CN103812806A - 一种基于时域信道估计的信道均衡方法和系统 - Google Patents

Abstract

本发明公开了一种基于时域信道估计的信道均衡方法和系统。本方法为：首先在发射端信号中插入训练序列；然后在接收端利用滤波器对接收到的训练序列部分进行信道均衡，并更新滤波器系数；利用上一步更新后的滤波器在时域对数据信号进行滤波，实现信道均衡。本发明利用训练序列和时域滤波器进行信道均衡。训练序列部分帧结构由M序列与0序列间插构成，便于时域滤波器对信号受到的偏振串扰进行均衡，从而解开偏振复用；其次，采用RLS算法对时域滤波器系数更新，算法复杂度较小，能够节省计算时间，对调制格式不敏感，具有广泛的适用性。

Description

一种基于时域信道估计的信道均衡方法和系统

技术领域

本发明涉及相干光通信传输领域，涉及一种基于时域信道估计的信道均衡方法，以及实现该方法的系统。

背景技术

基于数字信号处理技术的相干通信是长距离光纤通信传输系统的重要解决方案。如何克服通信信道损伤是需要解决的重要课题。通信信道损伤使信号的信噪比降低，并且引入了码间干扰，导致了误码的产生。在光纤通信系统中，均衡算法对信道进行估计，并补偿信道的线性畸变，以减弱或消除码间干扰。

目前，均衡算法主要有两类，一类是时域均衡（TDE），另一类是频域均衡（FDE）。两类算法具有相同的均衡效果。

1）时域均衡（TDE）算法。该算法基于训练序列或基于信号的星座图特性进行信道冲激响应估计，在时域对信号进行补偿。基于训练序列的信道估计算法较复杂。基于信号星座图特性的信道估计算法依赖于调制格式，调制格式改变时，算法也需要随之改变，并且算法效果也不同。由于光纤中存在色散，当色散较大时，均衡算法需要的均衡器抽头数较多，导致算法复杂度较高。

2）频域均衡（FDE）算法。该算法基于训练序列进行信道传递函数的估计，在频域对信号进行补偿。信道估计算法简单，当色散较大时，算法复杂度仍然较低。但是该算法需要对信号插入循环前缀/后缀，这会造成一定的信号速率开销。

发明内容

本发明提供一种有效的基于时域信道估计的信道均衡方法，以及实现该方法的系统。

为实现上述目的，本发明采用如下技术方案：

一种基于时域信道估计的信道均衡方法，包括以下步骤：

第一步：在发射端信号中插入具有平坦频谱特性的训练序列；

第二步：在接收端，经过前端信号处理后，用FIR滤波器对接收到的训练序列部分进行滤波，即实现信道均衡。并采用RLS算法准则更新FIR滤波器系数。

第三步：利用第二步得到的时域FIR滤波器在时域对数据信号进行滤波，实现信道均衡。

进一步地，所述接收端对接收的信号首先进行前端数据处理，包括色散粗补偿、载波频率恢复、接收匹配滤波和数字同步；并在第三步之后进行后端数据处理，包括载波相位恢复。

进一步地，在发射端的信号成帧传输，如图2所示，每一帧的帧结构包含两个偏振方向，每个偏振方向均包含训练序列与数据信号。X偏振方向的训练序列为在时间上周期排列的序列t₁，Y偏振方向的训练序列为在时间上周期排列的序列t₂，并且：

t₁=(t_x,0),t₂=(0,t_y),t_x=t_y，

其中t_x和t_y为M序列，“0”表示长度与M序列等长的数值为0的序列。

更进一步地，M序列长度的选择由信道载波频率偏移和相位的飘移程度决定；M序列个数的选择由信道中自发辐射噪声强度决定；数据信号（每帧训练序列之后的数据）长度的选择由信道传递函数的飘变程度决定。

一种实现上述方法的基于时域信道估计的均衡系统，包括发射端和接收端，

所述发射端包括：

训练序列插入模块，用于在发射端信号中插入具有平坦的频谱特性的训练序列；

所述接收端包括：

FIR滤波器，利用时域滤波器抽头系数在时域对数据信号进行滤波以实现信道均衡。

训练序列对比模块，连接所述FIR滤波器模块，用于训练序列与数据信号做差，得到误差值e。

滤波器系数更新模块，连接所述训练序列对比模块，根据误差值e，利用RLS准则，更新FIR滤波器系数。

进一步地，还包括：

前端数据处理模块，用于对从发送端接收的信号进行预处理，然后发送至所述FIR滤波器模块。

后端数据处理模块，连接所述FIR滤波器，用于载波相位恢复。

更进一步地，所述前端数据处理模块进行的预处理包括：色散粗补偿、载波频率恢复、接收匹配滤波、数字同步。

进一步地，还包括判决模块，连接所述后端数据处理模块，用于将接收的信号信息恢复成二进制数据。

与现有技术相比，本发明的积极效果为：

本发明利用训练序列和时域滤波器进行信道均衡。该方法与传统时域盲均衡（CMA）算法相比，帧结构不同，时域滤波器更新算法不同。首先，训练序列部分由M序列与0序列间插构成，便于时域滤波器对信号受到的偏振串扰进行均衡，从而解开偏振复用。其次，RLS算法与传统时域盲均衡（CMA）相比具有较好的收敛性，因而本发明只使用训练序列部分进行时域滤波器系数更新，算法复杂度较小，能够节省计算时间，对调制格式不敏感，具有广泛的适用性。

附图说明

图1是本发明实施例的基于时域信道估计的均衡方法的流程图。

图2是本发明实施例的信号帧结构示意图。

图3是本发明实施例的滤波器系数更新示意图。

图4是本发明实施例的1.24Tb/s64QAM信号400km传输实验结果示意图。

具体实施方式

下面通过具体实施例和附图，对本发明做进一步详细说明；本发明的方法流程如图1所示，其步骤为：

第一步：在发射端信号前端插入训练序列，按照所述帧结构设计。选择若干个具有平坦频谱特性的M序列。

第二步：在接收端，经过前端信号处理后，用FIR滤波器对接收到的训练序列进行滤波。并根据公知的RLS算法准则更新滤波器系数。

第三步：利用第二步得到的时域滤波器在时域对数据信号进行滤波，实现信道均衡。

第四步：后端信号处理，进行载波相位恢复，并判决。

RLS原理

接收端信号处理基于公知的RLS（递归最小二乘）算法，其具体原理如下：

FIR滤波器在n时刻滤波器系数值为向量w(n)，n时刻代价函数值为J(n)。

设发射端数据中训练序列为d_TS(n)，接收端数据中训练序列为u_TS(n)（角标TS代表训练序列），数据中信号部分为u(n)，滤波输出训练序列为y_TS(n)，滤波输出信号部分为y(n)

y_TS(n)=w(n)^Tu_TS(n)

e(n)=d_TS(n)-y_TS(n)

$J\left(n\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\λ}}^{n-i}{\left|e\right(i\left)\right|}^2$

其中λ为遗忘因子。引入遗忘因子作用是离n时刻近的误差赋较大权重，离n时刻远的误差赋较小权重，确保在过去某一段时间的观测数据被“遗忘”。

为了使代价函数取得最小值,可通过对代价函数求导

$\frac{\∂J\left(n\right)}{\∂w}=0$

解得：

R(n)w(n)=r(n)

其中： $R\left(n\right)=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\λ}}^{n-i}{u}_{\mathrm{TS}}{u}_{\mathrm{TS}}^T\left(i\right)\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\λ}}^{n-i}{u}_{\mathrm{TS}}\left(i\right)d_{\mathrm{TS}}^T\left(i\right)$

根据R(n)和r(n)定义，并经过数学推导，即可得到w(n-1)与w(n)的递推公式。其中R(n)为数据u_TS的相关矩阵。R(0)=σI定义初始时刻相关矩阵值，其中I为单位矩阵。一般希望相关矩阵初始值在R(n)中占很小比重，在此σ取值为0.1。

实施步骤：

下面结合本实施例的算法流程图3对技术方案的实施进行具体说明。

本时域信道均衡方案滤波器系数更新步骤如下：

首先，初始化w(0)=0;R(0)=σI;

对于n=1,2,3...N，其中N为滤波器更新次数，由训练序列长度和滤波器长度之差决定。

计算：y_TS(n)=w(n-1)^Tu_TS(n)

估计误差e(n)=d_TS(n)-_yTS(n)

定义P(n)=R(n)^-1

定义 $k\left(n\right)=\frac{P(n-1)u_{\mathrm{TS}}\left(n\right)}{\mathrm{\λ}+u_{\mathrm{TS}}^T\left(n\right)P(n-1)u_{\mathrm{TS}}\left(n\right)}$

更新 $P\left(n\right)=\frac{1}{\mathrm{\λ}}\left[P\right(n-1)-k(n\left)u_{\mathrm{TS}}^T\right(n\left)P\right(n-1\left)\right]$

更新滤波器系数

w(n)=w(n-1)+k(n)e^*(n)

经过训练序列后最终得到的滤波器系数为W=w(N)。

接收端信号u(n)与W卷积得到经过信道均衡后的信号y(n)。

如图1所示，经过信道均衡后的信号，进行后端信号处理，即载波相位恢复，并判决。

图4为1.24Tb/s64QAM信号400km传输实验结果示意图。横轴为信号的入纤功率。将本发明均衡方法的结果与时域均衡的常用算法（常模算法（CMA）加上级联多模算法（CMMA）加上直接判决最小均方误差（DD LMS））进行对比，结果显示本发明的均衡算法优于常用的时域均衡算法，原因在于信道的噪声对时域均衡算法的滤波器抽头估计有较大的影响。

以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求所述为准。

Claims (10)

1.一种基于时域信道估计的信道均衡方法，其步骤为：

1）在发射端信号中插入训练序列；

2）在接收端利用滤波器对接收到的训练序列部分进行信道均衡，并更新滤波器系数；

3）利用上一步更新后的滤波器在时域对数据信号进行滤波，实现信道均衡。

2.如权利要求1所述的方法，其特征在于所述发射端对信号成帧传输，每一帧的帧结构包含两个偏振方向，每个偏振方向均包含训练序列与数据信号。

3.如权利要求2所述的方法，其特征在于所述偏振方向分别为X偏振方向和Y偏振方向；其中，X偏振方向的训练序列为在时间上周期排列的序列t₁，Y偏振方向的训练序列为在时间上周期排列的序列t₂；t₁=(t_x,0),t₂=(0,t_y),t_x=t_y，“0”表示长度与序列t_x等长的数值为0的序列。

4.如权利要求3所述的方法，其特征在于所述序列^t _x和序列^t _y为M序列；所述M序列的长度由信道载波频率偏移和相位的飘移程度决定；所述训练序列中M序列的个数由信道中自发辐射噪声强度决定；所述数据信号的长度由信道传递函数的飘变程度决定。

5.如权利要求1所述的方法，其特征在于步骤2）所述接收端首先对接收的信号进行前端数据处理，包括色散粗补偿、载波频率恢复、接收匹配滤波和数字同步；然后利用滤波器对接收到的训练序列部分进行信道均衡；步骤3）实现信道均衡后，进行后端数据处理，包括载波相位恢复。

6.如权利要求1～5任一所述的方法，其特征在于所述滤波器为FIR滤波器；所述接收端利用RLS算法准则更新FIR滤波器系数。

7.一种基于时域信道估计的信道均衡系统，其特征在于包括发射端和接收端，其中，所述发射端包括：训练序列插入模块，用于在发射端信号中插入训练序列；所述接收端包括：滤波器，用于对接收到的训练序列部分进行信道均衡，并更新滤波器系数，以及利用滤波器抽头系数在时域对数据信号进行滤波以实现信道均衡。

8.如权利要求7所述的系统，其特征在于包括一训练序列对比模块，用于对训练序列与数据信号做差，得到误差值e；滤波器系数更新模块，用于根据误差值e，利用RLS准则，更新滤波器系数。

9.如权利要求7所述的系统，其特征在于所述发射端对信号成帧传输，每一帧的帧结构包含两个偏振方向，每个偏振方向均包含训练序列与数据信号；所述滤波器为FIR滤波器；所述接收端利用RLS算法准则更新FIR滤波器系数。

10.如权利要求9所述的系统，其特征在于所述偏振方向分别为X偏振方向和Y偏振方向；其中，X偏振方向的训练序列为在时间上周期排列的序列t₁，Y偏振方向的训练序列为在时间上周期排列的序列t₂；t₁=(t_x,0),t₂=(0,t_y),t_x=t_y，“0”表示长度与序列t_x等长的数值为0的序列。

Images