Sono stati analizzati due tipi di stimatori, quello feed back e quello feed forward giungendo alle seguenti conclusioni:

Conclusioni

Questa tesi ha avuto come obiettivo quello di analizzare un particolare aspetto dei sistemi di comunicazione che utilizzano la modulazione FMT: la stima dell’offset di frequenza, che nasce a causa del non perfetto recupero dei sincronismi da parte del demodulatore e, nei sistemi radiomobili, anche dal movimento reciproco tra trasmettitore e ricevitore.

Gli stimatori descritti sono di tipo Non Data Aided, usano cioè tutti i simboli a disposizione sia nel tempo che in frequenza indipendentemente dal fatto che siano noti o meno, e per questo sono detti stimatori blind.

Le prestazioni degli algoritmi sono state valutate in termini di polarizzazione (bias) ed errore quadratico medio (MSE), supponendo che il canale, su cui viene trasmesso il segnale modulato FMT, sia affetto da fading selettivo nel tempo ed in frequenza.

Sono stati analizzati due tipi di stimatori, quello feed back e quello feed forward giungendo alle seguenti conclusioni:

1. Lo stimatore ad anello chiuso non dà prestazioni soddisfacenti in condizioni di

canale selettivo con fading veloce, soprattutto con un numero esiguo di

sottoportanti. Situazione diversa si ha nel caso di canale con fading lento dove

si riesce a raggiungere la convergenza di stima ma si necessità comunque di un

numero di simboli e sottoportanti molto maggiore di quelli a disposizione nel

nostro sistema.

Conclusioni

64 2. Nello stimatore di tipo feed forward si è sfruttata la semplicità di un fitting ai minimi quadratati di tipo lineare o quadratico, utilizzando i dati messi a

disposizione dal FED per diversi valori dell’offset di tentativo compresi in un intervallo limitato, per fare una stima con complessità ridotta ed efficiente. Si sono verificate le prestazioni in termini di MSE che risultano buone nel caso di canale lento TU50@400 mentre non raggiungevano il limite dell’1%

dell’RMSE nel caso di canale veloce HT200@800. Si è quindi provato a migliore queste ultime prestazioni utilizzando un burst di lunghezza esattamente doppia e quindi sfruttando un numero di intervalli di segnalazione pari a 62, ed una media di due stime consecutive con burst di lunghezza originaria, constatando un miglioramento delle prestazioni in entrambi i casi.