在高速无线通信系统，特别是正交频分复用(OFDM)无线通信系统 中，必须实现准确可靠的时间同步，从而使接收端能够正确解调出发送端 所发送的数据。同时，由于OFDM系统对载波频偏非常敏感，因而在接 收端必须提供准确高效的算法对载波频偏进行准确的估计和纠正。接收端 必须对接收的数据帧进行准确的定位，确定每个数据帧的开始位置和结束 位置。
然而，由于种种原因，例如，发送端和接收端的振荡器的频率不匹配， 多普勒频移，等等，可能造成发送端和接收端之间出现频偏。频偏同样会 对接收机的解调性能造成影响。现有的同步系统中最常用的方法是借助于 训练序列来实现时间同步和频率同步。
在现有的同步算法中，有些是利用空符号(Null Symbol)进行同步定 位。就是说，一旦接收端检测到一个低电位符号，则认为有一个新的符号 到达。这种算法只能用在广播的连续传输模式中，但对于像无线局域网这 种突发性传输模式(Burst Transmission Mode)中将失效。因为突发性传输 系统可能长时间处于空闲状态，无法区别系统是处于空闲状态，还是接收 到空符号。有些算法利用OFDM符号中的循环前缀(Cyclic Prefix)进行 同步，然而这类算法只能进行符号同步，不能进行帧(Frame)同步，而 且由于循环前缀的长度一般都较短，从而使这类算法的精度不高。还有一 类算法使用训练序列进行时间同步和载波频偏估计，但传统算法所使用的 训练序列的平均功率和普通数据符号一样，从而有可能造成较高的丢包 率，尤其在低信噪比的环境下。同时，现存的很多算法在实现同步的过程 中一般都是首先进行时间同步，然后进行载波频偏估计。这种同步方式存 在着明显的缺陷：由于时间同步偏差和载波频偏二者并不是相互独立的， 而是相互影响的，载波频偏估计的前提是接收端实现准确的时间同步，而 时间同步的性能又受到载波频偏的影响，二者相互依存，将二者独立出来 分别处理则有可能造成较大的误差，严重时还有可能导致算法的失效。

鉴于上述问题，本发明的一个目的是提供一种联合时间同步和载波频 偏估计的方法和装置，利用该方法和装置能够同时进行帧同步和载波频偏 搜索，提供可靠的帧同步和具有高准确性的载波频偏估计，并减少丢包率。
本发明的另一个目的是提供一种生成在无线通信系统中联合进行时 间同步和频偏估计的训练序列的方法，使该训练序列能够同时进行帧同步 和载波频偏搜索，提供可靠的帧同步和具有高准确性的载波频偏估计，并 减少丢包率。
根据本发明的一个方面，提供一种在无线通信系统中联合时间同步和 频偏估计的方法，包括步骤：在发送端，利用系统预先设定的扩频因子(SF) 对输入数据进行频域扩频和交织以生成频域训练符号；对生成的频域训练 符号进行反离散傅立叶变换以生成时域上的训练符号；将生成的第一个时 域训练符号反向复制到第二个时域训练符号以形成完整的训练序列；和在 接收端，检测接收到的信号的功率以确认新的训练序列的到来，并进行粗 帧同步；对接收到的训练序列进行联合细帧同步和载波频偏估计；根据载 波频偏估计结果对载波进行频偏补偿以消除频偏。
根据本发明的再一个方面，提供一种在无线通信系统中联合时间同步 和频偏估计的装置，包括：发送端具有，可变扩频因子控制装置，用于预 先设置可变的扩频因子(SF)；频域扩频和交织装置，用于利用扩频因子 对输入的数据进行频域上的扩频和交织，以生成频域训练符号；反离散傅 立叶变换装置，用于将频域上的训练符号变成时域上的训练符号；符号反 向重复装置，用于对时域训练符号进行反向重复，以便形成具有中心对称 结构的训练序列；和接收端具有，功率检测和粗帧同步装置，用于对接收 的数据进行功率检测，检测到发送的训练序列后即可实现粗略的帧同步； 联合细帧同步和载波频偏估计装置，用于根据接收到的训练序列同时进行 细帧同步和载波频偏估计。
根据本发明的再一个方面，提供一种生成在无线通信系统中联合进行 时间同步和频偏估计的训练序列的方法，包括步骤：生成扩频因子(SF)； 对选取的星座图上的复点进行扩频和交织以生成频域训练符号；对生成频 域训练符号进行反离散傅立叶变换以形成时域训练符号；和对生成的时域 训练符号进行反向重复以形成中心对称的、具有时域周期特性的梳型结构 的训练序列。
附图说明
通过下面结合附图说明本发明的优选实施例，将使本发明的上述及其 它目的、特征和优点更加清楚，其中：
图1是根据本发明一个实施例的正交频分复用的发送机和接收机的方 框图；
图2是根据本发明实施例的频域训练符号生成过程，包括扩频和交织 的示意图；
图3A和3B分别是采用现有技术的算法与本发明算法的IDFT输出的 训练符号，即，时域训练符号的比较示意图；
图4是将第一个时域生成符号以反向顺序拷贝到第二个符号中以形成 一个完整的时域训练序列的示意图；
图5是传统算法与本发明的算法的漏检概率的比较结果的示意图；
图6是根据本发明实施例的接收端中的配置方框图；
图7是根据本发明的算法在接收端的多径信号区分的示意图；
图8是根据本发明的实施例用于多载波调制系统的同步算法流程图；
图9是本发明的算法中联合时间同步和载波频偏估计的流程图；
图10是表示采用现有技术的算法和本发明算法在AWGN信道下的载波 频偏估计精度的比较结果的示意图；和
图11是表示采用现有技术的算法和本发明算法在多径衰落信道下的 载波频偏估计精度的比较结果的示意图。

下面参照附图对本发明的实施例进行详细的说明，在描述过程中省略 了对于本发明来说是不必要的细节和功能，以防止对本发明的理解造成混 淆。
图1是表示根据本发明一个实施例的正交频分复用的发送端和接收端 的方框图。如图1所示，发送端10中包括可变扩频因子控制单元11，频 域扩频和交织单元12，符号反向重复单元13，反离散傅立叶变换单元 (IDFT)14，峰均功率比(PAPR)降低单元15，数据调制单元16，串/并 行变换单元17。接收端20中包括功率检测和粗帧同步单元21和联合细帧 同步和载波频偏估计单元22。
在发送端，由数据调制单元16对数据进行调制，并把经调制的信号 提供给串/并行变换单元17。另外，在发送端设置有可变扩频因子控制单 元11，用于预先设置可变的扩频因子(SF)。扩频因子SF是系统根据当前 信道状况预先设置的一个参数，一般取2的n次方，如2，4，8，16。作 为例子，可变扩频因子控制单元11可以固化在发送端中，其具有良好的 兼容性，可以较好地运用现有的软件和硬件模块。一旦确定了扩频因子， 可变扩频因子控制单元11将生成确定的扩频因子并提供给串/并行变换单 元17和频域扩频和交织单元12。经调制的数据在串/并行变换单元17中 进行串/并行变换。经串/并行变换的数据被输出到频域扩频和交织单元 12。频域扩频和交织单元12利用扩频因子对输入的数据进行频域上的扩 频和交织。经扩频和交织的数据输入到反离散傅立叶变换单元(IDFT)14。 IDFT 14的作用是对频域训练符号进行反离散傅立叶变换，将频域上的数 据变成时间域上的数据。就是说，经过IDFT 14后，将频域上的训练符号 变成时间域上的训练符号。
为了便于说明，作为示例，在本发明的算法中的时间同步和频率同步 都是借助时间域上的训练序列来完成的。即，在接收端只检测时间域上的 信号。应该指出，本发明不限于此，其基本构思也可以应用到频域。
经过IDFT的数据在符号反向重复单元13被反向重复，以便形成中心 对称的训练序列。在数据被发送前，数据要送到峰均功率比(PAPR)降低 单元15，以降低数据的峰均功率比(PAPR)。实际上，峰均功率比(PAPR) 降低单元15是用于降低某个特别大的发送功率，或进行适配或用于其它 算法。有关峰均功率比(PAPR)降低并不属于本发明的内容，在此不再对 其进行详细说明。然后，将处理后的数据经无线信道发送到接收端。如后 面更详细说明的，由于训练序列的生成，同步检测实际上被转换成功率检 测。
在接收端20，功率检测和粗帧同步单元21对接收的信号进行功率检 测，检测到发送的训练序列后即可得到粗略的帧同步(时间同步)。根据 本发明的训练序列可知，一旦检测到梳状结构的训练序列，即可知道检测 到了新的训练序列或一个帧的头部。到此阶段，还不能知道哪个抽样是第 一个抽样，哪个部分是帧的开始，因为可能检测到很多这样的抽样。因此， 需要将经过粗帧同步的信号送到联合细帧同步和载波频偏估计单元22。在 联合细帧同步和载波频偏估计单元22中对同步检测窗口的位置进行调整， 以找到哪一个抽样是帧的开始。借助于接收到的该训练序列可以实现细帧 同步和载波频偏搜索的目的。
下面参考图2说明频域训练符号的生成过程。频域训练符号的生成包 含2个部分，即扩频和交织。图2中的左图表示的是扩频过程，右图表示 的是交织过程。扩频前，发送端系统已经确定了IDFT长度和扩频因子(SF)。 调制器首先从所选择的星座图(QPSK，QAM等等)中随机选取N/SF个复数 点(N是IDFT的长度)，假设其依次为X1，X2，……，XN/SF，组成一个小的 调制数据块。如图2的左图所示，选取数据后，对该数据序列进行扩频。 扩频过程如下：将每个选取的星座图上的复点重复SF次，组成一个新的 序列，即X1，X1，……，X1，X2，X2，……，X2，……，XN/SF，XN/SF，……， XN/SF，共N个数据，每个数据用来调制一个子载波。接下来，对扩频后的 序列进行交织。交织过程如图2中的右图所示：将N个频域位置均分成SF 个块，每块包含N/SF个频域点。频域生成数据中的相同数据放置在每个 块的相同位置，且各个块中不同调制数据的次序为X1，X2，……，XN/SF。这 样，经过交织以后的频域训练符号如下：X1，X2，……，XN/SF，X1，X2，……， XN/SF，……，X1，X2，……，XN/SF，也就是说，将扩频以前的调制数据块重 复SF倍得到的结果。
图3A和3B分别是采用现有技术的算法与本发明算法的IDFT输出的 训练符号，即时域训练符号的比较示意图。其中图3A表示传统的OFDM 同步算法中所使用的时域同步训练符号的输出特征，即频域训练符号经 IDFT变换以后输出的结果。在IDFT长度以及训练序列平均功率保持恒定 的前提下，传统算法各个时域输出抽样都是非0的，但PAPR较高，大多 数输出数据的功率较低。图3B是根据本发明生成的训练符号的示意图。 如图3A所示，传统的训练序列的每一个抽样都不是零，由于总的能量是 固定的，其平均高度较低，如果信噪比(SNR)低，可能检测不到其中的 一些信号。图3B所示的是本发明的算法中交织以后的频域训练符号经 IDFT变换后的时域输出结果。由于在本发明的算法中所使用的频域交织 后的训练符号具有周期性，因而经IDFT变换后的时域训练符号具有明显 的时域周期特性以及梳型结构，即符号中只有第0个、第SF个、第2*SF 个，……，第(N/SF-1)*SF个抽样非0，其余输出值均为0。任意2个相邻 的非0抽样间隔SF-1个0抽样。这种符号中的非0输出数据的平均功率 大于传统训练符号中的低功率输出抽样。相比之下，在保证训练符号总的 发送能量恒定的前提下，本发明的算法中生成的训练符号的这种梳型结构 可以理解为将整个训练符号中的0值抽样原本具有的能量都叠加到了这些 非0抽样中，因而这些非0抽样更容易进行功率检测，并减少丢包率。
图4是表示将第一个时域生成符号以反向顺序拷贝到第二个时域训练 符号中以形成一个完整的时域训练序列的示意图。在图4中，具有中心对 称结构的训练序列的生成过程如下：当第一个梳型时域训练符号生成后， 第二个训练符号是第一个训练符号的倒序重复，即第二个训练符号的第一 个抽样值是第一个训练符号的第N个抽样值，第二个训练符号的第二个抽 样值是第一个训练符号的第N-1个抽样值，……，第二个训练符号的第N 个抽样值是第一个训练符号的第1个抽样值。每个训练序列包含2个时域 训练符号，即训练序列总长度为2N，具有梳型和中心对称2种结构特征。 这种结构特征用在功率检测以及联合时频同步上都具有非常好的效果。
图5是传统算法与本发明的算法的漏检概率的比较结果示意图。作为 一个示例，可以假设在IDFT长度N＝64，误报概率PFA＝10-4且SF＝8的情况 下对传统算法和本发明的算法进行比较。为了具有说服力，可以对这两个 算法设定相同的检测时间。如图5所示，例如：对于传统算法，如果检测 时间包含8个抽样，即L＝8，则同样时间相对于新发明算法来说，仅有1 个非0抽样，即L＝1；对于传统算法，如果检测时间包含16个抽样，即 L＝16，则同样时间相对于本发明的算法来说，仅有2个非0抽样，即L＝2； 对于传统算法，如果检测时间包含32个抽样，即L＝32，则同样时间相对 于本发明的算法来说，仅有4个非0抽样，即L＝4。由性能比较结果可以 看出，本发明的算法在低信噪比的情况下检测性能明显高于传统算法。例 如：对比传统算法当L＝16和本发明的算法当L＝2时的性能。当信噪比小 于17dB时，本发明算法的漏检概率都小于传统算法的漏检概率。
图6是根据本发明实施例的接收端中的联合细帧同步和载波频偏估计 系统的配置方框图。如图6所示，该系统包括功率检测和粗帧同步单元21， 联合细帧同步和载波频偏估计单元22，多径信号检测与识别单元52以及 载波频偏补偿单元54。其中功率检测和粗帧同步单元21包括功率检测单 元41和粗帧同步单元42。联合细帧同步和载波频偏估计单元22包括细帧 同步和载波频偏搜索单元51，和载波频偏细调整单元53。
由于本发明的算法所生成的训练序列为梳状结构，其时间同步的检测 可转换成功率的检测。因此，在接收端，当系统检测到一个或几个大功率 抽样且这些抽样呈梳型结构排列，则认为检测到一个新的帧。首先由系统 设置参数PFA， 和L的值，其中Γ表示功率检测所设置的阈值，可根据 系统的需要随意调节。功率检测单元41对一系列接收到的抽样y(1)， y(2)，……，y(N)进行检测，判断 $\Omega (n,L)=\underset{m=0}{\overset{L-1}{\Sigma }}{\left|y(n+m\times \mathrm{SF})\right|}^2$ 的值是否大于阈 值L×Γ。如果大于，则表示一个新的帧到达并成功检测，否则认为没有新 的帧到达。由于本发明的算法中所使用的训练序列具有稀疏的梳型结构， 这种结构导致功率检测算法在检测的同时还可以在粗帧同步单元42中粗 略地进行帧同步，且同步误差最有可能发生在SF的整数倍抽样的位置上。
经过粗帧同步的数据被提供给细帧同步和载波频偏搜索单元51。当一 个新到达的帧的所有2N个抽样都检测到以后，细帧同步和载波频偏搜索 单元51可以利用本发明的算法进行联合细帧同步和载波频偏估计。联合 算法的实施有赖于本发明算法中所使用的训练序列的中心对称结构。细帧 同步和载波频偏搜索单元51可以作为一个估计器进行下面的表达式(1) 的运算。
${\Phi }_i\left(\widehat{ϵ}\right)={|\underset{n=0}{\overset{N/\mathrm{SF}-1}{\Sigma }}y(i+2N-1-n·\mathrm{SF})·y^{*}(i+n·\mathrm{SF})·e\stackrel{}{\frac{\widehat{j4\mathrm{\pi nϵ}·\mathrm{SF}}}{N}}|}^2---\left(1\right)$
这个估计器的具体含义是，如果不考虑时间同步误差和载波频偏以及 噪声的影响，则y(i+2N-1-n*SF)和y(i+n*SF)应该是相同的，即便存在载 波频偏，这两个接收抽样也应该是统计相关的。载波频偏补偿单元54可 以利用 对每一对相关抽样的共轭相乘的积进行载波频偏补偿。一旦 y(i)恰好是接收训练序列的第一个抽样，且 和系统中的载波频偏相同时， 将取得最大值，具体由下面的表达式(2)表示。
$\left\{\widehat{\theta ;}\widehat{ϵ}\right\}=\underset{\{i;\widehat{ϵ}\}}{\arg \max }\left\{{\Phi }_i\left(\widehat{ϵ}\right)\right\}---\left(2\right)$
其中 表示估计的时偏， 表示估计的载波频偏。这个过程中，帧同步和 载波频偏搜索是同时完成的。
由于以上所介绍的载波频偏搜索算法的估计精度有限，因而搜索后剩 余的载波频偏需要由载波频偏细调整单元53进行估计和纠正。载波频偏 细调整单元53执行如下算法：根据本发明算法中使用的训练序列的中心 对称结构，接收到的训练序列的概率密度函数的对数函数可以用下面的表 达式(3)表示。
$\Lambda \left(ϵ\right)=\log f\left(Y\right|ϵ)=\log \left(\underset{k=0}{\overset{\frac{N}{\mathrm{SF}}-1}{\Sigma }}f(y(k·\mathrm{SF}),y(2N-1-k·\mathrm{SF}))\right)---\left(3\right)$
其中ε表示系统中的载波频偏。要得到Λ(ε)的最大值，需对Λ(ε)关于ε求导 并令结果为0，解出的ε如表达式(4)所示。
$\widehat{ϵ}=\frac{N\underset{k=0}{\overset{\frac{N}{\mathrm{SF}}-1}{\Sigma }}|y^{*}(k·\mathrm{SF})·y(2N-1-k·\mathrm{SF})|·(2N-1-2k·\mathrm{SF})·\arg \{y^{*}(k·\mathrm{SF})·y(2N-1-k·\mathrm{SF})\}}{2\pi ·\underset{k=0}{\overset{\frac{N}{\mathrm{SF}}-1}{\Sigma }}|y^{*}(k·\mathrm{SF})·y(2N-1-k·\mathrm{SF})|·{(2N-1-2k·\mathrm{SF})}^2}---\left(4\right)$
表达式(4)即是载波频偏细调整的最大似然(Maximum Likelihood)估 计算法。
当进行功率检测和载波频偏搜索时，对于多径信号，最大功率的那一 径足够了。然而，对于载波频偏细调整单元53来说，大的平均功率意味 着高的估计精度，因而在多经信道下，可检测到的多经信号应当尽量收集 并加以利用，从而有效地提高载波频偏的估计精度。由于多径信号的检测 与识别并不是系统中所强制执行的必要功能模块，因而可利用开关切换多 径信号检测与识别单元52。
多径信号的检测方法和第一径功率的检测方法一样，也是比较被检测 的那一径信号的能量是否高于阈值L×Γ，如果高于，则表示这一径的信号 可以利用。否则，该径信号能量太小，不能利用，只能视为噪声。由于功 率检测只能将大功率的几个路径有效地检测出来，对于小功率的信号，往 往作为噪声处理，因而在多径信道下，本发明算法的性能相比较AWGN信 道而言具有一定的性能损失。
经过载波频偏的搜索和细估计后，所估计的载波频偏 $\widehat{ϵ}=\widehat{{ϵ}_A}+\widehat{{ϵ}_F}$ (其中 表示载波频偏搜索结果， 表示载波频偏细调整结果)应当对后续接收 到的数据符号和训练序列进行载波频偏补偿。补偿的方法是对接收到的序 列中第n个抽样乘以
图7是根据本发明的算法在接收端的多径信号区分的示意图，表示在 接收端多径信号的检测和区分。如图7所示，其中以三个路径为例示出了 多径信号的区分。幅度最大的为第一径，幅度其次的是第二径，幅度最小 的是第三径。由于多径信号的平均功率和延迟时间各不相同，且本发明的 算法所使用的训练序列具有稀疏的梳型结构，因而各径之间的多径干扰非 常小，多径信号的功率检测和识别非常容易。
图8是根据本发明一个实施例的算法用于多载波调制系统的同步算法 的流程图。首先，由可变扩频因子控制单元1生成的扩频因子(SF)。在 步骤S801，对输入的比特流进行编码。在步骤S802，将编码后的比特流 映射到星座图上。此后，在步骤S803，在串/并行变换单元8中对编码后 的比特流进行串/并行变换。在步骤S804，用生成的扩频因子对输入数据 进行频域扩频和交织。本发明的算法所涉及的系统的输入信号为某个星座 图上的复点(如：QPSK，16QAM，64QAM等等)。扩频后，所得到的频域数 据如图2中左侧所示。如果进行普通数据符号的调制，则只需在步骤S806 将扩频后的频域符号进行反离散富里叶变换(IDFT)后经过步骤S808的 PAPR降低单元6以降低发送信号的峰均功率比(PAPR)，然后进行信道传 输；如果系统要生成一个训练符号，则在步骤S804对数据进行频域扩频 后还需要进行交织。交织过程如图2中右侧所示。在步骤S805，将交织后 的频域训练符号映射到子载波上。此后，同样在步骤S806进行反离散富 立叶变换(IDFT)。交织后的频域数据经过IDFT变换后，所生成的时域训 练符号如图3B所示，是一个梳型结构。此后，在步骤S807，将生成的时 域训练符号反向复制到第二个时域训练符号中以形成完整的训练序列。这 种梳型符号中只有第0个、第SF个、第2*SF个，……，第(N/SF-1)*SF 个抽样非0，其余输出值均为0。任意2个相邻的非0抽样间隔SF-1个0 抽样。在整个符号能量保持恒定的前提下，SF越大，IDFT输出数据中非0 值数量越少，但这些非0输出数据的平均功率也越大。本发明算法所需的 训练序列包含2个训练符号，第二个时域训练符号的生成是在第一个时域 训练符号生成的基础上，进行反向序列的拷贝，即：第二个训练符号的第 一个抽样值是第一个训练符号的第N个抽样值，第二个训练符号的第二个 抽样值是第一个训练符号的第N-1个抽样值，……，第二个训练符号的第 N个抽样值是第一个训练符号的第1个抽样值。这种训练序列具有中心对 称结构，如图4所示。训练序列生成后，在步骤S809，将经过PAPR降低 单元15降低训练序列的峰均功率比(PAPR)的数据经过无线信道发送出 去。
在接收端，首先，在步骤S810，利用功率检测和粗帧同步单元21检 测出一个新的训练序列的到来，一旦一系列的高功率梳型数据抽样被检测 到，则系统认为检测到了一个新的训练序列，利用这些检测到的高功率梳 型数据抽样的到达时间可以粗略估计出帧的同步时间。经过功率检测，一 个新的训练序列可以被检测到，利用本发明算法中所使用的训练序列的中 心对称结构，可以进行联合帧同步和载波频偏估计。然后，在步骤S811， 联合细帧同步和载波频偏估计单元22利用本发明的算法中所使用的训练 序列的中心对称结构，对经过粗帧同步的数据进行联合帧同步和载波频偏 估计。得到估计的载波频偏后，在步骤S812，由载波频偏补偿单元54对 频偏进行补偿，以消除频偏。接下来，在步骤S813，对经过载波频偏补偿 的数据进行离散傅立叶变换(DFT)。此后，在步骤S814，对所接收的、经 过频偏补偿和离散傅立叶变换的数据进行解调。然后，在步骤S815对解 调的数据进行解码，以得到原始数据。
下面参考图9说明本发明的算法中联合时间同步和载波频偏估计的流 程。根据本发明的算法，由于训练序列为梳型结构，时间同步检测被转换 成功率检测。联合同步过程主要包括以下几个部分：功率检测和粗时间同 步。联合帧同步和载波频偏估计包括细帧同步和载波频偏搜索，载波频偏 细调整，多径信号检测与识别，和载波频偏补偿。在接收端，当系统检测 到一个或几个大功率抽样且这些抽样呈梳型结构排列，则认为检测到一个 新的帧。检测过程如下：首先，由系统设置参数PFA，Γ和L的值，其中Γ 表示功率检测所设置的阈值，可根据系统的需要随意调节。在步骤S101， 对于一系列接收到的抽样y(1)，y(2)，……，y(N)，判断 $\Omega (n,L)=\underset{m=0}{\overset{L-1}{\Sigma }}{\left|y(n+m\times \mathrm{SF})\right|}^2$ 的值是否大于阈值L×Γ，如果大于，则表示一个新 的帧到达并成功检测，流程进行到步骤S102。否则，认为没有新的帧到达， 继续接收数据。由于本发明的算法中所使用的训练序列具有稀疏的梳型结 构，这种结构导致功率检测算法在检测的同时还可以粗略地进行帧同步， 且同步误差最有可能发生在SF的整数倍抽样的位置上。因此，在步骤 S102，在检测到新的帧到达后，即可进行粗帧同步。当一个新到达的帧的 所有2N个抽样都检测到以后，本发明算法在步骤S103进行联合细帧同步 和载波频偏估计。联合算法的事实有赖于本发明算法中所使用的训练序列 的中心对称结构。联合算法的运行内容已在前面描述过，在此不再重复。 然后，在步骤S104，由细帧同步和频偏搜索单元51粗略估计出载波频偏 在存在多径信号的情况下，在步骤S105由多径检测和识别单元52进 行多径信号的识别和检测，对于载波频偏细调整算法来说，大的平均功率 意味着高的估计精度星座图上的复点，因而在多径信道下，可检测到的多 径信号应当尽量收集并加以利用，从而有效地提高载波频偏的估计精度。 应该指出，多径信号的检测与识别并不是系统中所强制执行的必要功能模 块。对于多径信号，最大功率的那一径足够了。多径信号的检测方法和第 一径功率的检测方法一样，也是比较被检测的那一径信号的能量是否高于 阈值L×Γ，如果高于该阈值，则表示这一径的信号可以利用。否则，认为 该径信号能量太小，不能利用，只能视为噪声。此后，在步骤S106，载波 频偏细调整单元53进行载波频偏细估计，其算法如上面的表达式(3)所 示。由于以上所介绍的载波频偏搜索算法的估计精度有限，接下来，在步 骤S107，由载波频偏细调整单元53借助于载波频偏细调整算法估计出搜 索后剩余的载波频偏 以便进行估计和纠正。此后，在步骤S108，经 过载波频偏的搜索和细估计后，得到所估计的载波频偏 $\widehat{ϵ}=\widehat{{ϵ}_A}+\widehat{{ϵ}_F},$ (其中 表示载波频偏搜索结果， 表示载波频偏细调整结果)。此后，在步骤 S109，对后续接收到的数据符号和训练序列进行载波频偏补偿，补偿的方 法是对接收到的序列中第n个抽样乘以
图10是表示采用现有技术的算法和本发明算法在AWGN信道下的载波 频偏估计精度的比较结果的示意图。在本示例中采用现有技术中常用的 Moose算法与本发明的算法在AWGN信道下的性能比较。
如图10所示，此处只比较估计载波频偏精度。对于载波频偏估计搜 索范围而言，Moose算法只能估计 的子载波间隔，如果要增大搜索范围， 则需要缩小IDFT长度，其结果是降低估计精度。本发明算法的最大搜索 范围可达 当N远远大于4×SF时，该算法可以搜索远远大于1个 子载波间隔的载波频偏。另外，就估计精度而言，对于确定的IDFT长度N， Moose算法的估计均方误差的Cramer-Rao Lower Bound(CRLB)为： $\mathrm{Var}\left\{\delta \right|\left|ϵ\right|<\frac{1}{2}\}\ge \frac{1}{4{\pi }^2·N·\mathrm{SNR}},$ 而本发明算法的CRLB为 $\mathrm{Var}\left\{\delta \right|\left|ϵ\right|<\frac{N}{2(2N-1)};\mathrm{SF}\}\ge \frac{3N}{4{\pi }^2·[2·{\mathrm{SF}}^2+(6N-6)·\mathrm{SF}+{4N}^2-6N+3]·\mathrm{SNR}}.$ 这个CRLB 比Moose算法有了明显的提高。图11中示出了当N＝256，SF＝8时，本发 明算法的性能比Moose算法提高大约1.5dB。
图11是表示传统算法，例如，Moose算法，与本发明的算法在多径信 道下的估计精度性能比较的示意图。由于在多径信道下，那些低功率的多 径信号不能被有效地检测和利用，因而相比较AWGN信道而言，多径信道 下本发明算法的估计精度会略有些下降。同时，多径信号之间的干扰也会 在一定程度上影响本发明的算法的估计性能。如果SF个抽样间隔大于多 径信号的最大延迟，则多径信号之间的干扰为0，本发明算法的估计性能 在高信噪比的情况下不会出现地板效应。否则，如果SF个抽样间隔小于 最大多径延迟，则不同径信号之间会互相干扰，造成高信噪比环境下的估 计性能的地板效应。图11中示出了当N＝256时，在4径独立的Rayleigh 信道，每径延迟分别为0，2，4，6个抽样间隔的情况下，各径功率服从 负指数分布。SF可取4和8。当SF＝4时，由于SF个抽样间隔小于最大多 径延迟，因而本发明算法存在一个地板效应。当SF增大到8时，地板效 应消失，假设在所有的接收到的4径信号中，共有3径信号被有效地检测 和利用，则本发明算法的性能比Moose算法高出约1.2dB。
从以上结合实施例所做的说明可以看出，本发明的算法与现有技术相 比可以提供可靠的功率检测算法，实现快速及可靠的帧同步。另外，本发 明的算法能够增大载波频偏的搜索范围。在多载波调制系统中，频偏的大 小可能达到十几个或几十个子载波间隔。现有技术的算法中这种载波频偏 估计的范围受到限制。一般而言，传统算法将载波频偏估计为±0.5个子 载波间隔范围之内。对于扩频的载波频偏，现有技术的算法存在着估计精 度降低，或借助额外符号，例如，用一个频偏序列进行搜索，另一个载波 频偏序列进行细调。但这样会增大系统的额外开销。
本发明的算法是解决在不增加系统硬件开销，且不降低估计性能的情 况下增大搜索范围。此外，本发明的算法提高载波频偏的估计精度。
虽然至此已参考优选实施例对本发明进行了描述，本发明并不局限于 此，而仅由所附权利要求限定，本领域技术人员在不脱离本发明精神的情 况下可对本发明的实施例进行各种改变和改进。