1. 检测接收到的信号；

2. 接收信号的粗定点同步；

当发送的数据通过信道时，会受到各种因素的干扰，接收到的数据相对于发送的数据会产生很大的失真，如图3-41所示。原始信号是在前面的发送介绍中给出的例子。模拟发送与接收的距离为100m，通过“b型”信道模型后，叠加噪声功率为-37dBW随机噪声，发射天线1发射的数据与接收天线1接收的信号之间发生了可见信号畸变。

0

数字电视作为一种广播系统，具有连续接收的特点。因此，通常在正式接收数据之前进行长时间的精确同步。Wi-Fi是分组交换型系统，其特点是“单次”同步，必须在短时间内完成，同步场占真实消息的比例要小，以提高接收效率。

时间同步分为包同步和符号同步：

广播系统通常不需要分组同步，在广播系统中，数据一直传输，而不是分包给突发传输。

分组同步是分组交换网络的重要组成部分。

在介绍具体算法之前，这里有一些有用的概念：

P_:嗯，检测概率会被估计出来

P_:嗯，报警的概率是概率性的

一般来说，增加P_会导致增加P_，减少P_会导致减少P_，因此算法设计者必须在这两个冲突的目标之间进行平衡和妥协。一般来说，将P_提高一点以提高P_的策略是被接受的。

找到输入信号起始边缘的最简单方法之一是测量接收信号的能量。当没有接收到有效信号时，接收机接收到的可视为噪声R_=W_。当接收到有效信号时，接收机接收到的信号能量增加，即R_=S+W_。因此，可以将接收信号的能级变化作为判断是否接收到信号的依据。同时，我们可以采用计算窗口内能量的方法，避免由于某些突发噪声引起的接收机能量的随机变化超过检测阈值而导致无法检测的现象。这种计算一定长度窗口内信号能量的方法也称为滑动窗口检测法，是最基本的信号检测方法。

长度为L的滑动窗口中采样点的能量计算如下：

能量计算窗口的递归或滑动形式如下所示，每个滑动点增加一个点的能量，减去最老的样本点的能量：

图3-41所示接收数据的单滑动窗信号检测算法结果如下：

然而，这种简单的方法有一个明显的缺陷，即判断阈值取决于接收到的信号能量。当接收机处于信号检测状态时，如果接收到的信号只有噪声，并且该噪声功率通常是未知的，并且当接收机对其射频进行AGC调整设置时，或者当接收带宽内出现突发噪声时，噪声功率阈值可能发生变化；当有效信号输入为时，接收信号的强度取决于发送端的功率和从发送端到接收端的路径的总损耗。这些因素使得信号检测阈值难以设定为固定值。

双滑动窗口信号检测算法计算接收信号的两个连续滑动窗口中的能量。其基本原理是计算两个滑动窗所含能量的比值。如下图所示，接收到的数据通过相邻的两个计算窗口A和B从左向右滑动。

当只接收噪声时，两个窗口包含相同的噪声能量，因此比值应该是平的。当数据通过A和B时，窗口A的能量首先变高。当接收数据的起始点到达窗口A和窗口B之间时，会出现一个峰值，因为窗口A的能量比窗口B的能量大得多。当接收到的数据进入B窗口时，B窗口库也开始采集信号能量，然后比值开始下降，直到B窗口充满信号。然后比率再次趋于平缓。信号检测可以通过设置阈值来实现，如下图所示。

双滑动窗口的算法如下：

图3-41所示接收数据的双滑动窗信号检测算法结果如下：

双滑动窗口算法在接收端没有额外有效信息的情况下是一个很好的解决方案。

但如果接收端有一些额外的有效信息，则可以使用其他算法来实现信号检测。在通信系统中有一条原则，即接收机应填满所有可用的信息。对于Wi-Fi系统，我们可以将已知的前导码等信息应用到信号检测算法中。

对于Wi-Fi协议，其L-STF包含10根短引线，每根短引线由16个采样点(40MHz, 32个采样点，80MHz, 64个采样点)组成。下面描述的方法类似于双滑动窗口信号检测方法，也包括两个滑动窗口C和P。在C窗口中，在接收信号与接收信号的延迟之后进行互相关，即延迟互相关，其中Z^等于短训练符号的周期，P窗口计算接收信号的互相关参数；P窗的计算值进行归一化处理，使最终结果不依赖于接收信号的绝对电平值。算法如下：

具体算法如下：

对于图3-41所示的接收数据，L-STF滑动窗口信号检测算法的结果如图3-47所示，输入数据的真实起始点如图3-48所示，可以看出该方法可以用于检测Wi-Fi信号和粗定时同步。

当接收到的信号只有噪声时，由于一般噪声的相互关系为零，因此演示相互关系c_的输出是一个均值为零的随机变量，如图所示。一旦前导被接收到，c_是同一短训练符号的相互关系，这使得m_迅速跳到最大值。我们可以用这个变化来估计接收信号的起始位置。因为这个算法对结果进行了标准化，所以最终的m_范围在0到1之间。