CN103441972A - 一种盲均衡方法及盲均衡系统 - Google Patents

Abstract

本发明实施例提供一种盲均衡方法及盲均衡系统，其中方法包括计算迫零均衡器的均衡系数g，使所述均衡系数g满足预设条件；计算的傅里叶Fourier级数；确定所述Fourier级数的显著重要能量峰值；通过所确定的Fourier级数的显著重要能量峰值计算在

中找到最大赋值，将该最大赋值给根据公式对信号s（k）进行还原。本发明实施例提供的盲均衡方法能适用于多种类的信号。

Description

一种盲均衡方法及盲均衡系统

技术领域

本发明涉及通信技术领域，更具体地说，涉及一种盲均衡方法及盲均衡系统。

背景技术

目前在医学成像、地震探测、无线通信等众多领域中，盲信号处理技术可用于对系统的输出信号进行处理，从而在缺乏关于传输信道先验知识的情况下，完成对信道的辨识以及对输入信号的恢复等任务。盲均衡方法是盲信号处理技术的一个关键部分，所谓盲均衡方法是指盲均衡器能够在不借助训练系列的情况下，仅仅利用所接收到的信号序列即可对信道进行自适应均衡，从而实现对输入信号的恢复。

尽管在盲均衡方法的长期研究过程中，国内外的众多科研与工程技术人员取得了丰富的研究成果，但是这些成果的取得通常需要依赖于一些理想化的假设条件；其中一个被广泛使用的假设是传输信道的时不变性质，即信道的脉冲响应不随时间改变。然而信道的时不变假设在一些重要的实际应用中是难以被满足的，例如，在水下通信环境中，水流将导致温度和盐度的持续变化，由此将不断改变传输信道的参数与性质；而在移动通信系统中，通信设备的运动也会导致传输信道发生相应的改变。由于这些时变系统与理想的时不变系统存在巨大的差异，由此导致现有基于信道时不变假设的盲均衡方法不能够有效地工作在时变环境中，使得盲均衡方法存在应用上的局限性。

可见，提供一种盲均衡方法使其能够应用在时变传输信道中，从而对信道进行自适应均衡，实现对输入信号的恢复成为本领域人员急需解决的问题。

发明内容

有鉴于此，本发明实施例提供一种盲均衡方法及盲均衡系统，以解决现有盲均衡方法不能够有效地工作在时变环境中，使得盲均衡方法存在应用上的局限性的问题。

为实现上述目的，本发明实施例提供如下技术方案：

一种盲均衡方法，包括：

计算迫零均衡器的均衡系数g，使所述均衡系数g满足预设条件；

计算

的傅里叶Fourier级数；

确定所述Fourier级数的显著重要能量峰值；

通过所确定的Fourier级数的显著重要能量峰值计算

在

中找到最大赋值，将该最大赋值给

根据公式

对信号s（k）进行还原。

其中，所述预设条件为g满足

ξ≠0，其中H为M(K+1)×Q(p+1)维的矩阵，T矩阵表示转置处理。

其中，所述计算迫零均衡器的均衡系数g包括：

在满足下述三个条件时采用随机梯度算法

计算下述目标函数的最小值J(g)的最小值集合，得到δ={g||y(k)|=1}，对于满足g∈δ={g||y(k)|=1}的向量g，向量g^TH只有一个非零元素，求得满足g∈δ={g||y(k)|=1}的向量g；其中，x(k)为信道的输出向量，μ是步长，*表示共轭复数，y(k)是输入信号s(k)的估计量；

所述三个条件为：信号s(k)在时间分布上是白色的，且具有S=2R个星座点均匀分布在单位圆上，R为不小于2的整数；对于脉冲满足

任意两个脉冲的差是不相同的；及矩阵H中至少存在一个列向量与其它列线性独立；

所述目标函数为：

其中，所述计算

的傅里叶Fourier级数包括：

根据公式：

$E[y\left(k\right)\·\underset{\mathrm{\τ}=0}{\overset{K}{\mathrm{\Σ}}}{x}_m^{*}(k-\mathrm{\τ})]=E[\underset{\mathrm{\τ}=0}{\overset{K}{\mathrm{\Σ}}}\underset{l=0}{\overset{L}{\mathrm{\Σ}}}\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}\mathrm{\ζ}{h}_{m,q}^{*}\left(l\right)e^{j(w_q\mathrm{\τ}-w_{\stackrel{-}{q}}{\mathrm{\τ}}_0)}\·s(k-{\mathrm{\τ}}_0)s^{*}(k-l-\mathrm{\τ})e^{j(w_{\stackrel{-}{q}}-}$

$+E\left[\underset{\mathrm{\τ}=0}{\overset{K}{\mathrm{\Σ}}}\mathrm{\ζ}{e}^{j{w}_{\stackrel{-}{q}}(k-{\mathrm{\τ}}_0)}s(k-{\mathrm{\τ}}_0)v_m^{*}(k-\mathrm{\τ})\right]={\mathrm{\σ}}_s^2\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{\mathrm{\β}}_q\·e^{j(w_{\stackrel{-}{q}}-w_q)k}$

计算所述傅里叶Fourier级数，其中 ${\mathrm{\β}}_q={\mathrm{\Σ}}_{\mathrm{\τ}=0}^K\mathrm{\ζ}{h}_{m,q}^{*}({\mathrm{\τ}}_0-\mathrm{\τ})e^{j(w_q\mathrm{\τ}-w_{\stackrel{-}{q}}{\mathrm{\τ}}_0)}(q=\mathrm{1,2},...Q),$

为两个常数。

其中，所述确定所述Fourier级数的显著重要能量峰值包括：

根据公式

得到Fourier级数的显著的能量峰值。

本发明实施例还提供一种盲均衡系统，包括：

均衡系数计算模块，用于计算迫零均衡器的均衡系数g，使所述均衡系数g满足预设条件；

级数计算模块，用于计算

的傅里叶Fourier级数；

能量峰值计算模块，用于确定所述Fourier级数的显著重要能量峰值；

赋值模块，用于通过所确定的Fourier级数的显著重要能量峰值计算

在

中找到最大赋值，将该最大赋值给

信号还原模块，用于根据公式

对信号s（k）进行还原。

基于上述技术方案，本发明实施例提供的盲均衡方法针对时变单输入多输出FIR信道，通过CE-BEM模型，使用常模准则，实现了迫零均衡，完成了对信号s（k）所进行的还原。而且本发明实施例提供的盲均衡方法基于常模属性，利用二阶统计量（SOS）只需要估计一个脉冲，就能使得估计更为准确，快速而且适用于更多种类的信号，使得本发明实施例提供的盲均衡方法能适用于多种类的信号。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的盲均衡方法的流程图；

图2为本发明实施例提供的实验图；

图3为本发明实施例提供的另一实验图；

图4为本发明实施例提供的盲均衡系统的结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的盲均衡方法的流程图，参照图1，该方法可以包括：

步骤S100、计算迫零均衡器的均衡系数g，使所述均衡系数g满足预设条件；

为便于理解本发明实施例提供的盲均衡方法，现对下述设定内容作出介绍说明：可选的，本发明实施例提供的盲均衡方法可应用于时变单输入多输出有限脉冲响应（SIMO-FIR）信道；设FIR信道有M个输出如下：

$x\left(k\right)=\underset{l=0}{\overset{L}{\mathrm{\Σ}}}h(k;l)s(k-1)+v\left(k\right)$ （式1）；

其中x(k)=[x₁(k),x₂(k),...,x_M(k)]^T为信道的输出向量，s(k)为信道的输入信号，本发明实施例所要实现的目的即是对输入信号进行恢复，复原出输入信号的原信号

V(k)=[v₁(k),v₂(k),...,v_M(k)]^T为信道的加性白色噪音向量，h(k,l)=[h₁(k;l),h₂(k;l),...,h_M(k;l)]^T为信道的时变激励响应向量，式中的T矩阵表示转置处理。

可选的，复指数基扩展模型（CE-BEM）中时变脉冲激励响应向量h_m(k;l)可以被表示为复指数基底函数

的线性组合，即：

（式2），其中l=0,1,...,L，m=1,2...M，q=1,2...Q；其中h_m,q(l)为信道的时变系数，

为脉冲（pulsation或基频）。

对于本发明实施例而言，可设迫零（zero-force，ZF）均衡器的均衡系数为g，g满足如下预设条件：g^TH=[0,...,0,ξ,0,...,0]，ξ≠0，其中H为M(K+1)×Q(p+1)维的矩阵，H可用下式表示：

（式3），其中H_l(l=0,1,...,L)为M×Q维的矩阵，H_l可用下式表示：

$H_l=\left[\begin{array}{cccc}{e}^{j{w}_{1}l}{h}_{\mathrm{1,1}}\left(l\right)& e^{j{w}_{2}l}{h}_{\mathrm{1,2}}\left(l\right)& \·\·\·& e^{j{w}_{Q}l}{h}_{1,Q}\left(l\right)\\ e^{j{w}_{1}l}{h}_{\mathrm{2,1}}\left(l\right)& e^{j{w}_{2}l}{h}_{\mathrm{2,2}}\left(l\right)& \·\·\·& e^{j{w}_{Q}l}{h}_{2,Q}\left(l\right)\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ e^{j{w}_{1}l}{h}_{M,1}\left(l\right)& e^{j{w}_{2}l}{h}_{M,2}\left(l\right)& \·\·\·& e^{j{w}_{Q}l}{h}_{M,Q}\left(l\right)\end{array}\right]$ （式4）。

在本发明实施例中，均衡系数g的具体计算方式可以如下：基于常模（Constant Modulus,CM）基准的目标函数计算迫零均衡器的均衡系数g。常模基准的目标函数为：

$J\left(g\right)=\frac{1}{4}E\left\{{[{\left|y\left(k\right)\right|}^2-1]}^2\right\},$

（式5）；

基于该目标函数，可采用下述随机梯度算法计算出目标函数的最小值：

（式6），其中μ是步长，*表示共轭复数。

现假设存在以下三个条件：一、信号s(k)在时间分布上是白色的（temporally white），且具有S=2R个星座点均匀分布在单位圆上，R为不小于2的整数；二、对于脉冲满足

任意两个脉冲的差是不相同的，即在集合

中，对于任q₁≠q₃,q₂≠q₄，

三、矩阵H中至少存在一个列向量与其它列线性独立。

则在满足上述三个条件的情况下，上述随机梯度算法可收敛于目标函数J(g)的最小值集合，得到δ={g||y(k)|=1}；则对于满足g∈δ={g||y(k)|=1}的向量g，向量g^TH只有一个非零元素，因此求得满足g∈δ={g||y(k)|=1}的向量g即可得到本发明实施例所要计算的均衡系数。

步骤200、计算的傅里叶Fourier级数；

其中，y(k)是s(k)的估计量，定义

是将K+1个相继的信道输出放置在一起后定义的向量，则

（式7），设C（k）为Q(P+1)×Q(P+1)维的对角矩阵，C（k）可用下式表达：

（式8）,

则在P=K+L不存在噪音的情况下，结合式1，式3，式4，式7和式8，可得 $\stackrel{-}{x}\left(k\right)=\mathrm{HC}\left(k\right)\stackrel{-}{s}\left(k\right).$

则在步骤S100计算出迫零均衡器的均衡系数g后，由于破零均衡器的输出可为 $y\left(k\right)=g^T\stackrel{-}{x}\left(k\right),$ 则可得 $y\left(k\right)=g^T\mathrm{HC}\left(k\right)\stackrel{-}{s}\left(k\right)=\mathrm{\ξs}(k-{\mathrm{\τ}}_0)e^{j{w}_{\stackrel{-}{q}}(k-{\mathrm{\τ}}_0)}$ （式9），其中

从式9可以看出，y(k)不是s(k)的估计量，下面需要估计未知脉冲

从而在y(k)中去除项

的影响，从而实现s（k）的复原。

设x_m(k),(1≤m≤K)是任意给定信道的输出，由于信号s(k)从时域上是白色的，独立于噪音v_m(k)，因此根据式1，式2和式9可得Fourier级数表示如下：

$E[y\left(k\right)\·\underset{\mathrm{\τ}=0}{\overset{K}{\mathrm{\Σ}}}{x}_m^{*}(k-\mathrm{\τ})]=E[\underset{\mathrm{\τ}=0}{\overset{K}{\mathrm{\Σ}}}\underset{l=0}{\overset{L}{\mathrm{\Σ}}}\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}\mathrm{\ζ}{h}_{m,q}^{*}\left(l\right)e^{j(w_q\mathrm{\τ}-w_{\stackrel{-}{q}}{\mathrm{\τ}}_0)}\·s(k-{\mathrm{\τ}}_0)s^{*}(k-l-\mathrm{\τ})e^{j(w_{\stackrel{-}{q}}-}$

$+E\left[\underset{\mathrm{\τ}=0}{\overset{K}{\mathrm{\Σ}}}\mathrm{\ζ}{e}^{j{w}_{\stackrel{-}{q}}(k-{\mathrm{\τ}}_0)}s(k-{\mathrm{\τ}}_0)v_m^{*}(k-\mathrm{\τ})\right]={\mathrm{\σ}}_s^2\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{\mathrm{\β}}_q\·e^{j(w_{\stackrel{-}{q}}-w_q)k}$

（式10）

步骤S300、确定所述Fourier级数的显著重要能量峰值；

在式10中， ${\mathrm{\β}}_q={\mathrm{\Σ}}_{\mathrm{\τ}=0}^K\mathrm{\ζ}{h}_{m,q}^{*}({\mathrm{\τ}}_0-\mathrm{\τ})e^{j(w_q\mathrm{\τ}-w_{\stackrel{-}{q}}{\mathrm{\τ}}_0)}(q=\mathrm{1,2},...Q),$ 为两个常数。

根据式10，利用时变信号的二阶统计量可得

的Fourier级数的显著能量峰值。

步骤400、通过所确定的Fourier级数的显著能量峰值计算在

中找到最大赋值，将该最大赋值给

由于显著的能量峰值至多有Q个，并且

则

时，

中最大值在取得，对应的可得

的赋值。

步骤S500、根据公式对信号s（k）进行还原。

本发明实施例提供的盲均衡方法针对时变单输入多输出FIR信道，通过CE-BEM模型，使用常模准则，实现了迫零（zero-forcing ZF）均衡，完成了对信号s（k）所进行的还原。而且本发明实施例提供的盲均衡方法基于常模属性，利用二阶统计量（SOS）只需要估计一个脉冲，就能使得估计更为准确，快速而且适用于更多种类的信号，使得本发明实施例提供的盲均衡方法能适用于多种类的信号。

为验证本发明实施例提供的盲均衡方法的处理效果，发明人进行了下述实验：

实验1，利用模特卡罗方法进行计算机模拟，以下是实验条件：考虑一阶六输出时变单输入多输出的FIR信道（TV SIMO-FIR），L=1，M=6的时变信道的系数随机产生，令K=1。算法中参数如下确定：每一轮计算初始值g(0)都随机产生，步长μ=0.021，输入信号采用8-PSK的信源，以验证多信道情况下信道脉冲数量对本发明实施例提供的盲均衡方法的影响。参照图2，可以看出横轴为SNR（signal-to-noise ratio信噪比），纵轴为BER（bit error rate比特错误率），图2示出了具有6个输出信道，1个输入信道，脉冲数分别为2,3,4的算法性能的比较。通过图1可以看出本专利提供的盲均衡方法可以达到较好的信噪比。

实验2，考察了3种出现多普勒效应的情况，参照图3，第一种为移动接收端移动速度为100km/h，载频为900MHz，比特率为20kb/s，第二种为移动接收端移动速度为115km/h，载频为1.8GHz，比特率为20kb/s，第三种为移动接收端移动速度为70km/h，载频为900MHz，比特率为40kb/s。

下面对本发明实施例提供的盲均衡系统进行介绍，下文描述的盲均衡系统与上文描述的盲均衡方法对应，两者可相互参照。图4为本发明实施例提供的盲均衡系统的结构框图，参照图4，该系统可以包括：均衡系数计算模块100，用于计算迫零均衡器的均衡系数g，使所述均衡系数g满足预设条件；级数计算模块200，用于计算

的傅里叶Fourier级数；能量峰值计算模块300，用于确定所述Fourier级数的显著重要能量峰值；赋值模块400，用于通过所确定的Fourier级数的显著重要能量峰值计算在

中找到最大赋值，将该最大赋值给信号还原模块500，用于根据公式

对信号s（k）进行还原。本发明实施例提供的盲均衡系统针对时变单输入多输出FIR信道，通过CE-BEM模型，使用常模准则，实现了迫零（zero-forcing ZF）均衡，完成了对信号s（k）所进行的还原。而且本发明实施例提供的盲均衡系统基于常模属性，利用二阶统计量（SOS）只需要估计一个脉冲，就能使得估计更为准确，快速而且适用于更多种类的信号，使得本发明实施例提供的盲均衡系统能适用于多种类的信号。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种盲均衡方法，其特征在于，包括：

计算迫零均衡器的均衡系数g，使所述均衡系数g满足预设条件；

计算

的傅里叶Fourier级数；

确定所述Fourier级数的显著重要能量峰值；

通过所确定的Fourier级数的显著重要能量峰值计算在

中找到最大赋值，将该最大赋值给

根据公式

对信号s（k）进行还原。

2.根据权利要求1所述的方法，其特征在于，所述预设条件为：g满足g^TH=[0,...,0,ξ,0,...,0]，ξ≠0，其中H为M(K+1)×Q(p+1)维的矩阵，T矩阵表示转置处理。

3.根据权利要求2所述的方法，其特征在于，所述计算迫零均衡器的均衡系数g包括：

在满足下述三个条件时采用随机梯度算法

计算下述目标函数的最小值J(g)的最小值集合，得到δ={g||y(k)|=1}，对于满足g∈δ={g||y(k)|=1}的向量g，向量g^TH只有一个非零元素，求得满足g∈δ={g||y(k)|=1}的向量g；其中，x(k)为信道的输出向量，μ是步长，*表示共轭复数，y(k)是输入信号s(k)的估计量；

所述三个条件为：信号s(k)在时间分布上是白色的，且具有S=2R个星座点均匀分布在单位圆上，R为不小于2的整数；对于脉冲满足任意两个脉冲的差是不相同的；及矩阵H中至少存在一个列向量与其它列线性独立；

所述目标函数为：

$J\left(g\right)=\frac{1}{4}E\left\{{[{\left|y\left(k\right)\right|}^2-1]}^2\right\}$ 及

4.根据权利要求1-3任一项所述的方法，其特征在于，所述计算

的傅里叶Fourier级数包括：

根据公式：

$E[y\left(k\right)\·\underset{\mathrm{\τ}=0}{\overset{K}{\mathrm{\Σ}}}{x}_m^{*}(k-\mathrm{\τ})]=E[\underset{\mathrm{\τ}=0}{\overset{K}{\mathrm{\Σ}}}\underset{l=0}{\overset{L}{\mathrm{\Σ}}}\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}\mathrm{\ζ}{h}_{m,q}^{*}\left(l\right)e^{j(w_q\mathrm{\τ}-w_{\stackrel{-}{q}}{\mathrm{\τ}}_0)}\·s(k-{\mathrm{\τ}}_0)s^{*}(k-l-\mathrm{\τ})e^{j(w_{\stackrel{-}{q}}-v)}$

$+E\left[\underset{\mathrm{\τ}=0}{\overset{K}{\mathrm{\Σ}}}\mathrm{\ζ}{e}^{j{w}_{\stackrel{-}{q}}(k-{\mathrm{\τ}}_0)}s(k-{\mathrm{\τ}}_0)v_m^{*}(k-\mathrm{\τ})\right]={\mathrm{\σ}}_s^2\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{\mathrm{\β}}_q\·e^{j(w_{\stackrel{-}{q}}-w_q)k}$

计算所述傅里叶Fourier级数；

其中 ${\mathrm{\β}}_q={\mathrm{\Σ}}_{\mathrm{\τ}=0}^K\mathrm{\ζ}{h}_{m,q}^{*}({\mathrm{\τ}}_0-\mathrm{\τ})e^{j(w_q\mathrm{\τ}-w_{\stackrel{-}{q}}{\mathrm{\τ}}_0)}(q=\mathrm{1,2},...Q),$

为两个常数，

为所述Fourier级数。

5.根据权利要求4所述的方法，其特征在于，所述确定所述Fourier级数的显著重要能量峰值包括：

利用时变信号的二阶统计量得到

的Fourier级数的显著能量峰值。

6.一种盲均衡系统，其特征在于，包括：

均衡系数计算模块，用于计算迫零均衡器的均衡系数g，使所述均衡系数g满足预设条件；

级数计算模块，用于计算

的傅里叶Fourier级数；

能量峰值计算模块，用于确定所述Fourier级数的显著重要能量峰值；

赋值模块，用于通过所确定的Fourier级数的显著重要能量峰值计算

在

中找到最大赋值，将该最大赋值给

信号还原模块，用于根据公式

对信号s（k）进行还原。

Images