CN101848179A - 抽头预置与lms联合对抗动态信道的均衡器及均衡方法 - Google Patents

Abstract

本发明提出一种抽头预置与LMS联合对抗动态信道的均衡方法及均衡器。其中，该方法包括步骤：采用LS算法估计信道冲击响应，获得信道估计值；当检测到通信信道的主径发生切换时，根据信道估计值获得并预置均衡器的抽头系数，完成均衡器抽头系数的初始化，然后基于LMS算法对所述抽头系数自适应更新；由均衡器对通信信道进行均衡处理-前径信道是按逐步抵消的方式消除，而后径信道直接消除。本发明实现了均衡器在一个较为理想的初始状态的基础上基于LMS算法进行快速收敛实现均衡器抽头系数的自适应地更新，从而快速跟踪变化的信道实现对信道的均衡处理。

Description

抽头预置与LMS联合对抗动态信道的均衡器及均衡方法

技术领域

本发明涉及通信系统的信道均衡技术，尤其是涉及一种通信系统抽头预置与最小均方(Least mean square，LMS)算法联合对抗动态信道的均衡器及均衡方法。

背景技术

信号在传输过程中，由于多径信道的存在，会带来码间干扰(Inter-Symbol Interference，ISI)，而码间干扰是产生信号误差的一个重要原因，为解决码间干扰问题，通常采用均衡器分别从时域、频域来对多径信道带来的码间干扰进行补偿。

一般来讲，单载波系统会采用时域均衡的方法，而多载波系统会采用频域均衡的方法。理论上，单载波系统与多载波系统的均衡性能是相同的，但由于硬件资源的限制，单载波常用的时域均衡器达不到最佳性能。传统时域均衡器的复杂度与最大多径时延成正比，时域均衡器成了制约单载波系统性能提高的“瓶颈”。美国ATSC-8VSB系统中，接收机的时域均衡器抽头阶数做到了几百阶，但还是不能有效地对付快速变化的动态信道。

事实证明，单纯依靠时域均衡器自适应的更新抽头系数，很难克服快速变化的动态信道。

发明内容

本发明提出一种通信系统中采用抽头预置与LMS联合对抗动态信道的均衡器及均衡方法，实现均衡器自适应的快速更新抽头系数，满足高速信道的均衡要求。

本发明采用了如下技术方案来实现：一种抽头预置与LMS联合对抗动态信道的均衡方法，其包括步骤：

采用LS算法估计信道冲击响应，获得信道估计值；

当检测到通信信道的主径发生切换时，根据信道估计值获得并预置均衡器的抽头系数，完成均衡器抽头系数的初始化，然后基于LMS算法对所述抽头系数自适应更新；

由均衡器对通信信道进行均衡处理：前径信道是按逐步抵消的方式消除，而后径信道直接消除。

其中，所述估计信道冲击响应的步骤包括：

A、根据常见信道类型，预先设定信道最前径的延时数和信道最后径的延时数，提前计算出(PN^H·PN)^-1·PN^H的值；

B、根据通信信道的主径位置，确定接收到的信号序列Y＝[y(100)，y(101)，…，y(574)]^T；

C、将步骤A和B的结果相乘，得到信道冲击响应序列h＝[h(-20)，…，h(0)，…，h(100)]^T；

其中，PN是由本地随机伪噪声序列组成的(N-n_a-n_c)×(n_a+n_c+1)的矩阵。

其中，所述预置均衡器的抽头系数的步骤包括：

对LS算法估计出的信道冲击响应序列中小于某一阈值的冲击响应作零处理，得到新的信道冲击响应序列；

对该新的信道冲击响应以一个归一化因子进行归一化处理，得到归一化的信道冲击响应序列；

将归一化的信道冲击响应序列转换为均衡器抽头系数。

其中，所述阈值的取值为信道冲击响应序列中冲击响应最大能量值的1/16。

其中，以所述归一化因子作为均衡器虚拟中心的抽头系数；将归一化的信道冲击响应序列中后径部分的响应值取反处理之后直接赋给反馈滤波器对应位置的抽头系数；将归一化的信道冲击响应序列中前径部分的响应值取为多径幅度s，根据多径幅度s预置前馈滤波器的抽头系数W_k，k＝[0，M-1]，M为均衡器的前向滤波器的阶数：

其中，均衡器包括前馈滤波器和反馈滤波器，其中，后向多径信道采用反馈滤波器予以消除，反馈滤波器的输入为信道均衡后的数据。

其中，第n时刻均衡器的寄存器内存储的M个矢量数据依次乘以步长、误差信号的共扼，再加上前一次的抽头系数数值，获得基于LMS算法对所述抽头系数自适应更新。

本发明通过基于LS算法给通信信道的均衡器预置一个较为理想的初始状态，相当于均衡器有较高的更新起点，能极大提高均衡器的跟踪速度，在极短时间内使均衡器输出有较好的SNR；并且，均衡器在此初始状态的基础上基于LMS算法进行快速收敛实现均衡器抽头系数的自适应地更新，从而快速跟踪变化的信道实现对信道的均衡处理，其中前径信道是按逐步抵消的方式消除，而后径信道直接消除。

附图说明

图1是本发明均衡器的结构示意图；

图2是本发明的流程示意图；

图3是本发明以一条-0.3db前向多径为例的整个均衡器的抽头系数示意图；

图4是本发明以一条-0.3db后向多径为例的整个均衡器的抽头系数示意图。

具体实施方式

本发明提出了抽头预置与最小均方(Least mean square，LMS)算法联合对抗动态信道的均衡方法，以克服快速变化的动态信道。抽头预置完成均衡器抽头的初始化，利用最小二乘(Least-Square，LS)算法完成信道估计，然后将信道估计值转换为均衡器抽头的预置值。

为描述方便，先对本案的相关内容作如下介绍：

在时域均衡中通常会采用判决反馈均衡结构，判决反馈滤波器(均衡器)由两个滤波器组成，一个前馈滤波器，一个反馈滤波器，两个滤波器的抽头间隔均是符号周期T。

1.1、整数倍符号间隔前向单径均衡器抽头的预置

以整数倍符号间隔多径为例，设发送信号a(t)，接收信号x(t)有一前向多径，距离主径NT，T为符号间隔，幅度为s，则接收信号模型为：

x(t)＝a(t)+s·a(t+NT)                     (11)

设均衡器前馈滤波器M阶，对应的抽头系数为W_k，k＝[0，M-1]，根据式(11)的离散表示，输出y_k为：

$y_k=\underset{i=0}{\overset{M-1}{\mathrm{\Σ}}}{x}_{k+i}\×w_i=\underset{i=0}{\overset{M-1}{\mathrm{\Σ}}}[a_{k+i}+{\mathrm{sa}}_{k+i+n}]\×w_i$

(12)

$=\underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{w}_i\×a_{k+i}+\underset{i=n}{\overset{M-1}{\mathrm{\Σ}}}[w_i+{\mathrm{sw}}_{i-n}]\×a_{k+i}+\underset{i=M}{\overset{M+n-1}{\mathrm{\Σ}}}{\mathrm{sw}}_{i-n}{a}_{k+i}$

要令y_k和式(2)前两项和相等，需满足：

式(13)就是最基本的前向单径下前馈滤波器的抽头预置公式。

按照上面的公式完成前馈滤波器抽头的预置，取最大相关能量值的1/16作为门限，小于该门限的多径予以忽略。

1.2、整数倍符号间隔后向单径均衡器抽头的预置

对于后向多径，采用反馈滤波器予以消除，反馈滤波器的输入为均衡后的数据，属于没有多径干扰的准干净数据。LS算法估计出的后径信道幅度为s，均衡器抽头预置时只需将对应位置的抽头系数置为-s即可。

对于周期性的插入训练序列的通信系统，基于相关的信道估计和基于LS的信道估计是最常见的两种选择，它们都需要在接收端发送已知的训练序列，以此进行信道估计。直接相关的性能损失大，为了保证信道估计的精度，考虑使用LS(Least-Square)算法进行信道估计。

LS算法即为最小二乘算法，用LS算法估计信道，需要已知信道的前向径延时与后向径延时，这些信息可以通过相关获得。信道的脉冲响应可以表示成如下的一维向量：

h＝[h(-n_a)，…，h(-1)，h(0)，h(1)，…，h(n_c)]^T            (21)

其中，n_a和n_c分别可以代表可估计的前向与后向径的延时数，n_a+n_c+1为可估计径的总延时数。设帧头长度为N，保证N≥n_a+n_c+1，则有下式成立：

$Y=\mathrm{PN}\⊕h+\mathrm{noise}---\left(22\right)$

其中，Y＝[y(n_c)，y(n_c+1)，…，y(N-1-n_a)]^T，y(n)为接收到的完整的一帧信号，noise为噪声向量。

PN是由本地PN序列组成的(N-n_a-n_c)×(n_a+n_c+1)的矩阵，如果满足：

I.N≥2(n_a+n_c)+1

II.r(PN)＝n_a+n_c+1

则有：

$\widehat{h_{\mathrm{lS}}}={({\mathrm{PN}}^H\·\mathrm{PN})}^{-1}\·{\mathrm{PN}}^H\·Y---\left(24\right)$

使得J_LS(h)＝||Y-PN·h||²的最小值存在并且唯一。

对本传输系统，本地PN固定，可以将矩阵运算完成后进行存储，大大降低了运算量。

LMS算法是最速下降算法的一种应用，其优化准则是最小均方误差。最速下降算法的一般表达为：

$\stackrel{\→}{w}(n+1)=w\left(n\right)-\frac{1}{2}\mathrm{\μ}\stackrel{\→}{g}\left(n\right)---\left(25\right)$

为第n时刻均衡器M个抽头系数的值，是个M×1的矢量，μ为设置的步长(增益)。

也是个M×1的矢量，为均衡器抽头矢量为

时的均衡器输出y(n)与期望响应值

差值的均方误差。

$E\left[e^2\left(n\right)\right]=J\left(\stackrel{\→}{w}\right)$

$=E[d^2\left(n\right)-2d\left(n\right)\stackrel{\→}{w^T}\left(n\right)\stackrel{\→}{u}\left(n\right)+\stackrel{\→}{w^T}\left(n\right)\stackrel{\→}{u}\left(n\right)\stackrel{\→}{u^T}\left(n\right)\stackrel{\→}{w}\left(n\right)]$

$=E\left[d^2\left(n\right)\right]-2E\left[d\left(n\right)\stackrel{\→}{w^T}\left(n\right)\stackrel{\→}{u}\left(n\right)\right]+E\left[\stackrel{\→}{w^T}\left(n\right)\stackrel{\→}{u}\left(n\right)\stackrel{\→}{u^T}\left(n\right)\stackrel{\→}{w}\left(n\right)\right]$

$=E\left[d^2\left(n\right)\right]-2\stackrel{\→}{w^T}\left(n\right)E\left[d\left(n\right)\stackrel{\→}{u}\left(n\right)\right]+\stackrel{\→}{w^T}\left(n\right)E\left[\stackrel{\→}{u}\left(n\right)\stackrel{\→}{u^T}\left(n\right)\right]\stackrel{\→}{w}\left(n\right)$

$=E\left[d^2\left(n\right)\right]-2\stackrel{\→}{w^T}\left(n\right)\·P+\stackrel{\→}{w^T}\left(n\right)\·R\·\stackrel{\→}{w}\left(n\right)$

对关于

求导得到

可以无任何损失的推导为：

$\stackrel{\→}{g}\left(n\right)=-2\stackrel{\→}{p}\left(n\right)+2R\stackrel{\→}{w}\left(n\right)---\left(26\right)$

为期望信号与输入信号之间的互相关向量，即第n时刻均衡器寄存器内存储的M个值(记为M×1的矢量

)与当前时刻期望输出值的共轭d^*(n)(标量)的互相关值，

即：

$\stackrel{\→}{p}\left(n\right)=E\left[\stackrel{\→}{u}\left(n\right)d^{*}\left(n\right)\right]---\left(27\right)$

R为

的自相关矩阵，

为

的共轭转置，R矩阵的维数是M×M，即：

和R是理想期望值，实际应用中通常用统计值来代替，而统计平均近似于期望平均的前提是统计足够充分，这在具体实现上很难实时的满足，所以通常采用近似值，即使用R和P的瞬态估计来代替期望值，利用均衡器的长期训练和均衡达到统计充分的要求，公式表示如下：

$\stackrel{\→}{p}\left(n\right)=\stackrel{\→}{u}\left(n\right)d^{*}\left(n\right)---\left(29\right)$

$R=\stackrel{\→}{u}\left(n\right){\stackrel{\→}{u}}^H\left(n\right)---\left(30\right)$

将上述近似式(29)和(30)式代入(25)式和(26)式，则得到抽头更新方程：

$\stackrel{\→}{w}(n+1)=w\left(n\right)-\frac{1}{2}\mathrm{\μ}\stackrel{\→}{g}\left(n\right)$

$=w\left(n\right)-\mathrm{\μ}[-\stackrel{\→}{u}\left(n\right)d^{*}\left(n\right)+\stackrel{\→}{u}\left(n\right){\stackrel{\→}{u}}^H\left(n\right)\stackrel{\→}{w}\left(n\right)]$

$=w\left(n\right)+\mathrm{\μ}\stackrel{\→}{u}\left(n\right)[d^{*}\left(n\right)-{\stackrel{\→}{u}}^H\left(n\right)\stackrel{\→}{w}\left(n\right)]$

$=w\left(n\right)+\mathrm{\μ}\stackrel{\→}{u}\left(n\right)e^{*}\left(n\right)$

上式给出了自适应更新抽头系数的计算方法，即输入信号

(每级寄存器中的数据)乘以步长μ和误差信号的共扼e^*(n)，再加上前一次的抽头系数数值。

如图1所示，本发明包括四部分：为了提高信道估计的精度，采用LS算法完成信道冲击响应估计的信道估计模块；用于根据信道估计值预置均衡器抽头系数的抽头预置模块；用于均衡器抽头系数在预置的基础上根据LMS算法进行自适应更新的LMS更新模块；用于控制均衡器在抽头预置与LMS自适应更新之间的切换操作的切换控制模块。

通常情况下，时域均衡器性能的提升需要以增加均衡器的级数为代价，而增加均衡器的级数必定会影响均衡器的收敛速度。动态信道下，常规基于LMS算法的时域均衡器根本无法跟踪上快速变化的信道。如果在信道剧烈变化产生时，给信道均衡器设定一个初始状态，均衡器在此状态的基础上进行自适应地更新，从而跟踪上快速变化的信道。

结合图2所示。在主径发生切换的时刻，信道估计模块先利用PN序列估计信道的脉冲响应；抽头预置模块结合信道估计值预置均衡器的抽头系数，在此基础上均衡器再利用LMS算法就可以达到快速收敛的效果。

信道估计可以采用LS算法实现，对于后向多径，如果相关值低于一门限时，将对应的抽头系数置零，反之将对应抽头系数置为实际相关值和理论主径相关值的比值，对于前向多经，抽头预置的方法稍微复杂一些，下面将会具体描述。下面以数字电视传输系统为例，具体描述利用抽头预置与LMS算法来联合对抗动态信道的处理流程。

另外，通过对动态信道数据的仿真发现：主径的切换会导致均衡器输出信噪比(SNR，Signal to Noise Ratio)的陡降，而如果主径没有发生切换，只是前后径的位置、能量发生改变，均衡器输出SNR只会产生较小的波动，但不会出现陡降的现象。因此将主径的切换确定为均衡器采用抽头预置与LMS算法自适应更新切换的条件。

如果检测通信信道的主径位置发生改变，则需要启动抽头预置模块进行均衡器抽头预置，然后由LMS更新模块进行基于LMS算法对均衡器的抽头系数自适应更新；如果检测通信信道的主径位置未发生改变，则只需要由LMS更新模块按照LMS算法完成对均衡器抽头系数的自适应更新处理。

其中，信道估计模块应用LS算法来完成信道估计的实现步骤包括：

步骤A、根据常见信道类型，预先设定最前径的延时数(比如为20)，最后径的延时数(比如为100)，为了减小实现的复杂度，提前计算出(PN^H·PN)^-1·PN^H的值；

步骤B、根据通信信道的主径位置，确定接收到的信号序列Y＝[y(100)，y(101)，…，y(574)]^T；

步骤C、将步骤A和B的结果相乘，得到信道冲击响应序列h＝[h(-20)，…，h(0)，…，h(100)]^T。

信道估计完成后，需要将信道估计转换为均衡器的抽头，从而完成均衡器抽头系数预置。信道估计到均衡器抽头系数的转换需要按照前径、后径两种情况分别处理，这是由于均衡器对前径、后径的消除方式不同造成的。前径是按逐步抵消的方式消除，而后径可以直接消除。

对LS算法估计出的信道冲击响应序列h＝[h(-20)，…，h(0)，…，h(100)]^T作处理，对于小于某一阈值(比如该阈值设为h(0)/16)的冲击响应作零处理，相当于只预置强径抽头，其余弱径抽头不予预置，于是得到新的信道冲击响应序列：

h′＝[h′(-20)，…，h′(0)，…，h′(100)]^T

还需要对该新的信道冲击响应进行归一化处理，归一化因子为1/h′(0)，然后将该新的信道冲击响应序列h′＝[h′(-20)，…，h′(0)，…，h′(100)]^T乘以归一化因子1/h′(0)，得到归一化的信道冲击响应序列h″＝[h″(-20)，…，h″(0)，…，h″(100)]^T。

将归一化的信道冲击响应序列转换为均衡器抽头，均衡器虚拟中心的抽头系数直接取归一化因子1/h′(0)；将归一化后信道冲击响应序列中前径部分的响应值取为多径幅度s，按前述式(13)预置前馈滤波器的抽头系数；将归一化后信道冲击响应序列中后径部分的响应值取反操作之后直接赋给反馈滤波器对应位置的抽头。

其中，前径信道是按逐步抵消的方式消除，而后径信道直接消除。

另外，图3和图4分别给出了以带有一条-0.3db前向多径、后向多径为例，整个均衡器的抽头系数的示意图。

Claims (8)

1.一种抽头预置与LMS联合对抗动态信道的均衡方法，其特征在于，包括步骤：

采用LS算法估计信道冲击响应，获得信道估计值；

当检测到通信信道的主径发生切换时，根据信道估计值获得并预置均衡器的抽头系数，完成均衡器抽头系数的初始化，然后基于LMS算法对所述抽头系数自适应更新；

由均衡器对通信信道进行均衡处理。

2.根据权利要求1所述抽头预置与LMS联合对抗动态信道的均衡方法，其特征在于，所述估计信道冲击响应的步骤包括：

A、根据常见信道类型，预先设定信道最前径的延时数和信道最后径的延时数，提前计算出(PN^H·PN)^-1·PN^H的值；

B、根据通信信道的主径位置，确定接收到的信号序列Y＝[y(100)，y(101)，…，y(574)]^T；

C、将步骤A和B的结果相乘，得到信道冲击响应序列h＝[h(-20)，…，h(0)，…，h(100)]^T；

其中，PN是由本地随机伪噪声序列组成的(N-n_a-n_c)×(n_a+n_c+1)的矩阵。

3.根据权利要求1所述抽头预置与LMS联合对抗动态信道的均衡方法，其特征在于，所述获得均衡器的抽头系数的步骤包括：

对LS算法估计出的信道冲击响应序列中小于某一阈值的冲击响应作零处理，得到新的信道冲击响应序列；

对该新的信道冲击响应以一个归一化因子进行归一化处理，得到归一化的信道冲击响应序列；

将归一化的信道冲击响应序列转换为均衡器抽头系数。

4.根据权利要求3所述抽头预置与LMS联合对抗动态信道的均衡方法，其特征在于，所述阈值的取值为信道冲击响应序列中冲击响应最大能量值的1/16。

5.根据权利要求3所述抽头预置与LMS联合对抗动态信道的均衡方法，其特征在于，以所述归一化因子作为均衡器虚拟中心的抽头系数；将归一化的信道冲击响应序列中后径部分的响应值取反处理之后直接赋给反馈滤波器对应位置的抽头系数；将归一化的信道冲击响应序列中前径部分的响应值取为多径幅度s，根据多径幅度s预置前馈滤波器的抽头系数w_k，k＝[0，M-1]，M为均衡器的前向滤波器的阶数：

6.根据权利要求5所述抽头预置与LMS联合对抗动态信道的均衡方法，其特征在于，均衡器包括前馈滤波器和反馈滤波器，其中，后向多径信道采用反馈滤波器予以消除，反馈滤波器的输入为信道均衡后的数据。

7.根据权利要求1所述抽头预置与LMS联合对抗动态信道的均衡方法，其特征在于，第n时刻均衡器的寄存器内存储的M个矢量数据依次乘以步长、误差信号的共扼，再加上前一次的抽头系数数值，获得基于LMS算法对所述抽头系数自适应更新。

8.一种抽头预置与LMS联合对抗动态信道的均衡器，其特征在于，采用了如权利要求1-7任何一项所述的信道均衡方法。

Images