Wi-Fi信号检测（Signaldetect）

信号检测模块需要使用L-STF部分对接收到的信号进行检测。Signaldetect模块的作用有两个：

1.检测接收信号；

2.对接收信号进行粗定点同步；

发送的数据经过信道时会受到因素的干扰，接收到数据相对于发送会产生很多的畸变，如图3‑41所示，原始信号就是之前介绍发送时所举的例子，模拟发送与接收之间距离100m，经过“Model-B”信道模型，叠加噪声功率为-37dBW随机噪声之后，发送天线1发射的数据与接收天线1接收到的信号之间已经发生了肉眼可见的信号畸变。

我们知道OFDM被广泛应用在broadcasttypesystem和packetswitchednetworks中。

我们熟悉的DTV属于broadcast类型的系统，其特点是连续接收，所以一般在正式接收数据之前会进行长时间的精同步。Wi-Fi属于packetswitch类型的系统，其特点是“single-shot”同步，必须在较短的时间内完成同步，并且同步字段占真格报的比例要劲量少以提高接收效率。

时间同步分为packet同步和symbol同步：

对于broadcast类型系统来说packet同步通常是不需要的，因为此系统中数据是一直传输的，不是将数据分包突发传输的。

对于packetswitchednetwork来说，packet同步确实至关重要的。

在介绍具体算法之前先给出一些有用的概念：

P_{D}:probabilityofdetection检测概率

P_{FA}:probabilityoffalsealarm(虚警)概率

一般来说增加P_{D}会随之带来P_{FA}的增加，减小P_{FA}也会随之带来P_{D}的减小，因此算法设计者必须要在这两个相互冲突的目标之间做一下平衡和折中。通常增高一些P_{FA}来提高P_{D}的策略是被接受的。

一个用来找到输入信号起始边缘最简单地方法就是测量接收信号的能量，当没有有效信号收到时，则接收机收到的可以认为都是噪声R_{s}=W_{n}，当接收到有效信号时，接收机收到的信号能量会增加即R_{s}=S+W_{n}，因此可以根据接收机信号能量水平的变化作为依据来判断是否有信号被接收到。同时我们可以采用计算一个窗口内的能量的方法来避免某一些突发的噪声导致接收机能量随机变化超过检测门限造成无检测的现象。而这种计算一定长度窗口内信号能量的方法又被称为滑动窗检测方法，是最基础的一种信号检测方法。

一个长度为L的滑动窗内样点的能量计算如下：

其递归形式，或者滑动形式如下所示，该能量计算窗每滑动一点就加入一点的能量并减去一个最旧样点的能量：

对图3‑41所示的接收数据采取单滑窗信号检测算法的结果如下所示：

但是这种简单地方法存在一个明显的缺陷，即判决门限取决于接收信号能量；当接收机在信号检测状态时，如果接收到的信号仅为噪声，而这个噪声功率通常是未知的，并且在接收机对其RF进行AGC调整设置时，或者接收带宽内一些突发噪声发生时，噪声功率的门限可能会发生变化；当有效信号输入是，接收信号的强度取决于发送端的功率，以及从发送端到接收端路径的总损耗，所有这些因素都很难将信号检测门限设置成一个固定值；

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内的能量，其基本原理是计算两个滑动窗口内包含的能量之比，如下图所示，接收到的数据从左至右滑过A和B这两个相邻的计算窗口。

当仅接收到噪声时，两个窗口内包含相同数量的噪声能量，所以比值应该是平坦的，当数据通过A和B是，首先A窗口中的能量会变高，当接收数据的起始点到达A和B窗口之间时，就会出现一个峰值，因为A窗口中的能量远大于B窗口中的能量，当接收数据进入B窗口之后，此时B窗口库也开始收集信号能量，则比值开始下降直到B中也充满了信号之后比值再次平坦。我们可以通过如下图所示设置一个阈值的方式来进行信号检测。

双滑窗的算法如下：

对图3‑41所示的接收数据采取双滑窗信号检测算法的结果如下所示：

在接收机没有其他额外的有效信息时采用双滑动窗口算法是一个好的解决方案。

但如果接收端有一些额外的有效信息时，可以采用一些其他的算法来实现信号检测。通信系统中有一个准则，就是接收机要充利用所有可用的信息。对于Wi-Fi系统来说，我们可以将已知的前导码等信息应用在信号检测算法中。

对于Wi-Fi协议来说，其L-STF包含10个短前导，每个前导由16个样点(40MHz，32个样点，80MHz，64个样点)组成，下面介绍的方法类似于双滑动窗信号检测方法，其中也包含了两个滑动窗C和P，C窗口是接收信号与接收信号延迟之后再做互相关，即延迟互相关，其中Z^{-D}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窗口计算出的值用来做归一化处理，以使最终结果不取决于接收信号的的绝对电平值。其算法示意图如下：

具体算法如下：

对图3‑41所示的接收数据采取利用L-STF的滑窗信号检测算法的结果如图3‑47所示，而输入数据的真实起始点情况如图3‑48所示，可以看出采用这种方法是可以校准器的检测出Wi-Fi信号并进行粗定时同步的。

当接收的信号仅由噪声组成时，演示互相关的输出c_{n}为零均值的随机变量，因为一般噪声的互相关为0，如上图所示，一旦接收到前导之后，c_{n}就是相同的短训练符号的互相关，这会导致m_{n}快速跃升至其最大值。我们可以利用这种越变来估计接收信号的起始位置。并且由于这种算法对结果做了归一化处理，所以最终m_{n}的范围在0~1之间。