OFDM系统中载波频偏估计算法研究

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:gu999
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
OFDM技术是一种多载波传输技术,由于它具有极强的抗多径衰落能力和极高的频谱利用率,其己经被广泛应用于无线局域网等无线高速数据传输系统中,OFDM也被视为第四代移动通信的核心技术之一。但是它存在对频率偏差敏感的缺点,如何解决这一问题,也是OFDM技术研究的主要研究方向之一。首先,本文介绍了无线信道的传播特性、OFDM技术的基本原理及其核心技术,分析了载波频移和符号定时偏差对系统性能的影响。其次,本文重点研究和分析了OFDM频偏估计算法,算法分为数据辅助和非数据辅助两大类。对于数据辅助的频偏估计算法主要研究较为典型的Moose频偏估计算法、Sch&Cox频偏估计算法和M&M频偏估计算法;通过算法研究和仿真得出:Moose频偏估计算法的估计范围达到了正负二分之一个子载波区间,Sch&Cox频偏估计算法小数频偏估计达到正负一个子载波区间,M&M频偏估计算法的范围达到正负L/2个载波区间。这类方法估计区间与各自使用的训练符号的长短有关,训练符号越短,估计区间越大,但是估计精度会下降;由于使用了训练符号,这使系统的传输效率降低。从而,非数据辅助的频偏估计算法利用其它方式解决这一问题;这类算法论文研究了基于循环前缀的最大似然估计算法、基于虚载波的频偏估计算法和一种新的盲估计频偏算法,基于循环前缀的最大似然估计算法简单,复杂度低,估计范围小;基于虚载波的频偏估计算法估计范围大,精度好,但复杂度高,有的子载波不能利用,不利于自由分配;新的盲估计频偏算法估计范围小,但精度高,子载波可以自由分配。从整体上说,非数据辅助的算法频带利用率好,复杂度较高。
其他文献
无线传感器网络(Wireless Sensor Networks,WSN)作为一种新的无线网络在军事部署和商业应用等领域中得到广泛的应用,但由于WSN节点自身资源受限及部署在恶劣的环境中,使得网
无线通信技术起步并迅猛发展,导致了人们对频谱的需求量逐年递增。但是,能够用于分配的信道资源却越来越紧缺,这种现象对无线通信技术的发展起到了很大的阻碍作用,严重制约了
在科技发展迅速的今天,对多目标优化问题的研究已成为一种迫切需要,传统的优化方法难以解决复杂社会存在的诸多问题。在移动通信规模迅速扩张的时代,网络建设中基站选址问题
随着矿山多媒体通信技术的发展,其对监控质量、图像无线传输等高级功能的要求日益迫切,从而对多媒体通信终端提出更多更高的要求。针对国内矿用多媒体通信终端存在的图像压缩质
数据的采集和处理是无线传感器网络(Wireless Sensor Networks,WSN)的基本服务机制,随着WSN的应用深入各个领域,其所收集处理的数据包含大量有价值的敏感信息,但由于无线传感
随着通信产业的飞速发展,各种新的技术和标准不断出台。由我国自己提出的TD-SCDMA标准就是目前国际公认的3G三大标准之一。自提出并得到国际电信联盟的确认以来,TD-SCDMA标准
当前卫星地球站系统的多样性和设备专业性都很强,决定了不同的分系统多由不同的厂家提供。这样对各个设备进行监控的管理软件互不兼容,同时操作维护及系统升级都相当的不方便
为了缓解无线通信日益发展与频谱资源不足的矛盾,本文将MIMO技术和智能天线技术相结合,提出MIMO智能天线。MIMO智能天线就是在基站和移动台两端同时使用多根智能天线的技术。
人脸作为人体重要的特征之一,有着非常强的区分性、恒定性和个体差别。包含了人脸检测、识别和追踪等。因为人脸优势明确,它有不接触、全过程简明及距离适中等技术上明显的优
基于视频的运动目标检测与跟踪是计算机视觉领域的一个重要研究方向,在安防监控、智能交通、机器视觉导航等诸多领域有着广阔的应用前景。就智能交通领域而言,交通监控视频提