多径通道中的通道均衡

12多径信道中的信道均衡摘要: 本文模拟并验证了多径信道下的信道均衡算法，包括LMS算法，DFE算法，MLSE算法和DMA算法. 仿真结果表明，这些算法可以在同一信道上将误码率降低到不同程度. 不同的算法具有不同的效果，但是效果相对复杂. 与DMA算法相似的盲均衡算法在信道上比非盲均衡算法更有效. 利用率较高，这是渠道均衡的未来发展趋势. 关键字: 信道均衡，LMS，DFE，MLSE，DMA在数字通信系统中，符号间干扰是由多径效应引起的，从而导致接收信号波形失真和误码. 如何克服符号间干扰并降低系统的误码率是均衡和信号处理中需要研究的课题. 对于信道改变，使用自适应均衡和自适应信号处理技术. 理论和实践证明，在数字通信系统中插入可调滤波器可以纠正和补偿系统特性，并减少符号间干扰的影响. 这种补偿滤波器称为均衡器. 1.均衡技术的基本原理均衡器通常通过滤波器实现，滤波器使用滤波器来补偿失真的脉冲. 由仲裁器获得的已解调输出采样将通过均衡器进行校正，或者在去除符号间干扰后进行采样. 自适应均衡器直接根据某种算法直接从实际发送的数字信号中调整增益，因此它可以适应信道的随机变化，从而使均衡器始终保持最佳状态，从而具有更好的失真补偿性能.

根据信道的恒定或可变参数的特性，数据速率不同，并且存在多种用于均衡的结构方法. 它可以分为两类: 线性平衡和非线性平衡. 均衡技术可以分为盲均衡和非盲均衡. 很难与通信渠道保持一致. 通常，在接收端解调之后在基带中执行均衡. 因此，基带均衡技术被广泛使用. 2.基本算法线性非盲均衡非盲均衡要求发送方发送训练序列，接收方通过训练序列调整均衡器以完成信道均衡. 在具有线性均衡器随机梯度算法（LMS）的时变特性的信道中，符号间干扰随时间变化. 自适应均衡器必须跟踪信道响应中的时间变化，并调整相应的滤波器权重矢量参数以减少符号间. 干扰的目的. 该最佳滤波器加权矢量参数称为输入信号矢量的自相关函数. 它是国防科学技术大学电子科学与工程学院“随机信号分析与处理”课程论文的12篇论文中输入信号矢量与信号实际需求的互相关函数. LMS算法使用递归收敛至最佳值，以找到此最佳滤波器权重向量参数. LMS算法使用以下梯度估计: 即，瞬时输出误差功率的梯度用作均方误差梯度的估计. 滤波器输出相对于所需信号的误差是滤波器权重向量参数，即输入信号向量. 它可以通过以下公式获得: 步长因子，以及LMS算法的递归公式: LMS算法的均方误差的过渡过程称为学习曲线，它可以描述LMS算法的收敛特性（是否收敛到决策反馈均衡器（DFE）随机. 梯度算法（LMS）如图2.1.2.1所示，是决策反馈均衡器的原理图.

DFE由两部分组成: 前馈均衡器TE），用于均衡通道的前导失真；反馈均衡器（BE），用于消除尾部失真. 前馈部分的输入是信号序列，反馈滤波器将先前检测到的信号的判定序列作为输入. 在功能上，反馈滤波器用于从当前估计值中消除由先前检测到的符号引起的部分符号间干扰. 国防科技大学电子科学与工程学院，前馈滤波器，反馈滤波器，信号，“随机信号分析与处理”课程文件12图2.2.1.1 DFE框图与线性自适应均衡器一样，决策反馈自适应均衡中的前沿滤波器和反馈滤波器的系数也可以递归调整. 基于决策反馈滤波器（DFE）输出处的误差的最小信号间隔中的均衡器系数向量可以表示为: 其中误差信号是滤波器输出信号. 它表示时间t KT处前馈和反馈滤波器中的信号值，并且是检测器的输出信号. 这是DFE的LMS算法. 与线性均衡器一样，当决策均衡器系数收敛到最佳系数时，它会切换到面向决策的模式. 在这种模式下，检测器输出端的判决用于形成误差信号并将其馈送到反馈滤波器. 这是DFE的自适应模式. 2.2最大似然检测算法（MLSE）随着数字通信技术的发展，多径时变信道传输将在接收端引起数据检测和信道估计问题. 在符号间干扰（ISI）的情况下，最大似然估计算法（MLSE）是一种有效的检测方法，该MLSE算法是由维特比算法实现的，该算法利用网络图找到最优路径.

当信道为多径时变衰落时，必须执行自适应信道估计以跟踪信道变化信道均衡的作用是什么，并且所估计的信道冲激响应必须满足使均方误差最小化的要求. 图2.2.1显示了系统的等效传输模型. 在瑞利多径时变衰落条件下，信号经过QPSK调制后通过信道传输，并且在传输过程中受到ISI的干扰. 相应的接收信号为: M是发送信号的调制星座数； L是通道存储长度；是平均值为0的高斯白噪声序列；是信道抽头系数；图2.2.2.1通信系统的等效传输模型信号BPSK调制可变信道高斯白噪声Viterb算法信道估计算法课程12电子技术学院的“随机信号分析与处理”课程国防科学技术大学工程系在时变信道环境中使用MLSE算法的基本原理和思想是将信道估计算法插入Viterbi算法中，可以有效地跟踪信道变化. 自适应均衡通常包括两个过程: 训练和跟踪. 数据通常以帧为单位发送，训练序列作为帧的前缀通常用于估计信道冲激响应. 在训练过程之后，数据被发送，均衡器连续跟踪信道特性的变化，并且信道参数被连续更新. 对于MLSE算法，假定与时间K处的状态相对应的每个过渡路径对应于一个信道估计值，该信道估计值与r，t和估计码有关.

然后，每个生存路径的误差计算公式为，而状态的分支度量由到达该路径的最小生存路径的状态确定. 根据等式（2）和（3）计算分支度量函数，并根据幸存路径对信道进行信道更新估计值以完成最大似然均衡过程. 信道估计器使用LMS算法进行更新，其中d是决策延迟. 盲均衡-恒模算法（CMA）非盲均衡器需要发送特定的训练序列以使均衡器收敛. 由于信道的时变特性，训练序列在实际使用中需要重复发送，大大降低了系统的有效性. 盲均衡不需要训练序列，接收信号序列的统计特性可以用来均衡信道，大大提高了频带利用率. 因此，盲均衡技术作为数字广播电视的核心技术，可以有效消除符号间干扰，提高观看效果. 现在已经受到越来越多的关注. 盲信道均衡的原理是，未知信源序列由信道使用等式（1）描述并以矢量形式编写: 其中: x（n）代表采样的基带接收信号，h（n）代表脉冲响应信道模型v（n）是加性噪声. 消除信道影响的最简单方法是均衡，即接收的基带信号x（n）通过国防科学院电子科学与工程学院的课程论文12“随机信号分析与处理”技术上，两个线性离散时间滤波器F）（Z）的处理是: 其中f（n）是时间n处均衡器的脉冲响应. 均衡器的任务是调整每个f（n），以使均衡器的输出Y（k）消除通道的影响.

实际上，必须对源s（n），通道h（z）和噪声v（n）做出一些假设: （1）源之间的差异在统计上是独立的； （2）通道h（z）是可逆的； （3）噪声v（n）是均值为零的高斯加性噪声，与源s（n）不相关. 传统均衡器基于发送方和接收方都知道的训练序列d（n）来调整f（n）. 没有训练序列的盲均衡只能使用接收到的序列x（n）自适应地调整f（n）来完成信道均衡. 在各种盲均衡算法中，恒模算法（CMA）是一种重要的盲信道均衡方法，已广泛应用于数字通信系统中. 该算法隐式利用接收信号的高阶统计量. 定义的恒定成本函数为: 其中，是实常数，取决于源序列的高阶统计量. 最小化问题的解决方案如下: 这是一个典型的无约束优化问题. 通常使用“最速下降法”使用共轭梯度矢量迭代计算，也就是说，自适应算法描述为: 其中: 误差函数信道均衡的作用是什么，H表示共轭复数，n表示迭代​​步数. 从式（6）可以看出，盲信道均衡恒模算法的计算复杂度较小，为许多实际应用奠定了基础. 3.仿真结果国防科学技术大学电子科学与工程学院“随机信号分析与处理”课程论文的非盲信道均衡仿真结果-3 -2 -1 -40-35 -30 -25 -20 -15 -10 -5 10非均衡信道频率响应F（rad / s）图3.1.1多径信道频率响应幅度频谱-3 -2 -1 -40-35 -30 -25 -20 -15 -10 -5 10归一化频率（rad / s）线性均衡信号功率谱图3.1.2 LMS均衡滤波器功率谱课程论文“随机信号分析和处理”，国防科学技术大学电子科学与工程学院12-3 -2 -1- 40-35 -30 -25 -20- 15 -10 -5 10归一化频率（rad / s）决策反馈均衡信号功率谱图3.1.3 DFE均衡滤波器功率谱1012 14 16 10 -6 10 -5 10 -4 10 -3 10 -2 10 -1 10均衡器BER比较Eb / No（dB）IdealBPSK线性均衡器DFE Ideal MLSE Im完美的MLSE图3.1.4三种均衡器的信噪比和误码率关系曲线盲通道均衡模拟国防科学技术大学电子科学与工程大学“随机信号分析与处理”课程论文12- 3 -2- 1 -40-35 -30 -25 -20 -15 -10 -5 10U均衡的信道频率响应F（rad / s）图3.2.1模拟的信道频率响应幅度谱2 -1.5 -1 -0.5- 2-1.5- 1 -0.5？ LaReal图3.2.28PSK发射信号图课程论文“随机信号分析与处理”，国防科技大学电子科学与工程学院12-2 -1.5 -1 -0.5 -2-1.5 -1- 0.5图3.2. 3接收信号图-2 -1.5 -1 -0.5 -2-1.5 -1 -0.5图3.2.4均衡后的接收信号图“随机信号分析与处理”，国防科学技术大学电子科学与工程学院纸10 0.20.4 0.6 0.8 1.21.4 1.6 1.8 0.20.4 0.6 0.8 1.21.4 1.6 1.8图3.2.5误差曲线（抽头系数20 0.20.4 0.6 0.8 1.21.4 1.6 1.8 0.20.4 0.6 0.8 1.21 .4 1.6 1.8图3.2.6误差曲线图（抽头系数30）国防科学技术大学电子科学与工程学院“随机信号的分析与处理”课程论文11 0.20.4 0.6 0.8 1.21.4 1.6 1.8 0.20 .4 0.6 0.8 1.21 .4 1.6 1.8图3.2.7误差曲线（抽头系数40 0.20.4 0.6 0.8 1.21.4 1.6 1.8 0.20.4 0.6 0.8 1.21.4 1.6 1.8图3.2.8误差曲线图（抽头系数50 4.仿真结果分析）为了分析和比较算法的性能，非盲信道均衡使用BPSK调制信号多路径通道进入国防科学技术大学电子科学与工程学院“随机信号分析与处理”课程论文12 12线模拟实验.

通道为: [0.227 0.460 0.688 0.460 0.227]（如图3.1.1所示），每帧有2048个数据，每个Eb / N0设置模拟次数，以满足错误代码总数超过50或传输码总数超过1000000000，分别使用LMS（图3.1.2），DFE（图3.1.3），MLSE均衡算法，使用LMS和RLS两种算法进行信道估计，LMS算法步长为0.00001，RLS算法遗忘因子为0.999999，模拟通道的统计特性，并绘制误码率与Eb / N0之间的关系，如图3.1.4所示. 从图3.1.4可以看出，MLSE比DFE优于LMS，但是MLSE算法更复杂，需要考虑Viterbi算法固有的决策延迟，较大的延迟将导致信道估计和计算的延迟. 降低频道跟踪的性能. 盲信道均衡采用8PSK调制信号. 通道的脉冲响应为h = [0.227 0.460 0.688 0.460 0.227]，总共有20,000个数据点，有限长度均衡系数抽头Lf = 41，R2 = 2，信噪比25dB，自适应学习率. 算法仿真结果如图3.2.2-图3.2.5所示，图3.2.5显示了算法收敛速度性能曲线. 信道均衡是通信技术和信号处理的基本问题之一. 其目的是克服所传输的符号代码和符号代码之间的相互干扰. 这种干扰是由通道的非理想特性引起的. 非盲均衡要求发送方发送训练序列，而接收方通过训练序列调整均衡器以完成信道均衡. 但是，训练序列的存在将减少信道容量并造成资源浪费. 因此，盲均衡技术的使用是未来的发展趋势.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-183189-1.html