论文部分内容阅读
正交频分复用(OFDM)技术作为第四代移动通信的关键技术之一,受到了广泛的关注及研究。通信信号调制识别是现代移动通信研究领域的一个重要的分支,它要求在复杂的无线通信环境中对所接收到的调制信号进行调制方式的判断,然后对它的各种调制参数进行估计,为后续的信号解调提供依据。OFDM信号检测和参数估计是OFDM信号识别中很重要的两个研究方向,目前对这两个方向的研究主要集中在理想的高斯信道下,而在瑞利衰落信道环境下的研究还很少且效果不理想。为此,本文将在瑞利衰落信道下对OFDM信号检测和参数估计进行研究,主要工作包括以下几个方面：1)在阅读了大量文献的基础上,分别对OFDM信号检测和参数估计的研究现状进行了总结,得出结论：目前大多数研究只适用于高斯信道,在瑞利衰落信道下性能较差。2)在基于循环前缀的OFDM信号检测算法的基础上,提出了联合相关算法(UC：Union Correlation)。该算法利用多个OFDM符号的自相关系数之和来进行OFDM信号检测,通过在瑞利衰落信道下对基于UC算法的OFDM信号检测所进行的仿真实验得出：UC算法在信噪比SNR≥2dB时便能达到95%以上的识别率,说明它能够有效的抵抗多径衰落,适用于瑞利衰落信道。将UC算法应用于OFDM符号率和循环前缀长度的估计,通过瑞利衰落信道下实验仿真得出：UC算法较之于基于循环前缀的估计算法具有更小的均方误差。3)然后,将UC算法同最大似然估计算法(ML)相结合,简称UCML(Union Correlation Maximum Likelihood)算法,将其应用于OFDM定时和频偏的估计,相比于ML算法,UCML算法似然函数输出的峰值更加明显,更有利于提取出定时和频偏信息。通过在瑞利衰落信道下分别对基于UCML算法和ML算法的定时频偏估计所做的实验仿真表明：UCML算法比ML算法的似然函数输出峰值更加明显,且联合的符号数M越大,峰值越明显,估计均方误差越低。