OFDM无线系统载频与定时偏移估计算法

针对受到传播时延、多普勒效应以及发送端与接受端振荡器的不匹配等因素影响的正交频分复用OFDM(orthogonal frequency division multiplexing)无线系统载频与定时偏移问题,提出了一种基于周期稳态性的载频与定时偏移估计算法CSBE(cycloslationary based estimation).该算法通过对接收信号的周期稳态性及相关性估测出频率偏移与时隙偏移,进而有效地提高OFDM系统抗频率与定时偏移的能力.仿真实验以及与现有BE算法的性能比较表明,提出的频率与定时偏移估计算法在加性高斯白噪声AWGN(additive white Gaussian noise)与瑞利衰落信道下都明显地减小了频率与定时偏移误差.     

OFDM系统中基于子空间加权的时延估计算法

针对低信噪比条件下正交频分复用（orthogonal frequency division multiplexing，OFDM）系统利用MUSIC算法（multiple signal classification）进行时延估计时，特征值分解得到的信号子空间和噪声子空间不能完全正交导致算法性能下降的问题，提出一种基于子空间加权的时延估计算法——WMUSIC算法（weighted multiple signal classification）。算法对信道频域响应估计的协方差矩阵进行特征分解，利用噪声特征值的幂级数对噪声子空间进行加权处理，同时采用信号特征值的倒数对信号子空间进行加权处理，以修正MUSIC算法的伪谱，通过谱峰搜索得到时延估计值。仿真结果表明，与MUSIC算法相比，WMUSIC算法具有更高的时延估计精度，在信噪比为－8 dB时，估计精度在两径条件下提升71.46%，三径条件下提升19.48%。WMUSIC算法有效解决了低信噪比条件下MUSIC 算法伪谱谱峰存在混叠导致谱峰搜索误差较大的问题，可以完成较为准确的时延估计任务，提高了低信噪比条件下OFDM系统的时延估计性能。     

多载波OFDM信号识别方法

无人机(unmanned aerial vehicle, UAV)技术发展迅速, 应用十分广泛, 用作UAV测控数传的正交频分复用(orthogonal frequency division multiplexing, OFDM)信号, 给民用无线频谱管理、军用非合作通信技术带来不小的挑战。基于此, 提出了一种基于包络相关谱的OFDM信号检测识别算法。主要利用OFDM信号的时域相关性, 通过计算信号的复包络相关谱, 并检测判断其相关谱的离散周期性, 实现了在非合作通信中OFDM信号的识别。相比基于高阶累积量的检测识别算法, 所提算法具有更好的信噪比适应能力, 而且不需要设定判别的经验阈值, 同时还能估计出子信道的带宽。仿真实验结果验证了所提方法的有效性。