802.11aWLAN系统的帧同步检测方法

摘要：提出了一种适用于IEEE 802.11a WLAN(Wireless LAN，无线局域网)系统的帧检测时域同步技术，在使用门限机制的延时相关帧检测的基础上，利用短训练符号的互相关信息共同来完成802.11a 帧的同步检测。

关键词：正交频分复用；无线局域网；802.11a 帧；短训练序列符号

概述

近年来，人们对高速WLAN 的兴趣极大地增长。OFDM技术已经应用到不同领域中，如数字音频广播(Digital AudioBroadcasting ， DAB) 、数字视频广播(Digital VideoBroadcasting-Terrestrial，DVB-T)、数字电视和高解析度电视(High-Definition Television，HDTV)、高速率数字用户环线(High-rate Digital Subscriber Loop，HDSL)、非对称数字用户环线(Asymmetric Digital Subscriber Line，ADSL)以及WLAN，人们已将它列为第4代移动无线通信中的一种候选方案，用来实现超过2Mbps 的移动无线多媒体和数据通信。OFDM 技术在移动通信中的应用已是大势所趋， 它能够比较好地解决在高速无线通信中由多径带来的符号间干扰问题。1998年7月，IEEE 802.11 标准组织决定选择OFDM 作为5GHz频段标准的基础，目标是提供6Mbps-54Mbps 的数据速率，这是第一个把OFDM 用于分组业务的通信标准。2000 年8 月，802.11 标准增加了两项新内容：802.11a 和802.11b。802.11a扩充了标准的物理层，规定使用5GHz 的频段，采用OFDM调制技术，支持6Mbps-54Mbps 的传输速率。且最近拟订的802.16 标准采用的也是OFDM 调制技术。

OFDM 是一种特殊的多载波调制方式，是一种可以有效对抗符号间干扰(Inter-Symbol Interference，ISI)的高速传输技术，它把信道分成许多正交子信道，各子信道间保持正交，频谱相互重叠，提高了频谱利用率。OFDM 符号是周期延伸的，将每个符号的后L 个样本复制到该符号前面构成循环前缀(Cyclic Prefix，CP)，这大大减少了OFDM 系统对同步错误的敏感性，能有效地抵抗多径时延的损害。而OFDM 帧同步检测问题关系到数据传输的正确性和可靠性，目前有许多文献都提出了不同的帧同步检测方法。传统采用延时和相关算法来进行帧检测，本文提出的算法通过研究802.11a帧前缀中提供的短训练序列符号的特征，充分利用短训练序列符号的互相关信息来帮助完成OFDM 802.11a 帧同步检测，并且对多个短训练序列符号进行平均处理更进一步提高同步检测的准确性。

OFDM WLAN 系统及其帧同步检测

OFDM WLAN 系统结构
802.11a 中规定每个OFDM 符号包含52个子载波，其中48 个数据载波，4 个导频载波。OFDM 信号是通过把调制符号映射到64 点离散傅立叶逆变换(Inverse DFT，IDFT)的子载波上来产生，而IDFT 可由有效的傅立叶逆变换(InverseFFT， IFFT)算法来实现，IFFT 输出便是一个OFDM 符号，为了使系统能够更好地对抗多径衰落，还要在每个OFDM 符号之间插入CP，CP 时长0.8μs，一个完整的OFDM 符号时长为4μs。CP 长度应大于信道脉冲响应，这是为了避免ISI。

OFDM 基带信号表达式为


其中s_k 为QAM 或PSK 已调制的复杂信号，且N=64。

发射部分完成原始的高速二进制码流到射频信号的全部变换过程，二进制输入数据经过卷积编码、交织、映射到星座图转换为复星座符号，然后把这48 个复星座符号映射到对应的子载波上，接着插入导频，就可以得到52 个调制了数据的子载波，然后经过IFFT，得到OFDM 的时域符号。为了使系统能够对抗多径衰落，在符号之间插入保护间隔CP。将这组时域信号经D/A 转换，再调制到射频上去，经过放大，发送出去，完成整个发送过程。接收过程是发射过程的逆变换，多了同步和信道校正的处理过程，见图1。

图1 IEEE 802.11a 的OFDM 收发信机框图

短训练序列符号
从图2 中可看到，每个802.11a 帧都有两个携带训练序列的OFDM 符号：短训练序列和长训练序列。短训练序列包括十个重复的短训练序列符号，每个短训练序列符号的长度为0.8μs。本文利用短训练序列符号的重复特性完成帧同步检测。802.11a 帧中还包含两个长训练序列符号，每个符号长度为3.2μs。

图2 IEEE 802.11a 帧结构

帧同步检测

由于IEEE 802.11a 的OFDM传输模式是基于分组的突发式传输模式，不同于DVB-T 的连续流，因此接收端首要解决的是帧同步检测问题，即判断OFDM 帧何时到来。帧头的定位信息都要在这个部分给出。显然，这一工作是整个接收机的首要问题，否则后面的定时同步(包括符号同步和采样时钟同步)和载波同步都无法进行。

帧同步就是要连续不断地检测接收的信号，判断何时收到OFDM 帧，并对短训练序列和长训练序列进行定时，以便于提取其中有用信息进行参数的估计。在802.11a 标准中已经考虑到这点，帧头的10 个短训练序列符号便可以用于帧同步。最常用的帧同步检测算法就是利用短训练序列符号的前后相关性，对一个长L 的滑动窗口的接收信号及其延迟D 个采样值共轭相乘累加，取模，进行峰值检测，找到帧起始位置，如式(2)：

图3 延时和相关算法的信号流程

采用延时和相关算法来进行帧检测，它利用前缀中短训练序列符号的周期性，延时和相关算法的信号流程如图3 所示，图中有两个滑动窗口C 和P ，C 计算接收信号和接收信号延时的互相关系数；P 计算互相关系数窗口期间接收信号的能量，此窗口的值用于判决统计的归一化，它和接收功率的绝对值是独立的。


L 为窗口长度，D=16，即短训练序列符号的周期，r(n) 为接收信号。设置m_n 的门限值，当接收的信号只有噪声时，输出的延时相关值C_n 为0，即为随机变量，因为噪声的取样值的互相关系数为0，一旦帧到来，C_n 就是相同短训练序列符号的互相关系数，因此m_n 迅速跳变为最大值，根据该跳变可对数据帧进行相当不错的估计。如图4 所示的曲线1。

图4 10dB SNR 下高斯信道中m_n 曲线和互相关幅值曲线

改进

为了得到鲁棒性更强的同步算法，本文对上述算法进一步改进，在将接收信号再与本地已知的短训练序列符号进行互相关。此时，峰值出现在每个短训练序列符号的末尾。在图4 中可以明显看到10 个短训练序列符号的峰值(曲线2)，由于延时和相关算法对帧的同步检测只是利用门限得到的一个粗略的估计，图4 中可见短训练序列互相关峰值能用来共同进行帧同步检测，利用第一个短训练序列符号的位置可以得到一个更为精确的帧同步检测值。第一个短训练序列符号的峰值处即该802.11a 帧第一个短训练序列符号的结束处。考虑到本地振荡器的频偏或信号通过多径衰落信道，都会影响短训练序列互相关峰值的幅值，尤其在第一个峰值附近的干扰较为明显，图5 为在7dB SNR、多径时延为100ns，频偏为200kHz 下(这是室内WALN 最差情况下的参数)m_n 曲线和短训练序列的互相关峰值曲线图。

图5 7dB SNR 下指数信道时延100ns，频偏为200kHz 的m_n 曲线和互相关幅值曲线

图中可见互相关曲线的幅值大大的减小了，而且第一个峰值附近的次峰值十分明显，这会干扰峰值位置的判断，进而影响帧同步检测的准确度。因此考虑短训练序列符号是以16 为周期，将得到的互相关值作多个符号的平均，连续几个符号值相加的结果会使干扰值正负相互抵消，而对于峰值只是作了简单的平均而没有任何影响，并且算法的复杂度不变。



式中s(k )为短训练序列符号在本地的复制样本， D 为短训练序列符号的样值点数。


式中M 为用于平均的短训练序列符号数，本文仿真中M=5。

在一些文献中的延时和相关算法将m_n 门限值对应的位置作为帧检测值，这在低SNR 和高时延下是很不稳定的，所以将该值作为参考值，再利用得到的短训练序列符号的互相关幅值的第一个峰值位置，便可以更为准确地估计帧同步检测的位置。

仿真性能分析
基于802.11a 标准建立发射机和接收机模型，将本文的算法和延时和相关算法分别在高斯信道、指数多径信道和本地振荡器频偏下分别进行测试和记录。在室内环境，无线信道的最大时延为60-100ns，具体的值取决于建筑物的结构和周围环境。

在仿真实验中，式(2)中搜索窗大小取为800， D =16，式(3)中设置的m_n 门限值为0.75，式(5)中M =5，仿真802.11a帧数为2 000。仿真结果的误比特率(BER)是指未编码和未解码的数据误比特率，这是为了更好地衡量算法性能，因为若采用合适的编码方法(如自适应编码方法)则系统的误比特率会更小，这不在本文讨论范围。仿真结果如下：

由图6 可知在高斯信道下，本文算法在低SNR 下对BER有显著的改善，随着SNR 的增大，曲线逐渐靠近延时和相关算法曲线，在SNR=12dB 时，BER 已经趋近于0。在BER 为10^-2 处，所需要的SNR 降低了2dB，提高了系统的灵敏度。


图6 高斯信道下的误比特率(BER)

由图7，同样可见本文算法在SNR 较低的时候对BER有较大的改善，当SNR 大于12dB，算法对BER 的改善变得没那么明显了。与图6 相比，可见在指数信道下，由于多径的影响，相同SNR 下，BER 大于高斯信道下的对应值。

由图8 知，同样在低SNR 下，本文算法对BER 的改善较为明显。这是因为本文算法采取了多符号平均的方法，使算法具有更强的鲁棒性。由于我们的算法利用短训练序列进行频偏估计，可估计的频偏范围为625kHz，最坏频偏是200kHz，因而我们的算法可以对频偏进行正确的估计，而仿真结果也证实了这一点，得到的BER 与无频偏情况下相差不大，因此这里不再附图。总之，本文算法能在低SNR、高时延多径情况下强壮地检测出802.11 帧到来的位置，提高了系统的BER。


结论与比较

仿真结果表明，改进后的算法具有更强的鲁棒性，在低SNR、高时延和载波频偏情况下更为准确地进行了帧同步检测，使系统的误比特率得到了一定程度的改善。

本论文对提出的算法和延时和相关算法进行了横向的比较，因为我们使用的是固定门限，一旦未达到门限，便采取利用经验值作为保护机制。若对数据先进行预处理，并采用动态门限机制进行帧同步检测，可以提高检测的精确度，或辅助采取自适应编码方式来更好地提高系统的BER，但同时也要注意算法的复杂度，因为WLAN 是一个实时处理系统，对这些今后可作进一步的研究。