第 22 卷 第 2 期
2006 年 3 月
科 技 通 报
BULLETIN OF SCIENCE AND TECHNOLOGY
Vol. 22 No. 2
Mar. 2006
一种基于最大似然估计的频偏估计算法
( 1. 金华职业技术学院 电子工程系, 浙江 金华 321017; 2. 浙江大学 信息与电子工程系, 杭州 310028)
唐金花 1, 陈偕雄 2
摘 要: 本文提出了一种频偏估计算法, 该算法基于最大似然估计, 性能达到 Cramer-Rao 下界, Matlab
平台上的仿真结果表明, 文中算法的推导是正确的。算法结构简单, 可全数字化, 开环结构, 易于硬件实
现; 算法的计算量小, 捕获快速, 适用于突发式数据通信系统。
关键词: 频偏; 最大似然估计; 算法; 数据通信
中图分类号: TN914
文献标识码: A
文章编号: 1001- 7119( 2006) 02- 0263- 04
A Fr equency Offset Estimation Algor ithm based on Maximum
Likelihood Estimator
TANG Jin-hua1, CHEN Xie-xiong2
( 1. Department of Electronic Engineering, Jinhua college of Profession and Technology, Jinhua 321017 ,China;
2. Department of Information and Electronic Engineering, Zhejiang University, Hangzhou 310028, China)
Abstr act: This paper presents a frequency offset estimation algorithm. The algorithm bases on maximum likelihood esti-
mator. Its performance reaches Cramer-Rao lower bound. The simulation results on Matlab show that the inference in this
paper is correct. The structure of the proposed algorithm is simple, all digital, open-loop and can be realized easily in
hardware. Its computation complexity is low. The acquisition and tracking are fast. So it is suitable for burst data commu-
nication systems.
Key wor ds: frequency offset; maximum likelihood estimator; algorithm; data communication
0 引 言
通信系统中, 接收机一般有自己的振荡器产
生本地载波, 并用这个载波和接收信号相乘实现
下变频, 但发射载波和本地载波的频率不可能完
全一致, 即存在频率偏 差( 简称 频偏) , 即使接 收
端用很精密的振荡器, 这样的频偏仍然存在。如
果是相干解调, 频偏会 导致接 收机性 能大 大降
低[1]; 即使是非相干解调, 如有信 道均 衡, 频偏 也
会 给 均 衡 器 跟 踪 信 道 的 变 化 时 带 来 额 外 的 负
担 [2]。所以在高速数字通信系统中, 对频偏的要求
往往非常苛刻[3], 如 GSM、3GPP 等都 要求频 率稳
收稿日期: 2004- 04- 12
基金项目: 浙江省自然科学基金( Y104008)
作者简介: 唐金花( 1966- ) , 女, 副教授, 硕士, 主要从事通信、电子技术的教学与研究。
264
科 技 通 报
定度达到 10- 7。这样的频率精度, 振荡器很难达
到, 况且如果有多普勒频移, 即使振 荡器达 到了
这个要求也无济于事。唯一的办法只有通过信号
处理将频偏参数估计出来并加以补偿。如何用观
察数据估计出 频偏, 这 就是频 偏估 计算法 的研
究, 它一直是通信领域的热点之一。
频偏估计算法前人已提出很多, 可分为有前
导 字 ( data-aided) 和 没 有 前 导 字 ( non data-aided)
的两大类, 前者性能好, 但 前导字 占用带 宽和功
率, 后者于功率效率和频率 效率有 利, 但 性能远
不如前者, 目前已经在实际通信系统中得到应用
的还是前者。在前一类算法中, 以基于最大似然
估计( MLE) 的性能为最好。本文提出了一种基于
MLE 的、需要前导字的频偏估计算法。
1 算法的推导
根 据 文 献[4]、[5], AWGN 信 道 中 , 经 过 下 变
频并将数字调制去掉后, 对频偏参数的估计可以
从下式开始[4、5]:
kT
s
e
rk=ej( 2πf
+θ)+νk, k=1, 2, …, N
( 1)
上式中, Ts 表示抽 样 间 隔 ; θ为 相 位 偏 差 , 在( 0,
2π) 内均 匀分布; νk=νk, c+jνk, s, {νk, c}、{νk, s}为零均 值
统计独立的高斯随机序列, {νk}的方差为 σ2; fe 代
表频偏; N 是前导字的长度。
假设观 测数据 的信噪 比足够 大, 则 ( 1) 式 可
近似为[6]:
rk≈ej( 2πf
kT
s
e
+θ+μk
) , k=1, 2, …, N
{μk}仍是高斯过程, 方差为 σ2
( 2)
2 。取( 2) 式的相位, 记
为:
pk=arg{rk}=2πfekTs+θ+μk
( 3)
arg{.}表示求相角运算。对( 3) 式求差分, 得:
dk=pk+1- pk=2πfeTs+μk+1- μk
( 4)
上式的右边是一个有色高斯过程, 所以对参
数 fe 的估计等价于求有色高斯过程的平均, 即系
数为 1 与-1 的滑动平均过程( MA) , 故( 4) 式所示
的 线 性 模 型 的 最 小 方 差 无 偏 估 计 就 是 对 参 数 fe
的最大似然估计, 而前者可通过对以下目标函数
J 求极小值获得[7]:
J=( D- 2πfeTsI) C- 1( D- 2πfeTsI)
( 5)
其 中 D=[ d1, d2, … , dN- 1] T, I=[ 1, 1, … , 1] T, C 是 dk
=0, 得:
第 22 卷
( 6)
的协方差矩阵。令 "J
"fe
ITC- 1D
ITC- 1I
f^
e= 1
2πTs
Var( f^
e) = 1
2πTs
1
( 7)
e 和 Var( f^
ITC- 1I
e 代表 fe 的估计值, Var( f^
f^
e) 表示算法的方差。只
要求出协方差矩阵 C, 即可得到f^
e) 。上
面已提到过, dk 是一个系数为 1 与-1 的滑动平均
过程, 所以有[7]:
c( 0) = σ2
$
2
&
&
c( 1) =c( - 1) = σ2
%
2
&
&
c( k) =0,
’
( - 1) .1=- σ2
2
[ 12+( - 1) 2] =σ2
k ≥
即 C= σ2
2
2
2 - 1 0 0 … 0
(
- 1 2 - 1 0 … 0
)
)
… … … … … …
)
)
0
2
*
0 … 0 - 1
+
,
,
,
,
-
那么 ITC- 1I= N( N2- 1)
6σ2
其中 wk=
N- 2
6σ2
ITC- 1D= N( N2- 1)
k=0.wkdk
k- ( N
(
2
/
N
/
/
2
*
N
- 1) 2
3
$
2
&
N2- 1 1-
%
&
’
2
0
+
&
,
,
1
,
,
&
2
-
将( 8) 、( 9) 代入( 6) 、( 7) 式, 得:
f^
e= 1
2πTs
k=1.wkdk
N- 1
= 1
2πTs
Var( f^
e) =
N- 1
k=1.wkarg{rk
*rk+1}
6
N( N2- 1)
1
σ2
( 8)
( 9)
( 10)
( 11)
1
( 10) 式 是 无 偏 估 计 , 捕 获 范 围 为±
Ts
, 其 性
N- 1
- 1 对称, 且
能( 见( 11) 式) 达到了 Cramer-Rao 下界[8], 这是因
为有{wk}的作用。从{wk}的定义可以看出, {wk}关于
k= N
2
k=1.wk=1, 所 以 可 以 看 成 是 一 个
窗口, ( 10) 式中它对 dk 求加权平均。如果只对 dk
求线性平均, 即 wk= 1
N- 1
, 则:
第 2 期
唐金花等. 一种基于最大似然估计的频偏估计算法
265
N- 1
k=1"
1
N- 1
f^
e│nowindow= 1
2πTs
= 1
2πTs
e) │nowindow=
Var( f^
( pk- 1- p1)
1
( N- 1) 2
1
σ2
dk
N- 1
= 1
2πTs
N- 1
k=1"
pk+1- pk
N- 1
( 12)
( 13)
虽然( 12) 式仍然是无偏 估 计, 但 其 方 差( 见( 13)
式) 要比算法( 10) 的方差( 见( 11) 式) 大很多:
Var( f^
e) │nowindow
Var( f^
e)
= N( N+1)
6( N- 1)
≈
N
6
( 14)
当观测数据( 即前导字) 比较长时, 这个差距还是
很大的, 可见 wk 的重要作用: 使算法的性能达到
Crammer-Rao 下界。
2 算法的实现
了抑制噪声, 再加一个 8 阶 Butterworth 滤波器;
feTs=0.05。 前 导 字 的 长 度 N 分 别 取 16、32、64、
128、256、512、1024, 仿真算法( 12) 的方差与信噪
比 SNR( SNR= σ2
s
σ2
s 是 信 号 的 平 均 功 率) 的 关
, σ2
系, 仿真结果示于图 2。
10- 2
10- 4
10- 6
10- 8
10- 10
10- 12
10- 14
e
c
n
a
i
r
a
V
r
o
r
r
E
d
e
z
i
l
a
m
r
o
N
0
5
10
15
20
25
30
35
40
SNR/dB
从( 10) 式看出, 算法的硬件实现可以全数字
化, 原理框图见图 1。
图 2 算法的方差与 SNR 的关系
Fig. 2 The relationship between algorithm’s error
variance and SNR
γk
k=1, 2, …, N
(·) *
Ts
wk
2πTs
arg{.}
累加
f^
e
图 1 算法实现的原理框图
Fig. 1 The block diagram of algorithm realization
3 仿真结果及讨论
3.1 算法的性能仿真
仿真在 Matlab6.0 平台上进行, 信道模型为
AWGN 信道。仿真时数字调制取 QPSK; 成形滤
波器为升余弦滤波器, 滚降系数 α=0.5; 接收端为
图中的实线是理论值( ( 11) 式的计算结果) ,
“o”表 示 仿 真 结 果, 每 一 个 点 都 是 对 10000 个
Monte Carlo 序列的统计结果。从图 2 可以看出,
高信噪比时, 仿真结果与理论值符合得很好, 信
噪比较低时, 仿真结果比理论值大, 并且当前导
字的长度增长, 这个差距在缩小, 这是因为在算
法推导时假设有较大的信噪比, 而滑动平 均 过
程, 点数越多抑制噪声的效果越好。仿真结果表
明前文算法的推导是正确的。
3.2 与其它算法的比较
在文献[ 5] 中, Luise 和 Reggiannin 提出一种
频偏估计算法( 下文简称 LR 算法) , 本文将文中
提出的算法与 LR 算法作一比较。LR 算法与本文
的 算 法 都 是 从 ( 1) 式 出 发 , 但 推 导 过 程 不 同 : LR
算法不对( 1) 式近似为( 2) 式, 而是直接求 rk 的似
然函数的最大值, 然后作一些近似, 得出频偏的
估计表达式:
f^
e=
1
πTs( M+1)
arg
M
$
k=1"R( k
%)
R( k) = 1
N- k
N
i=k+1&rir*
i- k, 1≤k≤M, 1≤M≤N- 1
上 式 中 M 的 选 取 直 接 影 响 着 算 法 的 精 度 、
捕获范围和计算量: M 越大, 精度越高, 但捕获范
266
科 技 通 报
第 22 卷
围越小( 因为 f^
eTs
<
1
( M+1)
) , 计算量也越大。当
M=N/2 时, 算法的性能接近 Cramer- Rao 下界。我
们选取 N=128, M 分别取 10 和 64, 与本文的算法
做性能比较, 结果见图 3。
10- 4
10- 5
10- 6
10- 7
10- 8
10- 9
10- 10
e
c
n
a
i
r
a
V
r
o
r
r
E
d
e
z
i
l
a
m
r
o
N
0
5
10
15
20
25
30
35
40
SNR/dB
图 3 本文的算法与 LR 算法的比较
Fig. 3 The comparison of proposed algorithm with
LR algorithm
从图 3 可以看出, 当 M=10 时, LR 算法不如
本文的算法, 当 M=64 时, 高信噪比时, 两种算法
性能接近, 低信噪比时 LR 算法略好于本文的算
法。但是 M=64 时, LR 算法的捕获范围已很小:
±1/65Ts, 而本文算法的捕获范围: ±1/Ts; 并且计算
量上, LR 算法: ( 2NM+4N) 次实数 乘 法, ( 2N( M-
1) +2N- 2) 次实数加, 而本文的算法: ( 5N- 5) 次实
数乘法, ( 3N- 3) 次实数加, 当 M=N/2 时, LR 算法
的计算量远远大于本文的算法。所以本文的算法
更有优势。
4 结 论
仿真结果以及与其它算法的比较结果表明,
本文提出的算法性能好, 计算量小, 开环结构, 可
全数字化, 非常适合突法式数据通信系统。
参考文献:
[ 1]
Proakis J G. Digital Communications (Fourth Edition) [M].
New York: McGraw-Hill, 2001.
[ 2] Bahai A R S, Sarraf M. Frequency offset estimation in
IEEE Trans.
frequency selective fading channels [J].
Commun., 1997(3): 1719- 1723.
Jeong E R, Jo S K, Kim Y D and Lee Y H. Least squares
approach to data-aided frequency estimation in frequen-
cy-selective fading channels[J]. IEEE Trans. Commun.,
2001, 6:1724- 1728.
[ 3]
[ 5]
[ 4] Chung J C I, Sollenberger. Burst coherent demodulation
with combined symbol timing,
frequency offset estima-
tion, and diversity selection[J]. IEEE Trans. Commun.,
1991(COM- 39):1157- 1164.
Luise M Reggiannin R. Carrier frequency recovery in
all-digital modems for burst-mode transmission[J]. IEEE
Trans. Commun., 1995, 43:1169- 1178.
Tretter S A. Estimatin the frequency of a noisy sinusoid
by linear regression [J].
Inform. Theory,
1985( IT- 31) : 832- 835.
Zacks S. Parametric statistical inference[M]. New York:
Pergamon, 1981.
IEEE Trans.
[ 6]
[ 7]
[ 8] Rife D C Boorstin R R. Single tone parameter estimation
from discrete-time observation [J]. IEEE Trans. Inform.
Theory, 1974( IT- 20) :591- 598.
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
( 上接第 262 页)
参考文献:
[ 1] 丁 学 智, 赵 亚 伟. 规 范 土 地 开 发 整 理 工 作 实 现 耕 地 总
量动态平衡[J]. 科技情报开发与经济, 2001,11(1): 5- 6.
[ 2] 魏 丹 斌, 尚 凯. 土 地 整 理—我 国 耕 地 保 护 的 重 要 举 措
[J]. 河南地质, 2001,19(2):93- 100.
持 耕 地 总 量 动 态 平 衡[J]. 石 家 庄 经 济 学 院 学 报, 2001,
24(4):400- 408.
[ 4] 谭 术 魁. 土 地 整 理 的 兴 起 及 其 规 范 推 进[J]. 国 土 与 自
然资源研究, 2001,(4):30- 32.
[ 5] 张正峰, 陈百明, 董锦. 土地整理潜力内涵与评价方法
[ 3] 李 彦 芳, 康 海 燕, 周 勇. 加 强 土 地 整 理 和 易 地 开 发,保
研究初探[J]. 资源科学, 2002,24(4):43- 48.