CN101039293A - 通信系统中用于初始定时同步的装置、方法及接收机 - Google Patents

Abstract

本发明公开了一种通信系统中用于初始定时同步的装置，包括：存储单元，用于存储接收到的接收序列采样，并将所存储的接收序列采样发送到相关性检测单元；加权能量计算单元，用于计算接收到的接收序列采样的加权能量，并将加权能量发送到参数估计单元；相关性检测单元，用于对存储单元发送过来的接收序列采样进行相关性检测以生成相关性系数；参数估计单元，用于根据加权能量和相关性系数估计出定时同步位置估计。本发明还公开了通信系统中用于初始定时同步的方法、接收机。应用本发明以后，能够获得很高的定时同步精度，并极大地降低定时同步估计和频率偏移估计的误差。

Description

通信系统中用于初始定时同步的装置、方法及接收机

技术领域

本发明涉及移动通信技术领域，更具体地，涉及通信系统中用于初始定时同步的装置、方法及接收机。

背景技术

当前，全球数字移动通信系统(GSM)和码分多址移动通信系统(CDMA)在全世界范围内都得到了非常广泛的应用，而宽带码分多址移动通信系统(WCDMA)和宽带码分多址移动通信系统2000(CDMA2000)等移动通信系统在一定范围内也获得了一定程度的应用。

目前，随着移动通信系统的发展，已经为用户提供了能够支持各种新型业务的个人移动通信终端。因为这些业务需要传输大量的数据，所以移动通信系统要求更高的比特传输速率。在常规的单载波系统中，如果使用更高的比特传输速率，会因为符号间干扰(ISI)和无线信道的深度频率选择性衰落而给信号的有效接收带来困难。正交频分复用(OFDM)技术具有对抗符号间干扰(ISI)的能力，同时可以提供很高的频谱效率，因此被视为下一代无线移动通信系统最有可能采用的传输技术之一。OFDM技术已经在数字用户环路、数字音频/视频广播、无线局域网和无线城域网等诸多领域得到了广泛应用。

同步技术是通信系统中的关键技术之一，而定时同步技术又是同步技术中很重要的一种。在OFDM系统中，定时同步的基本原理主要是基于报头(Preamble)中两个相同部分的相关性。

在OFDM系统中，目前有一种初始定时同步的方法。在这种初始定时同步方法中，采用前后半段完全相同且长度为2N的定时同步符号，并且根据前后两部分的相关性来进行定时同步。

图1为现有技术中用于初始定时同步的定时同步符号的结构示意图。如图1所示，该定时同步符号包括两个子同步导频序列H1和H2，并且H1和H2的时域波形完全相同，其中H1和H2的长度分别为N。

在现有技术中，对于初始定时同步过程，发送端采用图1所示由两个相同的子同步导频序列H1和H2组成的同步导频序列；在接收端，如图2所示，先后接收H1和H2这两个子同步导频序列，然后根据这两个子同步导频序列的相关性来进行定时同步。现有技术中初始定时同步的具体处理过程可参见图2所示的示意图。

在现有技术的这种初始定时同步方法中，由于采用的是两个相同部分的差分相关处理，因此当出现多段重复的训练符号时，往往通过多段组成的前半部分和后半部分的差分相关进行类似的处理，所以定时同步的相关峰值不明显，很难找准最高峰，从而导致定时同步精度差，并使得频率偏移估计的误差较大。

发明内容

有鉴于此，本发明的主要目的是提出一种通信系统中用于初始定时同步的装置，以降低定时同步估计的误差。

本发明的另一目的是提出一种通信系统中用于初始定时同步的方法，以降低定时同步估计的误差。

为达到上述目的，本发明的技术方案是这样实现的：一种通信系统中用于初始定时同步的装置，该装置包括：

存储单元，用于存储接收到的接收序列采样，并将所存储的接收序列采样发送到相关性检测单元；

加权能量计算单元，用于计算接收到的接收序列采样的加权能量，并将所述加权能量发送到参数估计单元；

相关性检测单元，用于对所述存储单元发送过来的接收序列采样进行相关性检测以生成相关性系数；

参数估计单元，用于根据所述加权能量和相关性系数估计出定时同步位置估计；其中

存储单元与相关性检测单元连接，相关性检测单元与参数估计单元连接，加权能量计算单元与参数估计单元连接。

所述参数估计单元进一步用于根据所述加权能量和相关性系数估计出子载波频率偏差估计。

所述存储单元包括(t-1)×N个依次连接的延迟单元，其中N为同步序列中每段子序列的长度，t为所述同步序列中所包含的子序列的段数。

所述相关性检测单元用于：

将所有的间隔距离为N的两个样点进行共轭相乘，并将得到的(t-1)×N数值进行累加，得到相关性系数γ₁(θ)；

再将所有的间隔距离为2×N的两个样点进行共轭相乘，并将得到的(t-2)×N数值进行累加，得到相关性系数γ₂(θ)；

依次进行下去，直到将所有的间隔距离为(t-1)×N的两个样点进行共轭相乘，并将得到的N个数值进行累加，得到相关性系数γ_t-1(θ)。

所述加权能量计算单元包括依次连接的加权系数单元和累加器，其中

加权系数单元，用于将接收序列采样样点的功率分别乘以加权系数；

累加器，用于对所述乘以加权系数后的最近时刻的t×N个接收序列采样样点的功率进行累加。

所述加权系数为

其中 $\mathrm{\ρ}=\frac{\mathrm{SNR}}{\mathrm{SNR}+1},$ SNR是接收序列的信噪比。

所述通信系统为OFDM系统。

所述N的取值为大于2的任意整数。

一种通信系统中用于初始定时同步的方法，该方法包括：

A、存储接收到的接收序列采样，并计算所述接收到的接收序列采样的加权能量；

B、对存储的接收序列采样进行相关性检测以生成相关性系数，并根据所述加权能量和相关性系数估计出定时同步位置估计。

步骤B中进一步根据所述加权能量和相关性系数估计出子载波频率偏差估计。

步骤A所述计算接收到的接收序列采样的加权能量包括：

A1、将t×N个接收序列采样样点的功率分别乘以加权系数，其中同步序列采样的长度为t×N，N为同步序列采样中每段子序列的长度，t为同步序列采样中所包含的子序列的段数；

A2、将所述乘以加权系数后的功率进行累加。

所述加权系数为

其中 $\mathrm{\ρ}=\frac{\mathrm{SNR}}{\mathrm{SNR}+1},$ SNR是接收序列的信噪比。

所述对存储的接收序列采样进行相关性检测以生成相关性系数包括：

将所有的间隔距离为N的两个样点进行共轭相乘，并将得到的(t-1)×N数值进行累加，得到相关性系数γ₁(θ)；

将所有的间隔距离为2×N的两个样点进行共轭相乘，并将得到的(t-2)×N数值进行累加，得到相关性系数γ₂(θ)；

依次进行下去，直到将所有的间隔距离为(t-1)×N的两个样点进行共轭相乘，并将得到的N个数值进行累加，得到相关性系数γ_t-1(θ)。

所述定时同步位置估计

为：

${\widehat{\mathrm{\θ}}}_{\mathrm{ML}}=\arg \underset{\mathrm{\θ}}{\max }\left\{\underset{i=1}{\overset{t-1}{\mathrm{\Σ}}}\right|{\mathrm{\γ}}_i\left(\mathrm{\θ}\right)|-\frac{(t-1)\mathrm{\ρ}}{2}\mathrm{\Φ}\left(\mathrm{\θ}\right)\};$

其中 $\mathrm{\ρ}=\frac{\mathrm{SNR}}{\mathrm{SNR}+1},$ SNR是接收序列的信噪比；t为所述同步序列采样中所包含的子序列的段数；Φ(θ)为t×N个接收序列采样样点的能量，θ为定时同步位置；γ_i(θ)是相关性检测单元输出的相关系数。

所述子载波频率偏差ε的估计

为：

所述N的取值为大于2的任意整数。

所述通信系统为OFDM系统。

该接收机包括如上任一项所述用于初始定时同步的装置。

所述通信系统为OFDM系统。

从上述技术方案中可以看出，本发明所提出的初始定时同步装置包括：存储单元，用于存储接收到的接收序列采样，并将所存储的接收序列采样发送到相关性检测单元；加权能量计算单元，用于计算接收到的接收序列采样的加权能量，并将加权能量发送到参数估计单元；相关性检测单元，用于对存储单元发送过来的接收序列采样进行相关性检测以生成相关性系数；参数估计单元，用于根据加权能量和相关性系数估计出定时同步位置估计。由此可见，本发明的初始定时同步装置是基于对接收信号序列结构的统计特性分析，采用优化的检测算法进行时间估计的，而并不是采用简单的差分相关处理，因此定时同步精度高。另外，基于对接收信号序列结构的统计特性分析，并采用优化的检测算法进行时间估计，本发明还极大地降低了频率偏移估计的误差。

同样，本发明所提出的初始定时同步方法也是基于最大似然准则，因此定时同步精度高，并极大地降低频率偏移估计的误差。

附图说明

图1为现有技术中用于初始定时同步的定时同步符号的结构示意图。

图2为现有技术中用于初始定时同步的处理过程示意图。

图3为本发明用于初始定时同步的装置示范性结构示意图。

图4为根据本发明实施例用于初始定时同步的装置示范性结构示意图。

图5为本发明用于初始定时同步方法的示范性流程示意图。

图6为根据本发明用于初始定时同步的无线帧示范性结构示意图。

图7为本发明与现有技术的初始定时同步方法的仿真性能曲线比较示范性示意图。

具体实施方式

为使本发明的目的、技术方案和优点表达得更加清楚明白，下面结合附图及具体实施例对本发明再作进一步详细的说明。

图3为本发明用于初始定时同步的装置示范性结构示意图。如图3所示，该装置包括：

存储单元301，用于存储接收到的接收序列采样，并将所存储的接收序列采样发送到相关性检测单元302；

加权能量计算单元304，用于计算所述接收到的接收序列采样的加权能量，并将所述加权能量发送到参数估计单元303；

相关性检测单元302，用于对所述存储单元301发送过来的接收序列采样进行相关性检测以生成相关性系数；

参数估计单元303，用于根据所述加权能量和相关性系数估计出定时同步位置估计；其中

存储单元301与相关性检测单元302连接，相关性检测单元302与参数估计单元303连接，加权能量计算单元304与参数估计单元303连接。

其中，假设接收序列采样的长度为t×N，N为所述接收序列采样中每段子序列的长度，t为所述子序列的段数。存储单元301可以包括N个依次连接的延迟单元。

加权能量计算单元304可以包括依次连接的加权系数单元和累加器，其中加权系数单元，用于将t×N个接收序列采样样点的功率分别乘以加权系数；累加器，用于对乘以加权系数后的功率进行累加。优选地，加权系数为

其中 $\mathrm{\ρ}=\frac{\mathrm{SNR}}{\mathrm{SNR}+1},$ SNR是接收序列的信噪比。

具体地，在图3中，存储单元301对接收序列采样进行存储，其中存储单元301的大小和在发射端插入的同步信号的长度相对应。显然，本发明对存储单元301的大小并无进一步限定，只要足以存储接收序列采样即可。不过，适当缩减存储单元301的大小可以控制系统成本。不失一般性，为了叙述清楚，在下面的叙述中假设同步信号的长度是t×N个样点，即同步信号由t段完全相同的且每段长度为N的序列组成。存储单元301优选存储最近时刻接收到的连续(t-1)×N个样点。存储单元301可以由依次连接的延迟单元所构成。

相关性检测单元302进行相关性计算，并将计算结果送入参数估计单元303。具体地，对于长度是t×N的接收序列采样，相关性检测单元302首先将所有的间隔距离为N的两个样点进行共轭相乘，并将得到的(t-1)×N数值进行累加，得到相关性系数γ₁(θ)；然后将所有的间隔距离为2×N的两个样点进行共轭相乘，并将得到的(t-2)×N数值进行累加，得到相关性系数γ₂(θ)；依次进行下去，直到将所有的间隔距离为(t-1)×N的两个样点进行共轭相乘，并将得到的N个数值进行累加，得到相关性系数γ_t-1(θ)。在这里，共轭相乘是指将后接收到的样点取共轭，并和先前接收到的样点相乘。

相关性检测单元302将计算出的所有相关性系数{γ₁(θ)，γ₂(θ)，...，γ_t-1(θ)}送入到参数估计单元303。

加权能量计算单元304计算接收序列采样的加权能量。具体地，加权能量计算单元304首先计算出每一个接收序列采样样点的功率，然后将t×N个样点的功率分别乘以加权系数

然后进行累加得到序列的能量，其中 $\mathrm{\ρ}=\frac{\mathrm{SNR}}{\mathrm{SNR}+1},$ SNR是接收信号的信噪比。

参数估计单元303根据加权能量计算单元304输出的加权能量和相关性检测单元302输出的相关性系数，进行参数估计。具体地，在每一时刻，对于存储单元301中的长度是t×N的序列，参数估计单元303将相关性检测单元302输出的相关性系数取模并累加，然后减去加权能量和，得到这个时刻的代价函数；在观察的时间周期内，参数估计单元303计算出每一个时刻的代价函数，选择出代价函数最大值所对应的时间位置作为同步序列的位置估计值

进一步，根据

时刻，相关性检测单元302所输出的相关性系数{γ₁(θ)，γ₂(θ)，...，γ_t-1(θ)}可以估计出子载波频率偏差ε。

基于图3所示结构，图4为根据本发明实施例用于初始定时同步的装置示范性结构示意图。如图4所示，其中N个延迟单元Z^N构成存储单元301；加权系数单元和累加器构成加权能量计算单元；该装置还包括相关性检测单元，然后其他的部件构成参数估计单元。下面对本发明中用于初始定时同步方法进行详细说明。

图5为本发明用于初始定时同步方法的示范性流程示意图，如图5所示，该方法包括：

步骤501：存储接收到的接收序列采样，并计算接收到的接收序列采样的加权能量；

在这里，计算接收到的接收序列采样的加权能量可以包括：将t×N个接收序列采样样点的功率分别乘以加权系数，其中接收序列采样的长度为t×N，N为所述接收序列采样中每段子序列的长度，t为所述子序列的段数；然后再将乘以加权系数后的功率进行累加，其中加权系数为优选

其中 $\mathrm{\ρ}=\frac{\mathrm{SNR}}{\mathrm{SNR}+1},$ SNR是接收序列的信噪比。

步骤502：对存储的接收序列采样进行相关性检测以生成相关性系数，并根据所述加权能量和相关性系数估计出定时同步位置估计。

在这里，所述定时同步位置θ的估计

为

${\widehat{\mathrm{\θ}}}_{\mathrm{ML}}=\arg \underset{\mathrm{\θ}}{\max }\left\{\underset{i=1}{\overset{t-1}{\mathrm{\Σ}}}\right|{\mathrm{\γ}}_i\left(\mathrm{\θ}\right)|-\frac{(t-1)\mathrm{\ρ}}{2}\mathrm{\Φ}\left(\mathrm{\θ}\right)\},$

其中r(k)为接收端的连续采样点；θ是时间偏移；ε是相对频率偏移；n(k)是高斯白噪声；θ和ε是要估计的符号定时同步位置和子载波频率偏移；Φ(θ)是接收序列的能量和，γ_i(θ)是相关性检测单元输出的相关系数。

还可以进一步根据所述加权能量和相关性系数估计出子载波频率偏差估计，所得到的子载波频率偏差ε的估计 为：

以上对本发明的装置结构和方法流程进行了说明。下面对本发明的算法进行详细说明：

图6为根据本发明用于初始定时同步的无线帧示范性结构示意图。设发射端信号的帧结构如图6所示，其中4段重复的长度为N的序列构成帧同步头。此处虽然以4段为例进行说明，但是本领域技术人员可以意识到，本发明对段数并无限定，可以为大于2的任意整数。

接收端的连续采样点r(k)，用公式表示如下：

r(k)＝s(k-θ)exp(j2πkε/N)+n(k)                       (1)

其中s(k)是发射符号经过IFFT变换后的时域信号；θ是时间偏移；ε是相对频率偏移；n(k)是高斯白噪声；θ和ε是要估计的符号定时同步位置和子载波频率偏移。

假设除了帧同步头外的序列是独立的且均值为零的随机序列，那么在一个帧的观察期间内，接收信号序列存在如下的相关性：

$E\left\{r\left(k\right)r^{*}(k+l)\right\}=\left\{\begin{array}{ccc}{\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2& l=0& \\ {\mathrm{\σ}}_s^2{e}^{-j2\mathrm{\π\ϵt}}& l=\mathrm{tN}& t\∈\left\{\mathrm{1,2,3}\right\}\\ 0& \mathrm{others}& \end{array}\right.----\left(2\right)$

其中 ${\mathrm{\σ}}_s^2=E\left\{{\left|s\left(k\right)\right|}^2\right\},$ ${\mathrm{\σ}}_n^2=E\left\{{\left|n\left(k\right)\right|}^2\right\}.$

对数似然函数Λ(θ，ε)定义为概率密度函数f(r(k)|θ，ε)的对数，即

Λ(θ，ε)＝log f(r(k)|θ，ε)                         (3)

为了简洁，后面直接用f(r(k))表示f(r(k)|θ，ε)。

由于在一个帧长的接收序列中，只有属于同步头的接收样点才具有相关性，因此从上式可以推出：

$\mathrm{\Λ}(\mathrm{\θ},\mathrm{\ϵ})=\log (\underset{k\∈I_1}{\mathrm{\Π}}f(r\left(k\right),r(k+N),r(k+2N),r(k+3N))\underset{k\∉I_1\∪\·\·\·\∪I_4}{\mathrm{\Π}}f\left(r\left(k\right)\right))$

$=\log \left(\underset{k\∈I_1}{\mathrm{\Π}}\frac{f(r\left(k\right),r(k+N),r(k+2N),r(k+3N))}{f\left(r\left(k\right)\right)f\left(r(k+N)\right)f\left(r(k+2N)\right)f\left(r(k+3N)\right)}\underset{k}{\mathrm{\Π}}f\left(r\left(k\right)\right)\right)---\left(4\right)$

在上式中，f(r(k)，r(k+N)，r(k+2N)，r(k+3N))服从4维复高斯分布；f(r(k))、f(r(k+N))、f(r(k+2N))、f(r(k+3N))均服从一维复高斯分布。进一步得到：

$\mathrm{\Λ}(\mathrm{\θ},\mathrm{\ϵ})=N\log \frac{{({\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2)}^4}{\left|R\right|}+\log \left(\underset{k}{\mathrm{\Π}}f\left(r\left(k\right)\right)\right)+$

$\underset{k=\mathrm{\θ}}{\overset{\mathrm{\θ}+N-1}{\mathrm{\Σ}}}(-{\stackrel{\→}{r}}^H{R}^{-1}\stackrel{\→}{r}+\frac{{\left|r\left(k\right)\right|}^2+{\left|r(k+N)\right|}^2+{\left|r(k+2N)\right|}^2+{\left|r(k+3N)\right|}^2}{{\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2})---\left(5\right)$

其中R表示相关矩阵，

与θ，ε无关，且

为常数。

通过消除与待估计参数无关的项，上式可以进一步化简为：

$\widetilde{\mathrm{\Λ}}(\mathrm{\θ},\mathrm{\ϵ})=\underset{k=\mathrm{\θ}}{\overset{\mathrm{\θ}+N-1}{\mathrm{\Σ}}}(-{\stackrel{\→}{r}}^H{R}^{-1}\stackrel{\→}{r}+\frac{{\left|r\left(k\right)\right|}^2+{\left|r(k+N)\right|}^2+{\left|r(k+2N)\right|}^2+{\left|r(k+3N)\right|}^2}{{\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2})---\left(6\right)$

经过运算，可以得到：

$\widetilde{\mathrm{\Λ}}(\mathrm{\θ},\mathrm{\ϵ})=\left|{\mathrm{\γ}}_1\left(\mathrm{\θ}\right)\right|\cos (2\mathrm{\π\ϵ}+{\∠\mathrm{\γ}}_1\left(\mathrm{\θ}\right))+\left|{\mathrm{\γ}}_2\left(\mathrm{\θ}\right)\right|\cos (4\mathrm{\π\ϵ}+{\∠\mathrm{\γ}}_2\left(\mathrm{\θ}\right))$

$+\left|{\mathrm{\γ}}_3\left(\mathrm{\θ}\right)\right|\cos (6\mathrm{\π\ϵ}+\∠{\mathrm{\γ}}_3\left(\mathrm{\θ}\right))-\frac{3\mathrm{\ρ}}{2}\mathrm{\Φ}\left(\mathrm{\θ}\right)---\left(7\right)$

其中

${\mathrm{\γ}}_1\left(\mathrm{\θ}\right)=\underset{k=\mathrm{\θ}}{\overset{\mathrm{\θ}+N-1}{\mathrm{\Σ}}}\{r\left(k\right)r{(k+N)}^{*}+r(k+N)r{(k+2N)}^{*}+r(k+2N)r{(k+3N)}^{*}\}$

${\mathrm{\γ}}_2\left(\mathrm{\θ}\right)=\underset{k=\mathrm{\θ}}{\overset{\mathrm{\θ}+N-1}{\mathrm{\Σ}}}\{r\left(k\right)r{(k+2N)}^{*}+r(k+N)r{(k+3N)}^{*}\}$

${\mathrm{\γ}}_3\left(\mathrm{\θ}\right)=\underset{k=\mathrm{\θ}}{\overset{\mathrm{\θ}+N-1}{\mathrm{\Σ}}}\left\{r\left(k\right)r{(k+3N)}^{*}\right\}$

$\mathrm{\Φ}\left(\mathrm{\θ}\right)=\underset{k=\mathrm{\θ}}{\overset{\mathrm{\θ}+N-1}{\mathrm{\Σ}}}\{{\left|r\left(k\right)\right|}^2+{\left|r(k+N)\right|}^2+{\left|r(k+2N)\right|}^2+{\left|r(k+3N)\right|}^2\}$

$\mathrm{\ρ}=\frac{{\mathrm{\σ}}_s^2}{{\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2}=\frac{\mathrm{SNR}}{\mathrm{SNR}+1}$

最大似然算法要同时估计符号定时同步的位置θ和子载波频率偏差ε，因此似然函数最大化分两步来完成，

$\underset{(\mathrm{\θ},\mathrm{\ϵ})}{\max }\widetilde{\mathrm{\Λ}}(\mathrm{\θ},\mathrm{\ϵ})=\underset{\mathrm{\θ}}{\max }\underset{\mathrm{\ϵ}}{\max }\widetilde{\mathrm{\Λ}}(\mathrm{\θ},\mathrm{\ϵ})---\left(8\right)$

令(7)中的cos项为1，则可得

$\widetilde{\mathrm{\Λ}}(\mathrm{\θ},\mathrm{\ϵ})=\left|{\mathrm{\γ}}_1\left(\mathrm{\θ}\right)\right|+\left|{\mathrm{\γ}}_2\left(\mathrm{\θ}\right)\right|+\left|{\mathrm{\γ}}_3\left(\mathrm{\θ}\right)\right|-\frac{3\mathrm{\ρ}}{2}\mathrm{\Φ}\left(\mathrm{\θ}\right)---\left(9\right)$

从上式可以推出θ的估计为

${\widehat{\mathrm{\θ}}}_{\mathrm{ML}}=\arg \underset{\mathrm{\θ}}{\max }\left\{\right|{\mathrm{\γ}}_1\left(\mathrm{\θ}\right)|+|{\mathrm{\γ}}_2\left(\mathrm{\θ}\right)|+|{\mathrm{\γ}}_3\left(\mathrm{\θ}\right)|-\frac{3\mathrm{\ρ}}{2}\mathrm{\Φ}\left(\mathrm{\θ}\right)\}---\left(10\right)$

进一步，可以得到子载波频率偏差ε的估计为：

进一步，对于t段重复的同步序列，参数估计的对数似然表达式为：

$\widetilde{\mathrm{\Λ}}(\mathrm{\θ},\mathrm{\ϵ})=\underset{i=1}{\overset{t-1}{\mathrm{\Σ}}}\left|{\mathrm{\γ}}_i\left(\mathrm{\θ}\right)\right|\cos (2\mathrm{\π\ϵ}\×i+\∠{\mathrm{\γ}}_i\left(\mathrm{\θ}\right))-\frac{(t-1)\mathrm{\ρ}}{2}\mathrm{\Φ}\left(\mathrm{\θ}\right)---\left(12\right)$

其中

${\mathrm{\γ}}_1\left(\mathrm{\θ}\right)=\underset{k=\mathrm{\θ}}{\overset{\mathrm{\θ}+N-1}{\mathrm{\Σ}}}\{r\left(k\right)r{(k+N)}^{*}+r(k+N)r{(k+2N)}^{*}+\·\·\·+r(k+(t-2)N)r{(k+(t-1)N)}^{*}\}$



${\mathrm{\γ}}_i\left(\mathrm{\θ}\right)=\underset{k=\mathrm{\θ}}{\overset{\mathrm{\θ}+N-1}{\mathrm{\Σ}}}\{r\left(k\right)r{(k+\mathrm{iN})}^{*}+r(k+N)r{(k+(i+1)N)}^{*}+\·\·\·+r(k+(t-1-i)N)r{(k+(t-1)N)}^{*}\}$



${\mathrm{\γ}}_{t-1}\left(\mathrm{\θ}\right)=\underset{k=\mathrm{\θ}}{\overset{\mathrm{\θ}+N-1}{\mathrm{\Σ}}}\left\{r\left(k\right)r{(k+(t-1)N)}^{*}\right\}$

$\mathrm{\Φ}\left(\mathrm{\θ}\right)=\underset{k=\mathrm{\θ}}{\overset{\mathrm{\θ}+\mathrm{tN}-1}{\mathrm{\Σ}}}\left\{{\left|r\left(k\right)\right|}^2\right\}$

可以推出θ和ε的估计为：

${\widehat{\mathrm{\θ}}}_{\mathrm{ML}}=\arg \underset{\mathrm{\θ}}{\max }\left\{\underset{i=1}{\overset{t-1}{\mathrm{\Σ}}}\right|{\mathrm{\γ}}_i\left(\mathrm{\θ}\right)|-\frac{(t-1)\mathrm{\ρ}}{2}\mathrm{\Φ}\left(\mathrm{\θ}\right)\}---\left(13\right)$

进一步，可以得到子载波频率偏差ε的估计为：

下面对本发明的实施情况进行了仿真验证，其中仿真参数具体参见表1。图7为本发明与现有技术的初始定时同步方法的仿真性能曲线比较示范性示意图。

数据带宽	1.25MHZ
		同步信道带宽	1.25MHZ
信道模型	TU信道，3km/h车速，2GHz载频，不相关
		天线配置	1发2收天线
多址方式	下行链路OFDMA
		帧同步结构	4段完全相同，且每段长度是N＝128的同步序列，

                       表1

由图7可见，当初始定时同步的检错概率为10^-2时，本发明可以获得2dB左右的增益。

可以意识到，本发明所提出的初始定时同步的装置能够应用到通信系统中的接收机中，同样可以提高定时同步精度，并极大地降低了定时同步的误差。

同样，本发明所提出的装置和方法既可以适用于OFDM系统，也能够适用于基于OFDM的OFDMA系统。以上以OFDM系统为例对本发明进行了描述，但是本领域技术人员可以意识到，本发明对于其它的多载波通信系统同样适用。用OFDM为例进行说明仅为示范性的，并不用于对本发明进行限制。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (19)

1、一种通信系统中用于初始定时同步的装置，其特征在于，该装置包括：

存储单元，用于存储接收到的接收序列采样，并将所存储的接收序列采样发送到相关性检测单元；

加权能量计算单元，用于计算接收到的接收序列采样的加权能量，并将所述加权能量发送到参数估计单元；

相关性检测单元，用于对所述存储单元发送过来的接收序列采样进行相关性检测以生成相关性系数；

参数估计单元，用于根据所述加权能量和相关性系数估计出定时同步位置估计；其中

存储单元与相关性检测单元连接，相关性检测单元与参数估计单元连接，加权能量计算单元与参数估计单元连接。

2、根据权利要求1所述的通信系统中用于初始定时同步的装置，其特征在于，所述参数估计单元进一步用于根据所述加权能量和相关性系数估计出子载波频率偏差估计。

3、根据权利要求1所述的通信系统中用于初始定时同步的装置，其特征在于，所述存储单元包括(t-1)×N个依次连接的延迟单元，其中N为同步序列采样中每段子序列的长度，t为所述同步序列采样中所包含的子序列的段数。

4、根据权利要求3所述的通信系统中用于初始定时同步的装置，其特征在于，所述相关性检测单元用于：

将所有的间隔距离为N的两个样点进行共轭相乘，并将得到的(t-1)×N数值进行累加，得到相关性系数γ₁(θ)；

再将所有的间隔距离为2×N的两个样点进行共轭相乘，并将得到的(t-2)×N数值进行累加，得到相关性系数γ₂(θ)；

依次进行下去，直到将所有的间隔距离为(t-1)×N的两个样点进行共轭相乘，并将得到的N个数值进行累加，得到相关性系数γ_t-1(θ)。

5、根据权利要求3所述的通信系统中用于初始定时同步的装置，其特征在于，所述加权能量计算单元包括依次连接的加权系数单元和累加器，其中：

加权系数单元，用于将接收序列采样样点的功率分别乘以加权系数；

累加器，用于对所述乘以加权系数后的最近时刻的t×N个接收序列采样样点的功率进行累加。

6、根据权利要求5所述的通信系统中用于初始定时同步的装置，其特征在于，所述加权系数为

其中 $\mathrm{\ρ}=\frac{\mathrm{SNR}}{\mathrm{SNR}+1},$ SNR是接收序列的信噪比。

7、根据权利要求1-6中任一项所述的通信系统中用于初始定时同步的装置，其特征在于，所述通信系统为正交频分复用OFDM系统。

8、根据权利要求1-6中任一项所述的通信系统中用于初始定时同步的装置，其特征在于，所述N的取值为大于2的任意整数。

9、一种通信系统中用于初始定时同步的方法，其特征在于，该方法包括：

A、存储接收到的接收序列采样，并计算所述接收到的接收序列采样的加权能量；

B、对存储的接收序列采样进行相关性检测以生成相关性系数，并根据所述加权能量和相关性系数估计出定时同步位置估计。

10、根据权利要求9所述的通信系统中用于初始定时同步的方法，其特征在于，

步骤B中进一步根据所述加权能量和相关性系数估计出子载波频率偏差估计。

11、根据权利要求9所述的通信系统中用于初始定时同步的方法，步骤A所述计算接收到的接收序列采样的加权能量包括：

A1、将t×N个接收序列采样样点的功率分别乘以加权系数，其中同步序列采样的长度为t×N，N为同步序列采样中每段子序列的长度，t为同步序列采样中所包含的子序列的段数；

A2、将所述乘以加权系数后的功率进行累加。

12、根据权利要求11所述的通信系统中用于初始定时同步的方法，其特征在于，所述加权系数为

其中 $\mathrm{\ρ}=\frac{\mathrm{SNR}}{\mathrm{SNR}+1},$ SNR是接收序列的信噪比。

13、根据权利要求9所述的通信系统中用于初始定时同步的方法，其特征在于，所述对存储的接收序列采样进行相关性检测以生成相关性系数包括：

将所有的间隔距离为N的两个样点进行共轭相乘，并将得到的(t-1)×N数值进行累加，得到相关性系数γ₁(θ)；

将所有的间隔距离为2×N的两个样点进行共轭相乘，并将得到的(t-2)×N数值进行累加，得到相关性系数γ₂(θ)；

依次进行下去，直到将所有的间隔距离为(t-1)×N的两个样点进行共轭相乘，并将得到的N个数值进行累加，得到相关性系数γ_t-1(θ)。

14、根据权利要求9所述的通信系统中用于初始定时同步的方法，其特征在于，所述定时同步位置估计

为：

${\widehat{\mathrm{\θ}}}_{\mathrm{ML}}=\arg \underset{\mathrm{\θ}}{\max }\left\{\underset{i=1}{\overset{t-1}{\mathrm{\Σ}}}\right|{\mathrm{\γ}}_i\left(\mathrm{\θ}\right)|-\frac{(t-1)\mathrm{\ρ}}{2}\mathrm{\Φ}\left(\mathrm{\θ}\right)\};$

其中 $\mathrm{\ρ}=\frac{\mathrm{SNR}}{\mathrm{SNR}+1},$ SNR是接收序列的信噪比；t为所述同步序列采样中所包含的子序列的段数；Φ(θ)为t×N个接收序列采样样点的能量，θ为定时同步位置；γ_i(θ)是相关性检测单元输出的相关系数。

15、根据权利要求13所述的通信系统中用于初始定时同步的方法，其特征在于，所述子载波频率偏差ε的估计

为：

16、根据权利要求9-15中任一项所述的通信系统中用于初始定时同步的方法，其特征在于，所述N的取值为大于2的任意整数。

17、根据权利要求9-15中任一项所述的通信系统中用于初始定时同步的方法，其特征在于，所述通信系统为OFDM系统。

18、一种通信系统中的接收机，其特征在于，该接收机包括如权利要求1-6中任一项所述用于初始定时同步的装置。

19、根据权利要求18所述的接收机，其特征在于，所述通信系统为OFDM系统。

Images