基于疊加訓練序列光OFDM系統幀同步算法FPGA實現
3.1 功率分配因子與BER性能
通過不同信噪比下的系統BER性能及不同功率分配因子下的算法同步正確率仿真綜合得出最佳功率分配因子,仿真結果如圖3,圖4所示。本文引用地址:http://www.j9360.com/article/153538.htm
從圖3,圖4可以看出,當功率分配因子逐漸增大時,意味著疊加在數據OFDM符號上的能量越來越大,使得目標函數的能量值越大。但系統的BER性能變得越來越差,相反算法的同步性能變得越來越好。權衡兩者性能,選擇最佳功率分配因子β=0.05,后續將以此功率分配因子為基礎進行仿真。需要說明的是,仿真系統BER性能的時候,將疊加訓練序列作為干擾信息,沒有進行信道估計,因此圖3中不會出現極值現象。
3.2 同步性能仿真比較
圖5中給出了色散系數分別為17 ps/(nm·km)和34 ps/(nm·km)下不同傳輸距離的算法同步性能仿真。D表示色散系數,L表示傳輸距離。可以看出,相同色散下,傳輸距離越長,光能量損耗越大,使得算法同步性能變差;同時相同傳輸距離下,不同色散系數對算法的同步性能也將產生影響,色散系數越大,使得同步性能變差。由此可以判斷在光OFDM系統中,光纖的色散和傳輸距離會影響算法的同步性能。
為了更加突出幀同步算法性能的優越性,圖6將通過仿真驗證算法的均方誤差(Mean Square Error,MSE)性能。可以看出,算法隨著信噪比的增大,趨近于穩定,收斂性較快。在信噪比大于-2 dB的情況下,算法性能穩定。
構造的訓練序列具有良好的自相關性能,同時對于接收信號進行簡單的移位截取鏡像疊加處理,把長序列相關轉換為短序列相關,降低了計算量,減少硬件資源的消耗。文獻中采用長度為512的m序列,算法2采用了兩次循環嵌套的累積求和方法,算法3利用求平均的方式,而本文采用長度為256的序列,將截取長度為512的接收信號進行鏡像疊加處理,把長序列的乘積轉化為短序列的乘積,降低了使用乘法器的次數,同時采用的訓練序列比文獻中的要短。因此,本文的同步算法在計算復雜度上比文獻中的算法2和算法3更具優勢。
4 幀同步算法的FPGA仿真實現
4.1 訓練序列產生
訓練序列產生(Training Sequence Generator,TSG)模塊的硬件實現結構如圖7所示。TSG采用頻率為20 MHz時鐘進行基帶處理。從微處理器送出的控制信號ACK用來啟動TSG模塊的工作。與IM/DDO-OFDM符號長度N(N=64)保持一致,ACK信號持續拉高1 025個時鐘,一共持續完成64個周期的訓練序列輸出,每個周期內有16個時域樣值。其中,TSG模塊輸出數據采用8位帶符號的二進制表示,后8個周期TSG模塊輸出數據與前8個周期輸出的數據具有鏡像對稱關系。
評論