无线通信 肖清华

Radio Communication 基于信号重构的 CFO 估计算法

基于信号重构的 CFO 估计算法

A CFO Estimation Algorithm Based on Signal Reconstruction

肖清华（华信咨询设计研究院有限公司，浙江 杭州 310014）
Xiao Qinghua（Huaxin Consulting Co.，Ltd.，Hangzhou 310014，China）

摘 要： 关键词：
依据数据辅助类算法传输效率较低，盲估计算法精度较差的特性，通过重构理 OFDM；
频偏；符号间干扰；
同步；训练序列
想状态下的时域接收信号，提出一种基于信号重构的 CFO 估计算法。该算法既 doi：
10.16463/j.cnki.issn1007-3043.2015.11.012
具备盲估计算法计算简单的特点，又能实现数据辅助类算法的精确性。由于对 中图分类号：TN929.5
辅助数据不作要求，在精度要求不高的情况下，可以直接进行盲估计。而如果 文献标识码：A
需要提升性能，则可以通过增加训练符号的方式来实现。最后，通过 Matlab 仿 文章编号：1007-3043（2015）11-0054-05
真验证了本算法的性能，结果表明，本算法的抗干扰性能较好，且随着采样数的
增加，
算法的估计精度也相应地得到了提升。

Abstract：
Analyzing the characteristics of low data transportation efficiency of data-aided algorithm，and relatively worse performance of
blind estimation，it proposed a new CFO estimation algorithm based on signal reconstruction. This algorithm can both realize
the performance of data-aided algorithm and simplify the computational complexity at the same time. Not requiring the training
sequences，this algorithm can be used in differently circumstances. To improve its precision，CP or pilot can be inserted.
When persuing low complexity，the data symbols can be directly used to estimate the CFO. Finally，matlab is used to build a
simulation platform to test the performance of this algorithm. Results show that this algorithm has robust performance to resist
outside interference，and when sampling accounts arise，its performance was accordingly improved.
Keywords：
OFDM；CFO；ICI；Synchronization；Training sequences

（ICI——Inter-Carrier Interference），会严重影响系统性
0 前言
能，导致误码率的大大提高。
OFDM［1］是一种多载波调制技术，它具有频谱利 在 OFDM 系统中，为了能够有效利用有限的数据
用率高、实现简单、抗多径干扰能力强等突出优点，适 信息获得更加准确的同步，一般可以把同步过程分为
合在无线信道中传输高速的数据业务。但由于 OFDM 2 个过程：捕获阶段和跟踪阶段。捕获阶段的任务是
系统采用多个正交子载波复用的方式，其子载波相互 快速进行同步偏差估计，主要针对各偏差变量相对稳
重叠，因此极易受载波频率偏差（CFO——Carrier Fre⁃ 定部分的同步，做到既要在比较宽的范围内捕捉到参
quency Offset）的影响，对同步误差十分敏感。CFO 的 数，又要使补偿后各参数的偏差限定在较小的范围
来源主要是发射机载波频率与接收机本地振荡器之 内。跟踪阶段的任务是锁定所估计的参数，并且对参
间存在的微小频率偏差，或者由于通信的收发双方相 数的细微变化进行跟踪和即时调整，以获得更高精度
对运动产生的多普勒频移。该频率偏差会破坏子载 的同步。而 OFDM 的同步也通常包括载波频率同步、
波 间 的 正 交 性 ，导 致 各 子 载 波 间 的 信 号 相 互 干 扰 符号定时同步和采样时钟同步等 3 种。按照是否采用
—————————— 导频符号，OFDM 同步算法可以分为基于数据辅助的
收稿日期：2015-09-24 算法和盲估计算法。前者利用训练符号或者导频进行

54 2015/11/DTPT
 肖清华 无线通信
基于信号重构的 CFO 估计算法 Radio Communication

sin(π(m - k + ε))
∑
jπε(N - 1) N-1 jπ(m - k)(N - 1)
同步估计，从而实现定时与载波频率同步。这类算法
e N
H(m)X(m)e N + W(k)
捕获速度快、精度较高且计算量一般较小，其缺点是造 æ π(m - k + ε) ö
N sin ç
m = 0,m ≠ k
÷
成带宽和功率的损失，降低了数据传输效率，适合于分 è N ø
组突发传输的系统，如 WLAN 等［2-3］。盲估计算法则利 （2）
用循环前缀、虚子载波和成型滤波后 OFDM 数据的循 可令：
sin(π(m - k + ε))
∑
jπε(N - 1) N-1 jπ(m - k)(N - 1)
环稳定性进行估计。这类算法捕获时间长，同步精度 I(k) = e N
H(m)X(m)e N
æ π(m - k + ε) ö
N sin ç
m = 0,m ≠ k
较差，但可以提高传输效率，避免插入训练符号，而且 ÷
è N ø
方法简单、易实现［4-5］。
而按照算法实现的维度，CFO 既可以从时域上进 （3）
行估计，也可以从频域上进行估计。时域 CFO 估计技 则接收到的频域信号为：
ì ü
术包括基于循环前缀［6］（CP）的估计和基于训练符号 ï sin(πε) ï
jπε(N - 1)

Y(k) = e í
N
ý H(k)X(k) + I(k) + W(k) （4）
的估计 2 种，利用 CFO 引起 CP 或训练符号相位上的偏 ï N sin( πε ) ï
转，找出偏转前后的相角得出 CFO。频域 CFO 估计［7］ î N þ
则利用前导周期或导频对 CFO 进行跟踪，由频域进行 式（4）中的第一项表示由 CFO 引起的第 k 个子载
估计。 波频率分量的幅度失真和相位失真，I(k) 表示其他子
载 波 对 第 k 个 子 载 波 的 ICI。 这 意 味 着 ，由 于 存 在
1 CFO 的影响 CFO，子载波之间的正交性将无法保持。
假设∆f 为频率偏移，Ts=1/fs 为 OFDM 的符号周期， 在同样的 CFO 时，信噪比越高，损失的能量也越
fs 为子载波间隔，N 为子载波数，w 为高斯白噪声，ε=∆ 大，一般建议至少将 CFO 控制在 4%以内。
f×Ts=∆f/fs 表示归一化频偏，则接收到的时域信号为： 2 几种常见的 CFO 估计算法
y(n) = IDFT(y(k)) = IDFT(H(k)X(k) + W(k)) =
由式（4）可知，ε是造成子载波干扰破坏其正交性
∑
1 H(k)X(k)e j N e j N + w(n)
N-1 2πkn 2πεn
（1）
N k=0 的主要原因，因此在进行 FFT 变换解调数据之前需要
r n）进行 FFT 解调得到：
对接收到的时域信号 （ 对ε进行估计和补偿。本文列出几种常用的频偏估计
Y(k) = FFT(y(n)) =∑y(n)e 算法，主要是基于 CP 的 CFO 估计，以及经典的 Moose
N-1 -j 2πkn
N
=
n=0 和 Classen 算法，在此基础上，提出一种新的频偏估计

∑çè N1 ∑H(m)X(m)e +∑w(n)e

N-1 N-1 2π(m + ε)n N-1
æ ö -j 2πkn -j 2πkn
= 算法，并作出对比分析。
j
N N N
÷e
k=0 m=0 ø n=0
2.1 基于 CP 的 CFO 估计

N∑ ∑
1 H(m)X(m) e + W(k) = 1 H(k)X(k)∑e
N-1 N-1 2π(m - k + ε)n N-1 j 2πεn
j
N N
+ 当符号同步完美时，大小为ε的 CFO 会引起接收
N
m=0 n=0 n=0
信号 2πεn/N 的相位旋转，因此在假设信道影响可以忽
1
∑ H(m)X(m)∑e
N-1 N-1 2π(m - k + ε)n

+ W(k) = 略不计的情况下，CFO 会引起 CP 和相应的 OFDM 符号

j
N

N m = 0,m ≠ k
后部（相隔 N 个采样点）之间存在大小为 2πεN/N=2πε
n=0

1 e (e - e ) H(k)X(k) +
jπε -jπε jπε

的相位差。因此，可以根据二者相乘后的相角找出
N jπε æ - jπε jπε
ö
e N çe N - e N ÷ CFO，如下所示：
è ø
ε = 1 arg í∑ y*(n)y(n + N)ý
ì -1 ü
e
jπ(m - k + ε)
( e
-jπ(m - k + ε)
-e
jπ(m - k + ε)
) + W(k) = 2π în = -N
（5）
N m∑
1
N-1

H(m)X(m) G þ
jπ(m - k + ε)
æ - jπ(m N- k + ε) jπ(m - k + ε)
ö
-e N ÷
= 0,m ≠ k
e N
çe 式中：
è ø arg（z）——z 辐角主值
jπε(N - 1)
ì
ïï sin(πε) ïï
ü NG——CP 长度
ý H(k)X(k) + 基于 CP 的 CFO 估计算法计算复杂度低，不需要额
N
e í
ïï N sin æ πε ö ïï
î è N øþ 外的资源，然而其抗噪性能较差。
2.2 Moose 算法

邮电设计技术/2015/11 55
 无线通信 肖清华
Radio Communication 基于信号重构的 CFO 估计算法

Moose 估计算法属于基于频域的数据辅助算法。 X［p

k （j）
］——第 k 个符号周期中位于 p（j）处导频
如果连续发射 2 个相同的训练符号，那么在 CFO 大小 Classen 算法解决了 Moose 算法中训练序列与数据
为ε的情况下，相应的 2 个接收信号存在以下关系： 符号不能同时发射的问题，但仍然存在复杂度偏高，以

y 2 (n) = y1(n + N) = 1 ∑H(k)X(k)e

N-1 2πk(n + N) 2πε(n + N)
及基于数据辅助的算法传输效率的问题。
+ w(n + N)
j j
N N
e
N k=0
（6） 3 SRc 算法
由于发射的训练符号相同，
则有： 本 文 提 出 的 基 于 信 号 重 构 的 CFO 估 计 算 法
y 2 (n) = 1 ∑H(k)X(k)e
2πn(k + ε)
（SRc——Signal Reconstruct）旨在解决估计复杂度高
N-1 j 2πεN
+ w(n + N)
j
N N
e （7）
N k=0
和数据传输效率低的双重问题。结合前面章节对 CFO
由于： 估计算法的分析可知，盲估计算法方法简单，传输效率
y1(n) = 1 ∑H(k)X(k)e
N-1 2πkn j 2πεn
+ w(n)
j
N
e N
（8） 高，可以避免插入训练符号，但捕获时间长，同步精度
N k=0
较差。为此，本文从频偏的产生入手分析，提出 SRc 算
所以：
j 2πεN
法。
y 2 (n) = y1(n)e N
（9） 接收机受到载波频率偏差的影响，时域接收信号
再进行解调即可得： 会发生相位偏转ε，接收端信号可以表示为：
Y 2 (k) = Y1(k)e j 2πεN
j2πε
（10）
y(n) = IDFT(y(k)) = h(n)x(n)e N
+ w(n) （13）
根据式（10），可以估计出 CFO 为：
接收机必须能够准确地估计出该频偏ε，并消除

2π
Y (k)
ε = 1 arctan 2
Y1(k) { } （11） 其对接收信号的影响，以提高系统性能。当接收机得
到足够精确的频偏估计值ε后，通过对时域接收信号
通过上式估计的 CFO 范围为 ε ≤ π = 1 。但是 | |
2π 2 乘以一个相位旋转因子δ，可以达到对接收信号的频偏
通过使用具有 D 个重复样式的训练符号，CFO 的估计 补偿，从而实现发射端和接收端的载波频率同步，即：
范围可增加 D 倍。 y(n) = y(n)δ = h(n)x(n) + w′(n) （14）
2.3 Classen 算法 这里的困难在于如何估计出相位旋转因子，按照
Moose 估计算法对采样数存在要求，如果在频域 式（14）可知，在接收端已知 y(n) 信号的基础上，如果能
上取的采样数减少了，那么最小均方误差（MSE）性能 够估计出未受频偏影响的时域接收信号 y(n) ，则相位
将会恶化。此外，这种估计技术需要一个特定的周期 旋转因子δ便可简单地推算出来，于是问题转化为如何
（称之为前导周期）来提供连续的训练符号，这种训练 估算 y(n) 。
符号只应用于发射训练序列，不能传输数据符号。
根据式（1），如果能够确定符号序列 X(k) ，
则有：
为了解决数据传输效率的问题，Classen 在频域内
y(n) = 1 ∑H(k)X(k)e
N-1 j 2πkn

插入导频符号，并且在每个 OFDM 符号中发射以跟踪

N
（15）
N k=0
CFO。 首 先 ，在 同 步 之 后 将 2 个 OFDM 符 号 y1(n) 和 而 X(k) 符 号 序 列 可 以 利 用 重 叠 码 调 制 OFDM
y 2 (n) 保存在存储器中，然后通过 FFT 将时域信号变换 （SCM- OFDM——Superposition Coded Modulation-
成频域信号 Y1(k) 和 Y 2 (k) ，用于提取导频。最后由频域 OFDM）的多层检测器的输出进行编码交织调制得到，
导频估计出 CFO，并在时域对接收信号进行补偿，如 于是问题迎刃而解。
下： 给出 SRc 算法的大体步骤。
按照以上思路，

∑ {
1 max Y [p( j),ε]Y *[p( j),ε]X [p( j)]X *[p( j)]
}
L-1

ε= a）对多层检测器的输出 d 进行编码交织调制得
2πT sub k=0
k+D k k+D k

到符号序列 X（k）的估计值 X(k) ；

（12）
b）根据式（15）重构未受频偏影响的时域接收信
式中：
号 y(n) ；
L——导频数
c）根据接收到的时域信号 y(n) ，计算
p（j）——第 j 个导频的位置
γ(n) = y(n)y(n) （16）

56 2015/11/DTPT
 肖清华 无线通信
基于信号重构的 CFO 估计算法 Radio Communication

d）根据相位偏转因子的构成，以及式（13）、
（15） 10-2
基于 CP 的估计算法
和（16），可得： 基于前导的 Moose 估计算法
基于导频的 Classen 估计算法
mean
10-3

ε=
ì
ï N ï [ ]
ì Im y(n)y(n) üü
ïï
基于 SRc 估计算法

í 2πS(n) arg tan í ýý （17）

ï
S(n) ∈ Res Aî
î [ ]
ï Re y(n)y(n) ïï
þþ
10-4

MSE
式中： 10-5
S(n)——第 n 个符号的位置，既可以是数据，也可
10-6
是 CP 或导频
ResA——信号的重构区域 10-7
mean——重构区域内的 CFO 均值 0 5 10 15 20 25 30
SNR/dB
由 SRc 算法的推导过程可知，并没有使用训练符
号或导频，较 Moose 和 Classen 方法的传输效率更高， 图1 QPSK 调制 CFO 不受信道影响时的 MSE 性能曲线

同时在运算上也没有涉及到导频的插值，复杂度上同
10-1
Moose 接近。当然，为了进一步提高算法同步的精确
性，也可以使用导频或训练符号，但如 Classen 算法一 10-2 基于 CP 的估计算法
基于前导的 Moose 估计算法
样，由于并不作前导周期的要求，SRc 算法允许在估计 10-3
基于导频的 Classen 估计算法
基于 SRc 估计算法
CFO 的同时传输数据符号。
MSE

10-4
4 仿真
10-5
4.1 仿真环境
10-6
对 SRc 算法进行 Matlab 仿真，
仿真参数见表 1。
表1 仿真参数 10-7
0 5 10 15 20 25 30
参数 取值 SNR/dB

FFT 大小 128
图2 QPSK 调制 CFO 受信道影响时的 MSE 性能曲线
GI 大小 32
叠加 CFO 0.015 4.2.3 BPSK/8PSK/16QAM 无信道影响
信号能量 1 由图 3~5 可以看出，不同调制方式对 CFO 估计算
BPSK、QPSK、8PSK、16QAM
MSE 性能振荡幅度也不大。
每符号调制数
法的影响有限，
CFO 算法 基于 CP、Moose、Classen、UMTS
4.2.4 多次采样
信道模型 AWGN
增加数据符号的长度，给出新的 CFO 估计算法性
4.2 仿真结果与分析 能的影响。图 6 给出了 4 个 OFDM 符号后的 CFO 估计
4.2.1 QPSK 无信道影响 算法 MSE 曲线，可以看出，SRc 算法性能已经有较好的
在 3 个 OFDM 符号进行 QPSK 调制的情况下，假设 提高，从而具备更好的抗干扰性。由于 Classen 算法在
CFO 叠加不受信道影响，对以上 4 种 CFO 估计算法进 本次仿真中只在前 2 个 OFDM 符号中插入导频，因此
行仿真，结果如图 1 所示。可以看出，SRc 算法在复杂 性能并没有随着采样次数的增加而增加。
度与 Moose 相差不大的情况下， 性能与 Classen 相仿。 由以上分析可知，SRc 算法具备以下特点。
4.2.2 QPSK 受信道影响 a）计算复杂度较低，数据传输率高。
在 4.2.1 节的基础上，仿真叠加 CFO 受到 AWGN 信 b）允许数据符号与 CP、导频同时插入或传输，算
道的影响，基于 CP 的算法、Moose 和 Classen 算法均受 法实施更灵活。
到比较严重的影响，而 SRc 算法由于基于对未受频偏 c）受信道影响小，鲁棒性强。
影响的时域接收信号进行重构，大大消弱了信道响应 d）采样样本数越多，算法精度更高，抗干扰性越
的影响（见图 2）。 强。

邮电设计技术/2015/11 57
 无线通信 肖清华
Radio Communication 基于信号重构的 CFO 估计算法

10-2 10-2
基于 CP 的估计算法 基于 CP 的估计算法
基于前导的 Moose 估计算法 基于前导的 Moose 估计算法
基于导频的 Classen 估计算法 基于导频的 Classen 估计算法
10-3 基于 SRc 估计算法 10-3 基于 SRc 估计算法

10-4 10-4
MSE

MSE
10-5 10-5

10-6 10-6

10-7 10-7
0 5 10 15 20 25 30 0 5 10 15 20 25 30
SNR/dB SNR/dB

图3 BPSK 调制 CFO 不受信道影响时的 MSE 性能曲线 图4 8PSK 调制 CFO 不受信道影响时的 MSE 性能曲线

10-2 10-2
基于 CP 的估计算法 基于 CP 的估计算法
基于前导的 Moose 估计算法 基于前导的 Moose 估计算法
基于导频的 Classen 估计算法 基于导频的 Classen 估计算法
10-3 基于 SRc 估计算法 10-3 基于 SRc 估计算法

10-4 10-4
MSE

MSE

10-5 10-5

10-6 10-6

10-7 10-7
0 5 10 15 20 25 30 0 5 10 15 20 25 30
SNR/dB SNR/dB

图5 16QAM 调制 CFO 不受信道影响时的 MSE 性能曲线 图6 4 个 OFDM 符号下的 CFO 性能曲线

［4］ Bolcskei H. Blind Estimation of Symbol Timing and Carrier Frequen⁃

5 结束语 cy Offset in Wireless OFDM Systems［J］. IEEE Transactions on Com⁃
munications，2001，49（6）：988-999.
本文针对 CFO 频偏估计算法复杂度与传输效率
［5］ Jan- Jaap van de Beek，Magnus Sandell. ML estimation of time and
相悖的状况，提出了一种基于信号重构的 CFO 估计算 frequency offset in OFDM systems［J］. IEEE Transactions on Signal
法 SRc，通过 SCM-OFDM 多层检测器重构未受频偏影 Processing，1997（45）：
1800-1805.
响的时域接收信号，来估算载波频率偏移。该算法并 ［6］ 漆飞，胡捍英，周游 . LTE 系统中一种改进的基于 CP 的 ML 频偏估

不受 CP、导频等数据辅助的影响，具备较强的抗干扰 计算法［J］. 计算机工程与应用，2013.

［7］ P.H. Moose. A technique for orthogonal frequency division multiplex⁃
性能，而且通过采样数能够进一步直接增强算法的性
ing frequency offset correction［J］. IEEE Transactions on Communi⁃
能。 cations，1994（42）：
2908-2914.

参考文献：
作者简介：
［1］ 佟学俭，罗涛 . OFDM 移动通信技术原理及应用［M］. 北京：人民
肖清华，毕业于浙江大学，华信咨询设计研究院有限公司网
邮电出版社，2003.
研院副院长，教授级高级工程师，博士，主要从事无线网络规
［2］ Fast Coarse Estimator of Carrier Frequency Offset for OFDM Systems
划与设计相关工作。
［J］. Electronics Letters，2002，38（24）：
1250-1251.
［3］ Timothy M. Schmidl，Donald C. Cox. Robust Frequency and Timing
Synchronization for OFDM［J］. IEEE Transactions on Communica⁃
tions，1997（45）：
1613-1621.

58 2015/11/DTPT