MIMO-OFDM_5.3_STO定时技术_笔记不完整

符号定时偏差STO

ICI：信道间干扰
CFO：频率偏移


书上说的有点奇怪，不是时域上的相位偏移，而是时域信号对于一个频率信号的调制，所以频域会产生频移，CFO就是这样对于时域信号产生影响的

5.3 STO估计技术

STO会引发ISI，ICI和一系列相位失真，并且ISI是一旦产生无法被修正的，在实际系统中我们需要对STO进行估计修正的技术

5.3.1 时域STO估计技术

考虑CP大小为T_g，N_g采样，有效数据长度为T_sub，N_sub采样的OFDM符号

1.基于CP的STO估计技术

由于CP是OFDM符号中一段数据的副本，所以可以根据其相似性进行对于STO的确定，如图5.8，W1和W2滑动窗，用于采样取值，对相似性进行计算，其长度为T_g，间隔为T_sub，当相似性最大时可以识别STO。

针对如何识别STO，有下面几种方法

差和最小：

arg_δmin是取当后面的表达式最小时的δ的值

由于系统会存在CFO（频率偏差），会产生时域相移，我们需要改进估计方法，因此引入差的平方和：

这里我认为是对时域取模之后（忽略了相移因子）相减，就避免了相移带来的影响

[取模和取实部的问题：目前没有弄明白]

第二个方法是，利用滑动窗采样块之间的相关性来估计STO：

同样的也会受CFO影响，为了处理CFO改进的计算方法为：

其中：
#### 2.基于训练符号的STO估计技术

可以使用两个相同的OFDM训练符号，也可以使用具有不同重复周期的重复结构的单个OFDM训练符号，上图是重复周期为T_sub/2的单个OFDM符号。

通过最大化滑动窗采样之间的相似性可以找到STO。

有两种计算方法，最小化平方和：

最大化似然函数法：

有时会由于多径效应的影响导致出现错误的估计，需要手动添加阈值，并寻找第一个峰来尝试解决。第二个问题是， 对于相关性或者差值的估计是十分平缓的，使得STO定位困难。

通过改变训练符号重复样式的周期，能够改善STO估计的精确度。


计算方法类似。

同样还有已知训练符号，将其与被接受信号想比较来估计STO的方法，算法原理都差不多。

5.3.2频域STO估计技术

9.15觉得基础不扎实去重头开始学这本书了…