高速低復(fù)雜度可重構(gòu)L&R算法研究與實(shí)現(xiàn)

胡婉如, 王竹剛, 梅如如, 陳 軒

(1. 中國(guó)科學(xué)院國(guó)家空間科學(xué)中心復(fù)雜航天系統(tǒng)電子信息技術(shù)重點(diǎn)實(shí)驗(yàn)室, 北京 100190;2. 中國(guó)科學(xué)院大學(xué)電子電氣與通信工程學(xué)院, 北京 100049)

0 引 言

隨著空間探測(cè)任務(wù)的日益繁重,對(duì)有效載荷系統(tǒng)數(shù)傳速率提出了更高的要求,高速數(shù)傳系統(tǒng)研究也迫在眉睫。由于多普勒頻移和收發(fā)兩端本振時(shí)鐘偏差等因素,接收機(jī)采集的信號(hào)存在頻率偏移和相位偏移,需通過(guò)載波恢復(fù)算法進(jìn)行補(bǔ)償。載波恢復(fù)算法是數(shù)傳接收機(jī)關(guān)鍵技術(shù)之一,其性能直接決定了數(shù)傳接收機(jī)的準(zhǔn)確性和可靠性。載波恢復(fù)包括載波頻偏恢復(fù)和載波相位恢復(fù)兩步。載波頻偏恢復(fù)算法和載波相偏恢復(fù)算法可分為數(shù)據(jù)輔助(data aided, DA)和非DA(not DA, NDA)兩大類。載波頻偏恢復(fù)算法對(duì)接收數(shù)據(jù)的頻偏進(jìn)行補(bǔ)償,并將剩余頻偏和剩余相偏減至載波相位恢復(fù)算法可糾正范圍。

為提高算法精度,采取基于多段導(dǎo)頻自相關(guān)函數(shù)疊加的改進(jìn)L&R算法。為平衡載波頻偏估計(jì)范圍和算法精度,先采用高速低復(fù)雜度可重構(gòu)L&R算法=2的架構(gòu)將大載波頻偏補(bǔ)償至較低范圍,再切換至=17的架構(gòu),使鎖定后的頻偏補(bǔ)償保持在高精度。為便于算法邏輯架構(gòu)實(shí)現(xiàn)與提高算法可工作時(shí)鐘速率,對(duì)自相關(guān)函數(shù)公式進(jìn)行分解和優(yōu)化,實(shí)現(xiàn)了各函數(shù)功能模塊化,并在優(yōu)化后的自相關(guān)函數(shù)架構(gòu)的基礎(chǔ)上進(jìn)一步提高L&R算法精度,最終提出一種高速低復(fù)雜度可重構(gòu)L&R算法及其架構(gòu)。仿真結(jié)果表明,本文提出的高速低復(fù)雜度可重構(gòu)L&R算法可滿足載波同步算法解調(diào)性能,且與理論誤碼率曲線基本一致;提出的算法架構(gòu)可減少92.59%的乘法器;工作時(shí)鐘頻率高達(dá)370.37 MHz,可滿足高速數(shù)傳需求。

1 載波頻偏恢復(fù)

1.1 載波頻偏估計(jì)算法

假設(shè)信號(hào)經(jīng)過(guò)下變頻并已經(jīng)取得符號(hào)定時(shí)同步,則接收信號(hào)的表達(dá)式為

()=ej(2πΔ+Δ)+

(1)

式中:為發(fā)送機(jī)在時(shí)刻發(fā)送的符號(hào);Δ為信號(hào)的頻偏;Δ為信號(hào)的相偏;為高斯白噪聲;為符號(hào)速率。

(2)

()的自相關(guān)函數(shù)()表達(dá)式為

(3)

式中:1≤≤-1,為導(dǎo)頻符號(hào)的個(gè)數(shù),=36。

Kay頻偏估計(jì)算法的表達(dá)式為

(4)

式中:=1,2,…,-1;加權(quán)系數(shù)()為

C&S頻偏估計(jì)算法的表達(dá)式為

(5)

式中:=1,2,…,-1。

M&M頻偏估計(jì)算法的表達(dá)式為

(6)

式中:1≤≤;加權(quán)系數(shù)()為

Jiang頻偏估計(jì)算法的表達(dá)式為

(7)

式中:1≤≤;加權(quán)系數(shù)()為

Fitz算法的表達(dá)式為

(8)

L&R算法的表達(dá)式為

(9)

為提高載波頻偏恢復(fù)算法的精度,對(duì)Kay、C&S、M&M、Jiang、Fitz和L&R算法進(jìn)行分析與最優(yōu)參數(shù)篩選。Kay、C&S、M&M、Jiang、Fitz和 L&R 6種頻偏估計(jì)算法的理論頻偏估計(jì)范圍如表1所示,其中Kay算法、C&S算法、M&M算法和Jiang算法的理論頻偏估計(jì)范圍只與符號(hào)速率有關(guān),最大可估計(jì)0.5倍符號(hào)速率的頻偏;Fitz算法和L&R算法的理論頻偏估計(jì)范圍與符號(hào)速率和參數(shù)有關(guān),最大只能估計(jì)1符號(hào)速率的頻偏,越大,頻偏估計(jì)范圍越小,精度越高,因此常用于小頻偏算法恢復(fù)。

表1 不同頻偏估計(jì)算法的理論頻偏估計(jì)范圍

在調(diào)制方式為16APSK,碼長(zhǎng)為8 160,信噪比分別為5 dB、10 dB、15 dB、20 dB,不同參數(shù)下的L&R算法和Fitz算法均方根誤差性能仿真如圖1所示。由圖1可知,相比于Fitz算法,L&R算法性能更加穩(wěn)定,本文對(duì)L&R算法進(jìn)行載波頻偏恢復(fù)方案的改進(jìn)。

圖1 參數(shù)N對(duì)L&R和Fitz算法頻偏估計(jì)性能影響Fig.1 Influence of parameter N on the performance of L&R and Fitz algorithm frequency offset estimation

1.2 高速低復(fù)雜度可重構(gòu)L&R算法

(10)

(11)

令

(12)

式中:1≤≤-1,0<≤,則

(13)

(14)

則有

(15)

由式(12)可知,進(jìn)行相同間隔自相關(guān)計(jì)算的去調(diào)制信號(hào)均可復(fù)用同一間隔子自相關(guān)模塊,圖2為間隔為的子自相關(guān)函數(shù)模塊框圖。由式(13)～式(15)可知,復(fù)雜的去調(diào)制導(dǎo)頻段自相關(guān)函數(shù)功能被完全分解成不同間隔子自相關(guān)函數(shù),便于模塊化設(shè)計(jì)。

圖2 子自相關(guān)函數(shù)模塊Fig.2 Sub-autocorrelation function module

此外,可疊加連續(xù)個(gè)導(dǎo)頻塊的自相關(guān)值進(jìn)行平均提高L&R算法估計(jì)精度性能,相應(yīng)表達(dá)式為

(16)

式中:sum_為多段連續(xù)導(dǎo)頻段自相關(guān)函數(shù)累加值;()為第個(gè)導(dǎo)頻段自相關(guān)函數(shù);()為第個(gè)導(dǎo)頻段的第個(gè)去調(diào)制信號(hào)不同間隔自相關(guān)值和;()為第個(gè)導(dǎo)頻段的第個(gè)去調(diào)制信號(hào)間隔為的自相關(guān)值。

高速低復(fù)雜度可重構(gòu)L&R算法的表達(dá)式為

(17)

式中:1≤≤。由式(16)和式(17)可知,可根據(jù)不同參數(shù)選擇不同間隔子自相關(guān)函數(shù)模塊進(jìn)行累加,靈活重構(gòu)具有不同頻偏估計(jì)范圍的L&R算法架構(gòu)。其中,當(dāng)疊加導(dǎo)頻段自相關(guān)函數(shù)段數(shù)為時(shí),清除自相關(guān)導(dǎo)頻段累加器累計(jì)值,等待下次累加開(kāi)始。

2 載波頻偏恢復(fù)算法實(shí)現(xiàn)

2.1 載波頻偏估計(jì)與載波同步整體結(jié)構(gòu)

由文獻(xiàn)[14,16-22]可知,常規(guī)的載波同步方案可分為3步,包括載波粗頻偏恢復(fù)、載波細(xì)頻偏恢復(fù)和載波相位恢復(fù),較為復(fù)雜。本文基于高速低復(fù)雜度可重構(gòu)L&R算法和導(dǎo)頻輔助相位線性插值算法進(jìn)行載波同步方案設(shè)計(jì),具體載波同步框圖如圖3所示,主要包括幀同步、載波頻偏恢復(fù)和載波相位恢復(fù)3部分。幀同步采用SOF+PLSC(start of frame and physical layer signaling code)聯(lián)合差分相關(guān)檢測(cè)算法檢測(cè)幀頭位置,再由幀頭位置推算出導(dǎo)頻段位置、導(dǎo)頻段間距和構(gòu)建數(shù)據(jù)位置索引;載波頻偏恢復(fù)根據(jù)導(dǎo)頻段數(shù)據(jù)利用高速低復(fù)雜度可重構(gòu)L&R算法計(jì)算出頻偏,并通過(guò)環(huán)路濾波器和數(shù)控振蕩器(numerically controlled oscillator, NCO)進(jìn)行頻偏補(bǔ)償;最后根據(jù)導(dǎo)頻段間距和數(shù)據(jù)位置索引利用導(dǎo)頻輔助相位線性插值算法推算當(dāng)前數(shù)據(jù)相偏,進(jìn)行相位恢復(fù),其中頻偏恢復(fù)算法采用反饋結(jié)構(gòu),相位恢復(fù)算法采用前饋結(jié)構(gòu)。載波頻偏估計(jì)算法的準(zhǔn)確性直接決定了傳輸信息的有效性和可靠性,環(huán)路濾波器的設(shè)計(jì)有利于提高系統(tǒng)的抗干擾性能。

圖3 載波同步框圖Fig.3 Carrier synchronization block diagram

2.2 載波頻偏估計(jì)算法結(jié)構(gòu)

如式(10)、 式(12)～式(14)所示,自相關(guān)公式分解后的每個(gè)公式可進(jìn)行模塊化設(shè)計(jì)。式(12)可以設(shè)計(jì)成導(dǎo)頻段自相關(guān)函數(shù)的子模塊,如圖2所示,該子模塊具有普遍性和可復(fù)用性,便于不同頻偏估計(jì)范圍的L&R算法重構(gòu)。式(14)和式(16)均涉及數(shù)據(jù)累加,可合理使用累加器,簡(jiǎn)化自相關(guān)函數(shù)累加計(jì)算框架結(jié)構(gòu),減少累加過(guò)程的時(shí)延。如圖4所示,自相關(guān)函數(shù)實(shí)現(xiàn)可由Unit1、Unit2和Unit3 3部分組成,其中 Unit1對(duì)應(yīng)實(shí)現(xiàn)第個(gè)去調(diào)制符號(hào)不同間隔的自相關(guān)(),Unit2對(duì)應(yīng)實(shí)現(xiàn)不同間隔自相關(guān)值累加(),Unit3對(duì)應(yīng)實(shí)現(xiàn)整個(gè)導(dǎo)頻段自相關(guān)值累加()。圖4中en36表示導(dǎo)頻段36個(gè)數(shù)據(jù)符號(hào)有效信號(hào),pilot_en表示導(dǎo)頻段最后一個(gè)符號(hào)數(shù)據(jù)有效。

如圖5所示,將多個(gè)導(dǎo)頻段的自相關(guān)值()進(jìn)行疊加,可由Unit4實(shí)現(xiàn),當(dāng)pilot_en有效時(shí),累加器使能,自相關(guān)值進(jìn)行累加,當(dāng)疊加導(dǎo)頻段自相關(guān)函數(shù)段數(shù)為時(shí),計(jì)算頻偏估計(jì)值,并清除累加器累計(jì)值,等待下次累加。由Unit4可知,其資源增加有限。

圖4 自相關(guān)函數(shù)框圖Fig.4 Block diagram of autocorrelation function

圖5 多段導(dǎo)頻自相關(guān)值疊加求頻偏框圖Fig.5 Block diagram of multi-segment pilot autocorrelation value superposition for frequency offset calculation

由圖4和圖5可知,對(duì)于不同參數(shù)的差異在于不同間隔子自相關(guān)函數(shù)模塊()疊加個(gè)數(shù),疊加不同數(shù)量導(dǎo)頻段自相關(guān)函數(shù)在于參數(shù)的修改,因此高速低復(fù)雜度可重構(gòu)L&R算法架構(gòu)的修改是簡(jiǎn)單清晰的。 其中enable()指示間隔為的子自相關(guān)函數(shù)模塊輸出是否參與計(jì)算,當(dāng)=時(shí),enable(1),enable(2),…,enable()有效,其余使能信號(hào)無(wú)效,使能信號(hào)的控制使得算法可靈活根據(jù)需求進(jìn)行重構(gòu)。

2.3 環(huán)路濾波器結(jié)構(gòu)

高速低復(fù)雜度可重構(gòu)L&R算法根據(jù)連續(xù)個(gè)導(dǎo)頻塊累加自相關(guān)值計(jì)算頻偏,并通過(guò)反饋環(huán)路進(jìn)行載波頻偏恢復(fù),其中載波同步環(huán)路濾波器采用可降采的環(huán)路濾波結(jié)構(gòu)。如圖6所示,可降采的環(huán)路濾波結(jié)構(gòu)可由Unit5和Unit6兩部分組成,Unit5對(duì)應(yīng)實(shí)現(xiàn)積分清除濾波器(integrate dump filter, IDF),Unit6對(duì)應(yīng)實(shí)現(xiàn)二階有源比例積分濾波器。積分清除濾波器可抑制高頻噪聲、降采,結(jié)構(gòu)簡(jiǎn)單。環(huán)路濾波器可平滑誤差值,減小噪聲和抖動(dòng)的影響,使環(huán)路調(diào)整更加穩(wěn)定。其中,環(huán)路濾波器的遞歸方程為

()=[(-1)-(-1)]+()+()

(18)

式(18)可簡(jiǎn)化為

()=(-1)+()+()

(19)

式中:()為積分清除濾波器輸出;()為二階環(huán)路濾波器輸出;()=()-(),且()為第二支路輸出。

式中:為環(huán)路帶寬;=0707;為鑒相器增益系數(shù);為數(shù)控振蕩器增益系數(shù);為符號(hào)周期。

圖6 載波同步環(huán)路濾波器Fig.6 Carrier synchronous loop filter

3 載波同步仿真與硬件實(shí)現(xiàn)

為驗(yàn)證高速低復(fù)雜度可重構(gòu)L&R算法的性能,根據(jù)表2所示仿真參數(shù)對(duì)高速低復(fù)雜度可重構(gòu)L&R算法進(jìn)行仿真,載波同步仿真的流程如圖7所示。首先采用SOF+PLSC聯(lián)合差分檢測(cè)算法檢測(cè)幀頭,推算導(dǎo)頻段位置,然后利用高速低復(fù)雜度可重構(gòu)L&R算法估算載波頻偏,并進(jìn)行載波頻偏恢復(fù),將剩余頻偏和剩余相偏減至導(dǎo)頻輔助相位線性插值算法可糾正的范圍,最后經(jīng)過(guò)解映射,計(jì)算誤比特率。

表2 載波頻偏恢復(fù)算法仿真參數(shù)

圖7 載波同步仿真流程圖Fig.7 Carrier synchronization simulation flowchart

3.1 高速低復(fù)雜度可重構(gòu)L&R算法仿真及性能分析

由圖1可知,隨著越大,L&R算法精度越高,且當(dāng)≥17后,均方根誤差性能改善比較有限。由表1可知,可捕獲理論載波頻偏為符號(hào)速率的1(+1),隨著越大,L&R算法可捕獲頻偏范圍越小,其中=2的架構(gòu)最高可補(bǔ)償理論載波頻偏為符號(hào)速率的13,=17的架構(gòu)最高可補(bǔ)償理論載波頻偏為符號(hào)速率的118。此外,隨著越大,高速低復(fù)雜度可重構(gòu)L&R算法資源消耗越高,而切換過(guò)程只需控制使能信號(hào)即可,不會(huì)額外增加資源消耗,且資源消耗取決于最終切換到的精度更高的架構(gòu)。如果可重構(gòu)L&R算法精度不足以將剩余頻偏和剩余相偏減至導(dǎo)頻輔助相位線性插值算法可糾正的范圍,那么無(wú)法正確進(jìn)行載波同步。因此,為平衡載波頻偏估計(jì)范圍、算法精度、資源消耗等因素,本文先采用高速低復(fù)雜度可重構(gòu)L&R算法=2的架構(gòu)將載波頻偏快速補(bǔ)償至較低范圍,再切換至=17的架構(gòu),使得鎖定后的頻偏補(bǔ)償保持在高精度。高速低復(fù)雜度可重構(gòu)L&R算法架構(gòu)具有極高的可重構(gòu)性和靈活性,可根據(jù)不同應(yīng)用場(chǎng)景選擇合適參數(shù)進(jìn)行載波頻偏恢復(fù)。

為進(jìn)一步確定高速低復(fù)雜度可重構(gòu)L&R算法最優(yōu)性能參數(shù),結(jié)合表2所示的仿真條件,在8 dB信噪比和不同疊加導(dǎo)頻段自相關(guān)函數(shù)段數(shù)下,對(duì)高速低復(fù)雜度可重構(gòu)L&R算法的頻偏估計(jì)性能進(jìn)行仿真。由圖8可知,當(dāng)=1時(shí),未進(jìn)行導(dǎo)頻段自相關(guān)疊加的高速低復(fù)雜度可重構(gòu)L&R算法的均方根誤差較高,所選疊加導(dǎo)頻段數(shù)為16～64時(shí),其均方根誤差性能幾乎相同。當(dāng)=32時(shí), 高速低復(fù)雜度可重構(gòu)L&R算法均方根誤差性能最佳,算法精度有所提升。

圖8 疊加段數(shù)L0對(duì)高速低復(fù)雜度可重構(gòu)L&R算法頻偏估計(jì)性能影響Fig.8 Influence of the number of overlaps L0 on the performance of the high-speed, low-complexity, reconfigurable L&R algorithm frequency offset estimation

在信噪比為20 dB時(shí),對(duì)應(yīng)無(wú)載波同步和載波同步后的16APSK信號(hào)星座圖如圖9所示。

圖9 載波同步前后16APSK信號(hào)星座圖Fig.9 16APSK signal constellation diagram before and after carrier synchronization

由圖9可知,載波同步前星座圖受頻偏和相偏的影響,無(wú)法準(zhǔn)確識(shí)別星座點(diǎn),這對(duì)接收機(jī)的解調(diào)性能提出了極大的挑戰(zhàn);載波同步后,剩余頻偏和剩余相偏的影響極其有限,星座點(diǎn)分布清晰,便于接收機(jī)的解調(diào)。結(jié)合表2所示仿真條件和圖3所示載波同步結(jié)構(gòu),在不同的信噪比條件下,進(jìn)行載波同步仿真,得到如圖10所示載波恢復(fù)算法誤比特率曲線。由圖10可知,載波恢復(fù)算法誤比特率曲線和理論誤比特曲線幾乎重合,性能損失很小,且在23 dB時(shí),誤碼率已降為0。可知高速低復(fù)雜度可重構(gòu)L&R算法滿足高速接收機(jī)跟蹤鎖定精度和解調(diào)性能的需求。

圖10 載波同步算法誤比特率曲線Fig.10 Bit error rate curve of carrier synchronization algorithm

文獻(xiàn)[15]中先采用D&M(Delay & Multiply) (=2)進(jìn)行了載波粗頻偏恢復(fù),再采用L&R算法(=9)進(jìn)行載波細(xì)頻偏恢復(fù);文獻(xiàn)[16]中提出的常規(guī)載波恢復(fù)方案是先采用D&M(=2)進(jìn)行了載波粗頻偏恢復(fù),再采用L&R算法(=18)進(jìn)行載波細(xì)頻偏恢復(fù);文獻(xiàn)[16]中提出的改進(jìn)方案是先采用M&M算法(=9)進(jìn)行載波粗頻偏恢復(fù),再采用簡(jiǎn)單導(dǎo)頻塊相關(guān)算法進(jìn)行載波細(xì)頻偏恢復(fù)。以往文獻(xiàn)中整個(gè)頻偏恢復(fù)方案是比較復(fù)雜的,而本文所用的可重構(gòu)L&R算法,可先用=2的L&R算法架構(gòu)將載波頻偏快速跟蹤鎖定至較小頻偏范圍,再利用=17的架構(gòu)進(jìn)行精度更高的鎖定,整個(gè)過(guò)程只需使用可重構(gòu)L&R算法,且只需控制使能信號(hào)即可實(shí)現(xiàn)對(duì)應(yīng)的架構(gòu),資源消耗也只取決于=17的架構(gòu)。

文獻(xiàn)[15]和文獻(xiàn)[16]中關(guān)于L&R載波頻偏估計(jì)算法和M&M載波頻偏估計(jì)算法的計(jì)算復(fù)雜度如表3所示。對(duì)應(yīng)不同算法,乘法器資源消耗均較多,而本文提出的改進(jìn)結(jié)構(gòu)相比于直接結(jié)構(gòu)乘法器消耗減少了92.59%,極大地節(jié)省了資源消耗。此外,由表1可知, L&R算法的參數(shù)取值越大,計(jì)算復(fù)雜度越高,頻偏估計(jì)范圍越小,精度越高。本文高速低復(fù)雜度可重構(gòu)L&R算法及其架構(gòu)先基于=17的架構(gòu)進(jìn)行設(shè)計(jì),當(dāng)載波頻偏較大時(shí),控制使能信號(hào),讓架構(gòu)先以=2的情況進(jìn)行載波頻偏補(bǔ)償,當(dāng)載波頻偏補(bǔ)償至剩余頻偏小于5 kHz時(shí),控制使能信號(hào),讓架構(gòu)以=17的情況進(jìn)行載波頻偏補(bǔ)償,直至環(huán)路鎖定。高速低復(fù)雜度可重構(gòu)L&R算法及其架構(gòu)可兼顧計(jì)算復(fù)雜度和算法精度,適用于高速接收機(jī)中,具有極高的應(yīng)用價(jià)值。

表3 不同載波頻偏估計(jì)算法計(jì)算復(fù)雜度對(duì)比

3.2 高速低復(fù)雜度可重構(gòu)L&R算法實(shí)現(xiàn)性能分析

本文基于XCKU040-FFVA1156-2-E硬件平臺(tái)進(jìn)行硬件實(shí)現(xiàn),開(kāi)發(fā)環(huán)境為Vivado2017.4,載波頻偏恢復(fù)仿真結(jié)果如圖11所示。freq_ini和freq_inq為載波頻偏恢復(fù)算法輸入信號(hào)的實(shí)部和虛部信號(hào);en36指示導(dǎo)頻段符號(hào)數(shù)據(jù)有效, 其中導(dǎo)頻段符號(hào)個(gè)數(shù)為36;pilot_en指示導(dǎo)頻段最后一個(gè)符號(hào)數(shù)據(jù)有效;freq_cos_outi和freq_cos_outq分別為用于補(bǔ)償載波頻偏的實(shí)部、虛部信號(hào)。當(dāng)en36有效時(shí),可重構(gòu)L&R算法根據(jù)導(dǎo)頻段符號(hào)數(shù)據(jù)進(jìn)行頻偏估計(jì),將估計(jì)出的頻偏信號(hào)送入NCO模塊,得到freq_cos_outi和freq_cos_outq,并將freq_cos_outi和freq_cos_outq用于頻偏補(bǔ)償。指示當(dāng)前工作架構(gòu)情況,先用=2的架構(gòu)將載波頻偏快速跟蹤鎖定至5 kHz,然后將可重構(gòu)L&R算法架構(gòu)切換至=17的架構(gòu),使得剩余頻偏和剩余相偏減至導(dǎo)頻輔助相位線性插值算法可糾正的范圍,從而正確實(shí)現(xiàn)載波同步。

圖11 載波頻偏恢復(fù)仿真結(jié)果Fig.11 Carrier frequency offset recovery simulation results

高速低復(fù)雜度可重構(gòu)L&R算法的資源消耗和可工作時(shí)鐘頻率如表4所示。其中，LUT、FF和BRAM分別表示為查找表(look up table, LUT)、觸發(fā)器(flip-flop, FF)和塊隨機(jī)存儲(chǔ)器(block random access memory, BRAM)。高速低復(fù)雜度可重構(gòu)L&R算法在XCKU040-FFVA1156-2-E上可工作時(shí)鐘頻率高達(dá)370.37 MHz，數(shù)字信號(hào)處理器(digital signal processor, DSP)資源僅消耗了3.54%，實(shí)現(xiàn)了硬件資源和可工作時(shí)鐘之間的平衡。現(xiàn)有的L&R載波頻偏恢復(fù)算法主要基于低速數(shù)傳系統(tǒng)進(jìn)行研究與實(shí)現(xiàn)，不適用于高速數(shù)傳系統(tǒng)，本文提出的高速低復(fù)雜度可重構(gòu)L&R算法及其架構(gòu)適用于高速數(shù)傳系統(tǒng)，在高速接收機(jī)中具有極高的應(yīng)用價(jià)值。

表4 高速低復(fù)雜度可重構(gòu)L&R算法的資源消耗

4 結(jié) 論

為簡(jiǎn)化和模塊化載波頻率恢復(fù)算法的實(shí)現(xiàn)結(jié)構(gòu),提高載波頻率恢復(fù)算法精度和可工作時(shí)鐘頻率,本文提出一種高速低復(fù)雜度可重構(gòu)L&R算法及其架構(gòu)。首先對(duì)L&R算法的自相關(guān)公式進(jìn)行分析、分解,并對(duì)分解后的公式進(jìn)行模塊化設(shè)計(jì);然后基于模塊化的自相關(guān)函數(shù)架構(gòu)進(jìn)行設(shè)計(jì),合理使用累加器、簡(jiǎn)化整個(gè)框架結(jié)構(gòu)、減少時(shí)延;最后利用疊加多個(gè)導(dǎo)頻段自相關(guān)函數(shù)提高算法精度。結(jié)果表明,載波同步后的誤比特曲線與理論誤比特率曲線幾乎重合,性能損失較小;優(yōu)化后的結(jié)構(gòu)實(shí)現(xiàn)簡(jiǎn)單,乘法器消耗可減少92.59%,可工作時(shí)鐘頻率高達(dá)370.37 MHz。本文提出的L&R算法架構(gòu)具有可重構(gòu)性,可靈活應(yīng)用于不同載波頻偏場(chǎng)景,相較于傳統(tǒng)接收機(jī),可應(yīng)用于高速數(shù)傳系統(tǒng)中。接下來(lái)將對(duì)可重構(gòu)L&R算法的架構(gòu)進(jìn)行進(jìn)一步的優(yōu)化,減少資源消耗。