[发明专利]基于混沌映射和粒子群优化算法的OFDM符号同步方法

说明书

技术领域

本发明涉及一种基于混沌映射和粒子群优化算法的OFDM符号同步方法，属于无线移动通信技术领域。

背景技术

混沌运动源于非线性动力学系统，采用混沌映射产生的信号具有随机性、遍历性、确定性和对初值敏感等特性。1989年英国数学家Robert A．J．Matthews通过Logistic映射及其变形提出了混沌数据加密算法，为混沌密码学发展奠定了坚实的基础。Logistic映射是典型非线性混沌方程，它能体现混沌运动所有的基本特性。目前在图像处理、保密通信、神经网络等领域得到了广泛的应用。

粒子群优化（PSO）算法，由Eberhart和Kennedy两人于1995年提出，其基本思想是受鸟类群体捕食行为建模方法及其仿真结果的启发。它从随机解出发，通过多次迭代寻找问题的最优解，通过适应度来评价解的品质，是近年来出现的一种基于群智能方法的演化（EA）计算技术。与遗传算法相比，简单、易实现，没有“变异”和“交叉”运算，且精度高、收敛快，已广泛应用于神经网络训练、模糊系统控制、函数优化等应用领域。但在实际应用中，如果缺乏种群的多样性，粒子群优化算法容易陷入局部最优解，出现所谓的“早熟”现象。基于混沌运动的特性，将混沌映射与粒子群优化相结合，能有效避免粒子群优化算法陷入局部解的发生，使该算法具有更好的性能。

正交频分复用(OFDM)是无线通信系统中的一种多载波传输技术，目前在无线局域网(WLAN)、后3G移动通信LTE(长期演进)、数字音频广播(DAB)和数字视频广播(DVB)等许多领域得到了广泛应用。OFDM的基本原理是将传输频带划分成若干正交的子信道（子载波），使串行高速数据流变换成多个并行的低速数据流在各个子载波上并行传输。它具有频谱利用率高、抗多径干扰、抗突发噪声和有效地克服频率选择衰落等优点，但也存在着一些明显的缺陷，如对符号定时误差和频率偏移十分敏感，定时误差会引起信号在频域内的相位旋转。频率偏移会破坏子载波之间的正交性，造成系统性能的严重下降，因此OFDM系统的同步性能十分重要。

OFDM符号同步算法一般可分为时域同步和频域同步两部分。时域同步是要确定OFDM符号的定时位置。符号定时偏差将影响接收端FFT窗口取值的有效范围。虽然在该窗口取值的有效范围内，符号定时偏差只会引起接收信号的相位旋转，不会破坏子载波的正交性，但会降低抗多经效应的容限。频域同步要先估计OFDM符号的频偏，然后进行相应补偿。通常将频偏估计分成相对于子载波间隔的整数倍频偏和小数倍频偏来估计，整数倍的频偏只造成子载波的循环移位，小数倍频偏将破坏子载波间的正交性。由于整数倍频偏估计结果会对定时估计的结果造成一定的影响，因此，精确的定时估计一般要在整数倍频偏估计后才能确定。

实现OFDM符号同步的算法目前一般可分为两大类：一类是基于辅助数据，主要包括利用导频和利用循环前缀（CP）方法，这类同步算法的性能较好，但会造成一定程度的带宽和功率损失。另一类是无需辅助数据，如盲同步等，盲同步虽然简单、易实现，但它的同步范围较小。

利用导频的同步算法，由于需要插入额外的数据（也称训练序列），会降低系统的传输效率，但计算复杂度相对较低，同步精度高，实用性较强。Schmidl算法是经典的基于训练序列的同步算法，它利用两个训练序列完成同步，先用前一个序列实现符号定时估计与小数倍频偏估计，再根据前后两个序列的关系实现整数倍的频偏估计，频偏估计范围较大，用时较长。为此Seo对Schmidl算法进行了改进，仍用两个训练序列，但对每个训练序列的子载波进行差分相位调制，通过相邻子载波的相位差估计整数倍频偏，无需搜索整个频带，降低了计算复杂度，且性能与Schmidl算法相当。针对Schmidl算法中符号定时估计函数存在“高原效应”，严重影响定时同步精度问题，Minn算法进行了进一步改进，采用优化的PN序列，并设计新的训练序列，使符号定时估计函数峰值较为尖锐，提高了符号定时估计精度。Ren算法利用恒包络零自相关（CAZAC）序列构建训练序列，使符号定时同步函数值峰值尖锐，且旁瓣基本为零，频偏较小时算法性能优良。

OFDM技术既可用于广播系统，也可用于分组交换网络，如无线局城网(WLAN)，二者采用的OFDM符号同步方法是不同的。广播系统一般会连续发送数据，因此对应的接收机可利用几个符号的开销获得符号同步位置的精确估计，之后再转换成跟踪模式。而WLAN系统中由于数据传输速率较高，又采用分组交换，因此较适合选用基于训练序列的同步方式，即在分组数据开始发送后很短时间内就要达到同步，WLAN接收机也不可能在导频之外取得OFDM符号同步位置。