CN101478350A - 基于正交小波变换的超指数迭代联合盲均衡方法 - Google Patents
基于正交小波变换的超指数迭代联合盲均衡方法 Download PDFInfo
- Publication number
- CN101478350A CN101478350A CNA2009100284604A CN200910028460A CN101478350A CN 101478350 A CN101478350 A CN 101478350A CN A2009100284604 A CNA2009100284604 A CN A2009100284604A CN 200910028460 A CN200910028460 A CN 200910028460A CN 101478350 A CN101478350 A CN 101478350A
- Authority
- CN
- China
- Prior art keywords
- sei
- equalizer
- algorithm
- output
- weight vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Filters That Use Time-Delay Elements (AREA)
Abstract
本发明公布了一种基于正交小波变换的超指数迭代联合盲均衡方法(WT-CSEI),将正交小波变换引入到超指数迭代(SEI)算法,利用正交小波变换对SEI算法的权向量迭代公式进行修正,同时通过软切换的方式与判决引导(DD)算法相结合,针对水声信道时变多普勒频移的特性,引入一阶锁相环技术(PLL),得到了WT-CSEI算法。WT-CSEI算法利用PLL技术来纠正相位旋转,利用正交小波变换来加快收敛速度,利用软切换的方式与DD算法相结合,降低了稳态误差,能更有效地跟踪信道的时变特性,更适合时变多径衰落水声信道的盲均衡。
Description
技术领域
本发明涉及一种超指数迭代联合盲均衡方法,尤其涉及一种基于正交小波变换的超指数迭代联合盲均衡方法。
背景技术
水下通信系统中,带宽受限和多径传播会导致严重的码间干扰(Inter-Symbol Interference,ISI),需要在接收端采用均衡技术来消除。与传统的自适应均衡相比,盲均衡不需要周期性的发射训练序列,对信道的利用率高,因而适用于水声信道均衡。在各种盲均衡算法中,Shalvi和Weinstein直接使用高阶统计量,提出了以近乎超指数收敛的超指数迭代盲均衡(Super-ExponentialIterative,SEI)算法(见文献:O Shalvi,E Weinstein.Super-Exponential Methods forBlind Deconvolution[J].IEEE Trans.Inform.Theory,1993,vol.39,504~519)。SEI盲均衡算法结构简单、收敛速度较快,但其稳态误差较大,且当水声信道多普勒频移较为严重的时候,不能纠正相位旋转。判决引导(DD)算法是盲均衡中的经典算法,其稳态误差小,但收敛能力很弱。文献(孙丽君,孙超.一种适用于高阶QAM信号的水声信道盲均衡算法[J].西北工业大学学报,2005,23(5):598~601)提出一种修正的SEI+DD算法,该算法通过对均衡器输出分别取实部与虚部,来修正误差控制信号,纠正相位旋转,待算法收敛之后切换至DD算法,从而有效地减小剩余均方误差。但该算法只有在常相位旋转时才能发挥作用,在非平稳的水声信道并不能快速纠正相位旋转,且其采用的硬切换方式,会造成算法的不稳定。文献(请阅:De CASTRO F C C,De CASTRO M C F.Concurrent blind deconvolution for channel equali-zation[C]Proc ICC′2001,2:366-371)提出了一种软切换的CMA+DD算法,将CMA与DD算法同时用于均衡器权向量的调整,只有当CMA调整前后均衡器判决输出一致的条件下,DD算法才参与权向量调整,该算法避免了硬切换带来的不利影响,但该算法没有改变均衡器的输入信号的自相关性,而这是影响算法的主要因素之一。
发明内容
本发明要解决的技术问题是针对现有技术存在的缺陷,提出一种超指数迭代联合盲均衡方法。
本发明为基于正交小波变换的超指数迭代联合盲均衡方法,其特征在于包括如下步骤:
a.)将发射信号a(k)经过脉冲响应信道c(k)得到信道输出向量x(k),其中k为时间序列,下同;
b.)采用信道噪声n(k)和步骤a所述的信道输出向量x(k)得到均衡器的输入向量:y(k)=x(k)+n(k);
c.)将步骤b所述的均衡器的输入向量y(k)经过正交小波变换得到正交小波变换器WT的输出向量:R(k)=y(k)V,其中V为正交小波变换矩阵;
d.)采用步骤c所述的正交小波变换器WT的输出向量R(k)和超指数迭代权向量WSEI(k)、判决导引权向量WDD(k)相联合得到均衡器的输出序列:z(k)=WH(k)R(k),其中上标H表示共轭转置,W(k)=WSEI(k)+WDD(k)为均衡器的权向量,WH(k)为均衡器的权向量W(k)的共轭转置;
步骤d所述的超指数迭代权向量WSEI(k)和判决导引权向量WDD(k)的求取包括如下步骤:
3.)由步骤d所述的均衡器的输出序列z(k)和步骤2所述的均衡器的输出序列z(k)的判决输出A200910028460D0005083955QIETU.GIF得到均衡器的输出序列z(k)的判决输出和判决器输入信号g(k)之间的相位差估计值: 其中为z(k)的估计值;
判决导引权向量公式:
其中Q(k)为白化矩阵,μSEI为超指数迭代权向量的迭代步长,μDD为判决导引权向量的迭代步长,为均衡器的输出序列z(k)的估计值,为的判决输出,R*(k)为正交小波变换器WT的输出向量R(k)的共轭,单位冲激函数 R为发射信号a(k)的模,的共轭。
本发明将正交小波变换理论引入到超指数迭代(SEI)算法,利用正交小波变换良好的去相关性来加快收敛速度,同时引入一阶锁相环技术(PLL),以快速纠正相位旋转,实现载波恢复,并将其以软切换的方式与DD算法相结合,减小了稳态误差。为了书写方便,将新方法记为基于正交小波变换的超指数迭代联合盲均衡方法(Combined Super-exponential Iteration blind equalizationalgorithm based on orthogonal wavelet transform,WT-CSEI)。WT-CSEI方法在收敛速度和稳态误差上,具有良好的性能。
附图说明
图1:SEI算法原理图;
图2:超指数迭代联合盲均衡算法SEI+DD+PLL原理图;
图3:本发明原理图;
图4:发明实施例仿真结果图,(a)均方误差学习曲线,(b)均衡器的输入信号,(c)SEI的输出星座图,(d)WT-SEI+DD的输出星座图,(e)SEI+DD+PLL输出星座图,(f)WT-CSEI输出星座图。
具体实施方式
如图1所示。超指数(SE)算法推导出超指数迭代(SEI)盲均衡算法。SE盲均衡算法是根据数据段进行运算的,而SEI算法是根据数据点进行运算的,因此SEI算法能更有效地跟踪水声信道的时变特性。图中,k表示时间序列,a(k)表示发射机发射信号,是方差为1的白色独立同分布序列;c(k)为信道脉冲响应向量;n(k)为信道噪声,一般假设为高斯白噪声序列,且与信号统计独立。y(k)为均衡器的输入序列,且y(k)=[y(k),y(k-1),…,y(k-L+1)]T;f(k)为均衡器权向量,且f(k)=[f(k),f(k-1),…,f(k-L+1)]T(L是权长,为正整数,T表示转置);ψ(·)是产生误差e(k)的非线性函数;z(k)是均衡器的输出序列。均衡器输入信号为y(k)=x(k)+n(k)=cT(k)a(k)+n(k),均衡器输出信号为z(k)=fT(k)y(k),与常数摸算法相比,超指数迭代(SEI)算法在权向量每次迭代时均需计算Q矩阵,通过该矩阵来优化步长因子,对均衡器的输入信号起白化作用,从而使该算法的收敛速度快于CMA算法。SEI算法权向量的迭代公式为f(k+1)=f(k)-μQ(k)y*(k)z(k)(|z(k)|2-R),其中,R=E[|a(k)|4]/E[|a(k)|2]是发射序列a(k)的模,E[]表示数学期望;μ为权向量迭代步长,下同。Q(k)矩阵的计算迭代公式为 其中,Q(k)为白化矩阵,μm表示Q(k)矩阵计算的迭代步长。
SEI算法的收敛速度较快,但稳态误差较大,且其误差函数e(k)=z(k)(|z(k)|2-R),只含有均衡器输出的幅度信号,不能纠正相位旋转。
如图2所示。将超指数迭代(SEI)盲均衡算法与判决引导(DD)算法以软切换的方式相结合(记为SEI+DD)。在具有时变多普勒频移的水声信道中,输出信号会发生严重的相位旋转,导致DD算法错误判决的增加,减缓了算法的收敛速度。因此,在SEI+DD算法的基础上,引入一阶锁相环技术(PLL),得到超指数迭代联合盲均衡算法(SEI+DD+PLL)。该算法可以快速纠正相位旋转,提高算法性能。
SEI与DD算法
SEI与DD算法以软切换的方式相结合,即SEI算法与DD算法同时参与均衡器权向量的迭代,只有在SEI调整前后均衡器输出一致的条件下,DD算法才参与权向量迭代。即f(k)=fSEI(k)+fDD(k),式中,fSEI(k)为SEI权向量,其更新公式为fSEI(k+1)=fSEI(k)-μQ(k)y*(k)z(k)(|z(k)|2-R),fDD是DD权向量,迭代公式为 式中,μDD为DD迭代步长,为的判决输出。即当z(k)和的判决输出相同时,DD算法的权向量开始迭代更新。SEI+DD算法软切换的组合方式可以避免硬切换带来的缺点。
SEI+DD+PLL算法
一阶锁相环(Phase Locked Loop,PLL)定义为
fSEI(k+1)=fSEI(k)-μQ(k)y*(k)z(k)(|z(k)|2-R)修正为:
如图3所示,本发明基于正交小波变换的超指数迭代联合盲均衡方法,其特征在于包括如下步骤:
a.)将发射信号a(k)经过脉冲响应信道c(k)得到信道输出向量x(k),其中k为时间序列,下同;
b.)采用信道噪声n(k)和步骤a所述的信道输出向量x(k)得到均衡器的输入向量:y(k)=x(k)+n(k);
c.)将步骤b所述的均衡器的输入序列y(k)经过正交小波变换得到正交小波变换器WT的输出向量:R(k)=y(k)V,其中V为正交小波变换矩阵,V=[P0;P1H1;P2H1H0;…;PJ-1HJ-2…H1H0;HJ-1HJ-2…H1H0],式中,Hj和Pj分别为由小波滤波器系数h(k)和尺度滤波器系数p(k)所构成的矩阵。Hj和Pj表示的是j层小波分解中由小波滤波器系数h(k)和尺度滤波器系数p(k)所构成的分解矩阵,且Hj和Pj中的每个元素分别为Hj(l,k)=h(k-2l),Pj(l,k)=p(k-2l),其中,l=1~N/2j+1,k=1~N/2j。N表示均衡器的权向量的长度。j∈[0,J-1]表示小波分解层数,J表示小波分解的最大分解层数。
d.)采用步骤c所述的正交小波变换器WT的输出向量R(k)和超指数迭代权向量WSEI(k)、判决导引权向量WDD(k)得到均衡器的输出序列:z(k)=WH(k)R(k),其中H表示共轭转置,W(k)=WSEI(k)+WDD(k)为均衡器的权向量,WH(k)为均衡器的权向量W(k)的共轭转置;
步骤d所述的超指数迭代权向量WSEI(k)和判决导引权向量WDD(k)的求取包括如下步骤:
2.)将步骤1所述的判决器输入信号g(k)经过判决装置得到均衡器的输出序列z(k)的判决输出
3.)由步骤d所述的均衡器的输出序列z(k)和步骤2所述的均衡器的输出序列z(k)的判决输出得到均衡器的输出序列z(k)的判决输出和判决器输入信号g(k)之间的相位差估计值: 其中为z(k)的估计值;
判决导引权向量公式:
其中, 其中diag[]表示对角矩阵, 和分别表示对rj,n(k)和sj,n(k)的平均功率估计,rj,n(k)表示小波空间j层分解的第n个信号,sJ,n(k)表示尺度空间中最大分解层数J时的第n个信号,β表示平滑因子,Q(k)为白化矩阵,μSEI为超指数迭代权向量的迭代步长,μDD为判决导引权向量的迭代步长,为均衡器的输出序列z(k)的估计值,为的判决输出,R*(k)为正交小波变换器WT的输出向量R(k)的共轭,单位冲激函数
如图4所示。以常规SEI算法、WT-SEI+DD算法和SEI+DD+PLL算法为比较对象,进行仿真研究。仿真中,信道为具有多普勒相位旋转的典型两径水声信道c=[e-0.7j0 0 0.3e-1.8j],信号为16QAM,信噪比为25dB,SEI算法的权长为16,第3个抽头初始化为1,步长μSEI=0.0008;SEI+DD+PLL算法中SEI算法的权长是16,第3个抽头初始化为1,DD算法的权长是16,全零初始化,PLL步长β=0.005,其余算法权长与PLL设置与之一致。步长μSEI=0.0005,μDD=0.0008;WT-SEI+DD算法的步长μWT-SEI=0.0008,μDD=0.001,WT-MCSEI算法的步长μWT-SEI=0.0008,μDD=0.001,均采用DB2小波进行分解,分解层数是2层。
图4表明,SEI算法和WT-SEI+DD算法的收敛速度最快,但其稳态误差很大,且不能纠正相位旋转。WT-SEI+DD算法在算法冷启动阶段,未能纠正相位旋转,使之不能很快地切换至DD算法,从而造成较大的稳态误差。SEI+DD+PLL算法中加入了PLL,纠正了相位旋转,准确地切换至DD,但其不能快速收敛,收敛速度最慢。而WT-CSEI算法,因为在算法冷启动阶段,利用正交小波变换加快收敛速度、利用PLL来纠正相位旋转,从而能快速地切换至DD算法,收敛速度较SEI+DD+PLL有大幅度的提高,且稳态误差比SEI+DD+PLL算法减小了近5dB,比WT-SEI+DD算法减小了近12dB,比SEI算法减小了近14dB。图4(c)至(f)表明,WT-CSEI算法输出的星座图更加清晰、紧凑,且纠正了相位旋转。
Claims (1)
1.一种基于正交小波变换的超指数迭代联合盲均衡方法,其特征在于包括如下步骤:
a.)将发射信号a(k)经过脉冲响应信道c(k)得到信道输出向量x(k),其中k为时间序列,下同;
b.)采用信道噪声n(k)和步骤a所述的信道输出向量x(k)得到正交小波变换器(WT)的输入向量:y(k)=x(k)+n(k);
c.)将步骤b所述的均衡器的输入向量y(k)经过正交小波变换得到正交小波变换器WT的输出向量:R(k)=y(k)V,其中V为正交小波变换矩阵;
d.)采用步骤c所述的正交小波变换器WT的输出向量R(k)和超指数迭代权向量WSEI(k)、判决导引权向量WDD(k)相联合得到均衡器的输出序列:z(k)=WH(k)R(k),其中上标H表示共轭转置,W(k)=WSEI(k)+WDD(k)为均衡器的权向量,wH(k)为均衡器的权向量W(k)的共轭转置;
步骤d所述的超指数迭代权向量WSEI(k)和判决导引权向量WDD(k)的求取包括如下步骤:
3.)由步骤d所述的均衡器的输出序列z(k)和步骤2所述的均衡器的输出序列z(k)的判决输出得到均衡器的输出序列z(k)的判决输出和判决器输入信号g(k)之间的相位差估计值: 其中为z(k)的估计值;
判决导引权向量公式:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100284604A CN101478350A (zh) | 2009-01-20 | 2009-01-20 | 基于正交小波变换的超指数迭代联合盲均衡方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100284604A CN101478350A (zh) | 2009-01-20 | 2009-01-20 | 基于正交小波变换的超指数迭代联合盲均衡方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101478350A true CN101478350A (zh) | 2009-07-08 |
Family
ID=40838987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2009100284604A Pending CN101478350A (zh) | 2009-01-20 | 2009-01-20 | 基于正交小波变换的超指数迭代联合盲均衡方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101478350A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101902417A (zh) * | 2010-06-30 | 2010-12-01 | 南京信息工程大学 | 基于蚁群优化的正交小波变换超指数迭代盲均衡方法 |
CN102123115A (zh) * | 2011-04-15 | 2011-07-13 | 南京信息工程大学 | 基于粒子群优化的正交小波盲均衡方法 |
CN102184455A (zh) * | 2011-04-15 | 2011-09-14 | 南京信息工程大学 | 基于自适应免疫克隆的正交小波超指数迭代盲均衡方法 |
CN102355434A (zh) * | 2011-07-25 | 2012-02-15 | 南京信息工程大学 | 混沌与最速下降法联合优化的正交小波常数模盲均衡方法 |
CN101656696B (zh) * | 2009-09-18 | 2012-03-07 | 南京信息工程大学 | 基于联合合并时空分集频域小波盲均衡方法 |
CN102413089A (zh) * | 2011-08-16 | 2012-04-11 | 上海交通大学 | 一种用于卫星通信系统的香农极限编码gmsk解调方法 |
WO2014161445A1 (en) * | 2013-03-30 | 2014-10-09 | Zte Corporation | Recovering data from quadrature phase shift keying modulated optical signals |
CN105635008A (zh) * | 2016-04-01 | 2016-06-01 | 电子科技大学 | 一种自适应均衡方法、装置及自适应均衡器 |
CN106646534A (zh) * | 2016-11-11 | 2017-05-10 | 北京瑞德基业光电技术有限公司 | 一种基于小波变换的多径抑制方法及其系统 |
CN106850035A (zh) * | 2016-12-15 | 2017-06-13 | 四川九洲电器集团有限责任公司 | 一种多通道幅相失真校正的方法 |
CN108988881A (zh) * | 2018-09-30 | 2018-12-11 | 电子科技大学 | 一种基于双通道模型的小波变换修正盲均衡方法 |
US10171200B2 (en) | 2013-08-27 | 2019-01-01 | Zte Corporation | Optical communication using super-nyquist signals |
-
2009
- 2009-01-20 CN CNA2009100284604A patent/CN101478350A/zh active Pending
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101656696B (zh) * | 2009-09-18 | 2012-03-07 | 南京信息工程大学 | 基于联合合并时空分集频域小波盲均衡方法 |
CN101902417A (zh) * | 2010-06-30 | 2010-12-01 | 南京信息工程大学 | 基于蚁群优化的正交小波变换超指数迭代盲均衡方法 |
CN101902417B (zh) * | 2010-06-30 | 2013-04-03 | 南京信息工程大学 | 基于蚁群优化的正交小波变换超指数迭代盲均衡方法 |
CN102184455B (zh) * | 2011-04-15 | 2013-12-04 | 南京信息工程大学 | 基于自适应免疫克隆的正交小波超指数迭代盲均衡方法 |
CN102123115A (zh) * | 2011-04-15 | 2011-07-13 | 南京信息工程大学 | 基于粒子群优化的正交小波盲均衡方法 |
CN102184455A (zh) * | 2011-04-15 | 2011-09-14 | 南京信息工程大学 | 基于自适应免疫克隆的正交小波超指数迭代盲均衡方法 |
CN102123115B (zh) * | 2011-04-15 | 2014-04-16 | 南京信息工程大学 | 基于粒子群优化的正交小波盲均衡方法 |
CN102355434B (zh) * | 2011-07-25 | 2014-03-26 | 南京信息工程大学 | 混沌与最速下降法联合优化的正交小波常数模盲均衡方法 |
CN102355434A (zh) * | 2011-07-25 | 2012-02-15 | 南京信息工程大学 | 混沌与最速下降法联合优化的正交小波常数模盲均衡方法 |
CN102413089A (zh) * | 2011-08-16 | 2012-04-11 | 上海交通大学 | 一种用于卫星通信系统的香农极限编码gmsk解调方法 |
CN102413089B (zh) * | 2011-08-16 | 2014-04-02 | 上海交通大学 | 一种用于卫星通信系统的香农极限编码gmsk解调方法 |
WO2014161445A1 (en) * | 2013-03-30 | 2014-10-09 | Zte Corporation | Recovering data from quadrature phase shift keying modulated optical signals |
US9698914B2 (en) | 2013-03-30 | 2017-07-04 | Zte Corporation | Recovering data from quadrature phase shift keying modulated optical signals |
US10171200B2 (en) | 2013-08-27 | 2019-01-01 | Zte Corporation | Optical communication using super-nyquist signals |
CN105635008A (zh) * | 2016-04-01 | 2016-06-01 | 电子科技大学 | 一种自适应均衡方法、装置及自适应均衡器 |
CN105635008B (zh) * | 2016-04-01 | 2018-11-20 | 电子科技大学 | 一种自适应均衡方法、装置及自适应均衡器 |
CN106646534A (zh) * | 2016-11-11 | 2017-05-10 | 北京瑞德基业光电技术有限公司 | 一种基于小波变换的多径抑制方法及其系统 |
CN106850035A (zh) * | 2016-12-15 | 2017-06-13 | 四川九洲电器集团有限责任公司 | 一种多通道幅相失真校正的方法 |
CN108988881A (zh) * | 2018-09-30 | 2018-12-11 | 电子科技大学 | 一种基于双通道模型的小波变换修正盲均衡方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101478350A (zh) | 基于正交小波变换的超指数迭代联合盲均衡方法 | |
CN101478349B (zh) | 基于正交小波包变换的双模式变步长盲均衡方法 | |
CN108712353B (zh) | 软迭代信道估计方法 | |
CA2587770A1 (en) | Uniform channel decomposition for mimo communications | |
Zhang et al. | Deep learning based on orthogonal approximate message passing for CP-free OFDM | |
CN108712354B (zh) | 基于lms算法处理时延敏感的延迟判决反馈均衡方法及系统 | |
CN113381951A (zh) | 时变频选衰落信道下mftn联合信道估计与均衡方法 | |
CN101478509B (zh) | 正交小波变换和时间分集技术相融合的盲均衡方法 | |
CN105553903A (zh) | 一种自适应turbo均衡方法及均衡器,水声通信系统 | |
CN109088836B (zh) | 单载波频域均衡soqpsk-tg信号的数据块构造方法 | |
Ashmawy et al. | Joint MCMA and DD blind equalization algorithm with variable-step size | |
Arenas-García et al. | Improved blind equalization via adaptive combination of constant modulus algorithms | |
Sirvi et al. | Wavelet based OFDM system over flat fading channel using NLMS equalization | |
Wang | A nonlinear modified constant modulus algorithm for blind equalization | |
Lázaro et al. | Matched pdf-based blind equalization | |
CN113381954A (zh) | 一种基于广义近似消息传递的频域均衡方法 | |
Sainte-Agathe et al. | Single-carrier transmission with iterative frequency-domain decision-feedback equalization | |
CN111884959B (zh) | 一种用于单载波宽带无线通信系统的迭代均衡方法及设备 | |
CN115473775B (zh) | 一种适用于低轨卫星互联网系统的并行符号定时恢复方法 | |
Guo et al. | Fractionally spaced combining with spatial diversity blind equalization algorithm based on orthogonal wavelet transformation | |
Sun et al. | Blind equalization of multilevel signals via support vector regression | |
CN117675461A (zh) | 一种基于改进的Turbo自适应均衡接收方法 | |
Guo et al. | Orthogonal wavelet transform based sign decision dual-mode blind equalization algorithm | |
Hajian et al. | Adaptive equalization for mobile communication systems based on constant modulus algorithm | |
Hao et al. | Research on high speed parallel blind equalization algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20090708 |