CN101924717B - 一种基于信道初估计的变步长自适应回波干扰抵消方法 - Google Patents

Abstract

本发明公开了一种基于信道初估计的变步长自适应回波干扰抵消方法，该方法包含基于相关检测的信道初估计过程、基于变步长的自适应算法的信道跟踪过程和回波抵消过程；信道初估计过程获取回波信道初始特性参数，信道跟踪过程根据信道初估计过程获得的信道特性参数完成精确的信道跟踪过程，回波抵消过程完成有用信号的提取。本发明有益的效果：本发明适合应用于处理时不变信道、时变信道中的信道估计、信道识别、信道跟踪以及回波干扰抵消问题。能够快速捕获回波信道特性，实时跟踪信道变化过程，准确、实时的恢复出淹没在回波干扰噪声中的信号。

Description

一种基于信道初估计的变步长自适应回波干扰抵消方法

技术领域

本发明主要涉及属于无线通信系统中信道均衡领域，主要是一种基于信道初估计的变步长自适应回波干扰抵消方法。

背景技术

目前采用的回波消除方案有，一种方法是假定回波信道是时不变系统，通过检测回波信道特性，依此信道特性产生与回波相似信号，然后再发射端减去该信号，从而恢复出有用信号。该方案缺点是，假定信道是时不变系统，而回波信道是时变系统。另一种方法是采用自适应(LMS，least mean square)回波干扰抵消算法跟踪信道特性，能够跟踪信道缓慢变化过程，然而由于自适应算法收敛速度慢、稳态误差大的缺点，只能用于信道缓慢变化或信号质量要求不高的环境中，不适用于信道快速变化或信号质量要求高的环境。

发明内容

为了克服现有自适应回波干扰抵消算法的收敛速度慢，稳态误差大的缺点，本发明提供一种基于信道初估计的变步长自适应回波干扰抵消方法，利用信道估计、信道跟踪完成回波干扰抵消，该方法能够快速捕获回波信道特性，实时跟踪信道变化过程，准确、实时的恢复出淹没在回波干扰噪声中的信号。本发明适合应用于处理时不变信道、时变信道中的信道估计、信道识别、信道跟踪以及回波干扰抵消问题。

本发明解决其技术问题采用的技术方案：该方法包含基于相关检测的信道初估计过程、基于变步长的自适应(VSLMS，variable step least mean square)算法的信道跟踪过程和回波抵消过程。信道初估计过程包括发送自相关性强、互相关性弱的码元、快速傅里叶变换(FFT)、快速傅里叶反变换(IFFT)、乘积。信道跟踪过程包括卷积、误差求解，步长更新、权系数更新。回波抵消过程主要包括一个加法器。信道初估计过程获取回波信道初始特性参数，信道跟踪过程根据信道初估计过程获得的信道特性参数完成精确的信道跟踪过程，回波抵消过程完成有用信号的提取。三个过程相关如下：

(1)、信道初估计：在系统初始化阶段，发射端发射自相关性强的训练序列(如CAZAK码，PN码)x_C(n)，训练序列经过回波信道h(n)进入接收端的序列为r_C(n)＝h(n)*x_C(n)，与有用信号r(n)、噪声序列v(n)一起进入接收端组成序列y_C(n)＝r_C(n)+r(n)+v(n)。同时，发射的训练序列通过系统内部回馈到系统接收端。将通过接收端接收到的序列y_C(n)与内部回馈到接收端的序列x_C(n)做相关处理。

即

(其中相关运算)，x_C(n)是自相关性强，互相关性如的序列，所以R中后两项相关结果远小于第一项，可忽略，

为了快速计算出结果，对R作FFT变换，得到

通过取反傅里叶变换最终得到信道初始特性参数h₀(n)，

(2)、在信道跟踪过程中采用变步长自适应算法，自适应滤波器采用横向滤波器结构，该自适应滤波器的输入信号y₁(n)为与被干扰信号中的干扰信号相关，与有用信号不相关，在实现时，通过将系统发射端的信号通过内部回馈到接收端实现，为了保证输入信号y₁(n)与有用信号不相关，可以在系统内设置延迟单元，延迟时间根据具体情况设定，自适应滤波器权系数迭代公式为，h(n+1)＝h(n)+u*e(n)*y₁(n)，其中，h(n+1)为第n+1步的滤波器权系数更新矩阵，h(n)为第n步滤波器权系数更新矩阵，μ为步长因子，

为误差序列，y(n)为系统发射序列，为自适应滤波器发射端模拟回波序列，y₁(n)为发射序列经过内部回馈到自适应滤波器的输入端序列。

步长因子μ影响LMS算法性能，具体表现在，μ越大，收敛速度越快，稳态误差越大；μ越小收敛速度越慢，稳态误差越小。通过引入变步长因子μ(n)＝1-α*e^-β*|e(n)|，其中，α，β为调节参数，根据系统要求进行设置。步长因子从大到小，表现的效果是：在收敛初期，收敛速度较快，随着收敛的进行，步长减小，收敛速度趋于缓慢，达到降低稳态误差目的。

(3)、回波抵消：将系统输出序列为y(n)减去自适应滤波器输出序列

得到输出序列该序列即为从被干扰序列中恢复的有用信号，同时也是变步长自适应算法中的误差信号。

相关检测过程，进入相关器的两个输入信号先做FFT变换，对其中一路信号取共轭，然后相乘，将相乘后的结果做IFFT反变换，完成信道初估计过程；包括以下步骤：

1)训练序列x_C(n)产生，系统内置信号发射器，序列要求为自相关性强、互相关性弱的码元；

2)系统接收端接收序列包括两种序列，一种是由训练序列x_C(n)通过回波信道和有用序列r(n)、噪声序列v(n)一起组成的序列y_C(n)；另一种是训练序列x_C(n)本身；

3)对训练序列x_C(n)作FFT变换，取共轭结果记为x_CFFT(n)；对y_C(n)作FFT变换；

4)对3)结果x_CFFT(n)，y_CFFT(n)做相乘，乘积记为R_C(n)＝x_CFFT(n)·y_CFFT(n)；

5)对4)结果做归一化处理R_C(n)＝x_CFFT(n)·y_CFFT(n)/|x_C(n)*x′_C(n)|，当发送序列为CAZAK码，此步省略；

6)对5)做反傅里叶变换，得到h₀(n)，h₀(n)即为回波信道特性参数，完成回波信道初始参数获取。

信道跟踪过程，自适应滤波器采用横向滤波器结构，权系数更新算法采用变步长LMS算法；包括以下操作内容：

1)初始化自适应滤波器的权系数h(n)：权系数h(n)＝h₀(n)，滤波器阶数取FFT的点数；

2)滤波处理：系统输出序列通过系统内部回馈到自适应滤波器输入端的序列y₁(n)，将该序列通过自适应滤波器进行自适应滤波处理，结果为

3)误差信号计算：计算被干扰信号和自适应滤波器输出序列的差值，该差值记为

4)步长因子计算：利用3)结果，计算出下一步计算步长因子，μ(n)＝α*(1-e^-β*|e(n)|)；

5)权系数更新，利用2)、3)、4)中获得的序列y₁(n)、e(n)，μ(n)进行变步长最小均方误差VSLMS计算，即根据自适应滤波器输入序列、误差序列，以及步长因子对该自适应滤波器权系数进行更新，为下一步自适应信号处理做准备；

6)有用序列提取：将系统输出序列和变步长自适应滤波器输出序列相减，获取有用序列r₁(n)；

7)返回到2)步骤，重复执行。

回波抵消过程，将跟踪过程计算得到的被干扰信号和自适应滤波器输出序列的差值e(n)，作为系统输出序列。

本发明有益的效果是：通过提高算法的收敛速度和降低算法的稳态误差，从而使系统在复杂的通信信道中满足通信的实时性、可靠性要求。该方法能够快速捕获回波信道特性，实时跟踪信道变化过程，准确、实时的恢复出淹没在回波干扰噪声中的信号。本算法与自适应回波抵消算法相比，收敛速度上提高了4.2倍，稳态误差降低了2.2倍，能够在快速变化信道和(或)信号质量要求高的通信环境中，解决回波干扰问题。且结构简单易于硬件实现。

附图说明

图1是带有回波干扰的系统示意图；

图2是带有回波干扰抵消系统的系统示意图；

图3是本发明用于回波干扰的回波抵消系统总体设计框图；

图4是回波抵消系统详细框图；

图5是信道初估计过程图；

图6是信道跟踪过程图；

图7是仿真结果图1；

图8是仿真结果图2；

图9是仿真结果图3。

具体实施方式

下面结合附图和实施例对本发明作进一步说明：

本方案的总设计框图如图4所示，

在信道初估计阶段，回波信道是本方案需要估计的信道，训练序列单元用于产生训练序列，有用信号单元产生有用信号，信道初估计单元完成回波信道初估计，信道跟踪单元完成信道精确估计以及跟踪回波信道变化。

首先图4左侧开关置箱信道初估计单元侧，系统单元发射端开关置向训练序列单元侧，通过发射装置将训练序列单元产生训练序列发射，信号经回波信道通过接收设备回到系统单元及信道初估计单元，经过信道初估计单元处理获得回波信道的初始特性参数，将该参数赋给信道跟踪单元，完成信道初估计过程。完成信道初估计后，进入信道跟踪过程，将图中左侧开关置向信道跟踪单元，同时右侧开关置于系统单元。信道跟踪单元根据输入序列更新内部滤波器权系数，使输出序列近似于回波序列，通过右侧的相加器完成回波抵消。

图5是信道初估计过程，在发射端发射训练序列，经过回波信道h(n)回到接收端，接收端训练为y(n)＝x(n)*h(n)+r(n)，同时将发射端训练序列x(n)耦合到相关器，对x(n)作FFT变换，取共轭；对y(n)作FFT变换后相乘，得到H(W)，然后对H(W)作IFFT变换得到h₀(n)，完成对信道初估计。

图6是信道跟踪过程，自适应滤波器采用横向滤波器，滤波器阶数根据信道复杂度进行设置，本方案采用16阶，α＝1，β＝0.3。将信道初估计获得的参数h₀(n)，作为自适应滤波器的初始权系数，y(n)为系统单元发射序列，x(n)发端序列，y₀(n)为y(n)通过回波信道到接收端的序列，为通过自适应滤波器输出的序列。

为误差序列，同时也是有用信号。通过变步长自适应算法不断跟踪回波信道变化，同时产生回波序列，与y(n)相减，最终恢复出有用信号r(n)。

具体步骤实施如下：

1)训练序列x_C(n)产生，系统内置信号发射器，序列要求为自相关性强、互相关性弱的CAZAK码。

2)系统接收端接收序列包括两种序列，一种是由训练序列x_C(n)通过回波信道和有用序列r(n)、噪声序列v(n)一起组成的序列y_C(n)；另一种是训练序列x_C(n)本身。

3)对训练序列x_C(n)作FFT变换，取共轭结果记为x_CFFT(n)；对y_C(n)作FFT变换，结果记为y_CFFT(n)FFT变换的点数越多，估计值越精确，但对后期处理复杂度越高。综合考虑，取2ⁿ，n＝4。

4)对3)结果x_CFFT(n)，y_CFFT(n)做相乘，乘积记为R_C(n)＝x_CFFT(n)·y_CFFT(n)。

5)对4)做反傅里叶变换，得到h₀(n)，h₀(n)即为回波信道特性参数，完成回波信道初始参数获取过程。

6)初始化自适应滤波器的权系数h(n)：权系数h(n)＝h₀(n)，滤波器阶数取3)中的FFT的点数。

7)滤波处理：系统输出序列通过系统内部回馈到自适应滤波器输入端的序列y₁(n)，将该序列通过自适应滤波器进行自适应滤波处理，结果为

8)误差信号计算：计算被干扰信号和自适应滤波器输出序列的差值，该差值记为

9)步长因子计算：利用9)结果，计算出下一步计算步长因子，μ(n)＝α*(1-e^-β*|e(n)|)，α＝1，β＝0.1。

10)权系数更新，利用7)、8)、9)中获得的序列y₁(n)、e(n)，μ(n)进行变步长最小均方误差VSLMS计算，即根据自适应滤波器输入序列、误差序列，以及步长因子对该自适应滤波器权系数进行更新，为下一步自适应信号处理做准备。

11)有用序列提取：将系统输出序列和变步长自适应滤波器输出序列相减，获取有用序列r₁(n)。

12)返回到7)步骤，重复执行。

此方案快速捕获回波信道特性，实时跟踪信道变化过程，准确、实时的恢复出淹没在回波干扰噪声中的信号。

图7是仿真结果图，系统仿真条件是，发送序列为QPSK，SNR为15dB。回波信道为

h(n)＝0.0277-0.0566z^-1-0.0661z^-2+0.293z^-3-0.0661z^-4-0.0566z^-5+0.0277z^-6，α＝1，β＝0.5。滤波器阶数为16，LMS算法中步长u＝0.05。(a)、(c)、(e)为基于信道初估计的变步长自适应回波抵消算法学习曲线，(b)、(d)、(f)为自适应回波抵消算法学习曲线。从(a)与(b)图上可以看出，基于粗估计变步长自适应回波干扰抵消算法比变步长自适应回波干扰抵消算法更优越，具有更快的收敛速度和更低的稳态误差，缓和了收敛速度与稳态误差之间的矛盾。在收敛速度上，从图(c)、(d)得得，变步长自适应回波抵消算法在800步时达到-15dB稳态误差，而基于粗估计变步长自适应回波抵消算法190步时达到-15dB稳态误差，收敛速度提高了4.2倍。在稳态误差上，从图(e)、(f)可得，变步长自适应回波干扰抵消算法最低的稳态误差只能达到-19dB，而基于粗估计变步长自适应回波抵消算法稳态误差可达到-42dB。稳态误差降低了2.2倍。

图8是仿真结果图，系统仿真条件是，发送序列为QPSK，SNR为15dB。回波信道为h(n)＝-0.51+z^-2，α＝1.2，β＝0.3。滤波器阶数为16，LMS算法中步长u＝0.05。(a)为基于信道初估计的变步长自适应回波抵消算法学习曲线，(b)为自适应回波抵消算法学习曲线。从结果可以看出，基于初估计的变步长LMS算法在在180步时收敛和稳态误差达到-32dB。而LMS算法要1000步才收敛，稳态误差为-15dB左右。可以得出基于初估计的变步长LMS算法在收敛速度和稳态误差上都具有明显优越性。

图9是仿真结果图，系统仿真条件是，发送序列为QPSK，SNR为15dB。回波信道为h(n)＝[0.3132-0.1040z^-1+0.8908z^-3+0.3134z^-4]，α＝0.8，β＝0.1滤波器阶数为16，LMS算法中步长u＝0.01。(a)为基于信道初估计的变步长自适应回波抵消算法学习曲线，(b)为自适应回波抵消算法学习曲线。从结果可以看出，基于初估计的变步长LMS算法在在120步时收敛和稳态误差达到-38dB。而LMS算法要1600步才收敛，稳态误差为-25dB左右。可以得出基于初估计的变步长LMS算法在收敛速度和稳态误差上都具有明显优越性。

除上述实施例外，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (4)

1.一种基于信道初估计的变步长自适应回波干扰抵消方法，其特征在于：该方法包含基于相关检测的信道初估计过程、基于变步长的自适应算法的信道跟踪过程和回波抵消过程；信道初估计过程获取回波信道初始特性参数，信道跟踪过程根据信道初估计过程获得的信道特性参数完成精确的信道跟踪过程，回波抵消过程完成有用信号的提取；

（1）、信道初估计：在系统初始化阶段，发射端发射自相关性强的训练序列x_C(n)，训练序列经过回波信道h(n)进入接收端的序列为r_C(n)＝h(n)*x_C(n)，与有用信号r(n)、噪声序列v(n)一起进入接收端组成序列y_C(n)＝r_C(n)+r(n)+v(n)；同时，发射的训练序列通过系统内部回馈到系统接收端，将通过接收端接收到的序列y_C(n)与内部回馈到接收端的序列x_C(n)做相关处理， $R\left(n\right)=y_C\left(n\right)\⊗x_C\left(n\right),$ $R\≈x_C\left(n\right)*h\left(n\right)\⊗x_C\left(n\right);$ 对R作FFT变换，得到 $\mathrm{RFFT}=\mathrm{FFT}[x_C\left(n\right)*h\left(n\right)\⊗x_C\left(n\right)+r\left(n\right)\⊗x_C\left(n\right)+v\left(n\right)\⊗x_C\left(n\right)],$ 通过取反傅里叶变换最终得到信道初始特性参数h₀(n)， $h_0\left(n\right)=\mathrm{IFFT}(R/\mathrm{FFT}(x_C\left(n\right)\⊗x_C\left(n\right)))=\mathrm{IFFT}\left(R\right)/((x_C\left(n\right)\⊗x_C\left(n\right));$

（2）、在信道跟踪过程中采用变步长自适应算法，自适应滤波器采用横向滤波器结构，该自适应滤波器的输入信号y₁(n)为与被干扰信号中的干扰信号相关，与有用信号不相关；将系统发射端的信号通过内部回馈到接收端，在系统内设置延迟单元，延迟时间根据具体情况设定；自适应滤波器权系数迭代公式为，h(n+1)=h(n)+u*e(n)*y₁(n)，其中，h(n+1)为第n+1步的滤波器权系数更新矩阵，h(n)为第n步滤波器权系数更新矩阵，μ为步长因子，为误差序列，y(n)为系统发射序列，

为自适应滤波器发射端模拟回波序列，y₁(n)为发射序列经过内部回馈到自适应滤波器的输入端序列，引入变步长因子

其中，α，β为调节参数；

（3）、回波抵消：将系统输出序列为y(n)减去自适应滤波器输出序列

得到输出序列

该序列即为从被干扰序列中恢复的有用信号，同时也是变步长自适应算法中的误差信号。

2.根据权利要求1所述的基于信道初估计的变步长自适应回波干扰抵消方法，其特征是：相关检测过程，进入相关器的两个输入信号先做FFT变换，对其中一路信号取共轭，然后相乘，将相乘后的结果做IFFT反变换，完成信道初估计过程；包括以下步骤：

1)训练序列x_C(n)产生，系统内置信号发射器，序列要求为自相关性强、互相关性弱的码元；

2)系统接收端接收序列包括两种序列，一种是由训练序列x_C(n)通过回波信道和有用序列r(n)、噪声序列v(n)一起组成的序列y_C(n)；另一种是训练序列x_C(n)本身；

3)对训练序列x_C(n)作FFT变换，取共轭结果记为x_CFFT(n)；对y_C(n)作FFT变换，结果记为y_CFFT(n)；

4）对3)结果x_CFFT(n)，y_CFFT(n)做相乘，乘积记为R_C(n)=x_CFFT(n)·y_CFFT(n)；

5)对4)结果做归一化处理 $R_C\left(n\right)=x_{\mathrm{CFFT}}\left(n\right)\·y_{\mathrm{CFFT}}\left(n\right)/|x_C\left(n\right)*x_C^{\′}\left(n\right)|,$ 当发送序列为CAZAK码，此步省略；

6）对5)做反傅里叶变换，得到h₀(n)，h₀(n)即为回波信道特性参数，完成回波信道初始参数获取。

3.根据权利要求1所述的基于信道初估计的变步长自适应回波干扰抵消方法，其特征是：信道跟踪过程，自适应滤波器采用横向滤波器结构，权系数更新算法采用变步长LMS算法；包括以下操作内容：

1)初始化自适应滤波器的权系数h(n)：权系数h(n)=h₀(n)，滤波器阶数取FFT的点数；

2)滤波处理：系统输出序列通过系统内部回馈到自适应滤波器输入端的序列y₁(n)，将该序列通过自适应滤波器进行自适应滤波处理，结果为

3)误差信号计算：计算被干扰信号和自适应滤波器输出序列的差值，该差值记为 $e\left(n\right)=y\left(n\right)-\hat{r}e\left(n\right);$

4)步长因子计算：利用3)结果，计算出下一步计算步长因子，

5)权系数更新，利用2)、3)、4)中获得的序列y₁(n)、e(n)，μ(n)进行变步长最小均方误差VSLMS计算，即根据自适应滤波器输入序列、误差序列，以及步长因子对该自适应滤波器权系数进行更新，为下一步自适应信号处理做准备；

6）有用序列提取：将系统输出序列和变步长自适应滤波器输出序列相减，获取有用序列r₁(n)；

7)返回到2）步骤，重复执行。

4.根据权利要求1所述的基于信道初估计的变步长自适应回波干扰抵消方法，其特征是：回波抵消过程，将跟踪过程计算得到的被干扰信号和自适应滤波器输出序列的差值e(n)，作为系统输出序列。

Images