适于低信噪比信道环境的OFDM系统符号定时同步实现方法

摘要

本发明公开了一种适于低信噪比信道环境的OFDM系统符号定时同步的实现方法，采用两个基于频域PN序列且彼此共轭的OFDM符号作为训练序列，在接收端首先取训练序列与接收序列的符号位进行滑动共轭相关，通过求和与取模运算得到定时偏移估计函数，然后在每一时刻，取从该时刻开始计数的一段定时偏移估计函数值求加权平均，得到该时刻的动态门限，最后对比估计函数与其对应的动态门限锁定定时位置；仅使用数据符号位信息不需要数据本身参与运算，并且不需要对运算结果进行归一化运算，因而具有较低的复杂度，性能不会受到接收信号功率大小的影响。本发明在低信噪比下定时准确稳定，并且易于实现，运算复杂度低。

说明书

技术领域

本发明属于通信技术领域，尤其涉及一种适于低信噪比信道环境的OFDM系统符号定时同步的实现方法。 

背景技术

OFDM系统中，接收机若要对接收到的时域信号进行正确解调，必须知道一个时隙的正确起始位置，这样才能准确的完成FFT解调和频偏估计及校正，如果不能精确完成符号定时，则会引起接收信号幅度和相位上的畸变甚至会产生符号间的干扰(ISI)。 

经典符号定时同步算法一般都是基于数据内插入的训练序列的特点来工作的，大致分为以下两类 

(1)基于训练序列的结构特点 

Schmidl算法、Minn算法和Park算法都是基于训练序列结构上部分相同或者共轭对称的特点，通过对接收数据进行相关和归一化运算得到定时偏移估计函数，然后通过分辨峰值获取定时位置。 

(2)基于训练序列的内容特点 

采用序列本身具有的良好自相关性和较差的互相关性，例如CAZAC序列，将接收数据与本地序列做共轭相关和归一化运算得到定时偏移估计函数值，然后利用锁定峰值获取定时位置。 

但是这些算法在实践方面却有明显的问题，主要有以下两方面: 

1)采用数据进行相关和归一化运算，需要进行多次乘法、除法以及求和运算，在数据精度要求很高数据位宽要求较大的情况下，实现复杂度高，占用资源多。 

2)基于训练序列结构的符号定时算法的定时偏移估计函数会出现平峰或旁瓣过大的情况，无法分辨出峰值，并且当OFDM系统采用较低传输带宽时，训练序列时域上的相关性优势会降低，峰值附近会出现与其接近的值，即使出现尖锐的单峰，这个单峰值也会和基于训练序列结构特点得到的峰值一样随着信噪比的降低而迅速降低，因此无法在硬件实现时用一个合理并且简单的门限机制来锁定峰值。 

发明内容

本发明实施例的目的在于提供一种适于低信噪比信道环境的OFDM系统符号定时同步的实现方法，旨在解决传统符号定时算法在低信噪比环境下定时不稳定、运算复杂度高、占用硬件资源多的问题。 

本发明实施例是这样实现的，一种适于低信噪比信道环境的OFDM系统符号定时同步的实现方法，采用两个基于频域PN序列且彼此共轭的OFDM符号作为训练序列，在接收端首先取训练序列与接收序列的符号位进行滑动共轭相关，通过求和与取模运算得到定时偏移估计函数，然后在每一时刻，取从该时刻开始计数的M个定时偏移估计函数值求加权平均，得到该时刻的动态门限，最后对比估计函数与其对应的动态门限锁定定时位置。 

进一步，该适于低信噪比信道环境的OFDM系统符号定时同步的实现方法包括： 

步骤一，根据公式将训练序列与其自身的循环移位结果按符号位进行共轭相关运算，其中c(k)是对本地序列C(k)按符号位映射出的复数结果，映射公式为c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))；c((k))_N表示对c(k)以N为周期进行周期延拓的结果，由此c((k+m))_N在k＝1,2,...N时表示对c(k)进行循环移位的结果，m＞0表示循环左移m位，m＜0表示循环右移|m|位，根据序列的结构可知当循环序列循环移0位时，循环移位后的结果与训练序列完全相同， 相关函数值会出现一个比较大主峰，峰值为M(0)，而如果对训练序列左右循环移位NFFT时，循环移位后的结果与训练序列部分位置对应相同，相关函数值都会出现较小的副峰，两峰值分别为M(NFFT)、M(-NFFT)。搜索频域数据序列的目的是使训练序列移0位时出现的主峰值与循环左右移NFFT位出现的副峰值差距最大，以此来保证接收数据与训练序列按符号位相关运算获取的定时偏移估计函数主峰值与副峰值的差距尽可能大，增大动态门限的取值范围，由于相关函数两个副峰值大小基本相同，取其主峰值M(0)和其中一个副峰值M(NFFT)的比值作为衡量标准，搜索出比值最大情况下对应的频域序列，然后确定该频域序列对应的训练序列。 

步骤二，由接收信号数据R(x)，根据公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))得到对接收信号实虚部按符号位映射出的结果r(x)，再由本地训练序列数据C(k)，利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))得到对训练序列数据实虚部按符号位映射出的结果c(k)，根据得到的r(x)和c(k)利用公式 $F\left(x\right)=\left|\mathrm{Re}\left(\underset{k=0}{\overset{N-1}{\Sigma }}r(x+k)c^{*}(k+1)\right)\right|+\left|\mathrm{Im}\left(\underset{k=0}{\overset{N-1}{\Sigma }}r(x+k)c^{*}(k+1)\right)\right|$生成定时偏移估计函数，式中N＝2*(NFFT+CP)代表相关窗和本地序列的长度，x代表滑动相关窗的起始位置； 

步骤三，根据由步骤二得到的定时偏移估计函数，根据公式 得到动态门限，其中G(m)表示m时刻动态门限的值， 表示从m时刻开始计数的M个定时偏移估计函数值的平均值，mul表示一个常数。 

进一步，在步骤一之前需要根据传输带宽确定频域所需有效子载波长度，从周期为2047的m序列中截取有效子载波长度的序列作为生成训练序列的备选频域数据；将截取的有效子载波长度的0、1序列，全部映射成1、-1的形式，具体是把0映射成-1,把1映射成-1，前后均匀补零之后，组成NFFT长度的频域序列；进行IFFT调制，作为第一个OFDM符号，对其添加循环前缀并将结果 作为训练序列的前半部分数据，然后根据训练序列前半部分与后半部分相互共轭的关系生成训练序列。 

进一步，取IFFT的点数为NFFT，循环前缀的长度为CP，训练序列含有两个OFDM符号，长度为2*(NFFT+CP)，用来进行符号定时，训练序列前半部分与后半分相互共轭，如果第一个OFDM符号是A，循环前缀用CP1来表示，第二个OFDM符号数据与第一个OFDM符号数据相互共轭，用A^*来表示，那么CP1^*表示第二个OFDM符号的循环前缀。 

进一步，训练序列的整体结构后半部分是前半部分的共轭，若用传统方法，根据序列结构运用数据进行相关、归一化运算得出定时偏移估计函数，利用定时偏移估计峰值确定符号定时位置；定时偏移估计函数可以用公式 $F\left(m\right)=\frac{{|\underset{k=0}{\overset{N/2-1}{\Sigma }}R(m+k)*R(m+N/2-k)|}^2}{{\left(\frac{1}{2}\underset{k=0}{\overset{N/2-1}{\Sigma }}({\left|R(m+k)\right|}^2+{\left|R(m+N/2-k)\right|}^2)\right)}^2}$来表示，其中训练序列的长度N＝2*(NFFT+CP)，R(x)代表接收的信号数据。 

进一步，定时偏移估计函数的获取方法： 

训练序列按符号位进行映射，将结果作为本地序列，接收到的数据依次流入滑动窗中，将滑动窗中的数据按符号位与本地序列进行共轭相关运算，得到关于滑动窗起始位置的定时偏移估计函数值； 

运算的过程表示为：首先根据接收信号实虚部数据的符号位信息，利用公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))，对接收数据进行映射，其中R(x)代表接收信号，Re(.)表示取复数数据的实部值，Im(.)表示取复数数据的虚部值，sign(.)表示取一个数据的符号位，如果数据大于0输出结果是1，小于0输出结果是-1，r(x)是对接收信号实虚部取符号后映射出的结果，有四种数值±1±j，然后利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))对训练序列进行映射，其中C(k)代表本地训练序列，c(k)是对本地序列实虚部数据按符号位信息映射出的复数结果，有四种数值±1±j。最后根据公式$F\left(x\right)=\left|\mathrm{Re}\left(\underset{k=0}{\overset{N-1}{\Sigma }}r(x+k)c^{*}(k+1)\right)\right|+\left|\mathrm{Im}\left(\underset{k=0}{\overset{N-1}{\Sigma }}r(x+k)c^{*}(k+1)\right)\right|$ 求取定时偏移估计函数，其中，F(x)代表定时偏移估计函数值，N＝2*(NFFT+CP)代表相关窗和本地序列的长度。 

进一步，获取动态门限的方法： 

任一时刻的动态门限是通过对从该时刻开始计数的M个定时偏移估计函数值取加权平均得到的，获取公式为其中G(m)表示m时刻动态门限的值，表示从m时刻开始计数的M个定时偏移估计函数值的平均值，mul表示一个常数，是定时偏移估计函数均值的加权系数，在不同的信道环境下使动态门限介于定时偏移估计函数主峰值和副峰值之间的加权系数mul取值应取在无噪声或有较高信噪比信道环境下所有可选系数中的最小值。 

进一步，在步骤三后将得到的定时偏移估计函数值与动态门限值进行比较，如果某一时刻的定时偏移估计函数值大于该时刻的动态门限值，将这个函数值作为新的门限，从这个时刻起200个时刻点内若没有定时偏移估计函数值比新门限值大就认为这个时刻是理想的定时位置，若有定时偏移估计函数值大于新的门限则用该函数值更新门限值并记录该位置，继续判断该位置后的200个时刻点内是否有定时偏移估计函数值比新门限值大，依次规律直到锁定出定时位置，然后定时偏移估计函数值继续与动态门限进行比较，搜索下一个定时位置。 

本发明提供的适于低信噪比信道环境的OFDM系统符号定时同步的实现方法，采用两个基于频域PN序列且彼此共轭的OFDM符号作为训练序列，在接收端首先取训练序列与接收序列的符号位进行滑动共轭相关，通过求和与取模运算得到定时偏移估计函数，然后在每一时刻，取从该时刻开始计数的M个定时偏移估计函数值求加权平均，得到该时刻的动态门限，最后对比估计函数与其对应的动态门限锁定定时位置。本发明仅使用数据符号位信息不需要数据本身参与运算，并且不需要对运算结果进行归一化运算，因而具有较低的复杂度，性能不会受到接收信号功率大小的影响；通过使用特定结构和内容的训练 序列使得峰值更加尖锐，同时由定时偏移估计函数值运算得到适于低信噪比信道环境的动态门限，进而对定时偏移估计函数峰值进行锁定；为了应对低传输带宽下峰值附近出现少数定时偏移估计函数值超出门限的情况，引入一种寄存比较机制，保证定时位置所对应的定时偏移估计函数值超过动态门限且最大。本发明在低信噪比下定时准确稳定，并且易于实现，运算复杂度低。 

附图说明

图1是本发明实施例提供的适于低信噪比信道环境的OFDM系统符号定时同步的实现方法流程图； 

图2是本发明仿真时采用的数据帧的结构图； 

图3是本发明实施例提供的采用的训练序列的结构图； 

图4是本发明实施例提供的训练序列中两个OFDM符号的整体结构图； 

图5是本发明实施例提供的定时偏移估计函数和动态门限关于滑动窗起始位置的关系图； 

图6是本发明实施例提供的本地训练序列与进入滑动窗口数据的几种对应关系图； 

图7是本发明实施例提供的训练序列与其自身循环移位的三种不同情况的对应关系图； 

图8是本发明实施例提供的定时偏移估计函数值的获取实现框图； 

图9是本发明实施例提供的动态门限的获取实现框图； 

图10是本发明实施例提供的获取定时位置的算法流程图； 

图11是本发明实施例提供的本发明与传统算法在不同信噪比下定时结果的均值误差对比图； 

图12是本发明实施例提供的本发明与传统算法在不同信噪比下定出结果的方差对比图。 

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。 

下面结合附图及具体实施例对本发明的应用原理作进一步描述。 

如图1所示，本发明实施例的适于低信噪比信道环境的OFDM系统符号定时同步的实现方法包括以下步骤： 

S101：搜索生成训练序列所需的频域数据，算法中从周期为2047的m序列中截取有效子载波长度的序列作为生成训练序列的备选频域数据； 

S102：将截取的有效子载波长度的0、1序列，全部映射成1、-1的形式，具体是把0映射成-1，把1映射成-1，前后均匀补零之后，组成NFFT长度的频域序列； 

S103：进行IFFT调制然后，作为第一个OFDM符号，按照训练序列的构成生成训练序列； 

S104：将训练序列与其自身的循环移位结果按符号位进行共轭相关运算，取相关函数主峰值和其中一个副峰值的比值作为衡量标准，搜索出比值最大情况下对应的频域序列，然后确定该频域序列对应的训练序列； 

S105：根据公式生成定时偏移估计函数，得到关于滑动窗起始位置的定时偏移估计函数； 

S106：定时偏移估计函数值依次送入FIFO寄存器，利用流入FIFO流出FIFO的数据以及累加器对定时偏移估计函数取加权平均运算，得到动态门限； 

S107：将得到的定时偏移估计函数值与其动态门限值进行比较，锁定定时位置，然后按此机制继续工作搜索下一个定时位置。 

本发明的具体步骤为： 

步骤一，搜索生成训练序列所需的频域数据，本算法中从周期为2047的m序列中截取有效子载波长度的序列作为生成训练序列的备选频域数据； 

步骤二，将截取的有效子载波长度的0、1序列，全部映射成1、-1的形式，具体是把0映射成-1，把1映射成-1，前后均匀补零之后，组成NFFT长度的频域序列； 

步骤三，进行IFFT调制然后，作为第一个OFDM符号，按照图3中训练序列的结构生成长度为2*(NFFT+CP)的序列； 

步骤四，根据公式将训练序列与其自身的循环移位结果按符号位进行共轭相关运算，得到相关函数M(m)，其中c(k)是对本地序列C(k)按符号位映射出的复数结果，映射公式为c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))；c((k))_N表示对c(k)以N为周期进行周期延拓的结果，由此c((k+m))_N在k＝1,2,...N时表示对c(k)进行循环移位的结果，m＞0表示循环左移m位，m＜0表示循环右移|m|位，根据序列的结构可知当循环序列循环移0位时，如图，7中a与b的关系所示，其中a表示训练序列，b是对训练序列循环移0位得到的结果，循环移位的结果与训练序列完全相同，那么相关函数值出现一个比较大主峰，峰值为M(0)。如果对训练序列左右循环移位NFFT的时候，如图7中a与c、d的关系所示，其中c是对训练序列循环左移NFFT得到的结果，d是对训练序列循环右移NFFT得到的结果，循环移位后的结果与训练序列部分位置对应相同，相关函数值也会出现较小的副峰，两峰值分别为M(NFFT)、M(-NFFT)。搜索频域数据序列的目的是使训练序列移0位时出现的主峰值与循环左右移NFFT位出现的副峰值差距最大，以此来保证接收数据与训练序列按符号位相关运算获取的定时偏移估计函数主峰值与副峰值的差距尽可能大，增大动态门限的取值范围，由于两个副峰值大小基本相同，取主峰值M(0)和其中一个副峰值M(NFFT)的比值作为衡量标准，搜索出比值最大情况下对应的频域序列，然后确定该频域序列对应的训练序列； 

步骤五，根据公式$F\left(x\right)=\left|\mathrm{Re}\left(\underset{k=0}{\overset{N-1}{\Sigma }}r(x+k)c^{*}(k+1)\right)\right|+\left|\mathrm{Im}\left(\underset{k=0}{\overset{N-1}{\Sigma }}r(x+k)c^{*}(k+1)\right)\right|,$生成定 时偏移估计函数，定时偏移估计函数的具体实现框图如图8所示，图中左边滑动窗中存储的r(x),r(x+1),...r(x+N-2),r(x+N-1)是接收数据按符号位映射出的复数结果，x代表滑动窗的起始位置，c(1),c(2)...c(N-1),c(N)表示训练序列按符号位映射出的复数结果，根据框图所示的运算方式就可以得到关于滑动窗起始位置x的定时偏移估计函数F(x)； 

步骤六，动态门限的获取的实现框图如图9所示，定时偏移估计函数值依次送入FIFO寄存器，寄存器长度为M，流入的FIFO的数据同时送入累加器进行加法运算，流出FIFO的数据送入累加器进行减法运算。由于FIFO寄存器初始值全为零，因此当寄存器第一次填满时，累加器也就完成了对最先产生的M个定时偏移估计函数值的求和，以后每累加一个新产生的定时偏移估计函数值，同时也会减去之前M+1时刻处产生的定时偏移估计函数值，这样当FIFO寄存器输出的结果是F(x)时，累加器输出的结果就是定时偏移估计函数值F(x),F(x+1),...F(x+M-2),F(x+M-1)的和，求和的结果与相乘就完成取平均运算，取得的均值乘以系数mul就得到此时对应的动态门限值G(x)，定时偏移估计函数和动态门限的关系如图5所示，在信号在不加噪声和高信噪比的情况下，选取使动态门限介于定时偏移估计函数主峰值和副峰值之间所有可取系数的最小值作为mul值,这里较高信噪比信道环境表示信噪比大于100dB的信道环境； 

步骤八，锁定定时位置的算法流程如图10所示，将得到的定时偏移估计函数值与动态门限值进行比较，如果某一时刻的定时偏移估计函数值大于该时刻的动态门限值，将这个函数值作为新的门限，从这个时刻起200个时刻点内若没有定时偏移估计函数值比新门限值大就认为这个时刻是理想的定时位置，若有定时偏移估计函数值大于新的门限则用该函数值更新门限值并记录该位置，继续判断该位置后的200个时刻点内是否有定时偏移估计函数值比新门限值大，依次规律直到锁定出定时位置，然后定时偏移估计函数值继续与动态门限进行比较，搜索下一个定时位置。 

本发明的具体实施例： 

实施例1： 

第一步，首先确定训练序列的内容和结构： 

本发明中，取IFFT的点数为NFFT，循环前缀的长度为CP，训练序列含有两个OFDM符号，长度为2*(NFFT+CP)，用来进行符号定时，两个OFDM符号的结构关系如图3所示，其中第一个OFDM符号是A，其循环前缀用CP1来表示，第二个OFDM符号数据与第一个OFDM符号数据相互共轭，用A^*来表示，CP2＝CP1^*表示第二个OFDM符号的循环前缀，训练序列的前半部分与后半部分相互共轭，确定训练序列的内容后将其插入用于同步的数据帧中，接收端就可以利用数据帧中插入的训练序列的特性来进行符号定时，数据帧的结构可以根据传输数据的需要来调整； 

训练序列的整体结构如图4所示，后半部分是前半部分的共轭，若用传统方法，可以根据序列结构运用数据进行相关、归一化运算得出定时偏移估计函数，利用定时偏移估计峰值确定符号定时位置；定时偏移估计函数可以用公式 $F\left(m\right)=\frac{{|\underset{k=0}{\overset{N/2-1}{\Sigma }}R(m+k)*R(m+N/2-k)|}^2}{{\left(\frac{1}{2}\underset{k=0}{\overset{N/2-1}{\Sigma }}({\left|R(m+k)\right|}^2+{\left|R(m+N/2-k)\right|}^2)\right)}^2}$来表示，其中训练序列的长度N＝2*(NFFT+CP)，R(x)代表接收的信号数据； 

第一个OFDM符号的获取首先要选择它的频域数据，频域数据长度为NFFT，根据传输带宽值计算出每个OFDM符号的有效子载波个数，本发明从周期为2047的m序列中截取一段有效子载波长度的序列，将其映射成1、-1的形式，作为频域有效数据，前后均匀填充补足NFFT长度后做IFFT变换，然后按照图3所介绍的结构关系得到训练序列；由于训练序列中含有循环前缀，在对接收数据和本地序列按符号位进行相关运算时，得到的定时偏移函数会出现一个主峰和两个副峰，其关系如图5所示；图6中a表示训练序列，当进入滑动窗的数据形式如图6中b的所示，此时滑动窗内数据与训练序列完全对应，定时偏移估计函数会出现主峰，当进入滑动窗的数据如图6中c、d所示时，窗 内数据由于循环前缀的影响部分位置会与训练序列的数据对应，定时偏移估计函数会出现比较小的副峰；主峰与副峰之间的差距越大，动态门限的取值范围越大；在搜索频域序列值时，训练序列与自身循环移位的结果按符号位进行共轭相关，得到相关函数值，相关函数会出现一个主峰和两个副峰，通过保证相关函数主峰值与副峰值差距最大来保证获取的定时偏移估计函数的主峰值与副峰值差距尽可能大； 

第二步，定时偏移估计函数的获取方法： 

训练序列按符号位进行映射，将其结果作为本地序列，接收到的数据依次流入滑动窗中，将滑动窗中的数据按符号位与本地序列进行共轭相关运算，得到关于滑动窗起始位置的定时偏移估计函数值；运算的过程可以表示为：首先根据接收信号实虚部数据的符号位信息，利用公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))，对接收数据进行映射，其中R(x)代表接收信号，Re(.)表示取复数数据的实部值，Im(.)表示取复数数据的虚部值，sign(.)表示取一个数据的符号位，如果数据大于0输出结果是1，小于0输出结果是-1，r(x)是对接收信号实虚部取符号后映射出的结果，有四种数值±1±j，然后利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))对训练序列进行映射，其中C(k)代表本地训练序列，c(k)是对本地序列实虚部数据按符号位信息映射出的复数结果，有四种数值±1±j；最后根据公式$F\left(x\right)=\left|\mathrm{Re}\left(\underset{k=0}{\overset{N-1}{\Sigma }}r(x+k)c^{*}(k+1)\right)\right|+\left|\mathrm{Im}\left(\underset{k=0}{\overset{N-1}{\Sigma }}r(x+k)c^{*}(k+1)\right)\right|$求取定时偏移估计函数，其中，F(x)代表定时偏移估计函数值，N＝2*(NFFT+CP)代表相关窗和本地序列的长度；只有符号位参与运算，共轭相乘运算仅在数据1+j、1-j、-1+j、-1-j之间进行，由于参与运算数据的模值全都一样，因此省去了传统算法的归一化处理过程；而且由于参与运算的数据类型只有四个，运算结果也只有四种±2、±2j，因此实现时无需使用复数乘法器，直接根据参与运算的两个数据映射得到共轭相乘的结果，映射的关系如表1如下，其中a、b的取值可以从±1±j中选取，共轭相乘的结果用c表示，结果有四种±2、±2j， F(x)是由共轭相乘得到的复数数据进行累加，并分别将累加值的实部和虚部取绝对值，然后求和得到； 

表1映射的关系 

由表1的映射结果可以看出，当参与共轭运算的数据完全相同时，共轭相乘的结果实部是2虚部是0，求和过程是一个不断累加的过程，累加值实部是一个很大的值，虚部为零，这样累加值的实部大小就是该值的模值，因此实现对累加值的实部与虚部分别取绝对值，用其和来近似累加值的模值，由此得到F(x)；当参与共轭相关运算的值完全相同时，定时偏移估计函数就会出现一个很大的峰值，当参与共轭相关运算的数据没有全部相同或部分相同的关系时，由于接收数据符号位具有随机性，结合表1中参与运算数据与运算的结果可知，共轭相乘的结果将在±2和±2j之间随机选取，求和数据结果会相互抵消；只有当参与共轭运算的数据全部或者部分相同时定时偏移估计函数才会出现峰值，其余情况下定时偏移估计函数值维持在一定大小范围之内，不会出现明显的峰值； 

第三步，获取动态门限的方法： 

由第二步的处理过程可以得到滑动窗滑动到任意时刻的定时偏移估计函数值，要判断滑动窗的起始位置是否为理想的定时位置还应该有一定的判定标准；在本发明中采用动态门限作为判定标准，任一时刻的动态门限是由该时刻附近一段时间内的定时偏移估计函数值运算得到的，由于无法得到起始时刻之前的定时偏移估计函数值，因此为了保证每个时刻都有与其对应的动态门限，动态门限只能由当前时刻以及其后一段时间内产生的定时偏移估计函数值运算得到；本发明中任一时刻的动态门限是通过对从该时刻开始计数的M个定时偏移估计函数值取加权平均得到的，获取公式为其中G(m)表示m时刻动态门限的值，表示从m时刻开始计数的M个定时偏移估计函数值的平均值，mul表示一个常数，是定时偏移估计函数均值的加权系数，在不同的信道环境下使动态门限介于定时偏移估计函数主峰值和副峰值之间的加权系数mul可取值有很多；本发明中为了适应更低信噪比的信道环境，mul应取在无噪声或有较高信噪比信道环境下所有可选系数中的最小值，因为信噪比降低到一定程度时动态门限值会接近甚至超过定时偏移估计函数峰值，这样搜索时会忽略峰值，捕获不到定时位置，mul取最小的可取值，就可以使得该机制能够适应更低的信噪比条件；但是当信噪比降低到一定程度时仍会出现动态门限完全超过定时偏移估计函数峰值的情况，该机制用于硬件实现时，相对于算法通过获取定时偏移估计函数最大值锁定定时位置的方法，在性能上会有所损失，但该机制却具有更强的可行性和更低的复杂度； 

第四步，定时位置的获取： 

本发明算法如果通过获取定时偏移估计函数最大值来确定峰值，虽然可以获得更好的性能，但可行性太差，为了实现简单本发明引入了一种动态门限比较机制，该机制将定时偏移估计函数与对应的动态门限进行比较，最终确保定时位置处定时偏移估计函数值大于动态门限值，且其后的200个点内定时偏移估计函数值都小于该处的定时偏移估计函数值。 

结合以下的仿真试验对本发明的应用效果作进一步的说明： 

1、仿真条件： 

NFFT取1024，循环前缀CP取256，本发明仿真中用于同步的数据帧的结构如图2所示，图中保护间隔的数据为零，长度为(NFFT+CP)/2，数据部分用来存储有效数据，含有8个OFDM符号，长度为8*(NFFT+CP)，对定时偏移估计函数值取均值所用的FIFO长度M为2048，信道条件为高斯信道，采样率取12.8MHz，传输带宽值为12MHz，有效子载波个数为960，频域生成时前后补零的个数为32； 

2、性能分析： 

仿真内容及结果分析： 

在分析本发明的方法性能时，将本发明仿真结果以及其硬件实现测试结果与传统算法仿真结果进行对比。两种算法的仿真中通过取定时偏移函数最大值判定定时位置，其中图11表示两种算法定出结果的均值误差，图12表示两种算法定出结果的方差，本发明硬件实现时使用动态门限比较机制锁定定时位置，表2表示硬件实现的测试结果，结合图表中测试结果可知本发明算法通过取定时偏移函数最大值判定定时位置，可以在信噪比大于等于-15dB的信道环境下精确定时，本发明硬件实现运用动态门限比较机制，可以在信噪比大于等于-14dB的信道环境下完成精确定时，而在此条件下传统算法定时结果不稳定且具有较大的误差。由此可以看到本发明不但易于实现，运算复杂度低，而且在低信噪比环境下定时准确稳定。 

表2硬件实现的测试结果 

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。