CN114422313A - 一种帧检测方法 - Google Patents

Abstract

本发明公开了一种帧检测方法，所述帧检测方法包括：S1：接收原始时域信号；S2：对所述原始时域信号进行去噪操作，得到新的时域信号；S3：获取所述新的时域信号中帧的起始位置的定位；S4：将所述帧的起始位置的定位作为检测结果输出。本发明所提供的帧检测方法，能够确保得到精确的帧同步前提下，减少CPU的工作负荷，同时提高帧检测的速度，减少丢包率。

Description

一种帧检测方法

技术领域

本发明涉及无线通信技术领域，具体涉及一种帧检测方法。

背景技术

SDR(Software Defined Radio))软件定义的无线电

随着无线局域网(Wireless Local Area Network，WLAN)在我们日常生活中的不断普及，WLAN凭借其传输速度快、可靠性高、成本低等优势在无线通信和Wi_Fi感知等技术得到了迅速的发展。然而，OFDM(Orthogonal Frequency Division Multiplexing)帧检测技术对无线通信和Wi_Fi感知等领域有着重要的意义。

众所周知，WLAN是基于802.11协议的，而该协议采用OFDM(正交频分复用)技术。

OFDM是一种多载波调制技术，能够有效的对抗频率选择性衰落，抵抗因为多径效应带来的符号间干扰(ISI)、子信道间干扰(ICI)，而且具有较高的频谱利用率，易于与自适应调制技术耦合，因此成为了通信系统重点考虑采用的技术之一。

在OFDM系统中，为了在接收端便于数据的同步，都是以帧的结构发送和接收数据的。每一个帧的结构可以简单的分为四部分：短训练序列、长训练序列、Signal域和Data域。在发送端，将这四部分调制之后发送出去。训练序列是由标准定义好的确定性数据，具有较好的相关性。在接收端，将接收到的信号进行采样、自动增益调整等处理后，就可以进行帧同步检测了。目前常用的同步检测方法主要有三种：基于空闲符号能量检测的帧定时同步算法，基于训练符号的帧同步定时算法，基于训练符号的符号定时同步算法。

而以上三种传统的方法在进行帧同步时，当接收到信号后，对信号不进行过滤，直接通过计算相关值来确定帧的起始位置，这样就会对CPU的性能提出更高的要求。同时在求相关值时，由于CPU的性能有限，出现严重的丢包现象。

发明内容

本发明的目的在于提供一种帧检测方法，以能够确保得到精确的帧同步前提下，减少CPU的工作负荷，同时提高帧检测的速度，减少丢包率。

本发明解决上述技术问题的技术方案如下：

本发明提供一种帧检测方法，所述帧检测方法包括：

S1：接收原始时域信号；

S2：对所述原始时域信号进行去噪操作，得到新的时域信号；

S3：获取所述新的时域信号中帧的起始位置的定位；

S4：将所述帧的起始位置的定位作为检测结果输出。

可选择地，所述步骤S2包括：

S21：对所述原始时域信号进行短时傅里叶变换操作，得到多段频域信号；

S22：对多段所述频域信号进行初步去噪，得到多个可用的频域信号；

S23：对多个可用的频域信号进行时域信号恢复操作，得到新的时域信号。

可选择地，所述步骤S21包括：

对所述原始时域信号进行模数转换，得到时域信号；

对所述时域信号进行加窗操作，得到多段频域信号。

可选择地，利用Hanning窗函数对所述时域信号进行加窗操作。

可选择地，所述步骤S22包括：

计算当前段的频域信号的能量值；

判断所述能量值是否大于预设阈值，若是，将所述当前段的频域信号作为可用的频域信号；否则，丢弃所述当前段的频域信号，选择下一个段作为当前段并重新进行计算其频域信号的能量值。

可选择地，所述步骤S23包括：

分别对每个所述可用的频域信号进行中心频率迁移操作，得到多个迁移后可用的频域信号；

对每个迁移后可用的频域信号进行快速傅里叶逆变换操作，得到多个逆变换后的时域信号；

对每个所述逆变换后的时域信号进行下变频操作，得到新的时域信号。

可选择地，所述步骤S3包括：

利用延迟相关算法加保持长度算法，获取所述新的时域信号中帧的起始位置的粗定位；

根据所述粗定位，利用符号同步算法，获取当前帧起始位置的精确定位。

可选择地，利用延迟相关算法加保持长度算法，获取所述新的时域信号中帧的起始位置的粗定位包括：

接收所述新的时域信号；

对所述新的时域信号进行延迟操作，并根据当前时域信号和延迟后的时域信号得到互相关系数，对所述互相关系数进行累加求和操作，得到第一累加求和结果；

根据所述第一累加求和结果，得到延迟相关值；

根据所述新的时域信号，计算延迟后时域信号的自相关系数；

对所有所述自相关系数进行累加求和操作，得到接收信号能量值；

根据所述延迟相关值和所述接收信号能量值，得到判决变量；

如果若干个连续的所述判决变量大于预设阈值，则将所述判决变量大于所述预设阈值的开始时刻作为所述新的时域信号中帧的起始位置的粗定位。

可选择地，所述判决变量m_n为：

其中，C_n表示当前接收到的L个数据和前D个时刻接收到的L个数据的互相关值且

L表示数据个数，D为第D个时刻，k表示当前窗口中信号的下标，n表示窗口的大小，r_n-k表示当前窗口中第n-k个信号,

表示表示第D个时刻中第n-k个信号对应的共轭信号，p_n表示接收信号能量且

可选择地，所述根据所述粗定位，利用符号同步算法，获取当前帧起始位置的精确定位包括：

确定本地短训练序列的长度；

根据所述粗定位和所述本地短训练序列的共轭复数，得到两者的互相关系数；

获取所述互相关系数的绝对值；

获取所述新的时域信号短训练序列周期内所有所述绝对值的峰值；

将所有所述绝对值的峰值中的最后一个峰值作为所述新的时域信号的短训练序列的结束位置；

根据所述新的时域信号数据帧中短训练序列的长度以及所述结束位置，得到所述新的时域信号数据帧的短训练序列的开始位置；

将所述开始位置作为所述当前帧的起始位置；

所述互相关系数C_k为：

其中，m当前窗口中信号的下标，k为表示窗口的大小，r_k-m表示当前窗口中第k-m个信号,S为本地短训练序列，

表示所述新的时域信号的短训练序列中第个m信号的共轭复数。

本发明具有以下有益效果：

通过上述技术方案，即通过本发明所提供的帧检测方法，能够很大程度上减少噪声信号，使得接收到的信号主要为有效数据，从而能够减少CPU的工作负荷，同时确保得到精确的帧的位置。

附图说明

图1为本发明所提供的帧检测方法的流程图；

图2为步骤S2的分步骤流程图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

实施例

本发明提供一种帧检测方法，参考图1所示，所述帧检测方法包括：

S1：接收原始时域信号；

这里，本发明采用SDR前端接收原始时域信号。

S2：对所述原始时域信号进行去噪操作，得到新的时域信号；

如果对原始时域信号直接进行帧检测，不管是在硬件平台还是在软件平台，由于大量噪声的存在，都会很大程度的影响帧检测的速度。因此，本发明首先对接收到的原始频域信号进行能量检测，过滤掉部分噪声信号。能量检测部分我们在频域上进行，参考图2所示，具体如下：

S21：对所述原始时域信号进行短时傅里叶变换操作，得到多段频域信号；其进一步包括：

对所述原始时域信号进行模数转换，得到时域数字信号；

由于SDR接收到的原始时域信号是模拟信号，因此，当SDR射频前端接收到原始时域信号之后，首先进行A/D转换，以将是模拟信号的原始时域信号转换为是数字信号的时域信号。

对所述时域数字信号进行加窗操作，得到多段频域信号。

对于两个时域分布完全相反的信号，FFT(快速傅里叶变换，Fast FourierTransform,FFT)无法捕捉到信号在时域分布上的不同。所以，使用STFT，每次只对一段信号进行频域上的分析，这样就可以捕捉到信号在时域分布上的不同。

本发明采用STFT(即短时傅里叶变换，短时傅里叶变换是和傅里叶变换相关的一种数学变换，用以确定时变信号其局部区域正弦波的频率与相位)并利用Hanning窗函数对所述时域信号进行加窗操作。

S22：对多段所述频域信号进行初步去噪，得到多个可用的频域信号；

计算当前段的频域信号的能量值；

判断所述能量值是否大于预设阈值，若是，将所述当前段的频域信号作为可用的频域信号；否则，丢弃所述当前段的频域信号，选择下一个段作为当前段并重新进行计算其频域信号的能量值。

由于加窗操作后，时域信号被转换为频域信号且被分段，形成多段频域信号，因此对每一小段进行FFT(快速傅里叶变换，Fast Fourier Transform,FFT)处理，FFT的点数可以自由设置。将每一小段转换到频率之后，然后计算每一小段的能量大小，得到信号能量值之后，将能量值和设定的阈值进行比较，如果信号的能量值大于给定的阈值，就将该窗口的信号传递到后面的模块，否则，将该窗口的信号直接丢弃。因此，阈值的选取至关重要，如果阈值选取的过小，就会导致将噪声信号误判为有用信号，保留下来，如果阈值选取的过大，就会导致将有用信号误判为噪声信号，将有用信号丢弃，使得在后面帧同步时出错。接收到的信号中存在较大的随机噪声，因此，阈值必须要随着环境的变化动态可调。同时，当做FFT变化时，FFT的点数发生变化时，对应的阈值也要更新，我们采用加权平均值的方法计算平均阈值，即：Avg(n)_new＝α*Avg(n)_old+(1-α)*Value(n)，其中α为选取的窗口大小，Avg(n)_new表示FFT的点数发生变化后得到的新的平均阈值，Avg(n)_old表示FFT的点数变化前对应的平均阈值，Value(n)表示频域信号的能量值。

经过处理之后，可以很大程度上减少噪声信号，使得接收到的信号主要以有效的帧数据为主，我们在后面只需要对保留的信号进行帧同步，这样可以减少帧同步时的计算量，提高帧同步的效率。

S23：对多个可用的频域信号进行时域信号恢复操作，得到新的时域信号。

分别对每个所述可用的频域信号进行中心频率迁移操作，得到多个迁移后可用的频域信号；

对每个迁移后可用的频域信号进行快速傅里叶逆变换操作，得到多个逆变换后的时域信号；

对每个所述逆变换后的时域信号进行下变频操作，得到新的时域信号。

当我们在频域对信号进行能量检测之后，接下来就要对保留下来的可用的频域信号进行重组，以原始的采样速率恢复出时域信号。以相同的点数对FFT之后的信号进行IFFT(快速傅里叶逆变换处理，Inverse Fast Fourier Transform)处理，且只对整个窗口中心频率处的部分频域信号做IFFT。虽然部分IFFT可以重构时域信号，但是在中心频率处直接这样简单的下变频，会使得重构的时域信号在窗口的边界处出现相位不连续的情况。在时域上对信号下变频，相当于在频域上的中心频率处用该信号乘以一个正弦波，即在频域上中心频率的迁移，

其中，X(t)表示t时刻对应的时域信号，f表示频域信号对应的频率,f_c表示表示时间，j为复数信号的标志，t表示时间，时域上每个窗口所乘的正弦波的相位都是从0开始的，而和该窗口被捕获到的时间无关，所以出现了相位不连续。为了解决该问题，可以为每一个窗口引入一个额外的相位偏移

t_c就是每个窗口被捕获到的时间。

S3：获取所述新的时域信号中帧的起始位置的定位；

具体包括：利用延迟相关算法加保持长度算法，获取所述新的时域信号中帧的起始位置的粗定位；

这里，虽然延时相关算法可以较好地实现帧检测，但是在信噪比比较低的情况下，可能由于某些较大的随机噪声，使得在只有噪声的情况下，计算得到的判决变量值超过预先设定的阈值，从而将噪声误判为数据帧到来。所以为了降低误判的概率，提高帧检测算法的可靠性，在延迟相关算法的基础上，添加保持长度算法，当检测到信号的判决变量大于给定的阈值后，如果后面一定长度内的信号计算得到的判决变量值都大于给定的阈值，才判决有分组的到来，这样就可以有效避免因较大随机噪声带来的影响。

具体地，利用延迟相关算法加保持长度算法，获取所述新的时域信号中帧的起始位置的粗定位包括：

接收所述新的时域信号；

对所述新的时域信号进行延迟操作，并根据当前时域信号和延迟后的时域信号得到互相关系数，对所述互相关系数进行累加求和操作，得到第一累加求和结果；

根据所述第一累加求和结果，得到延迟相关值；

根据所述新的时域信号，计算延迟后时域信号的自相关系数；

对所有所述自相关系数进行累加求和操作，得到接收信号能量值；

根据所述延迟相关值和所述接收信号能量值，得到判决变量；

如果若干个连续的所述判决变量大于预设阈值，则将所述判决变量大于所述预设阈值的开始时刻作为所述新的时域信号中帧的起始位置的粗定位。

这里，所述判决变量m_n为：

其中，C_n表示当前接收到的L个数据和前D个时刻接收到的L个数据的互相关值且

L表示数据个数，D为第D个时刻，k表示当前窗口中信号的下标，n表示窗口的大小，r_n-k表示当前窗口中第n-k个信号,

表示表示第D个时刻中第n-k个信号对应的共轭信号，p_n表示接收信号能量且

当接收的信号中只有噪声时，信号的互相关性很差，理想情况下，计算得到的延时相关值C_n基本为0，因为噪声的互相关系数为0，所以，在数据帧开始前计算得到的判决变量m_n值很小；当数据分组开始后，从短训练序列第二组符号开始，延时相关值C_n明显增大，因此判决变量m_n的值也明显增加。

根据所述粗定位，利用符号同步算法，获取当前帧起始位置的精确定位。

然而，使用基于延时相关加长度保持的帧检测算法定位帧的起始位置时，往往得到的第一个短训练序列是不完整的。

基于延时相关加长度保持的帧检测算法只是对帧的开始位置做了一个粗略的定位，如果直接将该算法定位的帧开始位置作为实际的帧起始位置，会带来很大的误差。为了得到帧开始的精确位置，还需要对粗略定位后的结果做进一步的同步，即符号同步。

接收端是已知的，可以将粗略定位后的信号和本地的短训练序列再做互相关，确定短训练序列精确的结束位置。进行符号同步时，将接收到的信号和本地已知的短训练序列的共轭复数相乘并累加，互相关系数为

D为互相关系数的长度，大小为短训练序列的周期长度，S为本地的短训练序列。

可选择地，所述根据所述粗定位，利用符号同步算法，获取当前帧起始位置的精确定位包括：

确定本地短训练序列的长度；

这里，本地短训练序列为已知数据，本领域技术人员可根据实际情况进行设置。

根据所述粗定位和所述本地短训练序列的共轭复数，得到两者的互相关系数；

获取所述互相关系数的绝对值；

获取所述新的时域信号短训练序列周期内所有所述绝对值的峰值；

将所有所述绝对值的峰值中的最后一个峰值作为所述新的时域信号的短训练序列的结束位置；

根据所述新的时域信号数据帧中短训练序列的长度以及所述结束位置，得到所述新的时域信号数据帧的短训练序列的开始位置；

将所述开始位置作为所述当前帧的起始位置；

所述互相关系数C_k为：

其中，m当前窗口中信号的下标，k为表示窗口的大小，r_k-m表示当前窗口中第k-m个信号,S为本地短训练序列，

表示所述新的时域信号的短训练序列中第个m信号的共轭复数。

求得C_k的值之后，为了便于比较大小，对C_k求它的绝对值|C_k|，由于短训练序列是一个周期性变化的值。所以，当计算得到互相关系数之后，互相关系数的值从形式上也是一个从小到大周期变化的值，可以利用这一点寻找短训练序列的结束位置。当|C_k|出现最大值的时候也就是短训练序列一个周期结束的时刻，由于在上面粗略估计帧开始位置的时候，得到的第一个短训练序列是不完整的，所以，假设短训练序列周期重复n次，那么，我们在寻找|C_k|的峰值时，只能找到n-1个峰值，当最后一个峰值出现时，表示短训练序列结束，此时，就找到了短训练序列的结束位置。

当在SDR平台上实现时，可以先将接收到的信号缓存到buffer中，当符号同步结束时，可以计算出整个帧检测阶段信号延迟的周期数，使用移位寄存器将buffer中缓存的信号延迟响应的周期数，因为短训练序列的长度是固定的，当定位到短训练序列的结束位置后，可以根据序列的长度推算出开始位置，这样就可以从开始位置输出完整的帧。

S4：将所述帧的起始位置的定位作为检测结果输出。

本发明具有以下有益效果：

通过上述技术方案，即通过本发明所提供的帧检测方法，能够在帧检测之前很大程度上减少噪声信号，使得接收到的信号主要为有效数据，从而在帧检测阶段能够减少CPU的工作负荷，提高帧检测的速度,降低丢包率，同时确保得到精确的帧的位置。

以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种帧检测方法，其特征在于，所述帧检测方法包括：

S1：接收原始时域信号；

S2：对所述原始时域信号进行去噪操作，得到新的时域信号；

S3：获取所述新的时域信号中帧的起始位置的定位；

S4：将所述帧的起始位置的定位作为检测结果输出。

2.根据权利要求1所述的帧检测方法，其特征在于，所述步骤S2包括：

S21：对所述原始时域信号进行短时傅里叶变换操作，得到多段频域信号；

S22：对多段所述频域信号进行初步去噪，得到多个可用的频域信号；

S23：对多个可用的频域信号进行时域信号恢复操作，得到新的时域信号。

3.根据权利要求2所述的帧检测方法，其特征在于，所述步骤S21包括：

对所述原始时域信号进行模数转换，得到时域数字信号；

对所述时域数字信号进行加窗操作，得到多段频域信号。

4.根据权利要求3所述的帧检测方法，其特征在于，利用Hanning窗函数对所述时域信号进行加窗操作。

5.根据权利要求2所述的帧检测方法，其特征在于，所述步骤S22包括：

计算当前段的频域信号的能量值；

判断所述能量值是否大于预设阈值，若是，将所述当前段的频域信号作为可用的频域信号；否则，丢弃所述当前段的频域信号，选择下一个段作为当前段并重新进行计算其频域信号的能量值。

6.根据权利要求2所述的帧检测方法，其特征在于，所述步骤S23包括：

分别对每个所述可用的频域信号进行中心频率迁移操作，得到多个迁移后可用的频域信号；

对每个迁移后可用的频域信号进行快速傅里叶逆变换操作，得到多个逆变换后的时域信号；

对每个所述逆变换后的时域信号进行下变频操作，得到新的时域信号。

7.根据权利要求1-6中任意一项所述的帧检测方法，其特征在于，所述步骤S3包括：

利用延迟相关算法加保持长度算法，获取所述新的时域信号中帧的起始位置的粗定位；

根据所述粗定位，利用符号同步算法，获取当前帧起始位置的精确定位。

8.根据权利要求7所述的帧检测方法，其特征在于，利用延迟相关算法加保持长度算法，获取所述新的时域信号中帧的起始位置的粗定位包括：

接收所述新的时域信号；

对所述新的时域信号进行延迟操作，并根据当前时域信号和延迟后的时域信号得到互相关系数，对所述互相关系数进行累加求和操作，得到第一累加求和结果；

根据所述第一累加求和结果，得到延迟相关值；

根据所述新的时域信号，计算延迟后时域信号的自相关系数；

对所有所述自相关系数进行累加求和操作，得到接收信号能量值；

根据所述延迟相关值和所述接收信号能量值，得到判决变量；

如果若干个连续的所述判决变量大于预设阈值，则将所述判决变量大于所述预设阈值的开始时刻作为所述新的时域信号中帧的起始位置的粗定位。

9.根据权利要求8所述的帧检测方法，其特征在于，所述判决变量m_n为：

其中，C_n表示当前接收到的L个数据和前D个时刻接收到的L个数据的互相关值且

L表示数据个数，D为第D个时刻，k表示当前窗口中信号的下标，n表示窗口的大小，r_n-k表示当前窗口中第n-k个信号,

表示表示第D个时刻中第n-k个信号对应的共轭信号，p_n表示接收信号能量且

10.根据权利要求7所述的帧检测方法，其特征在于，

所述根据所述粗定位，利用符号同步算法，获取当前帧起始位置的精确定位包括：

确定本地短训练序列的长度；

根据所述粗定位和所述本地短训练序列的共轭复数，得到两者的互相关系数；

获取所述互相关系数的绝对值；

获取所述新的时域信号短训练序列周期内所有所述绝对值的峰值；

将所有所述绝对值的峰值中的最后一个峰值作为所述新的时域信号的短训练序列的结束位置；

根据所述新的时域信号数据帧中短训练序列的长度以及所述结束位置，得到所述新的时域信号数据帧的短训练序列的开始位置；

将所述开始位置作为所述当前帧的起始位置；

所述互相关系数C_k为：

其中，m当前窗口中信号的下标，k为表示窗口的大小，r_k-m表示当前窗口中第k-m个信号,S为本地短训练序列，

表示所述新的时域信号的短训练序列中第个m信号的共轭复数。

Images