OFDM帧同步、频率同步、符号细同步的时域联合估计方法

摘要

本发明公开了一种OFDM帧同步、频率同步、符号细同步联合估计方法，对接收端的基带数据序列并行进行小点数长度的自相关运算和大点数长度的自相关运算；实时并行的通过小点数自相关峰值和大点数自相关峰值确定联合确定帧同步位置，并根据小点数自相关峰值和大点数自相关峰值计算整数倍频偏估计粗值和小数倍频偏估计粗值；将整数倍频偏估计粗值和小数倍频偏估计粗值通过频偏取值判决器估算出最终频偏检测值；根据估算出的最终频偏检测值，对基带数据序列进行频偏校正；对校正后的基带数据序列与本地数据序列进行互相关，通过互相关峰值确定准确的符号细同步位置。本发明解决了传统的时频联合估计方法中系统测度函数硬件设计复杂的矛盾。

说明书

技术领域

本发明涉及通信领域中同步技术领域，尤其涉及一种适用于宽带数据分组突发传输正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)系统的帧同步、频率同步、符号细同步的时域联合估计方法。

背景技术

正交频分复用技术因其出色的抗多径能力和很高的频谱利用率在当前宽带无线通信系统及数字广播通信系统中得到了广泛的应用：例如无线局域网标准WiFi(802.11a/g/n)，WiMax(802.16d/e)、LTE下行链路，数字广播系统DVB、CMMB等都采用了OFDM技术。OFDM技术的一个主要缺点是对时间偏移和频率偏移比较敏感，时间偏移会导致符号间干扰，频率偏移会破坏子载波之间的正交性，引起载波间干扰，使得系统性能急剧下降。要想实现OFDM系统数据解调结果的低误码率性能，需要精确的频率同步。不同的频率同步算法会导致频率同步实现的复杂度差别巨大，而分组突发的宽带数据传输系统需要同步借助辅助训练数据序列的作用在很短的时间内完成同步，因而需要同步技术具备低复杂度和实时性的优点，时间同步和频率同步是OFDM接收机设计中的一个关键技术点。

传统的时频同步联合估计方法

传统的联合定时和频偏的同步算法是T.M.Schmidl的所设计的时频同步算法以及对Schmidl的改进算法，在该方法中使用位于数据帧头的两个训练序列分两步得到时间和频率同步，其时间同步是通过搜索第一个序列内前后完全相同的两部分的相关性而得到，但该算法的缺点是在正确的定时点附近存在一个定时测度平台，导致较大的定时方差。同时，采用该算法的另一缺点是频偏估计范围较小(往往只能估计小数倍频偏)。

OFDM系统中的频率偏移可以分为子载波间隔小数倍的频偏(小数倍频偏f_frac)以及子载波间隔整数倍的频偏(整数倍频偏f_int)，子载波间隔小数倍的频偏会破坏子载波间的正交性，引起子载波间干扰；子载波间隔整数倍的频偏则导致解调后的数据在子载波上的整体偏移；因此OFDM的频率同步包括子载波间隔小数倍及整数倍频偏的估计和补偿。关于OFDM系统的频率同步方法已经有许多文献进行了研究，这些方法可以分为盲估计算法以及数据辅助估计算法两大类。数据辅助估计算法因其捕获速度快，估计精度高的特点更适用于突发的数据传输。Moose提出了载波频率偏移的最大似然估计算法[1]，采用两个连续的相同训练序列，频偏的估计范围为±0.5个子载波间隔，通过缩短训练序列可以增加频偏的估计范围，但同时会带来估计精度的下降。

发明内容

(一)要解决的技术问题

本发明的主要目的在于提供一种适合于宽带分组突发数据OFDM系统的帧同步、频率同步、符号细同步的时域联合估计方法，以解决传统的时频联合估计方法中定时测度平台要求严格而导致的系统测度函数硬件设计复杂的矛盾，解决整数倍频偏估计和符号细同步不准确且相互影响的矛盾，并解决时频同步分别估算小数倍频偏和整数倍频偏所带来的硬件运算开销较大的矛盾，并解决时频同步算法的运算复杂度导致延时增加的矛盾。

(二)技术方案

为达到上述目的，本发明提供了一种OFDM帧同步、频率同步、符号细同步的时域联合估计方法，该方法包括：

步骤1：设置用于帧同步和频率同步检测的小点数自相关运算器和大点数自相关运算器的相关器长度；

步骤2：对接收端的基带数据序列并行进行小点数长度的自相关运算和大点数长度的自相关运算，得到小点数自相关峰值和大点数自相关峰值；

步骤3：实时并行的通过小点数自相关峰值和大点数自相关峰值确定帧同步位置；

步骤4：根据小点数自相关峰值和大点数自相关峰值计算整数倍频偏估计粗值和小数倍频偏估计粗值；

步骤5：将整数倍频偏估算粗值和小数倍频偏估算粗值通过频偏取值判决器估算出最终频偏检测值；

步骤6：根据估算出的最终频偏检测值，对基带数据序列进行频偏校正；

步骤7：对校正后的基带数据序列与本地数据序列进行互相关，通过寻找互相关峰值确定准确的符号细同步位置。

上述方案中，步骤1中所述设置用于帧同步和频率同步检测的小点数自相关运算器和大点数自相关运算器的相关器长度，具体包括：根据OFDM训练序列长度和系统接收信号频偏值的可能范围，设定用于第一时间粗同步位置和整数倍频偏粗值估算的小点数自相关运算器的长度为D_short，设定用于第二时间粗同步位置和小数倍频偏粗值估算的大点数自相关器的长度为D_long。

上述方案中，在进行时间粗同步和频率精同步之前，需要进行自动增益控制的处理，可用于进行自相关运算长度的OFDM短训练序列长度决定了D_short和D_long的最大长度不能超过短训练序列长度的3/4。

上述方案中，根据$f_{\Delta }=-\frac{1}{2\pi {\mathrm{DT}}_s}\arctan \left(\max \left(z\right)\right)$

$f_{\Delta }=[-\frac{32}{D},\frac{32}{D}]$

采用长度不同的两个自相关器，同时利用较小点数的自相关运算器D_short和较大点数的自相关运算器D_long的两个自相关器实现宽范围、高精度的频偏估计；

D_short选择为16，即是可以估算2倍整数倍频偏大小的频偏估值；D_long选择为64，即是可以估算0.5倍频偏大小的频偏估值；通过并行使用两个自相关器，可以进行宽范围频偏估算范围大于两倍频偏、高精度(估计精度误差＜10^-3，信噪比＞5)的频偏取值估计。

上述方案中，步骤2中所述对接收端的基带数据序列并行进行小点数长度的自相关运算和大点数长度的自相关运算，具体包括：

根据

$r_n=S_n{e}^{j2\pi f_{\Delta }n{T}_s}$

$z=\underset{n=0}{\overset{L-1}{\Sigma }}{r}_n{r^{*}}_{n+D}$

其中S_n为发送端的基带信号采样值，f_Δ＝f_tx-f_rx为发送端和接收端的载波频率之差，T_s为信号的采样时间间隔；设计两个长度分别为D_short和D_long的自相关器，对接收端的基带接收信号r_n进行实时长度为D_short和长度为D_long的自相关运算。

上述方案中，步骤3中所述实时并行的通过小点数自相关峰值和大点数自相关峰值确定帧同步位置，具体包括：根据小点数自相关峰值，确定帧同步位置I，根据大点数自相关峰值，确定帧同步位置II；根据帧同步位置I和帧同步位置II出现的关系，确定OFDM帧同步位置。

上述方案中，将小点数自相关简化模值与小点数自相关阈值门限Thrd_short作比较，当小点数自相关模值大于小点数自相关阈值，得到小点数自相关峰值，并记录得到小点数自相关位置frame_sync_pos_short，同时设置小点数自相关峰值检测成功标志frame_sync_ok_short；

max(acor_short)＝Z_short，{|Z_short|＞Thrd_short}

frame_sync_pos_short＝index_coarse1_bb，{max(z_short)}

frame_sync_ok_short＝1。

上述方案中，将大点数自相关简化模值与大点数自相关阈值门限Thrd_long作比较，当大点数自相关模值大于大点数自相关阈值，得到大点数自相关峰值，并记录得到大点数自相关位置frame_sync_pos_long，同时设置大点数自相关峰值检测成功标志frame_sync_ok_long；

max(acor_long)＝Z_long，{|Z_long|＞Thrd_long}

frame_sync_pos_long＝index_coarse2_bb，{max(z_long)}

frame_sync_ok_long＝1。

上述方案中，在同时满足frame_sync_ok_long＝1和frame_sync_ok_short＝1的abs(frame_sync_pos_short-frame_sync_pos_long)＜10条件下，确定时间粗同步位置，同时设置粗同步成功标志frame_sync_ok＝1。

上述方案中，步骤4中所述根据小点数自相关峰值和大点数自相关峰值计算整数倍频偏估计粗值和小数倍频偏估计粗值，包括：

确认粗同步成功后，分别根据小点数自相关峰值和大点数自相关峰值计算整数倍频偏估计粗值和小数倍频偏估计粗值。

上述方案中，所述根据小点数自相关峰值计算整数倍频偏粗值的具体步骤包括：

确认粗同步成功后，即frame_sync_ok＝1的条件基础上，根据

$f_{\mathrm{int}}=-\frac{1}{2\pi D_{\mathrm{short}}{T}_s}\arctan \left(\max \left(z_{\mathrm{short}}\right)\right)$

求得整数倍频偏粗值f_int的估计。

上述方案中，所述根据大点数自相关峰值计算小数倍频偏粗值的具体步骤包括：

确认粗同步成功后，即Coarse_sync_ok＝1的条件基础上，根据

$f_{\mathrm{frac}}=-\frac{1}{2\pi D_{\mathrm{long}}{T}_s}\arctan \left(\max \left(z_{\mathrm{long}}\right)\right)$

求得小数倍频偏估计粗值f_frac。

上述方案中，步骤5中所述将整数倍频偏估算粗值和小数倍频偏估算粗值通过频偏取值判决器估算出最终频偏检测值，是根据整数频偏估计粗值和根据小数频偏估计粗值，按取值判决原则确定最终的准确频偏估计值f_{all_foe}。

上述方案中，所述确定最终的准确频偏估计值f_{all_foe}，具体包括：

1)、根据下述判决原则进行第一步的频偏值估计：

$f_{\mathrm{all}\_\mathrm{foe}}=f_{\mathrm{frac}},\left(\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\in [-{\alpha }_1,{\alpha }_2]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\in [-{\alpha }_2,{\alpha }_1]\end{array}\right)$

2)、在步骤1)不满足的条件下，根据下述判决原则进行频偏值估计：

$f_{\mathrm{all}\_\mathrm{foe}}=f_{\mathrm{frac}}+f_{\Delta },\left(\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\in [{\alpha }_2,{\alpha }_4]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\in [{\alpha }_1,{\alpha }_3]\end{array}\right)$

3)、在步骤1)、步骤2)均不满足的条件下，根据下述判决原则进行频偏值估计：

$f_{\mathrm{all}\_\mathrm{foe}}=f_{\mathrm{frac}}-f_{\Delta },\left(\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\in [-{\alpha }_3,{-\alpha }_1]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\in [{-\alpha }_4,{-\alpha }_2]\end{array}\right)$

4)、在步骤1)、2)、3)均不满足的条件下，根据下述判决原则进行频偏值估计：

$f_{\mathrm{all}\_\mathrm{foe}}=f_{\mathrm{frac}}+2\times f_{\Delta },\left(\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\in [{\alpha }_4,+)\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\in [{\alpha }_3,+)\end{array}\right)$

5)、在步骤1)、2)、3)、4)均不满足的条件下，根据下述判决原则进行频偏值估计：

$f_{\mathrm{all}\_\mathrm{foe}}=f_{\mathrm{frac}}+2\times f_{\Delta },\left(\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\in [{\alpha }_4,+)\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\in [{\alpha }_3,+)\end{array}\right)$

上述方案中，步骤6中所述根据估算出的最终频偏检测值，对基带数据序列进行频偏校正，具体包括：

r_comp(n)＝r_ori(n)*exp(-j·2·π·f_{all_foe}·n/f_c)

将所有基带接收数据序列通过上式进行补偿处理，得到经过补偿后的基带数据序列r_comp(n)。

上述方案中，步骤7中所述对校正后的基带数据序列与本地数据序列进行互相关，通过寻找互相关峰值确定准确的符号细同步位置，具体包括：

将基带数据序列通过长度为L的互相关器，获得互相关模值序列

$m\left(n\right)={\left|\underset{k=0}{\overset{L-1}{\Sigma }}(s_k·r_{n+k}^{*})\right|}^2;$

将互相关模值序列与阈值门限Thrd_{sync_fine}作比较，得到互相关峰值，并记录得到互相关峰值位置fine_sync_pos；

fine_sync_pos＝index_sync_bb，{|m(n)|＞Thrd_{sync_fine}}。

(三)有益效果

从上述技术方案可以看出，本发明具有以下有益效果：

1、本发明提供的这种可用于OFDM传输系统的OFDM帧同步、频率同步、符号细同步联合估计方法，能够同时得到时间粗同步和频率精同步的估计结果，降低了分别进行时间粗同步和频率精同步的硬件复杂度，降低了其运算开销。

2、本发明提供的这种可用于OFDM传输系统的OFDM帧同步、频率同步、符号细同步联合估计方法，由于允许后续时间精同步进行更精确的同步，对时间粗同步无需特别高的同步精度，降低了时间同步对测度函数的严格要求。相应降低了同步系统的硬件开销。

3、本发明提供的这种可用于OFDM传输系统的OFDM帧同步、频率同步、符号细同步联合估计方法，在进行整数倍频偏的估计时不需要精确的符号细同步结果，解决了传统的同步算法中整数倍频偏估计和符号细同步不准确而相互影响的矛盾。在不需要进行符号细同步的情况下本方法仍然能够准确的估计出整数倍频偏和小数倍频偏，从而能够同时估计出小数倍频偏和整数倍频偏值，并进而实现小数倍频偏和整数倍频偏的联合补偿，。

4、本发明提供的这种可用于OFDM传输系统的OFDM帧同步、频率同步、符号细同步联合估计方法，可以在时域上通过对训练序列进行相关运算同时估算出小数倍频偏和整数倍频偏取值，并实现小数倍频偏和整数倍频偏的同时补偿，从而避免在时域上进行小数倍频偏估计，在频域上进行整数倍频偏估计，减小了因运算频偏估计和分别进行频偏补偿而带来的系统延时长度的增加。

5、相对于传统的时频同步算法，本发明所提出的方法通过帧同步、频率同步、符号细同步的时域联合估计方法，很好的实现了硬件资源开销与时频同步性能的结合，利用数据序列自相关进行OFDM帧信号检测，仅需要识别出OFDM同步信号到来的特性，不需对定时测度平台有严格的要求，简化了系统测度函数的硬件开销；采用长度不同的两个相关器用于定时自相关峰的检测，增加了抵抗噪声的能力。

6、相对于传统的整数倍频偏估计方法，本发明提出的方法在时域上利用两个长度不同的自相关器对短序列进行相关运算检测峰值，并根据两个自相关器各自估算出的频偏值，通过设计的频偏取值范围判决器，同时联合估计出小数倍频偏和小于3倍整数频偏的整数倍频偏；在完成帧同步检测、频偏估计、及频偏补偿的基础上，通过将基带数据序列与本地训练序列进行互相关，从而得到尖锐的符号定时相关测度平台，取得准确的符号定时值。

7、本发明的方法在相对较低的硬件开销条件下，具备抗多径干扰和抗噪声干扰能力强，定时测度运算简单，频率偏移估计范围大，频率估计精度高，运算复杂度低，运算延迟时间短的优点。

附图说明

图1是本发明提供的OFDM帧同步、频率同步、符号细同步的时域联合估计方法流程图；

图2是本发明提供的实施例中802.11a前导序列结构训练序列与本发明中帧同步、频率同步、符号细同步的时序联合估计方法对应关系；

图3是本发明提供的实施例中OFDM帧同步、频率同步、符号细同步的时域联合估计方法基本架构图；

图4是本发明提供的实施例中OFDM帧同步、频率同步、符号细同步的时域联合估计方法的频偏均方误差的信噪比扫描测试(频偏值800k)；

图5是本发明的提供的实施例中OFDM帧同步、频率同步、符号细同步的时域联合估计方法的频偏均方误差的频偏扫描测试；

图6是本发明的提供的实施例中OFDM帧同步、频率同步、符号细同步的时域联合估计方法的OFDM系统误包率；

图7是本发明的提供的实施例中OFDM帧同步、频率同步、符号细同步的时域联合估计方法的OFDM系统误码率。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明提供了一种OFDM帧同步、频率同步、符号细同步联合估计方法，包括：对接收端的基带数据序列并行进行小点数长度的自相关运算和大点数长度的自相关运算，得到小点数自相关峰值和大点数自相关峰值；实时并行的通过小点数自相关峰值和大点数自相关峰值确定联合确定帧同步位置，并根据小点数自相关峰值和大点数自相关峰值计算整数倍频偏估计粗值和小数倍频偏估计粗值；将整数倍频偏估计粗值和小数倍频偏估计粗值通过频偏取值判决器估算出最终频偏检测值；根据估算出的最终频偏检测值，对基带数据序列进行频偏校正；对校正后的基带数据序列与本地数据序列进行互相关，通过互相关峰值确定准确的符号细同步位置。

如图1所示，图1是本发明提供的这种OFDM帧同步、频率同步、符号细同步联合估计方法流程图，该方法包括以下步骤：

步骤1：设置用于帧同步和频率同步检测的小点数自相关运算器和大点数自相关运算器的相关器长度；

步骤2：对接收端的基带数据序列并行进行小点数长度的自相关运算和大点数长度的自相关运算，得到小点数自相关峰值和大点数自相关峰值；

步骤3：实时并行的通过小点数自相关峰值和大点数自相关峰值确定帧同步位置；

步骤4：根据小点数自相关峰值和大点数自相关峰值计算整数倍频偏估计粗值和小数倍频偏估计粗值；

步骤5：将整数倍频偏估算粗值和小数倍频偏估算粗值通过频偏取值判决器估算出最终频偏检测值；

步骤6：根据估算出的最终频偏检测值，对基带数据序列进行频偏校正；

步骤7：对校正后的基带数据序列与本地数据序列进行互相关，通过寻找互相关峰值确定准确的符号细同步位置。

下面以经典的OFDM传输系统IEEE 802.11a无线局域网系统为例对具体的算法实现进行说明。802.11a系统包含64个子载波，子载波间隔为312.5KHz。802.11a前导序列结构如图2所示，包括10个重复的短训练序列及两个重复的长训练序列。每个短训练序列的长度为16个样值点，持续时间为0.8微秒。每个长训练序列的长度为64个样值点，持续时间为3.2微秒。第一个长训练序列之前有长度为32个样值点的保护间隔，持续时间为1.6微秒。因此802.11a的前导序列共有320个样值点，总持续时间为16微秒。

本发明提出的算法利用802.11a前导序列中的160个短训练序列来实现帧同步和包括小数倍频偏和整数倍频偏的频偏联合估计，利用长训练序列的前64个进行符号细同步。算法的具体实现如图3所示，具体步骤如下：

步骤1、设置短自相关器的相关长度D_short＝16，设置长自相关器的相关长度D_long＝64。

步骤2、将接收到的基带训练序列经D_short＝16和D_long＝64的自相关器进行实时相关运算；

$Z_n=\underset{k=0}{\overset{L-1}{\Sigma }}{r}_{n+k}{r^{*}}_{n+k+D}$

步骤3、将小点数自相关简化模值与小点数自相关阈值门限Thrd_short作比较。当小点数自相关模值大于小点数自相关阈值，得到小点数自相关峰值，并记录得到小点数自相关位置frame_sync_pos_short，同时设置小点数自相关峰值检测成功标志frame_sync_ok_short；

max(acor_short)＝Z_short，{|Z_short|＞Thrd_short}

frame_sync_pos_short＝index_coarse1_bb，{max(z_short)}

frame_sync_ok_short＝1。

步骤4、将大点数自相关简化模值与大点数自相关阈值门限Thrd_long作比较。当大点数自相关模值大于大点数自相关阈值，得到大点数自相关峰值，并记录得到大点数自相关位置frame_sync_pos_long，同时设置大点数自相关峰值检测成功标志frame_sync_ok_long；

max(acor_long)＝Z_long，{|Z_long|＞Thrd_long}

frame_sync_pos_long＝index_coarse2_bb，{max(z_long)}

frame_sync_ok_long＝1。

步骤5、在同时满足frame_sync_ok_long＝1和frame_sync_ok_short＝1的abs(frame_sync_pos_short-frame_sync_pos_long)＜10条件下，确定时间粗同步位置，同时设置粗同步成功标志frame_sync_ok＝1。

步骤6、确认粗同步成功后，分别根据小点数自相关峰值和大点数自相关峰值计算整数倍频偏估计粗值和小数倍频偏估计粗值；

确认粗同步成功后，即Coarse_sync_ok＝1的条件基础上，根据

$f_{\mathrm{int}}=-\frac{1}{2\pi D_{\mathrm{short}}{T}_s}\arctan \left(\max \left(z_{\mathrm{short}}\right)\right)$

求得整数倍频偏粗值f_int的估计；

确认粗同步成功后，即Coarse_sync_ok＝1的条件基础上，根据

$f_{\mathrm{frac}}=-\frac{1}{2\pi D_{\mathrm{long}}{T}_s}\arctan \left(\max \left(z_{\mathrm{long}}\right)\right)$

求得小数倍频偏估计粗值f_frac。

步骤7、通过反正切运算计算小数倍频偏估计粗值和整数倍频偏估计粗值：

$f_{\mathrm{int}}=-\frac{1}{2\pi D_{\mathrm{short}}{T}_s}\arctan \left(\max \left({\mathrm{acor}}_{\mathrm{short}}\right)\right)$

$f_{\mathrm{frac}}=-\frac{1}{2\pi D_{\mathrm{long}}{T}_s}\arctan \left(\max \left({\mathrm{acor}}_{\mathrm{long}}\right)\right)$

步骤8、将α₁，α₂，α₃，α₄的取值分别设置为α₁＝0.3，α₂＝0.7，α₃＝1.3，α₄＝1.7，根据频偏取值判决器，

$f_{\mathrm{all}\_\mathrm{foe}}=\left(\begin{array}{c}{f}_{\mathrm{frac}},\left(\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\in [-{\alpha }_1,{\alpha }_2]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\in [-{\alpha }_2,{\alpha }_1]\end{array}\right)\\ f_{\mathrm{frac}}+f_{\Delta },\left(\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\in [{\alpha }_2,{\alpha }_4]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\in [{\alpha }_1,{\alpha }_3]\end{array}\right)\\ f_{\mathrm{frac}}-f_{\Delta },\left(\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\in [-{\alpha }_3,-{\alpha }_1]\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\in [-{\alpha }_4,-{\alpha }_2]\end{array}\right)\\ f_{\mathrm{frac}}+2\times f_{\Delta },\left(\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\in [{\alpha }_4,+)\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\in [{\alpha }_4,+)\end{array}\right)\\ f_{\mathrm{frac}}+2\times f_{\Delta },\left(\begin{array}{c}{f}_{\mathrm{frac}}>0,f_{\mathrm{int}}\in {[\alpha }_4,+)\\ f_{\mathrm{frac}}<0,f_{\mathrm{int}}\in [{\alpha }_3,+)\end{array}\right)\end{array}\right)$

得到准确的频偏估计值。

步骤9、根据估算出的最终频偏检测值，对基带数据序列进行频偏校正，具体包括：

r_comp(n)＝r_ori(n)*exp(-j·2·π·f_{all_foe}·n/f_c)

将所有基带接收数据序列通过上式进行补偿处理，得到经过补偿后的基带数据序列r_comp(n)。

步骤10、上述方案的步骤7中，对校正后的基带数据序列与本地数据序列进行互相关，通过寻找互相关峰值确定准确的符号细同步位置，具体包括：

将基带数据序列通过长度为L的互相关器，获得互相关模值序列

$m\left(n\right),m=\left(n\right){\left|\underset{k=0}{\overset{L-1}{\Sigma }}(s_k·r_{n+k}^{*})\right|}^2;$

将互相关模值序列与阈值门限Thrd_{sync_fine}作比较，得到互相关峰值，并记录得到互相关峰值位置fine_sync_pos，fine_sync_pos＝index_sync_bb，{|m(n)|＞Thrd_{sync_fine}}。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。