第二章 OFDMA UPLINK 系統載波頻率偏移問題與頻率偏移估計
2.5 OFDMA UPLINK 系統的頻率偏移估計方法
ˆ
1
f N SNR
σ
Δ∼ ⋅ (2.35)
另外,[3]中分析估計誤差(estimation error)只與總符元能量(total symbol energy)
有關,所以此演算法在多路徑衰減通道(multi-path fading channel)下依然能夠 正常運作,然而,它必須假設在兩個連續的 OFDM 符元的週期內,頻率偏移值 與通道響應都是不變的。
2.5 OFDMA uplink 系統的頻率偏移估計方法
相較於只遭遇單一CFO 的 OFDM 系統,OFDMA uplink 系統會同時遭遇多 個用戶上傳資料給基地台,而且每個用戶的 CFO 不盡相同,這會使得 OFDMA uplink 系統遭遇額外的干擾,即為多用戶存取干擾(MAI),MAI 的影響會造成 OFDMA uplink 系統不能適用於 OFDM 系統所使用的 CFO 估計演算法,為了解 決這個問題,近年來有許多關於如何在OFDMA uplink 系統上估計 CFO 的文獻 被發表[14-18],例如[14]是先以一組帶通濾波器(band-pass filter)分離出每個用 戶的接收信號,如下圖2.5.1,再利用修改後的 CFO estimator [12],在時域上分 別估計各個用戶的 CFO 值,此演算法是屬於 cyclic prefix based 的方法。由於 MAI 是分佈在整個頻帶上,因此即使在時域上用理想的帶通濾波器也無法消除 MAI 的影響,在 MAI 嚴重的情形下(CFO 偏移量大時)將會造成[12 ]演算法的 估計效能大幅下降,另外此方法只適用於區塊配置(block allocation)的系統。
ˆx
1 1
ˆ ˆ, θ ε
2 2
ˆ ˆ, θ ε
ˆ ˆU, U
θ ε
圖2.5.1 [14]之接收機架構
[16]提出用在 OFDMA uplink 系統上結合時間與頻率同步的演算法,此文獻 假設在某一時間點,只有一個用戶是不同步,其他用戶都是完美同步,因此不會 有來自其他用戶的干擾,然而此假設並不合理,因為同一時間可能有多個用戶與 基地台是不同步的。
[15]提出適用於交錯配置(interleaved allocation)OFDMA 系統的估計方法,
在interleaved OFDMA 系統中,每個用戶的時域信號會具有特殊週期性結構,[15]
作者利用此特性導出特殊之數學模型,並表示成矩陣形式,以方便作信號處理,
但其缺點是複雜度相當高,且只適用於interleaved OFDMA 系統。
從本小節前面簡述幾種 OFDMA uplink 系統的 CFO 估計方法,我們不難發 現到,要設計適用於OFDMA uplink 系統的 CFO 估計所要面臨最大的問題就是 多用戶存取干擾(MAI),因為不管是在時域或頻域上估計 CFO,所使用的 estimation criterion 都與單一用戶的 OFDM 系統相似,甚至相同,因此如何處理 或減輕MAI 的影響,是能否在 OFDMA uplink 系統做好 CFO 估計的重要課題,
以下我們將整理一些文獻上如何處理這項問題的方法:
1. MAI 可分成兩個部份來討論,main-lobe effect 與 side-lobe effect,如下圖 2.5.2,[17]採用取 sub-band 中間受到 MAI 影響較小的部份來做 CFO estimation(等效於將 guard band 加大),但此方法只能夠減輕干擾的 main-lobe 部分之影響,side-lobe 部分影響依然存在。
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0 0.5 1 1.5 2
Frequency
Interference amplitude
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
10-4 10-2 100 102
Frequency
Interference amplitude
圖2.5.2 干擾的 main-lobe 與 side-lobe 成分(N = 64,ε = 0.3)
2. [17]也提出根據初步估記的 ε 值,將經過 FFT 後頻譜上的取樣點作左移 或右移,藉此消除 MAI 干擾的影響。(此方法假設只有一個鄰近的用戶 會對自己造成干擾),但此方法會有下列幾個問題:
(a) 粗估的 ε 值若不夠準時,將頻譜取樣點左移或右移,可能會造成額 外的誤差。
(b) 實際系統通常不會只有鄰近的一個用戶會對自己產生干擾,可能在 同一時間會有更多來自不同用戶的MAI。
(c) 平移頻譜上的取樣點,雖可能減少 MAI 的影響,但也有可能造成額 外的ICI。
3. 使用特殊的訓練符號序列(training sequences),例如[17]。
4. 使用干擾消除機制(interference cancellation)來消除 MAI,例如[18],
假設s n 為已知的訓練符元, ( )i( ) h n 為第 i 個對應的通道響應,而 i
第三章
OFDMA Uplink 系統之載波頻率偏 移補償
上一章節中,我們介紹了載波頻率偏移(CFO)對 OFDMA 系統所造成的影 響,以及一些在 OFDMA 系統估計載波頻率偏移的方法,本章將把重點放在如 何補償載波頻率偏移。OFDM 系統作頻率同步的主要目的是要恢復子載波之間 的正交性,傳統上做頻率補償主要有兩種策略,第一是在基地台(BS)做完頻 率估計後,在將估計的頻率偏移值反饋(feedback)回去給用戶端(SS),用戶 端根據反餽的頻率估計值對其振盪器做調整,以達到頻率同步的目的;第二種則 是頻率估計與頻率補償都在基地台執行,這樣可以節省回傳給用戶端調整所需要 的延遲時間(overhead),本論文將重點放在第二類的頻率補償策略,本章所要 介紹的演算法都是屬於第二類的方法。
我們將介紹的方法可分為兩大類,第一類是在時域(time domain)上的補償 方法[19],這種方法主要用在單一用戶的系統上,又可稱為 Single-user detector,
但是在多用戶系統上此方法的效果不佳;第二類的方法則是在頻域上做頻率補償
([10],[19–22]),此類的方法比較適合多用戶系統,因為在頻域上(接收信號 經過 DFT 之後)我們能夠很容易分離出每個用戶所使用的信號(因每個用戶都 使用不同的子載波頻段),這將有助於針對特定用戶做頻率補償,而不會對其他 用戶的信號造成額外的干擾。
3.1 時域載波頻率偏移補償方法
3.1.1 直接補償法(direct method)
又可稱為 Single-user detector [19],我們舉兩個用戶為例,架構如圖 3.1.1 所
示,需要兩組N 點 FFT,並且在 FFT 之前分別對不同用戶乘上
圖3.1.1 Single-user detector 架構
綜合上述的討論,直接補償法的優點是相當簡單,只需直接將 [ ]r n 乘上
ˆ 2 i
j n
e
N− πε
補償即可;主要缺點則是對頻率偏移的方向很敏感,若用戶之間偏移方向 不同,用直接補償法會使其他用戶的偏移量不減反增,造成對自身信號更大的干 擾,這點可由下圖3.1.2 模擬證明,圖中兩條曲線的頻率偏移值皆相同,差別在 於*號曲線的CFO 偏移方向為[+ + - +],而 o 號曲線的 CFO 偏移方向為[+
+ + +],很明顯看出偏移方向不同會使 direct method 的效能降低許多。
0 5 10 15 20 25 30 35 40
10-3 10-2 10-1 100
SNR (dB)
BER (bit error rate)
direct, [0.2, 0.2, -0.1, 0.3]
direct, [0.2, 0.2, 0.1, 0.3]
圖3.1.2 direct method 受 CFO 偏移方向之影響
direct method 另一個缺點則是一個用戶就必須使用一個 N 點 FFT 來解調,因此 若用戶數目很多時,硬體複雜度會隨之增加。
3.2 頻域載波頻率偏移補償方法
3.2.1 頻域直接補償法(CLJL scheme)
為了解決時域直接補償法需要多個 N 點 FFT 做解調,[19]中提出一個解決
方法,依照作者們的姓名,我們將此方法簡稱為CLJL scheme,此方法提出了一
r t( ) s
相較於時域直接補償法,CLJL scheme 只需要一個 FFT,所以硬體複雜度不 會隨用戶數目增加而提高太多,另一個優點則是,CLJL scheme 對一個用戶做補 償並不會造成對其他用戶的影響,這是因為在做完 FFT 之後,每個用戶的信號
BER (bit error rate)
CLJL, [0.2, 0.2, -0.1, 0.3]
CLJL, [0.2, 0.2, 0.1, 0.3]
direct, [0.2, 0.2, -0.1, 0.3]
direct, [0.2, 0.2, 0.1, 0.3]
圖
3.2.2 direct method vs. CLJL與時域的direct method 相較,CLJL 的效能並不一定較好,如上圖 3.2.2 模擬結果 所示,圖3.2.2 可看出兩個現象,第一是 CLJL 演算法不易受 CFO 偏移方向的影 響,不論偏移方向是[+ + - +]或[+ + + +],效能表現幾乎相同,反觀 direct method 則容易受此因素影響效能;第二則是在 CFO 偏移方向皆相同時,
direct method 效能優於 CLJL,所以 CLJL 的優點是對偏移方向不敏感,但是效能 卻不一定較好。
與圖 3.1.1 比較,圖 3.2.1 雖然只需要一個 FFT,但卻需要做循環旋積運算,
而循環旋積的運算複雜度遠高於圖3.1.1 的乘法器,為了降低複雜度,經過簡單 分析後,在CFO 值夠小的情況下,
{ }
Cki 可以近似為{ }
Cki ={
C0,...,C(P−1) / 2,0,...,0,CN− −(P 1) / 2,...,CN−1}
(3.5) 其中 P 為{ }
Cki 中不為零的個數,在這邊假設 P 為偶數,因為{ }
Cki 中有部分元素為零,所以能夠減少乘法的次數,但缺點是精確度下降,會損失一點效能,至於 P 的值取多大,則看設計者如何在校能與複雜度之間作取捨。
3.2.2 最小平方法與最小均方誤差法
在文獻[21]中,Zhongren Cao 提出了一套利用最小平方(Least Square)以及 最小均方誤差(Minimum Mean Square Error)準則(criterion)的頻率同步演算 法,能夠有效補償載波頻率偏移,下面將簡單介紹此演算法。
3.2.2.1 最小平方法(Least Square method)
利用我們在 2.3 小節中推導的頻域接收信號數學模型(2.20)式:
( )b ( )b ( )b ( )b
=
( )b ( )bZ = IH C + W IS + W
(3.6) 其中S
( )b= H C
( )b ( )b ,是傳送符元向量與通道矩陣的結合,也是我們想要得到的 量,要消除干擾 I 的影響,最直接簡單的想法就是把接收信號乘上 I 的虛擬反矩陣(pseudo inverse),即為最小平方法:
其中( )i 表示共軛轉置(conjugate transpose,又稱 Hermitian transpose)。由於最H 小平方法是利用所有的自由度(degree of freedom)來消除干擾項 I,並沒有針對 雜訊項做任何處理,所以此演算法可能會有雜訊放大(noise enhancement)的問 題。
3.2.2.2 最小均方誤差法(Minimum Mean Square Error method)
第二種方法則是利用最小均方誤差準則(MMSE),不同於最小平方法,最 陣,我們可以推出溫納解(Wiener solution)為:
(
2)
1σ σ
表示信號對雜訊比(Signal to noise ratio,SNR)之倒數,利用簡化後的溫 納解,可以得到ˆ ,( )MMSE b identity b
s
由於上述兩種演算法都有將所有的干擾(ICI 與 MAI)一起考慮進去,並且把干 擾壓抑到最小,因此Zhongren Cao 的演算法是能夠將干擾消除的最乾淨的作法。
然而此兩種演算法都需要計算
N × N
矩陣的反矩陣,因此兩者的運算複雜度都非 常高,實際上不太可能實現。3.2.3 Huang & Letaief’s method(HLCC scheme)
在 3.2.1 節中介紹了在頻率上利用循環旋積對載波頻率偏移做補償的 CLJL 演算法,CLJL 解決了時域直接補償法在補償頻率時,同時會補償到其他用戶信 號的缺點,但是CLJL 只能夠對自身的頻率偏移做補償,它無法對付多用戶存取 干擾(MAI),因此 CLJL scheme 在效能表現上並不理想。
為了解決這個問題,Huang 與 Letaief 在 2005 年提出了一套以 CLJL 為基礎 的演算法[20],與 CLJL 演算法相同,Huang 與 Letaief 也是在頻域上利用循環旋 積來補償自身的CFO,以消除 ICI,並且結合平行干擾消除(Parallel Interference Cancellation,PIC),將消除 ICI 後的信號再利用循環旋積重建(Reconstruction)
為對其他用戶的干擾,再拿原始的接收信號扣掉這些重建後的干擾,以達到消除 其他用戶干擾(MAI)的目的,藉此提高信號對干擾功率比(Signal to interference power ratio,SIR),使後端做信號偵測(Signal detection)時能夠得到更準確的 結果。在此處我們將此演算法簡稱為 HLCC(Huang & Letaief 利用 Circular Convolution 做 CFO 補償以及干擾消除),使用 HLCC 接收端架構如下圖。
[ ] r n
R
Z
A Z(1)
( )U
A Z
圖 3.2.3 HLCC 接收端架構
圖 3.2.3 中的干擾消除及 CFO 補償區塊即為具有反覆結構(iterative fashion)
的HLCC 演算法,如下:
HLCC algorithm
Initialization:
Set j = 0 and Yˆ( ),m j =A( )m ⎡⎣
(
A( )mZ)
⊗C( )m ⎤⎦,for m = 1,…..,U (3.11)Loop : j = j + 1
Set ( ),m j U ˆ( ), 1i j '( )i
i m
−
≠
= −
∑
⊗Y Z Y C ,for m = 1,…..,U (3.12)
( )
( ), ( ) ( ) ( ), ( )
ˆ m j = m ⎡⎣ m m j ⊗ m ⎤⎦
Y A A Y C ,for m = 1,…..,U (3.13)
Go back to Loop
其 中Yˆ( ),m j表 示 第 j 次 迴 圈 所 產 生 的 回 復 信 號 ,C( )i = ⎣⎡C C0i, 1i,...,CNi−1⎤⎦T ,
{
2 i /}
i j n N
k N
C = DFT e
− πε ,C'( )i = ⎣⎡C' , ' ,..., '0i C 1i C iN−1⎤⎦T ,C '
ik= DFT
N{ e
j2πεin N/}
。在每次迴圈中,(3.12)式表示把接收信號扣掉重建過的干擾(MAI),而(3.13)
式則是對消過干擾後的信號做CFO 補償,(3.11)與(3.13)式其實就是執行 CLJL