán)自相關(guān)的OFDM時(shí)間參數(shù)估計(jì)算法。仿真表明，帶寬估計(jì)的歸一化均方誤差（Normalized Mean Square Error, NMSE）在帶內(nèi)信噪比大于3dB后可以達(dá)到10-4以下，頻偏粗估計(jì)誤差在帶內(nèi)信噪比大于3dB后可以控制在單個(gè)子載

5、波間隔內(nèi)；當(dāng)帶內(nèi)信噪比大于6dB后，各循環(huán)前綴比例均能達(dá)到90%以上的估計(jì)正確概率；而基于循環(huán)自相關(guān)的時(shí)間參數(shù)估計(jì)算法不僅避免了需要預(yù)設(shè)循環(huán)前綴比例樣式集的問題，并且在帶內(nèi)信噪比大于5dB后，便可以準(zhǔn)確估計(jì)各時(shí)間參數(shù)。
　　之后，研究了OFDM信號時(shí)頻盲同步算法。分析了時(shí)頻同步誤差對系統(tǒng)的影響，研究了基于循環(huán)前綴的最大似然（Maximum Likelihood，ML）算法和基于循環(huán)平穩(wěn)特性算法在 AWGN信道及衰落信道下的性能。仿

6、真分析表明，在 AWGN信道下，基于循環(huán)前綴的ML算法在帶內(nèi)信噪比大于10dB后，定時(shí)同步誤差在一個(gè)采樣點(diǎn)左右，相對于單個(gè)子載波的頻偏誤差在10-2以下，而基于循環(huán)平穩(wěn)特性算法的定時(shí)同步誤差在8個(gè)采樣點(diǎn)左右，但是，基于循環(huán)平穩(wěn)特性算法在衰落信道下依然有效，而基于循環(huán)前綴的ML算法性能下降嚴(yán)重。
　　最后，研究了 OFDM信號的盲均衡算法，在不同的信道下，分析了常數(shù)模（Constant Modulus Algorithm，CMA）算

7、法的仿真性能，針對其不能糾正相位旋轉(zhuǎn)的缺點(diǎn)，研究了修正常數(shù)模（Modified Constant Modulus Algorithm，MCMA）及擴(kuò)展常數(shù)模（Extended Constant Modulus Algorithm，ECMA）的改進(jìn)算法，又針對多模信號，在原有算法基礎(chǔ)上，加入了星座圖匹配誤差（Constellation Matching Error，CME）算法，用來修正原有算法收斂后的殘余誤差，并在不同信道下，對比分析了