物理层网络编码的符号时钟估计研究

《物理层网络编码的符号时钟估计研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：TN919.3论文编号：102870416-S068学科分类号：081001硕士学位论文物理层网络编码的符号时钟估计研究研究生姓名李强学科、专业通信与信息系统研究方向无线通信指导教师党小宇副教授南京航空航天大学研究生院电子信息工程学院二О一五年十二月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofElectronicandInformationEngineeringResearchonSymbolTimingEsti

2、mationforPhysical-layerNetworkCodingAThesisinCommunicationandInformationSystembyQiangLiAdvisedbyAssociateProf.XiaoyuDangSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringDecember,2015承诺书本人声明所呈交的博/硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加

3、以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：南京航空航天大学硕士学位论文摘要物理层网络编码（PNC）作为一种新颖的中继传输技术，在频谱效率和吞吐量方面具有巨大优势而备受人们关注。目前，关于PNC的研究大多假设两个用户节点发送的符号在中继处完全对

4、齐，即没有符号同步误差。然而，实际情况往往并不满足这一条件，造成系统性能下降。因此，PNC的符号时钟估计至关重要。本文研究双向中继信道PNC的符号时钟估计问题，基于CAZAC训练序列先后提出三种全新的适用于不同采样率下的时钟估计算法，分别是：过采样率（每个码元的采样点数）Q≥4的基于DFT插值的时钟估计算法、过采样率Q=2的低过采样率时钟估计算法，和波特率采样的时钟估计算法。论文首先根据PNC信号模型以及最大似然估计准则，利用训练序列的零自相关特性，得到两个端节点各自的时钟误差估计似然函数，进而提出运用基于DFT的插值算

5、法来估计时钟误差。然后针对上述算法采样率过高的问题，提出一种Q=2下的低过采样率时钟估计算法。该算法根据似然函数的两个离散值之差与时钟误差是一一对应的关系，利用已知的发送脉冲形状和最小二乘法求一个拟合多项式来近似这种函数关系，从而实现时钟误差估计。最后为了进一步降低采样率，通过分析波特率采样下的接收信号，定义一种指示时钟误差大小的定时函数，并估计出该定时函数，实现波特率采样下的时钟估计。三种算法均在MATLAB平台上以均方误差（MSE）为性能指标进行仿真，同时探讨各种参数对算法性能的影响。仿真表明，三种算法都能取得较好的

6、时钟估计结果，在32位的训练序−4列长度及18dB的信噪比（SNR）条件下，MSE可达1×10。关键词关键词：关键词：：：物理层网络编码，双向中继信道，符号时钟估计，CAZAC序列，脉冲形状，定时函数i物理层网络编码的符号时钟估计研究ABSTRACTAsanewtypeofrelaytransmissionscheme,Physical-layerNetworkCoding(PNC)recentlyhasattractedmuchattentionbecauseoftheadvantagesinitsspectrumef

7、ficiencyandthroughput.Atpresent,mostoftheresearchonPNCiscarriedoutbasedontheassumptionthatsymbolsfromtwousersarefullyalignedattherelaywithoutsymbolsynchronizationerror.However,thisstrictrequirementcanhardlybemetinpracticalcases,whichdrasticallyworsensperformanceo

8、fthesystem.Therefore,thesymboltimingestimationiscriticallyindispensableforPNC.Inthispaper,usingCAZACtrainingsequences,threenovelestimationalgorithmsapplicablef