具体实施方式
图1是包括单载波时频混合均衡装置一实施例的接收端整体结构,包括信道部分10、RF(射频)前端处理部分20、时频混合均衡部分30(即单载波时频混合均衡装置的一具体实施例)和信道解码FEC(前向纠错)部分40。
发射信号S(t)在信道部分10首先通过具有无线信道特性h(t)的信道101,再由加法器102实现白噪声信号n(t)的叠加,然后以接收信号r(t)形式输入到RF前端处理部分20。
无线信道特性h(t)的时域特性如图2所示,其中主径在第三根径,即信道部分10的同步在第三根径;那么,第一根、第二根径为前径,而主径后面的两根径为后径。从图2中可以看出,RF前端处理部分20的同步模块是以同步在最强径作为同步原则。
接收信号r(t)的频域特性如图3(a)表示。图中的虚线表示理想信号的频域响应,而实线则是接收信号的实际频谱。从图3(a)中可以看出,发射信号S(t)信号通过具有无线信道特性h(t)的信道101之后,频域很明显发生了频率选择性衰落。当h(t)有多普勒频率影响时,接收信号r(t)的频谱还将有时间选择性衰落。由于白噪声在时域是随机信号,在频域是平坦的,因此,它对接收信号r(t)的影响只是在频域上叠加了一个能量。
RF前端处理部分20的作用包括:
1、从频域上,将无线接收信号r(t)从射频段变频到第一中频,然后从第一中频调至零频,或者直接从射频段变频到零频,或者直接接收零中频信号。
2、从幅度上,利用AGC(自动增益控制)模块完成能量调整。
3、同步模块将信号传输速率恢复到基带速率,完成帧同步、符号同步等;同步模块以同步在最强径为同步原则,因此,在图2所示的信道中,接收端将同步在第三根径上。
时频混合均衡部分30的主要作用是消除接收信号在信道部分10(无线信道)传输过程中引起的失真,恢复出原始发送的信号信息。其包括:
信道估计单元310,根据已知训练序列特性采用信道估计算法估计出时域信道响应。
第一FFT单元320,将从RF前端处理部分20输出的信号中分离出的接收数据(帧体数据段)从时域变换到频域。
第二FFT单元330,将估计出的时域信道响应变换到频域,得到频域信道响应。
频域均衡单元340,对所述频域数据和频域信道响应进行频域均衡。
IFFT单元350,将均衡后的数据变换到时域,恢复出频域首次均衡后的时域数据。
时域去噪器360,接收IFFT单元350恢复出的频域首次均衡后的时域数据,预测出当前时刻色噪声并在时域进行消除,实现色噪声频谱的白化,完成单载波时频混合均衡。
信道估计单元310工作在时域,需要利用发送端已知训练序列,例如PN序列,或者任意的一种具有伪随机特性的已知序列,或者其他的具有一定特性的序列。图4为发送数据的帧结构。信道估计单元310首先将已知训练序列从RF前端处理部分20输出的信号中分离出来,然后根据已知训练序列的特性来进行信道估计。对于所有的已知训练序列都可以采用LS(least-square,最小平方),LMS(least-mean-square,最小均方)算法等信道估计算法进行信道估计;假如已知训练序列为PN(pseudo-randomnumber,伪随机码)序列,则可以利用PN伪随机序列的自相关特性,得到PN相关的信道估计算法。
在图4所示的帧结构中,已知训练序列集中放置在帧头,两个帧头之间是长度为N的帧体数据段。要对该帧体数据段进行均衡,则需要该位置的信道估计值。通过任何一种信道估计算法所获得的都是帧头位置的信道信息,对于帧体数据段位置的信道信息必须利用插值计算来得到。插值计算的公
式为:
(公式1)
公式1中,
分别为第i帧与第i+1帧的帧头已知训练序列的信道估计值,
为第i帧的帧体数据段估计的时域信道响应值,α为插值系数,由已知训练序列长度及帧体数据段长度确定。
信道估计单元310还提供前径和后径长度信息。根据RF前端处理部分20中同步模块的主径位置信息以及跟
的径位置对应关系,得到
中前径的长度preL以及后径长度postL。
频域均衡单元340可以采用多种频域均衡算法,如:迫零均衡、MMSE均衡等。
迫零均衡:Sk=Rk/Hk,0≤k≤N-1 (公式2)
MMSE均衡: 0≤k≤N-1 (公式3)
式中,k表示子载波下标,R表示帧体数据段的频域值,H表示频域信道响应值,SNR表示信噪比,(·)*表示复共轭。
迫零均衡不产生码间干扰,但在频率选择性信道中,特别是当信道具有频域上的深衰落极点时,则对应位置上的噪声就会被放大,之后进行的IFFT将误差扩展到了时域所有符号上,导致大规模的误码。
MMSE均衡是基于最小均衡方误差准则,在信道具有频域上的深衰落点时,性能优于迫零均衡,但是MMSE均衡仍残留一定的码间干扰,而且对于深衰落点,仍然会使得性能下降。频域均衡后,均衡后的数据经过IFFT单元350回到时域。频域均衡后数据的频谱可以用图3(b)来表示,可以看到,频域均衡后数据的频谱比接收信号r(t)的频谱更平坦,更接近发送的原始信号S(t)的频谱,但是由于深衰落等原因,在部分频段仍然不够理想,存在明显的波动。均衡后的信号残留了ISI,其噪声频谱不是白噪声,而是色噪声。
时域去噪器360主要是用来消除频域均衡后的剩余ISI或者色噪声,将数据频谱恢复成平坦包络。由于色噪声在时域的表现是符号间干扰,因此,导致经过频域均衡后的时域数据y(n)存在一定的相关性。本发明利用这种相关性来预测y(n)中所包含的当前时刻色噪声
在y(n)中减去当前时刻色噪声
这样就完成了色噪声的去噪。也就是说,通过在y(n)中减去当前时刻色噪声的预测值
可以白化y(n)的频谱,从而消除由于频域均衡的不理想导致放大的噪声。图3(c)是经时域去噪后的信号频谱示意图,可以看到,去噪后的信号频谱与理想信号频谱十分接近,包络比较平坦。
信道解码FEC部分40,是信道解码模块,主要完成前向纠正,恢复发送的TS(Transport Stream,传输流)码流。对于不同的系统,信道解码FEC部分40包含的模块可能不相同;例如,对于ATSC(Advanced TelevisionSystems Committee,先进电视制式委员会)系统,包括TCM(Terllis CodedModulation,网格编码调制)译码与RS(Reed-Solomon,里德-索洛蒙码)译码;对于DTMB(Digital Terrestrial Television Multimedia Broadcast,数字地面电视多媒体广播)系统,包括NR(Nordstrom-Robinson)译码、BCH(Bose-Chaudhuri-Hoaguenghem)译码以及LDPC(Low Density ParityCheck,低密度奇偶校验码)译码。
图5是时域去噪器360的第一个实施例,属于反馈式时域去噪器。其包括:
选择器362,从已知训练序列与译码判决单元365的输出中选择得到近似理想的发端数据
第一减法器361,从经过频域均衡后的时域数据y(n)中减去所述近似理想的发端数据
得到近似的理想色噪声
延时线单元366,用于存储近似的理想色噪声
并将近似的理想色噪声
输入至FIR噪声预测器367。延时线单元366的长度l由信道估计单元310所得到的前后径长度preL与postL、硬件代价及所要求的性能指标综合决定。l可以由下面公式4选取一个合适的值。
l∈[0,min(preL,postL)-A] (公式4)
式中,A是多径能量泄漏所需保留的长度,根据多径能量大小来确定,min(a,b)表示求a、b中的最小值。
FIR(有限长单位冲激响应)噪声预测器367,从延时线单元366获取新的近似的理想色噪声
并从FIR噪声预测器367存储的过去m+1~m+M时段近似的理想色噪声u(n-m-1),…,u(n-m-M)预测得到当前时刻色噪声
其中:m+1表示比当前时刻早m+1的时刻,m+M表示比当前时刻早m+M的时刻;u(·)序列表示近似的理想色噪声序列,(·)中的字母表示时刻,u(n-m-1)表示n-m-1时刻近似的理想色噪声,u(n-m-M)表示n-m-M时刻近似的理想色噪声。对于M阶有限长度的结构来说,FIR噪声预测器367有M个延时单元、M个乘法器和一个加法器。
第二减法器363,从近似的理想色噪声
中减去当前时刻色噪声
得到预测误差e(n);FIR噪声预测器367根据该预测误差e(n)采用LMS或者RLS(recursive-lease-squares,递归最小二乘)自适应算法更新FIR噪声预测的抽头系数,然后将FIR噪声预测器367存储的过去m+1~m+M时段的近似的理想色噪声u(n-m-1),…,u(n-m-M)移位,以便下一次预测得到当前时刻色噪声。
第三减法器364,在频域均衡后的时域数据y(n)中减去当前时刻色噪声
完成色噪声频谱的白化,实现单载波时频混合均衡,消除频域均衡引起的噪声放大的影响。
译码判决单元365,对时频混合均衡后的数据x(n)进行译码判决,并将判决结果反馈到所述选择器362。译码判决可以采用DD(decision-directed,直接判决)硬判的slicer算法,也可以结合发送端的编码方式而采用相应的译码算法,例如维特比译码算法、NR译码算法等。因此所述译码判决单元可以是DD硬判器,维特比译码单元或NR软译码单元。
所述FIR噪声预测器367包括一FIR滤波器,当FIR滤波器稳定后,预测的当前时刻色噪声
频谱与近似的理想色噪声
频谱相似,而预测误差e(n)的频谱为白噪声。该FIR滤波器的延时单元内存储过去m+1~m+M时段近似的理想色噪声u(n-m-1),…,u(n-m-M);该FIR滤波器的输出为预测的当前时刻色噪声
可以表示为:
(公式5)
预测误差e(n)的表达式如下:
(公式6)
则预测误差e(n)的代价方程J可以表示为:
(公式7)
式中,E(·)是概率统计范畴,是对所统计的数据进行均值处理,因此,代价方程J也就是表示预测误差e(n)信号的MSE(mean-square-error,均方差)。为使MSE最小化,可以对代价方程J求关于w的偏导数,即:
(公式8)
用瞬时均方误差|e(n)|2代替统计概念的E(e(n)2),则上式可以写为:
(公式9)。
FIR噪声预测器367更新FIR滤波器系数(或称乘法器系数,也即所述的更新FIR噪声预测的抽头系数)wm+1~wm+M+1(w表示抽头系数的值,wm+j表示第j个抽头的系数,由于滤波器系数与FIR滤波器延时单元一一对应,因此,wm+1就是u(n-m-1)对应相乘的乘法器系数),可以对所有抽头的系数都进行更新,也可以采用间隔更新方式进行更新,还可以根据该抽头位置是否对应信道估计的强径位置,来选择该抽头是否进行更新,从而实现复杂度的降低。
当采用间隔更新时,其更新方式可以采用的间隔更新方式,t可以取1,2,3,…,即大于等于1的正整数。具体取何值,可以根据硬件开销及性能需求进行折中考虑。将FIR噪声预测的抽头进行分组,t个抽头为一组,第一个时钟节拍,更新各组的第一个抽头,接着第二个时钟节拍,更新各组的第二个抽头,到第t个时钟节拍,更新各组的第t个抽头,第t+1个时钟节拍,又更新各组的第一个抽头,第t+2个时钟节拍,又更新各组的第二个抽头,如此重复。这样可以将系数更新的复杂度降低为原来的极大的减小了硬件开销。
下面以LMS算法为例,来说明更新FIR滤波器系数wm+1~wm+M+1的过程。
由于最速下降算法为:
(公式10)
式中,w(n)是n时刻的抽头系数,μ为更新步长,
为代价函数J(w)的梯度向量。
将公式(9)代入公式(10),可得到LMS算法的更新方程,第j个抽头第n时刻的系数更新方程可以表示为:
(公式11)
式中,μ为更新步长,由一自适应机制控制,在初始收敛时刻采用大步长,在跟踪阶段采用小步长,在预测误差e(n)大时采用大步长,在预测误差e(n)小时采用小步长。更新后的系数在下一时刻用来预测当前时刻色噪声
的值。
当前第n时刻的经过频域均衡后的时域数据y(n)中实际存在的色噪声为:
u(n)=y(n)-ideal_data(n) (公式12)
由于理想的色噪声在实际系统中是不能获取的,因此,本发明采用近似的方法获得近似的理想色噪声
首先,由选择器362通过选择得到近似理想的发端数据
在n时刻,若数据y(n)位于已知训练序列,即帧头阶段时,选择器362选择本地产生的训练序列p(n)为近似理想的发端数据
通过减法器361运算后得到的即是近似的理想色噪声
若数据y(n)位于帧体数据段,则先将经第三减法器364去噪后的信号x(n)反馈到译码判决器单元365,该译码判决单元365或直接判决,或译码得到近似理想的发端数据
然后经过选择器362选择,及第一减法器361运算得到此时的近似的理想色噪声
图5所示的时域去噪器其工作过程可以用数学表达式作如下表示:
(公式13)
(公式14)
(公式15)
(公式16)
(公式17)
图6是时域去噪器360的第二个实施例,属于前馈式时域去噪器。其包括:
译码判决单元512,对频域均衡后的时域数据y(n)进行译码判决,并将判决结果输入至选择器。
选择器513,从已知训练序列与译码判决单元512的输出中选择得到近似理想的发端数据
延时单元511,对经过频域均衡后的时域数据y(n)进行延时,并输入至第一减法器514和第三减法器518。
第一减法器514,从延时后的时域数据y(n)中减去所述近似理想的发端数据
得到近似的理想色噪声
延时线单元,用于存储近似的理想色噪声
并将近似的理想色噪声
输入至FIR噪声预测器517。
FIR噪声预测器517,从延时线单元511获取新的近似的理想色噪声,并从FIR噪声预测器存储的过去m+1~m+M时段近似的理想色噪声预测得到当前时刻色噪声
第二减法器516,从近似的理想色噪声
中减去当前时刻色噪声
得到预测误差e(n);FIR噪声预测器517根据该预测误差e(n)采用LMS或者RLS自适应算法更新FIR噪声预测的抽头系数,然后将FIR噪声预测器517存储的过去m+1~m+M时段的近似的理想色噪声移位,以便下一次预测得到当前时刻色噪声。
第三减法器518,在延时后的时域数据y(n)中减去当前时刻色噪声
完成色噪声频谱的白化,实现单载波时频混合均衡。
图7是单载波时频混合均衡装置另一实施例。从RF前端处理部分20输出的信号中分离成已知训练序列与帧体数据段,已知训练序列进入信道估计单元310估计出时域信道响应
帧体数据段经第一FFT单元330变换成频域信道响应。它与图1所示的实施例的不同之处在于,具有一强径选择单元370,连接在信道估计单元310的输出端与时域去噪器360的输入端之间,从估计的信道响应中,选择出强径位置并将其输入给时域去噪器360。时域去噪器既可以从延时线单元366、515获取新的近似的理想色噪声,并从FIR噪声预测器367、517存储的过去m+1~m+M时段近似的理想色噪声预测得到当前时刻色噪声
也可以根据强径位置预测出当前时刻色噪声
(根据强径位置来选择FIR滤波器的抽头进行噪声预测),降低复杂度。
本发明提出了一种时频混合均衡的方法,还提供了多种低复杂度的实现装置,使性能与复杂度较好的融合。在本发明中,时域去噪器中的判决译码单元,可以带来编码增益,提高时域去噪性能。并且,前馈式时域去噪器与反馈式时域去噪器,适合多种不同的译码算法,应用方便。本发明中,将信道估计的前径长度、后径长度、强径位置等信息输入给时域去噪器、时域去噪器的乘加运算采用部分求和、FIR滤波器抽头系数的部分更新(间隔更新)等方法可以简化运算,降低硬件开销,实现低复杂度的时频混合均衡。
以上通过具体实施例对本发明进行了详细的说明,但这些并非构成对本发明的限制。在不脱离本发明原理的情况下,本领域技术人员还可做出许多变形和改进,这些也应视为本发明的保护范围。