CN101310495A - 近似最小误码率的均衡器自适应 - Google Patents

Abstract

一种在传输信道的接收器中用于均衡器和/或目标自适应的方法。所述方法提供检测所接收信号中的数据，得出表示数据检测中的潜在判决错误的误差序列，得出表示数据检测中的误差的可能性的第一值，所述第一值基于误差序列和所接收的信号，并且根据所述第一值低于或高于预定阈值而启动或禁止均衡器和/或目标响应的自适应。

Description

近似最小误码率的均衡器自适应

技术领域

本发明涉及一种用于数据传输信道的均衡器自适应的系统和方法，用于减少误码率。

背景技术

在用于数据存储系统以及有线和无线通信系统的数据传输信道中，数字数据经由弥散信道在有噪声的情况下被传递。该噪声可能是简单的加性高斯白噪声，但是也可能包括依赖数据的噪声或相关噪声，例如符号间干扰。在系统的接收器端，基于被采样的模拟的和有噪声的接收信号来检测所传输的数字数据。接收器中的比特检测器分析所接收的信号并“评估”所传输数据的比特或符号序列。用于评估带有符号间干扰和加性高斯白噪声的数据序列的最佳接收器通常是无法实现的，因其十分复杂，而这导致开发出了多种次优的接收器。

信道接收端上的比特检测器典型地使用一些误差准则来使所接收或重现信号的比特检测中的误差最小化。一个这样的准则是将所接收的信号r和预期或参考信号之间的欧几里德距离最小化，其中，假设某个传输比特序列为b。可以基于期望信道的数学模型(所谓的信道的目标响应g)来计算参考信号。所接收信号和参考信号之间的欧几里德距离在数学上可以写作：

$E=\underset{-\∞}{\overset{\∞}{\mathrm{\Σ}}}{[r_k-{(b*g)}_k]}^2$ 公式(1)

其中，*代表卷积运算。用于修改所接收的信号r以尽可能地类似预期信号的传统技术是通过对所接收信号的线性均衡。通过具有有限脉冲响应滤波器的线性均衡器对所接收信号进行滤波。滤波器的抽头以将误差准则最小化的方式而被调试。

图1示出传统的局部响应最大似然(PRML)系统的示意性方框图。二元序列b_k在传输信道12上以速率1/T被传输。信道12是线性或非线性弥散信道，其具有有限脉冲响应h_k，并且可以是例如有线或无线通信信道，或者是光或磁盘存储系统等的重放信道。信道输出被增加的噪声n_k恶化。所接收的或重放信号r_k是被采样的模拟的有噪声信道输出，并且由下式给出：

r_k＝(h*b)_k+n_k    公式(2)

所接收的信号r_k是均衡器14的输入。典型地，信道脉冲响应hk非常长并且可以随时间变化。对于均衡器14来说，可以使用自适应局部响应均衡器来将信道响应转换为较短的以及更好定义的脉冲响应。均衡器14脉冲响应w_k被自适应地优化，以便所有从信道输入到均衡器输出的脉冲响应都尽可能地接近指定的短脉冲响应，称为目标响应g_k。目标响应g_k是期望信道的数学模型，并且长度为N_g。均衡器输出x_k充当Viterbi检测器16的输入，该检测器产生比特判决

Viterbi检测器网格与目标响应匹配，并具有N_s个状态。对于未编码二元数据，N_s＝2^Ng-1。

线性滤波器或查找表18用于产生参考或预期信号。在用于调节接收器并安排系统的数据辅助模式中，滤波器18的输入是所传输的二元序列b_k。在用于运算的直接判决模式中，滤波器18的输入是Viterbi检测器的输出

从滤波器18输出的参考信号(g*b)_k充当Viterbi检测器16的第二输入。

参考信号也用于计算Viterbi检测器输入处的误差信号ε_k。这个误差信号包含信道噪声成分和非均衡(即由于检测器输入处的期望响应即g_k与实际响应即w*h_k之间的失配)所造成的剩余符号间干扰成分。理想地，Viterbi检测器输入x_k等于参考信号，但实际还具有信道噪声和剩余ISI，输入x_k可以表示为：

x_k＝(g*b)_k+ε_k    公式(3)

在传统系统中，基于误差信号ε_k来自适应地调节均衡器14的系数。可以调节均衡器和目标二者，以便获得最佳噪声光谱密度和最佳目标，从而将误码率最小化。传统自适应算法的例子有迫零算法或最小均方算法。然而，这些算法被设计为将误差信号最小化(例如在均方意义上)，而忽略了所有误差信号相关性或数据依赖性，如由例如非均衡所造成的剩余符号间干扰(ISI)而引发的。这些方法没有直接将误码率最小化，并将在最差的条件下获得很不够理想的误码率。

本发明的目的是提供一种考虑了误差信号相关性和数据依赖性并试图使总误码率趋于最佳值的系统和方法。

发明内容

在一种从数据检测器提取误差可能性信息的方法中可以找到解决上述问题的一个方案，其中误差可能性信息基于可能的误差序列和引入的数据信号。本发明提供一种在传输信道的接收器中用于均衡器和/或目标自适应的方法，所传输数据序列被输入至该传输信道，而所接收的数据信号从该传输信道被输出。所述方法提供检测所接收信号中的数据，得出表示数据检测中的潜在判决错误的误差序列，得出表示数据检测中的判决错误的可能性的第一值(所述第一值基于误差序列和所接收的信号)，并且根据所述第一值低于或高于预定阈值而启动或禁止均衡器和/或目标响应的自适应。

所述第一值优选地是由接收器所包括的Viterbi检测器中的最佳路径和第二最佳路径之间的路径度量的差别而得出的。所述阈值优选地从误差序列得出，并且可以与误差序列的欧几里德权重成比例。或者，一方面，所述第一值从检测器输入和由逐符号检测器找到的最近符号之间的平方距离的差别而得出，另一方面，所述第一值从检测器输入和它的第二最近符号之间的平方距离的差别而得出。

均衡器和/或目标响应的自适应优选地包括将所接收信号与由误差序列得出的第二值相关联，而所述第二值优选地是从所述误差序列和传输信道的预期目标响应而得出的。或者，均衡器和/或目标响应的自适应可以包括将所接收信号与误差序列相关联。此外，均衡器和/或目标响应的自适应优选地包括由取决于所述误差序列的自适应常数进行缩放，并且所述自适应常数优选地取决于误差序列的汉明权。

本发明还提供一种用于传输信道的接收器，包括接收数据信号并产生参考信号的线性均衡器、用于调节均衡器的自适应装置和用于接收所述参考信号并检测接收信号中的数据的数据检测器。所述检测器得出表示数据检测中判决错误的可能性的第一值，所述第一值基于所接收的信号和表示数据检测中的潜在判决错误的误差序列。提供开关，用于根据第一值低于或高于预定阈值而启动自适应电路。

所述检测器优选地是Viterbi检测器，而第一值优选地是从Viterbi检测器中的最佳路径和第二最佳路径之间的总路径度量中的差别而得出的，并且所述阈值优选地从误差序列得出，且可以与误差序列的欧几里德权重e_k成比例。或者，所述检测器可以是逐符号检测器，而所述第一值是从检测器输入和由逐符号检测器找到的最近符号之间的平方距离的差别，以及从检测器输入和它的第二最近符号之间的平方距离的差别而得出的。

所述接收器可以包括用于产生参考信号的目标响应、用于调节该目标响应的自适应装置以及用于根据第一值低于或高于预定阈值而启动该自适应装置的装置。所述自适应装置优选地包括用于将所述自适应信号中的信号与误差序列或与从误差序列得出的第二值相关联的装置，其中所述第二值优选地从误差序列和传输信道的预期目标响应而得出。所述自适应装置还包括用于由取决于所述误差序列的自适应常数进行缩放的装置，并且所述自适应常数可以取决于误差序列的汉明权。

附图说明

参考附图，从下列对本发明优选实施例的描述(仅以示例方式)，本发明各个实施例的其它方面、特征和优点将变得明显，附图中：

图1是传统的局部响应最大似然系统的示意性方框图。

图2是Viterbi检测器的概念示图。

图3是在局部响应最大似然系统中实现的本发明第一实施例的方框图。

图4是本发明第二简化实施例的方框图。

图5是在采用逐符号检测器的系统中的本发明第三实施例。

图6是在被均衡的最大似然系统中实现的本发明第四实施例的方框图。

具体实施方式

在本发明的一个实施例中，从局部响应最大似然(PRML)系统或被均衡的最大似然(EML)系统中的Viterbi检测器得出误差可能性信息。图2示出Viterbi检测器的概念示图。图2中的Viterbi检测器在与目标响应g_k相匹配的网格上运行。该网格上的每个路径对应于可接受的比特序列，并且所述检测器选择导致网格中最小路径度量的序列。比特序列b_k的度量由欧几里德度量给出：

$M\left(b\right)=\underset{k}{\mathrm{\Σ}}{[x_k-{(g*b)}_k]}^2$ 公式(4)

其中，上述求和适用于所有接收的符号索引。图2的Viterbi检测器具有4状态网格，但实际完成可能具有不同状态数。在时间kT，Viterbi检测器为每个级采用加比选(ACS)操作以选择到达每个状态的最佳路径；去掉第二最佳路径。例如，如果对应于所传输比特序列b_k的路径在时间kT到达状态S₀，则我们可以用b⁰ _k和b¹ _k来表示ACS操作在阶段S₀和时间kT所选择的和所去掉的路径。

对应于b_k，当正确路径被去掉，即当b¹＝b时，在时间kT将发生错误的ACS判决。在此情况下的所述(错误地)选择的路径是b⁰＝b+2e，其中，e＝1/2(b⁰-b)被称为误码序列。该错误的ACS判决发生的概率为：

Pr(ACS error|b，e)＝Pr(M(b+2e)-M(b)＜0)    公式(5)

上述公式(5)表示由于去掉正确路径而造成Viterbi检测器的ACS操作包括判决错误的概率，假设所传输比特序列为b_k，而可接受的误码序列为e_k。Viterbi检测器的整体误码率与所有可能的数据模式和可接受的比特序列的ACS判决错误的概率直接相关。实际上，系统性能由主要误码序列的有限集所决定，所述主要误码序列跨越少数比特，例如单误码和特殊的双误码。至于Viterbi检测器网格中的路径，这意味着正确路径和被错误地检测的路径只有一些比特不同，然后再次重合。因此，Viterbi检测器中的检测误差由ACS误差在这些路径重合的状态处产生。因而，对于给定的误码序列来说，将ACS误差概率最小化造成在整个误码率中那个特殊的误码序列的误码率被最佳化。均衡器自适应

图3的实施例在局部响应最大似然(PRML)系统中采用被称为有序幅值裕度(SAM)值的参数。在此系统中，通过选择数据序列

来执行比特检测，以便产生最小欧几里德度量，如公式(4)。如果由Viterbi检测器选择了正确数据序列(即 $b=\hat{b}$ )，则它的欧几里德度量将唯一地由所接收信号中的噪声决定：

$M\left(b\right)=\underset{-\∞}{\overset{\∞}{\mathrm{\Σ}}}{[{(b*g)}_k+{\mathrm{\ϵ}}_k-{(b*g)}_k]}^2=\underset{-\∞}{\overset{\∞}{\mathrm{\Σ}}}{{\mathrm{\ϵ}}_k}^2$ 公式(6)

如果根据误码序列e＝1/2(b⁰-b)得到一个或多个误码，其中b⁰＝b+2e是被错误地检测的比特序列，则所检测的比特序列的欧几里德度量变为：

$M(b+2e)=\underset{-\∞}{\overset{\∞}{\mathrm{\Σ}}}{[{(b*g)}_k+{\mathrm{\ϵ}}_k-{((b+2e)*g)}_k]}^2=\underset{-\∞}{\overset{\∞}{\mathrm{\Σ}}}{[{\mathrm{\ϵ}}_k-2{(e*g)}_k]}^2$ 公式(7)

相比于所传输数据的期望信号，当被错误检测的序列的期望信号给出与实际所接收信号更好的匹配时，即当

M(b+2e)≤M(b)    公式(8)

将产生判决错误。将公式(6)和(7)代入公式(8)，得出表达式：

$\underset{-\∞}{\overset{\∞}{\mathrm{\Σ}}}{[{\mathrm{\ϵ}}_k-2{(e*g)}_k]}^2\≤\underset{-\∞}{\overset{\∞}{\mathrm{\Σ}}}{{\mathrm{\ϵ}}_k}^2$ 公式(9)

这可以被改写为：

$\underset{-\∞}{\overset{\∞}{\mathrm{\Σ}}}{{(e*g)}_k}^2+\underset{-\∞}{\overset{\∞}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_k{(e*g)}_k\≤0$ 公式(10)

第一项涉及误码序列e通过信道传输所产生的信号能量，通常表示为特殊误码序列的欧几里德权重，即

第二项线性地依赖于ε_k。公式(10)左侧的值通常表示有序幅值裕度(SAM)值：

$\mathrm{SAM}=\underset{-\∞}{\overset{\∞}{\mathrm{\Σ}}}{{(e*g)}_k}^2+\underset{-\∞}{\overset{\∞}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_k{(e*g)}_k$ 公式(11)

如果SAM值为负，则这指示Viterbi检测器已经作出判决错误。单个SAM值与每个可接受的误码序列相关。所述SAM值给出接收器已经作出判决错误的概率的直接指示。如果所述SAM值低于某个值，则可以说所述接收器有作出判决错误的危险，并且可以调节均衡器的抽头以便在将来类似的情况下(即具有相同数据和依赖数据的噪声实现的情况)，SAM值更大。这是本发明的基本操作机制。

图3中示出本发明一个实施的方框图。从传输信道12(未示出)接收(有噪声的)的信号r_k是线性均衡器14的输入。均衡器输出x_k是Viterbi检测器16的输入，Viterbi检测器输出是被检测的误码序列

目标信道响应模块18例如实施为滤波器或查找表。在数据辅助模式中，目标18接收所传输的比特序列b_k，而在直接判决模式中，目标18从Viterbi检测器接收局部比特序列评估信号15。如前所述，目标18产生参考信号17，并如下所述，还产生误差矢量δ _e。

均衡器自适应环路22包括矢量相关乘法器23、标量乘法器24和离散时间积分器25。所述自适应环路包括使能开关或设备26，其根据使能信号启动或禁止适配环路22。

图3中，所接收的信号r_k-p被示为自适应环路的输入，用于均衡器14的第p个均衡器抽头的自适应。在每个时钟周期kT，在Viterbi检测器16中每个状态处进行ACS操作。在解码状态，即用于在Viterbi检测器网格中返回的状态，在Viterbi检测器中从加比选(ACS)模块得出两个量。首先，得出所选择(最好)路径和第二最好路径之间的路径度量的差别。其次，得出误码序列e_k，作为对应于所选择路径和第二最好路径的两个序列之间的逐位差别。Viterbi检测器16将需要寄存器来存储对应于所选择路径和第二最好路径的序列(注意，第二最好路径在上述传统系统中是被去掉的)，并需要电路来计算这两个序列之间的逐位差别。

最好路径(实际选择的路径)和第二最好路径之间的总路径度量的差别是SAM值的计算。理想地，最好路径在上述公式(6)示出，示出比特序列b的欧几里德度量，即M(b)，而第二最好路径在上述公式(7)示出，示出比特序列b+2e的欧几里德度量，即M(b+2e)。然而，由Viterbi检测器16计算的SAM值19受检测器的返回深度和信道12的存储器的限制。将SAM值19与预定阈值进行比较，从而产生自适应环路22的使能信号。

来自Viterbi检测器的误码序列e_k用于计算误差矢量δ _e，其可以被计算为[(g*e)_k，(g*e)_k-l，…(g*e)_k-N]^T，其中g是目标响应，并且整数值N取决于相关的误码序列的最大长度。N可以简单地被定为Viterbi检测器的返回深度。

自适应环路22将所接收信号和误差矢量之间的相关性添加到线性均衡器4的多个抽头。只有路径度量中的差别小于与误码序列e_k的欧几里德权重成比例的阈值时，才启动均衡器自适应。所述阈值可以被计算为4αδ _e ^T δ _e，其中α是比例系数。已经发现对于α的满意选择是1/2。

当启动自适应时，由矢量乘法器(相关器)23为均衡器的每个抽头计算误差矢量δ _e与均衡器输入矢量r _k的标量积，第p个均衡器抽头的输入矢量为r _k-p＝[r_k-p，r_k-p-l，...r_k-p-N]^T。由标量乘法器24利用自适应常数-η(e)将产生的标量积进行缩放，然后将其发送至理想离散时间积分器25，以产生均衡器14的每个均衡器抽头的更新的抽头值。确定自适应环路的带宽的所述自适应常数，可以取决于误码序列，以进一步提高性能。最佳自适应常数与H_w(e)成比例，并可以表示为η(e)＝H_w(e)η₀，其中，H_w(e)是误码序列e的汉明权，即e中非零数的数量，而η₀是与误码序列e_k无关的常数。常数η₀确定自适应环路的带宽和均衡器的能力，以跟随所接收信号中的快速变化，并且常数η₀可以使用本领域技术人员众所周知的考虑来确定。

注意，在直接判决模式中(其中在接收器侧所传输数据是不可用的)，作为Viterbi网格中最好和第二最好路径之间的差别的SAM值总是为正。在此情况下，假设Viterbi网格中的最好路径是正确的路径，而第二最好路径用于计算误码序列。均衡器自适应电路的剩余部分不变。

图5是在采用逐符号检测器替换Viterbi检测器的局部响应最大似然系统中所实现的第三实施例的方框图。在接收器中使用逐符号检测器使得均衡器自适应可以被简化。在此实施例中，接收器包括线性均衡器14、多级阈值(逐符号)检测器32、误差序列发生器34、使能信号发生器36和自适应回路22(前面实施例中有述)。均衡器输出x_k输入至检测器32。与前述实施例的Viterbi检测器相似，检测器32被修改为不仅向x_k输出最近符号，还输出第二最近符号。对于向x_k输出的最近符号，这些输出可以表示为b_k ¹，而对向x_k输出的第二最近符号，这些输出可以表示为b_k ²。

误差序列发生器34在每个时钟周期产生可能的误差序列。对于逐符号检测，优选地，只考虑单个符号误差。符号误差序列e_k的推导在数据辅助和直接判决模式中有所不同。在数据辅助模式中，所传输的符号b_k已知，并且在b¹ _k≠b_k时(即在检测误差的情况下)误差序列可以被计算为2e_k＝b¹ _k-b_k，在b¹ _k＝b_k时(即在没有检测误差的情况下)可以被计算为2e_k＝b² _k-b¹ _k。在直接判决模式中，假设检测器32输出正确判决，并且可以将e_k简单地计算为2e_k＝b² _k-b¹ _k。符号序列b_k的欧几里德度量由M(b)＝(x_k-b_k)²给出。与前述实施例的SAM值相似，值(x_k-b² _k)²-(x_k-b¹ _k)²代表接收器险些在直接判决模式中作出判决错误的可能性。

使能信号发生器36也比Viterbi检测器的情况简单。给定(最后的)符号误差e_k，在数据辅助模式中，使能条件的一般表示由M(b+2e)-M(b)＜T_h给定，在直接判决模式中，使能条件的一般表示由M(b¹+2e)-M(b¹)＜T_h给定(后面的表示等于值(x_k-b² _k)²-(x_k-b¹ _k)²，并代表判决错误的可能性)。使用关系M(b)＝(x_k-b_k)²和T_h＝4αe_k ²，则在数据辅助模式中，使能条件可以表示为(1-α)|e_k|≤sign(e_k)(x_k-b_k)，在直接判决模式中，使能条件可以表示为(1-α)|e_k|≤sign(e_k)(x_k-b¹ _k)，其中如果x＞0则sign(x)＝1，否则sign(x)＝-1。对α的满意选择是1/2。

均衡器输入信号r_k-p与符号误差序列e_k之间的关联由相关器23执行。在此情况下，对于均衡器14的第p个抽头的自适应，所述关联被简化为e_kr_k-p。进一步的简化方式可以这样实现，即不需要相乘，而是通过使用关联sign(e_k)r_k-p来代替e_kr_k-p。

直观上，可以如下地理解均衡器自适应算法。将误差信号ε投影到可能的误码序列的标记(即当特殊误码序列将通过信道被传输时所接收的信号)上。如果该投影大于某阈值，则该误码序列看起来非常象特殊误码序列所预期的误差信号。在此情况下，应该启动均衡器自适应，因为比特检测器可能将要产生判决错误。一旦启动自适应，则从均衡器抽头中减去所接收信号自身在误差标记上的投影。这意味着下次出现该所接收信号时，与之前所出现的相比，均衡器输出中的相对变化到误差标记上的投影已经减小。这降低了比特检测器作出判决错误的概率。

目标响应自适应

EML系统中的Viterbi检测器在与线性目标响应g^k匹配的网格上操作。对于给定的比特序列b_k和可接受的误码序列e_k，可以将成本函数Δ_e定义为：

${\mathrm{\Δ}}_e=\frac{E\left[{X_e}^{\′}\right]}{T_e}$ 公式(12)

其中

并且Te＝(1-α)δ _e ^T δ _e+αμ_e

以及μ_e＝E[δ _e ^T ε]，α是区间[0，1]中的固定值。

近似最小误码率自适应试图将所有相关误码序列的成本函数Δ_e最小化。

成本函数Δ_e包括变量Xe＝δ _e ^T ε＝∑_k(g*e)_kε_k。序列b_k和b_k+2e_k之间路径度量的差别仅经由X_e取决于误差信号。Δ_e的分母涉及误码序列e_k的欧几里德权重，即δ _e ^T δ _e。基于Δ_e的目标响应的最佳化将会在δ _e方向减少误差信号着色，并增加误码序列e_k的欧几里德权重。上述阈值T_e表示比特序列、误码序列上的自适应的聚焦(focusing)和对应于Viterbi检测器中的不可靠判决的噪声实现。至于Viterbi检测器中的路径度量，使能条件{Xe＞Te}可以被表示为{M(b+2e)-M(b)＜4(δ _e ^T δ _e-T_e)}，其中M(b)＝∑_k(x_k-(g*b)_k)²代表序列b_k的路径度量。所述阈值处理自动地选择对于BER起决定作用的最差比特序列和误码序列的集合。例如，考虑到非均衡ISI，阈值处理等于只在ISI起破坏作用(即造成预检测SNR的恶化)的比特序列和误码序列fr上聚焦(focusing)自适应工作。

T_e对μ_e的依赖性可以忽略，因为μ_e比δ _e ^T δ _e小得多，并且，如果省略常数因数(1-α)，则可以将成本函数Δ_e改写为

${\mathrm{\Δ}}_e=\frac{E\left[{X_e}^{\′}\right]}{{\underset{\‾}{\mathrm{\δ}}}_e^T{\underset{\‾}{\mathrm{\δ}}}_e}$ 公式(13)

可以将使能条件简化为{M(b+2e)-M(b)＜T_h}，其中阈值T_h＝4αδ _e ^T δ _e，如上所述。

为了将总BER最小化，将不同误码序列的差函数Δ_e与不同误码序列的不同权重组合。误码序列e_k的权重与它的汉明权H_w(e)(即e_k中零的数量)成比例。对于给定的误码序列e_k，将公式(13)最小化的目标自适应方案可以基于最速下降算法。这包括在每次迭代时Δ_e的梯度相对于目标系数的反方向。第p个目标抽头的自适应可以被写作如下：

${g_p}^{(k+1)}={g_p}^{\left(k\right)}-{\mathrm{\η}}^{,}\left(e\right)\frac{{\∂\mathrm{\Δ}}_e}{{\∂g}_p}{|}_{{g=g}^{\left(k\right)}}$ 公式(14)

其中g_p ^(k)是时间kT时的第p个目标抽头。系数η’(e)代表目标自适应常数，并理想地与误码序列e_k的汉明权成比例，即η’(e)＝η₀H_w(e)，其中η₀是正的常数值。

在将公式(13)中的指数X’_e由它的即时实现代替，并取它相对于第p个目标抽头的梯度时，可以得出公式(14)的自适应规则的表达式。这可以被写为：

${g_p}^{(k+1)}={g_p}^{\left(k\right)}-\mathrm{\η}\left(e\right){{\mathrm{\Γ}}_p}^{\left(k\right)}{\mathrm{\Π}}_{\{\frac{{\underset{\‾}{\mathrm{\δ}}}_e^T\underset{\‾}{\mathrm{\ϵ}}}{\underset{\‾}{{\underset{\‾}{\mathrm{\δ}}}_e^T{\underset{\‾}{\mathrm{\δ}}}_e}}>(1-\mathrm{\α})\}}$ 公式(14)

${{\mathrm{\Γ}}_p}^{\left(k\right)}=\{{{\underset{\‾}{e}}_{k-p}}^T\underset{\‾}{\mathrm{\ϵ}}-{{\underset{\‾}{\mathrm{\δ}}}_e}^T{\underset{\‾}{b}}_{k-p}-2\frac{{\underset{\‾}{\mathrm{\δ}}}_e^T\underset{\‾}{\mathrm{\ϵ}}}{{\underset{\‾}{\mathrm{\δ}}}_e^T{\underset{\‾}{\mathrm{\δ}}}_e}{{\underset{\‾}{\mathrm{\δ}}}_e}^T{\underset{\‾}{e}}_{k-p}\}$ 公式(15)

其中 $\mathrm{\η}\left(e\right)={\mathrm{\η}}_0\frac{H_w\left(e\right)}{{\underset{\‾}{\mathrm{\δ}}}_e^T{\underset{\‾}{\mathrm{\δ}}}_e},$ b _k-p＝[b_k-p，b_k-p-l，...]，e _k-p＝[e_k-p，e_k-p-l，...]，而ε _k-p＝[ε_k-p，ε_k-p-l，...]。公式(15)右侧表达式中的项

可以解释为相对于最小化δ ^T _e ε的最大化欧几里德距离δ _e ^T δ _e中的加权因数。为了简化公式(15)，可以简单地将该项固定为符合使能条件的值β，即β＞1-α。β的简单选择是β＝1。此外，取决于主要误码序列，可以假设自适应常数η_e的表达式中的比例

近似与e_k无关。这将进一步简化等式(14)。

通过使用这些近似并以Viterbi检测器路径度量的方式来表示使能条件，可以将等式(14)和(15)改写为：

g_p ^(k+1)＝g_p ^(k)-η(e)Γ_p ^(k)∏_{{M(b+2e)-M(b)}＜4αδ _e ^T δ _e}等式(16)

Γ_p ^(k)＝e _k-p ^T ε-δ _e ^T(b _k-p+2e _k-p).等式(17)

图6示出在被均衡的最大似然系统中实现目标自适应和均衡器自适应的本发明的实施例。目标自适应环路40包括使能开关或设备41，其根据使能信号来启动或禁止目标自适应环路40。目标自适应环路40还包括矢量相关乘法器42、标量乘法器43和离散时间积分器44。

总体目标自适应执行如下。在每个时钟周期kT，在每个状态处在Viterbi检测器中使用ACS操作。在解码状态，得出两个量。首先，取得所选择路径和所去掉路径之间的路径度量的差别。其次，得出误码序列e_k，作为对应于所去掉路径和所选择路径的两个序列之间的逐位差别。误码序列的推导反映了直接判决(DD)模式，其中所传输数据对于接收器是未知的。在数据辅助(DA)模式中(其中，所传输数据作为已知的前同步信号对于接收器是可用的)，误码序列的推导更加简单，因为对应于所传输数据的状态在每个时钟周期都是已知的。在此情况下，如果ACS判决是正确的，则误码序列对应于由ACS操作去掉的路径，否则，对应于所选择路径。

误码序列e_k用于计算误差矢量δ _e＝[(g*e)_k，(g*e)_k-l，...(g*e)_k-N]^T，其中整数值N取决于相关误码序列的最大长度。值N可以被固定为Viterbi检测器的返回长度。当路径度量中的差别小于与误码序列的欧几里德权重成比例的阈值时，启动目标自适应。所述阈值可以被计算为T_h＝4αδ _e ^T δ _e，如相对于均衡器自适应所述。当设定使能信号以启动目标自适应时，公式(17)中的表达式Γ_p ^(k)由矢量相关乘法器42估计，由标量乘法器43中的自适应常数η(e)缩放，然后被发送至产生更新的第p个目标抽头值的离散时间积分器44。应该注意，Δ_p ^(k)的估计不需要真的乘法。

数字记录系统经常采用奇偶校验(PC)和误差校正代码(ECC)，以便获取Viterbi检测器的输出处的剩余误码。这些代码的表现取决于Viterbi检测器之后的主要误码序列。因此，为了在PC和ECC解码之后将区段错误率最佳化，可以更好地选择自适应常数η(e)，以便目标和均衡器自适应主要聚焦于没有被PC和ECC覆盖或“较少覆盖”的误差序列。也就是说，本发明可以归纳为通过将自适应常数η(e)最佳化来实现区段错误率最小化。

均衡器和目标自适应之间的相互作用

如果均衡器和目标响应由相同因数缩放，则图6的EML系统的误码率不变化。该相互作用会使得均衡器和目标能量漂移至较大值或降低至非常小的值，其会在固定点执行中导致饱和或量化问题。该相互作用可以以多种方式处理。一种方法是固定目标响应的能量。可以修改公式(17)的目标自适应规则，以便在每次自适应之后目标被缩放为具有单元能量。

另一种相互作用可以源于这样的事实，即对于线性信道和长均衡器14，误码率与目标响应18的相位响应无关。与从具有首一约束(monic constraint)的MMSE自适应产生的最小相位目标响应相反，用于记录信道的目标响应相位的最简单的实际选择是线性相位，其具有不需要相位均衡的优点，即标称的均衡器只需要处理幅度信道失真。这降低了对均衡器复杂性的要求。

线性相位目标自动地避免发生在目标自适应和定时恢复环路间的相互作用问题，并且它可以实现Viterbi检测器的简化，而在BER中并无损失，这是因为在每个时钟周期处需要计算的分支度量的总数被大致减半了。也可以通过折叠Viterbi检测器网格来降低复杂性。此外，对于线性相位目标，只有一半数量的目标抽头需要被调整。这把目标自适应复杂性减半，并且，相比于需要调整所有目标抽头的情形而言，这改进了它的跟踪能力。对于长度为N_g的对称目标响应，公式(17)的自适应规则可以复合为：

$\∀p,0\≤p\≤\frac{N_g-1}{2},p^{,}=N_g-1-p$ 公式(18)

Γ’_p ^(k)＝(e _k-p+e _k-p’)^T ε-δ _e ^T(b _k-p+b _k-p’+2(e _k-p+e _k-p’))公式(19)

g_p ^(k+1)＝g_p ^(k)-η(e)Γ’_p ^(k)∏_{{M(b+2e)-M(b)＜4α} δ _e ^T δ _e}公式(20)

g_p’ ^(k+1)＝g_p ^(k+1)    公式(21)

对于非对称目标响应而言，可以得出类似的自适应规则。这等于在公式(19)中分别用e _k-p-e _k-p’和b _k-p-b _k-p’来代替e _k-p+e _k-p’和b _k-p+b _k-p’，并将公式(21)变为g_p’ ^(k+1)＝-g_p ^(k+1)。

在不同的记录信道之间可以作出区分。对于光学信道和垂直磁记录信道，所述目标优选地被限定为对称的，并且它的能量固定为1。对于纵向磁记录信道而言，所述目标优选地被限定为非对称的，并且其具有单元能量。

本发明提供一些优点。本发明改善了误码率，具有读取数据存储系统中的数据的更大能力，或者具有用于有线或无线传输信道的更高的吞吐量和更高的可靠性。实现自适应环路的复杂性是非常低的。以其最为简单的方式来说，单个使能信号指示是否应该将一部分数据信号(具有基于误码序列的符号反转)加到均衡器抽头。此外，该自适应方法可以应用在许多领域中，在最差情况下其具有最大性能增加。

不仅如此，通过使用本发明提高了自适应环路的收敛。在传统系统中，只在误差信号低于某个阈值时才能够启动自适应环路。在非常大的误差期间，例如由于外部扰动或由于加性高斯白噪声中不可避免的尖峰，自适应环路被禁止。然而，在非收敛自适应环路的初始情况下，误差将变大，使得自适应环路时常被禁止。在传统系统中，这导致自适应环路的缓慢的初始收敛。本发明改善了在此情况下的自适应环路的收敛。在非最佳均衡器的初始操作期间，SAM值很大，并因此启动自适应环路。这导致自适应环路的高初始带宽和快速收敛。在收敛阶段中，SAM值很小，经常造成自适应禁止，产生较低带宽和较少梯度噪声。

本发明可以用在磁或光存储系统中，也可以用在有线或无线通信系统中。该自适应方法不仅可以用于时间均衡，也可以用于如2D存储器和多输入多输出系统中的空间均衡。此外，所述技术不限于二元信号，而是同样适用于多级符号传输。

可以理解，关于一个实施例所述的任何特征也可以用于其它实施例。而且，也可以采用上面没有描述到的等同物和变化，而不脱离本发明的范围，其在权利要求中得以限定。

Claims (23)

1.一种在传输信道(12)的接收器(20)中用于均衡器和/或目标响应自适应的方法，所传输的数据序列(b)被输入至传输信道，并且所接收的数据信号(r)从传输信道被输出，所述方法包括检测所接收信号中的数据，所述方法的特征在于进一步包括：

-得出表示数据检测中的潜在错误的误差序列(e)；

-得出表示数据检测中的错误的可能性的第一值(19)，所述第一值基于误差序列和所接收的信号；并且

-根据所述第一值低于或高于预定阈值(T_h)而启动或禁止均衡器(14)和/或目标响应的自适应。

2.权利要求1的方法，其特征在于所述接收器包括Viterbi检测器(16)，所述第一值由Viterbi检测器中的最佳路径和第二最佳路径之间的总路径度量中的差别而得出。

3.权利要求1的方法，其特征在于所述接收器包括逐符号检测器(32)，所述第一值是从检测器输入和由逐符号检测器找到的最近符号(b¹ _k)之间的平方距离的差别，以及从检测器输入和由逐符号检测器找到的第二最近符号(b² _k)之间的平方距离的差别而得出的。

4.上述任一权利要求的方法，其特征在于所述阈值(T_h)是从误差序列(e)而得出的。

5.权利要求2的方法，其特征在于所述阈值(T_h)与误差序列的欧几里德权重成比例。

6.权利要求3的方法，其特征在于所述阈值(T_h)与误差序列的平方成比例。

7.上述任一权利要求的方法，其特征在于均衡器和/或目标响应的自适应包括将所接收信号与由误差序列(e)得出的第二值(δ _e)相关联。

8.权利要求7的方法，其特征在于所述第二值(δ _e)是从所述误差序列(e)和传输信道的预期目标响应(g)而得出的。

9.权利要求1-6中任一权利要求的方法，其特征在于均衡器的自适应包括将所接收信号与误差序列(e)相关联。

10.上述任一权利要求的方法，其特征在于均衡器和/或目标响应的自适应包括通过取决于所述误差序列(e)的自适应常数(-η(e))来进行缩放。

11.权利要求10的方法，其特征在于所述自适应常数(-η(e))取决于误差序列(e)的汉明权。

12.一种用于传输信道(12)的接收器(20)，所传输的数据序列(b)被输入至传输信道，并且所接收的数据信号(r)从传输信道被输出，所述接收器包括：

-用于接收所接收的数据信号并产生参考信号(x)的线性均衡器(14)；

-用于调节均衡器的自适应装置(22)；和

-用于接收所述参考信号并检测所接收的信号中的数据的数据检测器(16，32)；

其特征在于所述检测器得出表示数据检测中的判决错误的可能性的第一值(19)，所述第一值基于所接收的信号和表示数据检测中的潜在错误的误差序列(e)；以及

-用于根据第一值低于或高于预定阈值(T_h)而启动自适应装置的装置。

13.权利要求12的接收器，其特征在于所述检测器是Viterbi检测器，并且所述第一值是由Viterbi检测器中的最佳路径和第二最佳路径之间的总路径度量中的差别而得出的。

14.权利要求12的接收器，其特征在于所述检测器是逐符号检测器(32)，所述第一值是从检测器输入和由逐符号检测器找到的最近符号(b¹ _k)之间的平方距离的差别，以及从检测器输入和由逐符号检测器找到的第二最近符号(b² _k)之间的平方距离的差别而得出的。

15.权利要求12-14中任一权利要求的接收器，进一步包括：

-用于产生参考信号(17)的目标响应(18)；

-用于调节目标响应的自适应装置(40)；和

-用于根据第一值(19)低于或高于预定阈值(T_h)而启动自适应装置(40)的装置。

16.权利要求12-15中任一权利要求的接收器，其特征在于所述阈值(T_h)是从误差序列(e)得出的。

17.权利要求13的接收器，其特征在于所述阈值(T_h)取决于误差序列的欧几里德权重。

18.权利要求14的接收器，其特征在于所述阈值(T_h)与误差序列的平方成比例。

19.权利要求12-18中任一权利要求的接收器，其特征在于所述自适应装置(22，40)包括与由误差序列(e)得出的第二值(δ _e)相关联的装置。

20.权利要求19中任一权利要求的接收器，其特征在于所述第二值(δ _e)是从所述误差序列(e)和传输信道的预期目标响应(g)而得出的。

21.权利要求12-18中任一权利要求的接收器，其特征在于所述自适应装置(22，40)包括与误差序列(e)相关联的装置。

22.权利要求12-21中任一权利要求的接收器，其特征在于所述自适应装置(22，40)包括通过取决于所述误差序列(e)的自适应常数(-η(e))来进行缩放的装置。

23.权利要求22的接收器，其特征在于所述自适应常数(-η(e))取决于误差序列(e)的汉明权。

Images