4.2 同步技术

4.2 同步技术

本节摘要：SOURCE 4.2：符号定时、载波频偏、采样频偏三类同步；CP 相关法估计定时，频偏靠导频或 CP 相位差。

同步类型

毫米波 相位噪声随 f^2 增长 → 高阶 QAM 对 LO 质量极敏感——同步演化与射频工艺绑定。

⚠️ 常见坑：定时 off-by-one → 全部子载波 ICI。

💡 关键直觉：同步误差 = 正交性裂痕。

三类同步的耦合关系

OFDM 接收机需要完成三类同步：符号定时（找到 FFT 窗口起点）、载波频率同步（补偿收发载波频率偏差 CFO）、采样频率同步（校正 ADC 采样时钟偏差 SFO）。三类误差的物理来源不同、影响不同、修正手段也不同，但在时间上存在先后依赖：必须先有粗定时才能切出符号做频偏估计，频偏补偿后才能稳定做精定时与信道估计。工程实现通常采用"前导符粗捕获 + CP 细跟踪 + 导频持续校正"的分层结构。

三类误差对正交性的破坏方式各异。定时偏差使 FFT 窗口错位，若起点移出 CP，则同时引入 ISI 与 ICI；CFO 使整个频谱平移，采样点偏离 sinc 零点，所有子载波都收到相邻子载波泄漏；SFO 使采样点随时间漂移，符号间相位累积旋转，子载波序号越大旋转越烈。三者叠加时，星座图会同时出现旋转、弥散与交叉，严重时彻底无法解调。

符号定时：CP 相关法

CP 是天然的定时信号。因为 CP 是符号尾部的复制，二者高度相关，接收端可滑动计算相关：

在正确起点处，R(d) 达到峰值（还叠加了符号内的平台区）。用 CP 相关法可以完成粗定时与分数倍频偏联合估计，因为平台区的相位斜率直接反映了 CFO。现代接收机通常用训练序列（如前导）做更精确的定时，再利用 CP 做跟踪。定时估计的精度要求是：FFT 窗口起点必须落在 CP 内，且尽量靠近符号起点——起点偏晚会缩小有效 CP 裕量，起点偏早虽然安全但会把部分噪声窗入。

需要警惕的是"off-by-one"型错误：若定时偏差恰为整数个采样但方向错误，看似无害，实际上会破坏每个子载波的相位一致性，导致星座整体旋转与子载波间干扰。这也是为什么同步电路要用多个相关峰加权、并配合循环校验，而不是简单取最大值。

载波频偏：CFO 的数学影响

设归一化频偏 \varepsilon = \Delta f_{CFO}/\Delta f_{sub}，即 CFO 占子载波间隔的比例。接收端 FFT 输出的子载波 k 变为：

其中 \sin c(\varepsilon) 是幅度衰减因子，ICI_k 是来自所有其它子载波的泄漏项。当 \varepsilon=0.1（CFO 为子载波间隔的 10%）时，sinc 衰减约 1.6%，但 ICI 等效噪声随高阶调制急剧放大，64-QAM 下 BER 显著恶化。因此 CFO 补偿需要达到很低的残余量，通常 <1% 子载波间隔。

CFO 估计可利用 CP 相关平台区的相位斜率，也可利用相邻符号同一导频的相位差。估计出的 \varepsilon 分成整数部分与分数部分：整数倍频偏在频域移位即可补偿，分数倍频偏需在时域乘以 e^{-j2\pi\varepsilon n/N}。时域补偿对全部子载波统一作用，计算开销低，是接收机流水线中的标准操作。

采样频偏与相位噪声

SFO 造成的相位旋转与子载波序号成正比，并随时间线性累积。对第 k 个子载波，第 m 个符号的相位偏移为 2\pi k m \Delta T_s / T_s。SFO 必须持续跟踪，常用方法是在数据导频上估计每个符号的相位斜率，再反馈校正采样时钟或通过数字重采样补偿。与 CFO 不同，SFO 的影响随符号序号增长，长时间传输后即使很小时钟偏差也会积累成不可接受的相位旋转。

相位噪声是高频系统的另一大敌。振荡器相位噪声功率谱近似随频率以 -20 dB/decade 下降，对 OFDM 的影响分为两项：公共相位误差（CPE）使所有子载波旋转同一角度，可在导频上估计并扣除；剩余相位噪声则表现为类似噪声的 ICI，难以补偿。毫米波频段相位噪声按频率平方增长，对本地振荡器质量要求极高，这也推动 NR 在 60 GHz 以上采用更宽松的调制与更强的相位跟踪参考信号。

仿真：CFO 对星座的影响

下面直观展示归一化频偏对 QPSK 星座的破坏程度。

import numpy as np

N = 64
rng = np.random.default_rng(11)
X = (rng.integers(0, 2, (2, N)).astype(float) * 2 - 1)
X = (X[0] + 1j * X[1]) / np.sqrt(2)
x = np.fft.ifft(X)

def rx_with_cfo(eps, snr_db=25):
    n = np.arange(N)
    x_rot = x * np.exp(1j * 2 * np.pi * eps * n / N)      # 时域频偏
    snr = 10 ** (snr_db / 10)
    noise = rng.normal(0, np.sqrt(0.5 / snr), N) + 1j * rng.normal(0, np.sqrt(0.5 / snr), N)
    Y = np.fft.fft(x_rot + noise) / np.sqrt(N)            # 接收 FFT
    return Y

for eps in [0.0, 0.05, 0.15, 0.3]:
    Y = rx_with_cfo(eps)
    err = np.mean(np.stack([(Y.real > 0), (Y.imag > 0)], 1).flatten()
                  != np.stack([(X.real > 0), (X.imag > 0)], 1).flatten())
    print(f"归一化频偏 ε={eps:.2f}  QPSK 误符号率 ≈ {err:.3f}")
​

可以看到，ε 超过 0.1 后误码迅速恶化，这正是同步电路要把 CFO 压制到子载波间隔 1% 以内的原因。

本章回顾

• CP 相关是经典定时法
• CFO 破坏子载波正交
• 毫米波同步要求更严
• SFO 随符号累积，须持续跟踪