wave系统中训练符号的同步研究
摘 要随着物联网（IOT,Internet of Things）的迅速发展，车联网（IOV,Internet of Vehicles）的研究和发展受到更多的关注。WAVE协议栈是专门针对车联网系统设计的无线通信协议，在物理层的规范上，WAVE采用了类似于 802.11a 的 OFDM 技术，使其能够有效地抵抗多径效应的影响，并且同时拥有很高的频谱利用率。但是OFDM系统性能对于同步误差非常敏感，因此有关同步技术的研究对WAVE系统中OFDM技术具有极其重要的价值。本文的研究核心是WAVE系统中基于训练符号的同步研究，文中主要完成了如下工作内容：首先，阐述了车联网系统的基本技术原理，WAVE协议栈主要组成协议（IEEE 802.11p和IEEE 1609协议）的特点；具体论述了OFDM 的原理、技术优缺点；分析了OFDM系统在符号定时同步、载波频率同步、采样钟同步存在误差时产生的影响，OFDM的正交性受到破坏导致在解调端不能正确解调，严重影响OFDM的系统性能甚至失效。其次，通过对Schmidl&Cox算法、Minn的两种改进算法以及Park算法的原理分析，并且通过实验仿真验证了三种经典同步算法的优缺点。Schmidl&Cox算法的时间度量曲线存在平台区问题；基于Schmidl&Cox算法的Minn的两种改进算法存在多侧峰问题；Park 算法存在旁瓣干扰问题。然后，针对上述算法的缺陷，设计了适合WAVE系统应用环境的新训练符号和同步算法机制。该机制是在Schmidl&Cox算法和Minn第二种改进算法的基础上对第一个训练符号的结构进行重新设计，通过选择不同的累积量对数据进行相关性检测，以提高定时估计精度。本文提出的改进算法解决了上述三种经典算法的时间度量函数存在的平台区、多侧峰和旁瓣问题，得到了尖锐的定时估计峰值，且在 AWGN 和多径瑞利信道环境下都能准确的完成定时同步。由此可见，本文提出的改进算法在WAVE系统也具有良好的同步性能。
Keywords: IOT；WAVE；OFDM；training symbol；timing synchronization estimation 目录
摘 要 I
ABSTRACT II
第1章 绪论 1
1.1课题研究背景及意义 1
1.2课题研究
*好棒文|www.hbsrm.com +Q: ^3^5`1^9`1^6^0`7^2#
动态 2
1.3 本文的工作内容 3
第2章 车联网简介 5
2.1 车联网的由来及概念 5
2.2 车联网系统结构及通信需求 5
2.2.1 车联网系统结构 5
2.2.2 车联网无线通信技术需求 7
2.3 WAVE协议栈 9
第3章 OFDM原理及同步误差影响 11
3.1 OFDM系统基本原理 11
3.1.1 OFDM调制数学模型 11
3.1.2 OFDM系统基本框图 13
3.1.3 OFDM系统技术特点 14
3.2 OFDM同步误差影响分析 14
3.2.1 OFDM系统总体同步方案 15
3.2.2 同步误差分析 16
3.3 小结 17
第4章 基于训练符号的同步算法研究 18
4.1 Schmidl & Cox 同步算法研究 18
4.1.1 Schmidl & Cox训练符号结构 18
4.1.2 Schmidl & Cox 定时同步算法 19
4.2 Minn 同步算法研究 22
4.2.1 Minn1定时同步算法 22
4.2.2 Minn2定时同步算法 23
4.3 Park定时同步算法研究 25
4.3.1 Park算法新训练结构 25
4.3.2 Park定时同步算法 26
4.4 小结 28
第5章 基于S&C算法的改进定时同步算法 29
5.1 改进算法的训练符号结构 29
5.2 改进的定时估计算法 29
5.3 小结 32
第6章 结论和展望 33
6.1 本论文工作的总结 33
6.2 展望 34
参考文献 35
致 谢 37
第1章 绪论
课题研究背景及意义
随着Internet深入人们的生活，音视频技术和数字通信技术迅速发展[1]，人们已全面进入互联网时代，而近期大热的移动互联网正在改变人们生活的方方面面。大容量、高速率的无线传输变得越来越重要，我们希望通过有限的频率带宽资源获得高速稳定的数据传输。无线信道不理想会导致多径衰落，数据传输速率因此受到了限制。而在车联网系统中，由于车载环境变化快速且无线信道复杂，并且要求在极短的时间内实现快速接入网络，车联网系统的无线通信技术亟待进一步研究发展。
若发送信号数据传输速率高于信道相干带宽[2]，将带来符号数据间串扰（ISI），同时导致误码率大大增加，这对更复杂的均衡技术提出了要求 [3]。随着时延增大到一定，均衡级数随着数据率的提高而增多，这将大幅增加系统的复杂度和时间成本。而由IEEE委员会制定的专门应用于车联网通信的WAVE协议栈主要由IEEE 802.11p协议和IEEE 1609系列协议组成。其在物理层的规范上，IEEE 802.11p 采用了和 802.11a 相似的 OFDM 技术，使其能够有效地抵抗多径效应的影响，并且同时拥有很高的频谱利用率。
OFDM 技术的优点通过将信号调制到正交的各个子载波上，这种串并转换延长了子载波上的数据周期，实现了高速数据流分成用于传输的N个并行的低速数据流[4]。这样的OFDM系统可以和单载波系统相比，在抵抗多径效应方面表现更优秀，同时具有更高的频谱效率，后者是由于子载波独特具有的正交关系，相邻子载波之间允许频谱一定程度上的相互叠加。
和传统的频分复用FDM技术相比，OFDM技术是一种新型多路载波调制技术，它的特点是相邻子载波是相互正交的。20世纪60年代中期，R.W.Chang首次提出了 OFDM 的基本概念、主体思想和核心技术，并申请了专利[5]。五年后,Weinstein和Ebert等人实现了并行传输系统的调制解调，他们是通过离散傅立叶变换(DFT)和离散傅里叶逆变换（IDFT）实现的，使系统得到简化[6]。就在R.W.Chang提出OFDM后不久,Saltzberg通过对ODFM技术的性能分析,发现在OFDM中子载波间干扰(Inter Channel Interference,ICI)是限制OFDM性能的主要因素[7]。但是如果仅仅是在ODFM符号之间使用空的保护间隔(Guard Interval,GI)会使OFDM的正交性受到破坏，所以要处理ICI和ISI ，为此Ruiz和Peled提出了一个新的概念——循环前缀(Cyclic Prefix, CP)[8]。
1985年，OFDM 第一次在移动系统中的使用，Climini 对此进行了描述。而在车联网系统中，其专属的无线通信协议WAVE协议栈，在物理层的规范上，IEEE 802.11p也使用了OFDM技术。相对于其他环境的OFDM系统，快速变化的复杂车载环境下，对快速接入无线网络提出了更高的要求。由于OFDM强调相邻子载波间需保持精确的正交关系，因此其对同步具有极高的要求，而在快速变化的车载环境下，OFDM系统需要更加严格的同步过程。因此关于在WAVE系统中，其OFDM 同步技术需要重点研究。
课题研究动态
OFDM 由于其自身特性，同步问题尤其需要高度重视。由于系统要求子载波严格正交，同步误差会对系统产生很大的负面效应。OFDM系统同步技术主要包括采样同步、载波频率和符号定时同步[9]。符号定时同步的根本原理是通过确定OFDM符号的起始位置（即FFT窗），以便正确地进行FFT解调。文献[10][11]研究了符号定时偏差对同步产生的负面影响。研究结果表明，当符号定时同步估计样点在CP 内的 ISI 自由区（不受符号间干扰影响）内时，可以实现正确的定时同步。
OFDM 同步技术从是否需要数据辅助的角度可以分为下述：一类是数据辅助型（DataAided），另一类是非数据辅助型（NondataAided）。基于训练符号和基于子载波导频是数据辅助型同步技术的主要内容，非数据辅助性同步技术则主要包括基于循环前缀算法和盲同步算法。
Keywords: IOT；WAVE；OFDM；training symbol；timing synchronization estimation 目录
摘 要 I
ABSTRACT II
第1章 绪论 1
1.1课题研究背景及意义 1
1.2课题研究
*好棒文|www.hbsrm.com +Q: ^3^5`1^9`1^6^0`7^2#
动态 2
1.3 本文的工作内容 3
第2章 车联网简介 5
2.1 车联网的由来及概念 5
2.2 车联网系统结构及通信需求 5
2.2.1 车联网系统结构 5
2.2.2 车联网无线通信技术需求 7
2.3 WAVE协议栈 9
第3章 OFDM原理及同步误差影响 11
3.1 OFDM系统基本原理 11
3.1.1 OFDM调制数学模型 11
3.1.2 OFDM系统基本框图 13
3.1.3 OFDM系统技术特点 14
3.2 OFDM同步误差影响分析 14
3.2.1 OFDM系统总体同步方案 15
3.2.2 同步误差分析 16
3.3 小结 17
第4章 基于训练符号的同步算法研究 18
4.1 Schmidl & Cox 同步算法研究 18
4.1.1 Schmidl & Cox训练符号结构 18
4.1.2 Schmidl & Cox 定时同步算法 19
4.2 Minn 同步算法研究 22
4.2.1 Minn1定时同步算法 22
4.2.2 Minn2定时同步算法 23
4.3 Park定时同步算法研究 25
4.3.1 Park算法新训练结构 25
4.3.2 Park定时同步算法 26
4.4 小结 28
第5章 基于S&C算法的改进定时同步算法 29
5.1 改进算法的训练符号结构 29
5.2 改进的定时估计算法 29
5.3 小结 32
第6章 结论和展望 33
6.1 本论文工作的总结 33
6.2 展望 34
参考文献 35
致 谢 37
第1章 绪论
课题研究背景及意义
随着Internet深入人们的生活，音视频技术和数字通信技术迅速发展[1]，人们已全面进入互联网时代，而近期大热的移动互联网正在改变人们生活的方方面面。大容量、高速率的无线传输变得越来越重要，我们希望通过有限的频率带宽资源获得高速稳定的数据传输。无线信道不理想会导致多径衰落，数据传输速率因此受到了限制。而在车联网系统中，由于车载环境变化快速且无线信道复杂，并且要求在极短的时间内实现快速接入网络，车联网系统的无线通信技术亟待进一步研究发展。
若发送信号数据传输速率高于信道相干带宽[2]，将带来符号数据间串扰（ISI），同时导致误码率大大增加，这对更复杂的均衡技术提出了要求 [3]。随着时延增大到一定，均衡级数随着数据率的提高而增多，这将大幅增加系统的复杂度和时间成本。而由IEEE委员会制定的专门应用于车联网通信的WAVE协议栈主要由IEEE 802.11p协议和IEEE 1609系列协议组成。其在物理层的规范上，IEEE 802.11p 采用了和 802.11a 相似的 OFDM 技术，使其能够有效地抵抗多径效应的影响，并且同时拥有很高的频谱利用率。
OFDM 技术的优点通过将信号调制到正交的各个子载波上，这种串并转换延长了子载波上的数据周期，实现了高速数据流分成用于传输的N个并行的低速数据流[4]。这样的OFDM系统可以和单载波系统相比，在抵抗多径效应方面表现更优秀，同时具有更高的频谱效率，后者是由于子载波独特具有的正交关系，相邻子载波之间允许频谱一定程度上的相互叠加。
和传统的频分复用FDM技术相比，OFDM技术是一种新型多路载波调制技术，它的特点是相邻子载波是相互正交的。20世纪60年代中期，R.W.Chang首次提出了 OFDM 的基本概念、主体思想和核心技术，并申请了专利[5]。五年后,Weinstein和Ebert等人实现了并行传输系统的调制解调，他们是通过离散傅立叶变换(DFT)和离散傅里叶逆变换（IDFT）实现的，使系统得到简化[6]。就在R.W.Chang提出OFDM后不久,Saltzberg通过对ODFM技术的性能分析,发现在OFDM中子载波间干扰(Inter Channel Interference,ICI)是限制OFDM性能的主要因素[7]。但是如果仅仅是在ODFM符号之间使用空的保护间隔(Guard Interval,GI)会使OFDM的正交性受到破坏，所以要处理ICI和ISI ，为此Ruiz和Peled提出了一个新的概念——循环前缀(Cyclic Prefix, CP)[8]。
1985年，OFDM 第一次在移动系统中的使用，Climini 对此进行了描述。而在车联网系统中，其专属的无线通信协议WAVE协议栈，在物理层的规范上，IEEE 802.11p也使用了OFDM技术。相对于其他环境的OFDM系统，快速变化的复杂车载环境下，对快速接入无线网络提出了更高的要求。由于OFDM强调相邻子载波间需保持精确的正交关系，因此其对同步具有极高的要求，而在快速变化的车载环境下，OFDM系统需要更加严格的同步过程。因此关于在WAVE系统中，其OFDM 同步技术需要重点研究。
课题研究动态
OFDM 由于其自身特性，同步问题尤其需要高度重视。由于系统要求子载波严格正交，同步误差会对系统产生很大的负面效应。OFDM系统同步技术主要包括采样同步、载波频率和符号定时同步[9]。符号定时同步的根本原理是通过确定OFDM符号的起始位置（即FFT窗），以便正确地进行FFT解调。文献[10][11]研究了符号定时偏差对同步产生的负面影响。研究结果表明，当符号定时同步估计样点在CP 内的 ISI 自由区（不受符号间干扰影响）内时，可以实现正确的定时同步。
OFDM 同步技术从是否需要数据辅助的角度可以分为下述：一类是数据辅助型（DataAided），另一类是非数据辅助型（NondataAided）。基于训练符号和基于子载波导频是数据辅助型同步技术的主要内容，非数据辅助性同步技术则主要包括基于循环前缀算法和盲同步算法。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wlw/682.html
