CN104410593B - 基于判决反馈模型的数字符号非线性误差修正均衡方法 - Google Patents
基于判决反馈模型的数字符号非线性误差修正均衡方法 Download PDFInfo
- Publication number
- CN104410593B CN104410593B CN201410734272.4A CN201410734272A CN104410593B CN 104410593 B CN104410593 B CN 104410593B CN 201410734272 A CN201410734272 A CN 201410734272A CN 104410593 B CN104410593 B CN 104410593B
- Authority
- CN
- China
- Prior art keywords
- signal
- interference cancellation
- cancellation signals
- footpath
- error
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明提出一种基于判决反馈模型的数字符号非线性误差修正均衡方法,利用前馈延时寄存器对接收端所接收到的信号进行处理,快速求得前径干扰消除信号。利用后馈延时寄存器对数据判决模块的输出信号进行处理,快速求得后径干扰消除信号。将前径干扰消除信号和后径干扰消除信号相减得到干扰消除信号并将该信号通过数据判决模块得到传输的符号。利用该符号的期望信号与当前的干扰消除信号及其前后信号得到最终的均衡器系数。该方法在不增加实现复杂度的同时,可以快速消除通信信道的码间干扰和信道间干扰,利用干扰消除信号良好的非线性逼近性和基于最小均方误差的均衡系数更新方案的低复杂性,在高载波高带宽无线通信中具有准确、稳定和高效的优点。
Description
技术领域
本发明是一种用于数字接收机的非线性均衡方法,特别涉及一种基于判决反馈(Decision feedback)模型的数字符号非线性误差修正(Symbol nonlinear errorcorrection)均衡方法。
背景技术
随着数字通信技术的发展,高载波高带宽的无线通信技术在通信领域的大量使用,使得无线信道的传输特性日益复杂。高载波通信技术意味着通信速率和容量的极大提高,但这也伴随着码间干扰的增加。而高带宽通信技术也可以有效提高通信速率,但高带宽通信技术会增加信道间干扰。这两种干扰将会严重影响无线通信的信号质量,并在接收端信号会产生较大的变形和失真,特别是卫星通信信道,还会产生明显的非线性失真。为了减小信道间干扰和码间干扰,需要在通信接收端对通信信道和通信系统通过均衡进行适当的补偿。
均衡技术通过对通信信道的传输特性进行补偿来消除码间干扰和信道间干扰。但由于无线通信信道环境是时刻变化的,为了适应多径信道的时变性,均衡技术必须能够应对通信信道的时变性,这就意味着自适应均衡必须能够适应时变信道的短时统计特性,并能够跟踪通信信道的实时变化,及时调整均衡器的参数,准确地对信道的传输特性进行补偿,进而有效地对抗码间干扰和信道间干扰,从而降低接收端的误码率。常见的均衡算法主要可以分为自适应训练均衡方法和自适应盲均衡方法两大类。自适应训练均衡方法要求发射端发送一个接收端已知的训练序列用来训练均衡器,均衡器训练结束后,用判决输出代替训练序列,使均衡器自动调整。但由于使用了训练序列,浪费了频谱资源,并且在每次通信时都需要重新进行训练,无法满足容量大、速率高、有效性高和可靠性高的现代数字通信系统的发展需要。自适应盲均衡方法主要有基于最小均方误差(LMS)盲均衡方法,基于递推最小二乘(RLS)盲均衡方法,基于神经网络的盲均衡方法,Bussgang多模盲均衡方法和基于信号检测的盲均衡方法。最小均方误差(LMS)盲均衡方法和基于递推最小二乘(RLS)盲均衡方法利用接收序列本身的先验信息就能够正确地恢复发送序列的自适应均衡方法。这两种方法易于实现,但在卫星通信信道等非线性干扰明显的通信环境,这两种方法不能消除非线性干扰和信道间干扰。神经网络盲均衡方法通过构建多层多神经元网络能够对任意复杂度的非线性系统进行充分的逼近,不仅能够学习适应不确定系统的特性,能够有效地处理一些复杂的非线性问题。但该方法输出误差较小时,神经元会在零值附近进行选择系数,从而产生一个连续波动误差,这种误差对高速数字通信传输产生较大影响。Bussgang多模盲均衡方法的,核心思想是制定一个代价函数,系统达到理想状态时使代价函数的取值为它的极小值,而算法的目的就是去寻找代价函数的极值点。该方法易于实现,鲁棒性好,但是,收敛速度慢是该方法存在的主要缺陷。基于信号检测的盲均衡方法是将信号检测的理论应用于盲均衡领域,常见的方法是利用最大似然估计、贝叶斯估计以及最小错误概率准则来均衡信道。本质上是一种基于维特比的解码方法。该方法抗噪声性能较好,但计算复杂度高,实现实时处理困难较大,这在一定程度上限制了该方法在高速无线通信中的应用。
发明内容
针对现有的均衡技术的非线性处理能力弱,计算复杂度高和收敛速度较慢,不能满足下一代高载波频率高带宽无线通信对接收端码间干扰和信道间干扰抑制性能的需求的问题,本发明设计了一种基于判决反馈模型的数字符号非线性误差修正均衡方法,主要包括前径干扰消除模块、后径干扰消除模块、数据判决模块和均衡系数更新模块四个部分。前径干扰消除模块利用前馈延时寄存器对接收端所接收到的信号进行处理,快速求得前径干扰消除信号。后径干扰消除模块利用后馈延时寄存器对数据判决模块的输出信号进行处理,快速求得后径干扰消除信号。将前径干扰消除信号和后径干扰消除信号相减得到干扰消除信号并将该信号通过数据判决模块得到传输的符号。利用该符号的期望信号与当前的干扰消除信号及其前后信号通过均衡系数更新模块得到最终的均衡器系数。这种均衡技术方法,在不增加实现复杂度的同时,可以快速消除通信信道的码间干扰和信道间干扰,利用干扰消除信号良好的非线性逼近性和基于最小均方误差的均衡系数更新方案的低复杂性,在高载波高带宽无线通信中具有准确、稳定和高效的优点。
本发明的技术方案为:
所述一种基于判决反馈模型的数字符号非线性误差修正均衡方法,其特征在于:包括以下步骤:
步骤1:利用高速模数转换器采样接收端的基带输出信号y(n),利用前馈延时寄存器对基带输出信号进行延时抽头,将抽头与前径均衡系数
分别相乘,并累加处理得到前径干扰消除信号rf(n):
其中,n为当前采样时刻,Nf为前馈延时寄存器的总抽头数目,i为抽头编号,所述前径均衡系数的初始值取0~1范围内的任意值;
利用高速模数转换器采样数据判决模块的输出符号所对应的期望信号利用后馈延时寄存器对期望信号进行延时抽头,并将抽头与后径均衡系数
分别相乘,并累加处理得到后径干扰消除信号rb(n):
其中,n为当前采样时刻,Nb为后馈延时寄存器的总抽头数目,j为抽头编号,所述后径均衡系数的初始值取0~1范围内的任意值;
步骤2:将前径干扰消除信号rf(n)与后径干扰消除信号rb(n)相减得到最终的干扰消除信号r(n):
r(n)=rf(n)-rb(n);
步骤3:将干扰消除信号r(n)输入数据判决模块进行最小均方误差判决,得到数据符号x(n)和该数据符号所对应的期望信号
步骤4:根据步骤3得到的当前时刻的数据符号所对应的期望信号当前时刻的干扰消除信号、当前时刻之前l个采样时刻的数据符号所对应的期望信号、当前时刻之前l个采样时刻的干扰消除信号、当前时刻之后l个采样时刻的数据符号所对应的期望信号、当前时刻之后l个采样时刻的干扰消除信号进行误差非线性处理,得到非线性处理后的实部误差eR(n)和非线性处理后的虚部误差eI(n):
其中,和分别为采样时刻m的数据符号所对应的期望信号的实部信号和虚部信号,rR(m)和rI(m)分别为采样时刻m的干扰消除信号的实部信号和虚部信号,γm为误差信号记忆因子,取值为:
将实部误差eR(n)和虚部误差eI(n)相加得到最终的误差信号e(n),表达为:
e(n)=eR(n)+eI(n);
步骤5:根据步骤4得到的误差信号建立均衡系数更新模型,并根据均衡系数更新模型对前馈均衡系数和后馈均衡系数同时完成更新,所述均衡系数更新模型为:
wfi(n)=wfi(n-1)+μe(n)y*(n)
其中,y*(n)为信号y(n)的共轭,为信号的共轭,μ为遗忘因子。
有益效果
本发明通过将干扰消除信号与其前后多个干扰信号按照一定遗忘速度进行级联来模拟非线性干扰对信号的影响,可以有效消除通信信道的非线性干扰。
本发明通过干扰消除信号组合和数据符号所对应的期望信号利用最小均方误差标准对均衡系数进行更新,最小均方误差通过单次采样计算来代替传统的多采样矩阵计算可以有效加快均衡系数的收敛速度。
本发明的前径干扰消除模块和后径干扰消除模块是并行计算,相当于在单次运算中,同时计算前径干扰消除信号和后径干扰消除信号,可以有效减小均衡系数的计算量。
附图说明
图1是本发明的基于符号误差修正的判决反馈模型的数字均衡方案。
其中:y(n)是接收端的基带输出,r(n)是干扰消除信号,是数据判决输出的符号,是前径均衡系数,是后径均衡系数,Nf是前馈延时寄存器的抽头数目,Nb是后馈延时寄存器的抽头数目。
图2是本发明的误码率曲线图。
其中,最上方线为前馈长度为6,后馈长度为49的误码率曲线,自上而下第二条线为前馈长度为6,后馈长度为63的误码率曲线,自上而下第三条线为前馈长度为9,后馈长度为49的误码率曲线,自上而下第四条线为前馈长度为9,后馈长度为63的误码率曲线。
图3是本发明的非线性信道下的误码率曲线图。
其中黑色线代表线性均衡方法的误码率曲线,灰色线代表本发明的非线性均衡方法的误码率曲线。
具体实施方式
本实施例提供了一种基于判决反馈模型的数字符号非线性误差修正均衡方法,结合了符号误差修正能逼近任意非线性信道模型的优点和判决反馈模型计算量较小的优点,为了保证高载波高带宽无线通信下的有效性,本实施例建立基于符号误差修正模型来消除非线性码间干扰和信道间干扰,并结合判决反馈模型收敛速度快,计算复杂度低的特点,解决了现有的均衡方法的自适应收敛速度慢,均衡系数计算量大,实现比较复杂,在高载波高带宽无线通信中无法有效通信信道的复杂的非线性干扰等问题。
本实施例的整体结构如图1所示,整个均衡系统是由前径干扰消除模块,后径干扰消除模块,数据判决模块和均衡系数更新模块所组成。前径干扰消除模块和后径干扰消除模块分别用于消除信号的前径干扰和后径干扰。通过均衡系数更新模块调整均衡系数实时补偿通信信道的非线性和线性的码间干扰和信道间干扰。均衡系数更新模块通过多个干扰消除信号构建非线性级联模型求解得到均衡系数来消除非线性码间干扰和非线性信道间干扰。
利用前馈延时寄存器和后馈延时寄存器建立的前径干扰消除模块和后径干扰消除模块,通过数据判决模块得到数据符号,然后利用均衡系数更新模块对均衡系数更新,具体步骤如下:
步骤1:利用高速模数转换器采样接收端的基带输出信号y(n),利用前馈延时寄存器对基带输出信号进行延时抽头,将抽头与前径均衡系数
分别相乘,并累加处理得到前径干扰消除信号rf(n):
其中,n为当前采样时刻,Nf为前馈延时寄存器的总抽头数目,i为抽头编号,所述前径均衡系数的初始值取0~1范围内的任意值。
利用高速模数转换器采样数据判决模块的输出符号所对应的期望信号利用后馈延时寄存器对期望信号进行延时抽头,并将抽头与后径均衡系数
分别相乘,并累加处理得到后径干扰消除信号rb(n):
其中,n为当前采样时刻,Nb为后馈延时寄存器的总抽头数目,j为抽头编号,所述后径均衡系数的初始值取0~1范围内的任意值。
步骤2:将前径干扰消除信号rf(n)与后径干扰消除信号rb(n)相减得到最终的干扰消除信号r(n):
r(n)=rf(n)-rb(n)。
步骤3:将干扰消除信号r(n)输入数据判决模块进行最小均方误差判决,得到数据符号x(n)和该数据符号所对应的期望信号在数据判决模块中,采用最小距离标准对干扰消除信号r(n)进行数据解调,表达分别如下:
其中,C为总数据符号集合,θ[]为数据符号的期望信号匹配函数。
步骤4:在高载波高带宽卫星通信中,多幅度多相位调制已经被大量应用于无线数字通信。所以需要对误差进行实部和虚部的分离来消除来自相位偏移所产生的码间干扰和信道间干扰。其次,由于在诸如卫星信道等非线性无线信道中,非线性的码间干扰和信道间干扰也是不可以忽略的,如果采用非线性均衡模块会大大增加计算量,所以本发明通过对误差进行非线性处理来实现均衡系数的非线性更新,从而消除上述非线性干扰。
根据步骤3得到的当前时刻的数据符号所对应的期望信号当前时刻的干扰消除信号、当前时刻之前l个采样时刻的数据符号所对应的期望信号、当前时刻之前l个采样时刻的干扰消除信号、当前时刻之后l个采样时刻的数据符号所对应的期望信号、当前时刻之后l个采样时刻的干扰消除信号进行误差非线性处理,得到非线性处理后的实部误差eR(n)和非线性处理后的虚部误差eI(n):
其中,和分别为采样时刻m的数据符号所对应的期望信号的实部信号和虚部信号,rR(m)和rI(m)分别为采样时刻m的干扰消除信号的实部信号和虚部信号,γm为误差信号记忆因子,取值为:
将实部误差eR(n)和虚部误差eI(n)相加得到最终的误差信号e(n),表达为:
e(n)=eR(n)+eI(n)。
步骤5:在高载波高带宽无线通信中,均衡器的更新速度回严重制约通信的传输速度,所以本发明利用误差函数构建基于最小均方误差的前径目标函数Δf(n)和后径目标函数Δb(n)分别如下:
其中y*(n)为信号y(n)的共轭,为信号的共轭,得到前径均衡系数和后径均衡系数的更新函数,
wfi(n)=wfi(n-1)+μe(n)y*(n)
μ为遗忘因子。
将更新后的前径均衡系数和后径均衡系数复制到前径干扰消除模块和后径干扰消除模块完成均衡系数的更新。
性能分析
本发明的通信系统采用QPSK调制信号,整形滤波器和匹配滤波器均采用升余弦滚降滤波器,其延时均为64,滚降系数为0.25,上采样率和下采样率均为8bit。遗忘因子采用0.9.为了描述不同前馈延时寄存器和后馈延时寄存器长度对误码率的影响,分别选取前馈长度为6,后馈长度为49;前馈长度为6,后馈长度为63;前馈长度为9,后馈长度为49;前馈长度为9,后馈长度为63这4种不同的组合,其结果如图2所示。
从图2中可以得知,同时增加前馈延时寄存器的长度和后馈延时寄存器的长度都可以实现误码率的下降,但前馈延时寄存器对误码率的影响小于后馈延时寄存器堆误码率的影响,这主要由于前馈干扰主要来源于发射设备本身,而后馈干扰主要来源于通信信道。从图中可以看到,当误码率为10-3时,前馈长度为9,后馈长度为63条件下的信噪比最小,达到9dB,已经接近只具有高斯白噪声背景条件下的QPSK通信传输。
为了说明在非线性信道下本发明的优点,选取带有记忆效应的非线性通信信道,信道模型采用Saleh信道模型,选取前馈长度为9,后馈长度为63条件下的线性均衡方法和本发明的非线性均衡方法进行比较,结果如图3所示。
从图3中可以得到,非线性均衡方法在误码率为10-3时,会产生一个误码率底线,这主要是由于在非线性通信信道下,具有很明显的非线性干扰而线性均衡方法是无法移除这种干扰。本发明的非线性均衡方法通过对误差进行非线性处理,可以有效移除非线性干扰,从图3中可知,本发明的均衡方法的误码率性能接近理想高斯白噪声背景下的通信误码率性能。
Claims (1)
1.一种基于判决反馈模型的数字符号非线性误差修正均衡方法,其特征在于:包括以下步骤:
步骤1:利用高速模数转换器采样接收端的基带输出信号y(n),利用前馈延时寄存器对基带输出信号进行延时抽头,将基带输出信号的抽头与前径均衡系数
分别相乘,并累加处理得到前径干扰消除信号rf(n):
其中,n为当前采样时刻,Nf为前馈延时寄存器的总抽头数目,i为抽头编号,所述前径均衡系数的初始值取0~1范围内的任意值;
利用高速模数转换器采样数据判决模块的输出符号所对应的期望信号利用后馈延时寄存器对期望信号进行延时抽头,并将期望信号的抽头与后径均衡系数
分别相乘,并累加处理得到后径干扰消除信号rb(n):
其中,n为当前采样时刻,Nb为后馈延时寄存器的总抽头数目,j为抽头编号,所述后径均衡系数的初始值取0~1范围内的任意值;
步骤2:将前径干扰消除信号rf(n)与后径干扰消除信号rb(n)相减得到最终的干扰消除信号r(n):
r(n)=rf(n)-rb(n);
步骤3:将干扰消除信号r(n)输入数据判决模块进行最小均方误差判决,得到数据符号x(n)和该数据符号所对应的期望信号
步骤4:根据步骤3得到的当前时刻的数据符号所对应的期望信号当前时刻的干扰消除信号、当前时刻之前l个采样时刻的数据符号所对应的期望信号、当前时刻之前l个采样时刻的干扰消除信号、当前时刻之后l个采样时刻的数据符号所对应的期望信号、当前时刻之后l个采样时刻的干扰消除信号进行误差非线性处理,得到非线性处理后的实部误差eR(n)和非线性处理后的虚部误差eI(n):
其中,和分别为采样时刻m的数据符号所对应的期望信号的实部信号和虚部信号,rR(m)和rI(m)分别为采样时刻m的干扰消除信号的实部信号和虚部信号,γm为误差信号记忆因子,取值为:
将实部误差eR(n)和虚部误差eI(n)相加得到最终的误差信号e(n),表达为:
e(n)=eR(n)+eI(n);
步骤5:根据步骤4得到的误差信号建立均衡系数更新模型,并根据均衡系数更新模型对前馈均衡系数和后馈均衡系数同时完成更新,所述均衡系数更新模型为:
wfi(n)=wfi(n-1)+μe(n)y*(n)
其中,y*(n)为信号y(n)的共轭,为信号的共轭,μ为遗忘因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410734272.4A CN104410593B (zh) | 2014-12-04 | 2014-12-04 | 基于判决反馈模型的数字符号非线性误差修正均衡方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410734272.4A CN104410593B (zh) | 2014-12-04 | 2014-12-04 | 基于判决反馈模型的数字符号非线性误差修正均衡方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104410593A CN104410593A (zh) | 2015-03-11 |
CN104410593B true CN104410593B (zh) | 2017-06-30 |
Family
ID=52648191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410734272.4A Expired - Fee Related CN104410593B (zh) | 2014-12-04 | 2014-12-04 | 基于判决反馈模型的数字符号非线性误差修正均衡方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104410593B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105207964B (zh) * | 2015-08-17 | 2018-10-26 | 哈尔滨工程大学 | 一种基于单矢量传感器的水声自适应判决反馈均衡方法 |
WO2017125165A1 (en) * | 2016-01-22 | 2017-07-27 | Huawei Technologies Co., Ltd. | System-matched adapted coding and equalization apparatus and method |
CN110572220B (zh) * | 2019-06-30 | 2021-11-23 | 哈尔滨工业大学(威海) | 面向无速率水声通信的联合盲频域均衡与无速率译码算法 |
CN115913826A (zh) * | 2021-08-05 | 2023-04-04 | 华为技术有限公司 | 一种通信方法及相关装置 |
CN114363127B (zh) * | 2021-12-31 | 2023-06-27 | 北京升哲科技有限公司 | 一种信号均衡方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101656579A (zh) * | 2009-09-18 | 2010-02-24 | 南京信息工程大学 | 引入小波神经网络的t/2分数间隔盲均衡方法 |
US7782974B2 (en) * | 2006-03-24 | 2010-08-24 | Texas Instuments Incorporated | Apparatus and method providing non-linear adaptive signal tracking |
CN101860326A (zh) * | 2010-06-29 | 2010-10-13 | 奥维通信股份有限公司 | 基于Volterra级数间接学习型预失真线性化系统 |
CN102624338A (zh) * | 2012-03-18 | 2012-08-01 | 西北工业大学 | 基于Volterra滤波的双循环反馈模型的功放预失真方法 |
CN103841064A (zh) * | 2014-01-06 | 2014-06-04 | 中国航空无线电电子研究所 | 一种基于采样率数据的siso均衡方法及其均衡器 |
CN104104627A (zh) * | 2014-08-01 | 2014-10-15 | 王红星 | 基于初始化参数传递的并行判决反馈均衡方法及装置 |
-
2014
- 2014-12-04 CN CN201410734272.4A patent/CN104410593B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7782974B2 (en) * | 2006-03-24 | 2010-08-24 | Texas Instuments Incorporated | Apparatus and method providing non-linear adaptive signal tracking |
CN101656579A (zh) * | 2009-09-18 | 2010-02-24 | 南京信息工程大学 | 引入小波神经网络的t/2分数间隔盲均衡方法 |
CN101860326A (zh) * | 2010-06-29 | 2010-10-13 | 奥维通信股份有限公司 | 基于Volterra级数间接学习型预失真线性化系统 |
CN102624338A (zh) * | 2012-03-18 | 2012-08-01 | 西北工业大学 | 基于Volterra滤波的双循环反馈模型的功放预失真方法 |
CN103841064A (zh) * | 2014-01-06 | 2014-06-04 | 中国航空无线电电子研究所 | 一种基于采样率数据的siso均衡方法及其均衡器 |
CN104104627A (zh) * | 2014-08-01 | 2014-10-15 | 王红星 | 基于初始化参数传递的并行判决反馈均衡方法及装置 |
Non-Patent Citations (1)
Title |
---|
低轨宽带卫星移动通信系统OFDM传输技术研究;关庆阳;《中国博士学位论文全文数据库信息科技辑》;20120515;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104410593A (zh) | 2015-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6563868B1 (en) | Method and apparatus for adaptive equalization in the presence of large multipath echoes | |
CN104410593B (zh) | 基于判决反馈模型的数字符号非线性误差修正均衡方法 | |
CN109905337B (zh) | 一种基于narx神经网络与块状反馈的信道均衡方法 | |
US7688888B2 (en) | CIR estimating decision feedback equalizer with phase tracker | |
CN106982183A (zh) | 一种高速数传系统中的自适应盲均衡方法 | |
CN110392006B (zh) | 基于集成学习和神经网络的自适应信道均衡器及方法 | |
CN105245478B (zh) | 一种基于qam调制方式的自适应均衡算法 | |
CN114172767B (zh) | 基于分数阶多模的信道盲均衡方法 | |
CN107566307A (zh) | 盲均衡装置及方法、数据调制系统及方法 | |
US8446941B2 (en) | Equalizer employing adaptive algorithm for high speed data transmissions and equalization method thereof | |
CN111064683A (zh) | 一种改进的恒模均衡算法 | |
CN102111182A (zh) | 自适应超宽带Rake接收机、方法和系统 | |
Ali et al. | Legendre based equalization for nonlinear wireless communication channels | |
CN114143152B (zh) | 基于分数阶相关熵和分数阶梯度的恒模盲均衡方法 | |
Schädler et al. | Nonlinear Component Equalization: A Comparison of Deep Neural Networks and Volterra Series | |
US7382826B2 (en) | Method and apparatus for the control of a decision feedback equalizer | |
Wang | A nonlinear modified constant modulus algorithm for blind equalization | |
Fan et al. | Fast blind equalization with two-stage single/multilevel modulus and DD algorithm for high order QAM cable systems | |
CN107911322A (zh) | 一种低复杂度的判决反馈均衡算法 | |
Ma et al. | A variable step size constant modulus algorithm based on l 0-norm for sparse channel equalization | |
Feng et al. | The design of satellite equalizer based on CNN | |
CN114528925B (zh) | 一种基于深层分类网络的时变信道ofdm信号均衡方法 | |
CN113630667B (zh) | 用于光通信的方法、设备、装置和计算机可读介质 | |
CN108616466B (zh) | 信道并行均衡方法及装置 | |
Hao et al. | Research on high speed parallel blind equalization algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170630 Termination date: 20201204 |