OFDM信號的參數(shù)盲估計和盲同步技術研究.pdf

1、正交頻分復用技術(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，目前在各個領域應用十分廣泛，因此OFDM的盲信號處理也成為當前研究熱點。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)，進而盲解調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)盲估計和盲同步技術，并研究了OFDM常用子載波調制方式的盲識別技術以及盲均衡技術，包括盲識別系統(tǒng)設計，調制方式盲識別、參數(shù)盲估計、盲同步、盲均衡的算法設計，并進行性能仿真分析，主要內容如下：
　　首先，研究了OFDM系統(tǒng)中常用子載波調制方式（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)的盲估計算法，以及基于突出譜線和星座匹配的調制方式盲識別算法，仿真分析了在

3、不同頻偏、符號速率及識別符號數(shù)下的調制識別性能。仿真表明，BPSK、QPSK、16QAM、64QAM信號在帶內信噪比分別大于5dB、6dB、12dB、19dB時，均可達到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)據的盲解調奠定基礎。
　　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、調制符號周期等參數(shù)的盲估計算法。帶寬估計方面，研究了基于小

4、波分解的估計算法；基于帶寬估計，提取帶寬的中心頻點作為載波頻率的粗估計；循環(huán)前綴長度估計方面，通過預設循環(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；關于其他時間參數(shù)盲估計，主要研究了基于循環(huán)自相關的OFDM時間參數(shù)估計算法。仿真表明，帶寬估計的歸一化均方誤差（Normalized Mean Square Error, NMSE）在帶內信噪比大于3dB后可以達到10-4以下，頻偏粗估計誤差在帶內信噪比大于3dB后可以控制在單個子載

5、波間隔內；當帶內信噪比大于6dB后，各循環(huán)前綴比例均能達到90%以上的估計正確概率；而基于循環(huán)自相關的時間參數(shù)估計算法不僅避免了需要預設循環(huán)前綴比例樣式集的問題，并且在帶內信噪比大于5dB后，便可以準確估計各時間參數(shù)。
　　之后，研究了OFDM信號時頻盲同步算法。分析了時頻同步誤差對系統(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算法在帶內信噪比大于10dB后，定時同步誤差在一個采樣點左右，相對于單個子載波的頻偏誤差在10-2以下，而基于循環(huán)平穩(wěn)特性算法的定時同步誤差在8個采樣點左右，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的缺點，研究了修正常數(shù)模（Modified Constant Modulus Algorithm，MCMA）及擴展常數(shù)模（Extended Constant Modulus Algorithm，ECMA）的改進算法，又針對多模信號，在原有算法基礎上，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