基于疊加訓練序列光OFDM系統幀同步算法FPGA實現

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。