park算法代碼

訓練序列結構 T=[\(C\) \(D\) \(C^{*}\) \(D^{*}\)],其中C表示由長度為N/4的復偽隨機序列PN，ifft變換得到的符號序列
\(C(n) = D(N/4-n)\)

---

原文解釋：The training symbol is produced by transmitting
a real-valued PN sequence on the even frequencies, while zeros
are used on the odd frequencies. This means that one of the
points of a BPSK constellation is transmitted at each even fre-quency.
---

\(\bigstar\)park：為了進一步解決minn算法存在的不足，park等人在分析了schmidl算法和minn算法定時效果不佳的原因后，重新設計了新的前導訓練序列的結構，并給出了新的定時同步度量函數，該算法的定時度量函數曲線出現了一個更為尖銳的自相關峰，很明顯該算法消除了schmidl算法中由于循環前綴的存在而導致的平頂效應，同時得到了比minn算法更為尖銳的自相關峰，提高了定時的精度和確定性，但是在噪聲干擾較大的情況下，該算法還是會出現較大的定時同步估計誤差，其同步估計的穩定性依然較差。

參考文獻
Park B,Choen H , KO E ,et al.A novel timing estimation method for OFDM systems[J].IEEE Commun.Leet.2003,7(5):53-55.

\[M(d)=\frac{\left | P(d) \right |}{R^{2}(d)}^{2}\]

\[P(d)=\sum_{m=0}^{N/2 -1}r(d-m) r(d+m)\]

\[R(d)=\sum_{m=0}^{N/2-1}\left | r(d+m) \right |^{2}\]

實際在算法實現上
\(P(d)=\sum_{m=0}^{N/2-1}r(d-1-m) r(d+m)\)
這是因為序列個數通常是偶數而非奇數，不會出現
\(r(d)r(d)\)的情況。
所求得的d對應的是訓練序列（不包含循環前綴）的中間位置。

仿真驗證如果發送的數據是隨機的[1+1i,-1+1i,-1-1i,1-1i],且訓練隊列由PN序列（用隨機序列代替）通過IFFT得到時，結果與原論文結果最相近。而且如果此時PN序列的最大值為7時更容易看到跟原論文作者一樣的結果，具有兩個副峰

clear all; clc; %參數定義 N=256; %FFT/IFFT 變換的點數或者子載波個數（Nu=N） Ng=N/8; %循環前綴的長度 (保護間隔的長度) Ns=Ng+N; %包括循環前綴的符號長度 SNR=25; %************利用查表法生成復隨機序列********************** QAMTable=[7+7i,-7+7i,-7-7i,7-7i]; buf=QAMTable(randi([0,3],N/2,1)+1); %加1是為了下標可能是0不合法%產生train pn=rand(1,N/2)>0.5; pn=reshape(pn,N/4,2); [ich,qch]=qpskmod(pn,N/4,1,2); kmod=sqrt(2); x=ich*kmod+qch*kmod*i; y=ifft(x); y=reshape(y,N/4,1); train=[y;y(N/4:-1:1,1);conj(y);conj(y(N/4:-1:1,1))];%*****************添加一個空符號以及一個后綴符號************* src = QAMTable(randi([0,3],N,1)+1).'; sym = ifft(src); sig =[zeros(N,1) train sym]; %sig =[sym train sym];%**********************添加循環前綴************************* tx =[sig(N - Ng +1:N,:);sig]; %tx = [sig(1,N-Ng+1:N) sig];%***********************經過信道*************************** recv = reshape(tx,1,size(tx,1)*size(tx,2)); %size的1表示行，2表示列，從%前向后數，超過了為1 %recv = tx; %recv1 = awgn(recv,1,'measured'); %recv2 = awgn(recv,5,'measured'); %recv3 = awgn(recv,10,'measured'); %recv = awgn(recv,SNR); %*****************計算符號定時***************************** P=zeros(1,2*Ns); R=zeros(1,2*Ns); for d = Ns/2+1:1:2*Ns for m=0:N/2 P(d-Ns/2) = P(d-Ns/2) + (recv(d+m))*recv(d-1-m); R(d-Ns/2) = R(d-Ns/2) + power(abs(recv(d+m)),2); end end % for d = Ns/2+1:1:2*Ns % for m=0:1:(N/2-1) % P(d-Ns/2) = P(d-Ns/2) + recv(d-m)*recv(d+m); % R(d-Ns/2) = R(d-Ns/2) + power(abs(recv(d+m)),2); % end % end M=power(abs(P),2)./power(abs(R),2); [a b]=max(M); b+Ns/2 %**********************繪圖****************************** figure('Color','w'); d=1:1:400; figure(1); plot(d,M(d+N/2)); grid on; axis([0,400,0,1.1]); title('park algorithm'); xlabel('Time (sample)'); ylabel('Timing Metric'); %legend('no noise','SNR=1dB','SNR=5dB','SNR=10dB');)); hold on;

轉載于:https://www.cnblogs.com/jiandahao/p/9310950.html

總結

以上是生活随笔為你收集整理的OFDM同步算法之Park算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。