OFDM系统Schmidl与Park同步算法仿真程序

资 源 简 介

本程序旨在实现正交频分复用（OFDM）系统的符号同步定位技术，重点涵盖了Schmidl & Cox（S&C）算法以及Park算法两种经典的时域同步方案。程序通过构造具有特殊对称性或重复性的训练序列，利用自相关或互相关原理在接收端计算定时度量函数。对于Schmidl算法，程序实现了基于两个具有重复结构训练符号的定时度量计算，能够有效完成符号起始位置的粗略捕捉，尽管其在定时度量曲线上存在一定范围的平台效应。为了解决平台效应带来的精确定位困难，程序进一步集成了Park算法，该算法通过重新设计训练序列结构并利用序列的对称性，使得定时度量函数在理想同步点处产生极窄的脉冲峰值，从而显著提升了定时偏移估计的精度。系统包含了完整的信号链路仿真，从训练序列的生成、OFDM符号调制、经过加性高斯白噪声（AWGN）信道或多径衰落信道，到最终接收端的同步算法处理。用户可以直观地对比不同算法在不同信噪比环境下的定时度量曲线、均方误差（MSE）性能以及同步成功率，为OFDM物理层同步技术的研究与教学提供完善的仿真环境。

详 情 说 明

OFDM符号定时同步仿真项目说明文档

项目介绍

本项目是一个基于MATLAB开发的OFDM（正交频分复用）系统时域同步仿真环境。同步是OFDM接收机中的关键环节，本项目重点模拟和对比了两种经典的时域定时同步算法：Schmidl & Cox (S&C) 算法与 Park 算法。程序通过构造特定的训练序列，模拟信号在含有时延和高斯白噪声信道中的传输过程，并在接收端通过计算定时度量函数来捕获符号的起始位置。该仿真系统为理解OFDM物理层同步技术提供了直观的性能分析工具。

功能特性

1. 算法对比：完整实现了Schmidl & Cox算法与Park算法，展示了从平顶度量函数到尖锐脉冲度量的演进。
2. 训练序列构造：支持S&C要求的重复结构序列以及Park要求的镜像对称结构序列的自动生成。
3. 信道模拟：包含可自定义的符号定时偏移（Timing Offset）设置以及加性高斯白噪声（AWGN）信道模拟。
4. 统计性能分析：通过多轮迭代计算不同信噪比（SNR）下的均方误差（MSE），评估算法在噪声环境下的鲁棒性。
5. 动态可视化：提供四路子图，直观对比度量曲线形状、理想位置偏移以及MSE随信噪比的变化曲线。

系统实现逻辑

代码执行流程严格遵循OFDM信号处理链路：

1. 参数初始化：设置子载波数（FFT点数1024）、循环前缀长度（256）、初始信噪比及人为制造的时延偏移量。
2. S&C 训练符号生成：在频端生成随机PN码，通过IFFT变换后，取其中一半进行重复，构造出具有 [A A] 结构的训练符号，并添加循环前缀。
3. Park 训练符号生成：构造具有 [v, v_flip, conj(v), conj(v_flip)] 对称结构的特殊序列，旨在消除S&C算法中间的平台效应。
4. 信号传输模拟：在生成的训练序列前填充零值以模拟定时延迟，随后通过 awgn 函数添加高斯噪声。
5. 定时度量计算：

- 针对S&C算法，利用前后两个长度为 N/2 窗口的自相关性计算 M(d)。 - 针对Park算法，利用对称样点间的乘积和计算其特定的定时度量函数。

1. MSE 循环统计：在 0dB 到 20dB 的信噪比范围内进行多次迭代仿真，自动搜索各算法度量函数的最大值点，并与理想同步位置对比，汇总均方误差。
2. 结果显示：实时绘制定时度量曲线，并在命令行输出估计得到的偏移量。

算法实现细节

Schmidl & Cox 算法 该算法的核心在于利用符号的重复性。在计算定时度量 M(d) 时，它计算两个长度为 N/2 窗口的互相关 P(d)，并用第二个窗的能量 R(d) 进行归一化。由于循环前缀（CP）的存在，该算法的度量函数会在理想同步位置附近出现一个长度等于 CP 的平台，这会导致定时点的精确定位存在偏差。

Park 算法 为了解决 S&C 算法的平台效应，Park 算法重新设计了训练序列的结构，使其不仅具有重复性，还具有镜像对称性。其定时度量函数 P(d) 采用中心样点两侧的样点进行共轭配对相乘。这种方法使得原本的平台被压缩为一个极窄的脉冲峰值，理想峰值位于训练符号的中心位置，从而极大提高了定时精度。

均方误差 (MSE) 评估 代码中通过遍历 Search_Range 来寻找度量函数的峰值索引。

• S&C 算法的理想位置判定：Timing_Offset + CP + 1。
• Park 算法的理想峰值判定：Timing_Offset + CP + N/2。

通过比较估计位置与理想位置的平方差并取平均，得出各算法在不同噪声水平下的性能表现。

系统要求

• 运行环境：MATLAB R2016b 或更高版本。
• 必备工具箱：Communications Toolbox (用于执行 awgn 和 randsrc 等函数)。

使用方法

1. 打开 MATLAB 软件。
2. 将代码所在目录设置为当前工作路径。
3. 直接运行主程序脚本。
4. 观察生成的 Figure 窗口：

- 子图1 & 2：展示两种算法的定时度量随采样点变化的曲线，红虚线标识了理论上的理想点。 - 子图3：展示了归一化后的曲线对比，突出 Park 算法的尖峰特性。 - 子图4：展示了随 SNR 增加，两种算法 MSE 下降的对比趋势。

1. 查看命令行窗口输出的实际时延与估计时延对比结果。