CN107086972A - 基于星座限制的自适应判决反馈滤波系统及方法 - Google Patents
基于星座限制的自适应判决反馈滤波系统及方法 Download PDFInfo
- Publication number
- CN107086972A CN107086972A CN201710332769.7A CN201710332769A CN107086972A CN 107086972 A CN107086972 A CN 107086972A CN 201710332769 A CN201710332769 A CN 201710332769A CN 107086972 A CN107086972 A CN 107086972A
- Authority
- CN
- China
- Prior art keywords
- signal
- msub
- mrow
- mover
- rsqb
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03012—Arrangements for removing intersymbol interference operating in the time domain
- H04L25/03019—Arrangements for removing intersymbol interference operating in the time domain adaptive, i.e. capable of adjustment during data reception
- H04L25/03057—Arrangements for removing intersymbol interference operating in the time domain adaptive, i.e. capable of adjustment during data reception with a recursive structure
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03178—Arrangements involving sequence estimation techniques
- H04L25/03248—Arrangements for operating in conjunction with other apparatus
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明公开了基于星座限制的自适应判决反馈滤波系统，还包括可靠性判定模块和反馈信号纠错模块；可靠性判定模块对滤波器模块输出的估算信号uk[i]进行可靠性判定；若判定结果为不可靠，则执行反馈信号纠错模块，对不可靠的信号进行纠正，先生成一组由星座图A中各星座点组成的备选信号，计算每组备选信号通过信道传输得到的输出信号，选取该组备选信号对应的输出信号中与信号r[i]最接近的星座点作为最优候选点，代替uk[i]成为最终的检测信号最终依据获取的检测信号更新滤波器的参数。本发明系统能够在低附加的计算复杂度下提高自适应信号处理器的可靠性，从而提高传统自适应滤波器的性能。
Description
技术领域
本发明涉及自适应判决反馈信号处理技术领域，具体涉及一种基于星座限制的自适应判决反馈滤波系统，还涉及一种基于星座限制的自适应判决反馈滤波方法，该方法可应用于通信领域的自动均衡、回波消除、天线阵波束形成。
背景技术
判决反馈(Decision Feedback，DF)是一种传统的滤波算法，该算法利用最小均方误差(minimum mean square error，MMSE)有效地减少信道间干扰，从而降低发送信号与接收信号之间的误差，该误差越小，我们称该传输信号的可靠性越高。然而当信道不断变化时，DF算法在每一次信号传输过程中都要更正滤波器向量，并且需要追踪信道数据信息，这个过程大幅度增加了计算复杂度，使算法很难在实际中使用。
为了降低计算复杂度，国内外研究人员设计了自适应滤波算法。它可以有效的解决传统滤波算法中计算复杂度高的问题。如近年来开发的自适应判决反馈(AdaptiveDecision Feedback，ADF)算法与传统DF算法相比，降低了计算复杂度，使算法在实际中可行。然而利用ADF算法得到的信号的可靠性远低于传统的DF算法。
发明内容
本发明的目的在于克服现有技术中的不足，提供了一种基于星座限制的自适应判决反馈滤波系统及方法，在维持低计算复杂度的同时，提升信号检测的成功概率，解决了现有技术中ADF算法的信号可靠性低的问题。
为解决上述技术问题，本发明提供了基于星座限制的自适应判决反馈滤波系统，自适应判决反馈系统包括滤波器模块和参数更新模块，滤波器模块对当前输入信号r[i]进行滤波均衡，得到估算信号uk[i]；其特征是，还包括可靠性判定模块和反馈信号纠错模块；
可靠性判定模块，用于对滤波器模块输出的估算信号uk[i]进行可靠性判定；若判定结果为可靠，则星座图A上距离估计信号uk[i]最近的星座点为最终的检测信号若判定结果为不可靠，则执行反馈信号纠错模块；
反馈信号纠错模块，包括备选反馈信号生成器和最佳反馈信号选择器，备选反馈信号生成器中生成一组由星座图A中各星座点组成的备选信号，最佳反馈信号选择器计算每组备选信号通过信道传输得到的输出信号，选取该组备选信号对应的输出信号中与信号r[i]最接近的星座点作为最优候选点，此最优候选点为最终的检测信号
参数更新模块，用于依据获取的检测信号更新滤波器的参数。
进一步的，可靠性判定模块对估算信号uk[i]进行可靠性判定的过程为，若信号uk[i]满足以下公式时，此时称信号为不可靠信号，反之为可靠信号；
(1)d＞dth，此时
(2)此时
Re(·)代表向量的实部，Im(·)代表向量的虚部，d代表信号uk[i]与星座向量A中距离uk[i]最近的星座点的欧氏距离，且dth为阴影区域范围阈值；σs代表信号能量。
进一步的，最佳反馈信号选择器从备选信号中获取最优候选点copt的具体过程为：
首先定义判决检测向量1≤m≤M，M为向量Bk中元素的个数；每一个向量被定义为：
其中是在之前第1到第(k-1)个数据流得到的检测信号，cm是从候选星座点中选取的元素代替不可靠信号uk[i]；为待确定的判决检测向量，为了方便计算，定义：
则可以得出
已知：
重复以上步骤，可以依次得到通过最大似然法求出最优候选点下标为：
根据该最优信号获得的最接近接收信号r[i]；
则最终的检测信号为:
相应的，本发明还提供了基于星座限制的自适应判决反馈滤波方法，方法包括以下步骤：
步骤S1，首先对接收信号r[i]采用ADF算法进行滤波，得到估算信号uk[i]；
步骤S2，利用星座限制判决信号uk[i]是否为可靠信号，规定若信号uk[i]满足以下公式时，此时称信号为不可靠信号，反之为可靠信号；
(1)d＞dth，此时
(2)此时
Re(·)代表向量的实部，Im(·)代表向量的虚部，d代表信号uk[i]与星座向量A中距离uk[i]最近的星座点的欧氏距离，且dth为阴影区域范围阈值；σs代表信号能量；
步骤S3，若信号可靠，则星座图A上距离估计信号uk[i]最近的星座点为最终的检测信号
若信号不可靠，首先生成一组备选向量L＝{c1,c2,…,cm,…,cM}∈A，然后计算每组备选信号通过信道传输得到的输出信号，选取其对应的输出信号与信号r[i]最接近的星座点作为最优候选点copt，则最终的检测信号为:
步骤S4，基于以上获得的检测信号代入RLS算法中获得新的参数ξk[i]，基于此参数ξk[i]得到最优滤波矩阵。
进一步的，步骤S3中，从候选向量L中获取最优候选点copt的具体过程为：
首先定义判决检测向量1≤m≤M，M为向量Bk中元素的个数；每一个向量被定义为：
其中是在之前第1到第(k-1)个数据流得到的检测信号，cm是从候选星座点中选取的元素代替不可靠信号uk[i]；为待确定的判决检测向量，为了方便计算，定义：
则可以得出
已知：
重复以上步骤，可以依次得到通过最大似然法求出最优候选点下标为：
根据该最优信号获得的最接近接收信号r[i]；
则最终的检测信号为:
进一步的，步骤S4中，参数ξk[i]的更新公式为：
进一步的，最优滤波矩阵为：
为第i个信号的最优滤波矩阵，为检测第i-1个信号得到的最优滤波矩阵，kk[i]是利用RLS算法得到的变化的系数，(·)*代表共轭操作。
与现有技术相比，本发明所达到的有益效果是：本发明维持低计算复杂度的同时提升自适应判决反馈信号处理器的可靠性。
附图说明
图1为本发明系统的框架图；
图2是本发明方法的流程图；
图3为以MIMO为例的ADFCC方法的原理框图；
图4为BPSK信号调制信号概率分布图；
图5为星座限制判定图；
图6为星座限制模块中选择算法流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，本发明的基于星座限制的自适应判决反馈滤波系统，还包括可靠性判定模块3和反馈信号纠错模块4，已知自适应判决反馈系统包括滤波器模块和参数更新模块5，滤波器模块包括前向滤波器1和反向滤波器2，滤波器模块对当前输入信号r[i]进行滤波均衡，得到估算信号uk[i]；
可靠性判定模块3，用于对滤波器模块输出的估算信号uk[i]进行可靠性判定；若判定结果为可靠，则星座图A上距离估计信号uk[i]最近的星座点为最终的检测信号若判定结果为不可靠，则执行反馈信号纠错模块4；
反馈信号纠错模块4，包括备选反馈信号生成器6和最佳反馈信号选择器7，备选反馈信号生成器6生成一组由星座图A中各星座点组成的备选信号，最佳反馈信号选择器7计算每组备选信号通过信道传输得到的输出信号，选取该组备选信号对应的输出信号中与信号r[i]最接近的星座点作为最优候选点，此最优候选点为最终的检测信号
参数更新模块5，用于依据获取的检测信号更新滤波器的参数。
本发明系统，在现有的ADF系统中增加对估算信号的可靠性判定以及对不可靠信号的纠错修正功能，从而获得更准确的自适应滤波矩阵来达到提高信号可靠性的目的。本发明系统应用广泛，可运用到任何使用到判决反馈过程的系统中，如通信领域的自动均衡、回波消除、天线阵波束形成等等。
相应的，本发明的基于星座限制的自适应判决反馈滤波方法(Adaptive DecisionFeedback Detection with Constellation Constraints，简称ADFCC)，如图2所示，应用广泛，可运用到任何使用到判决反馈过程的系统中，如通信领域的自动均衡、回波消除、天线阵波束形成等等。本次发明实施例中，为了方便理解会以一个MIMO系统为例进行说明，其过程为：
首先我们考虑一个由NT根传输天线和NR根接收天线组成的空间多路MIMO系统，并且NT≤NR。在发射端，每发射一个信号，系统就会传输NT个符号，生成一组NT×1的传输信号向量(·)T代表转置，s[i]表示第i个信号，i表示第i个(次)。接收端对接收到的信号进行解调之后，会接收到一组NR×1的接收信号向量并且
r[i]＝H[i]s[i]+v[i]； (1)
其中v[i]代表NR×1的高斯噪声向量，它的协方差矩阵E[v[i]vH[I]]＝σv 2I,E[·]代表数学期望，(·)H代表厄米共轭操作，σv是噪声能量，I是单位矩阵。s[i]是均值为0的向量，其协方差为E[s[i]sH[i]]＝σs 2I，σs是信号能量。矩阵H[i]是NR×NT的高斯信道矩阵。
为了提高接收信息的可靠性，首先利用自适应判决反馈(Adaptive DecisionFeedback，ADF)算法消除信道和噪声对信号的影响。具体过程如下：
由NR条接收天线接收的接收信号r[i]，经过ADF检测之后，会变成NT个检测信号检测端检测的信号的数量与发送端天线相同，检测信号是最后输出的信号。ADF算法的原理框图如图3所示，滤波器模块包括前向滤波器(或称为正反馈滤波器)和反向滤波器(或称为负反馈滤波器)。在检测端，有NT个数据流，除了第一条数据流外，剩下的NT-1条数据流中信号会受到两个滤波器的影响，分别为NR×1的正反馈滤波器ωf,k[i]和(k-1)×1的负反馈滤波器ωb,k[i]，其中k＝1,…,NT。这两个滤波器由排序连续干扰消除(orderedsuccessive interference cancellation,OSIC)方法求得，OSIC方法属于现有方法，具体参考文献Cho Y S,Kim J,Yang W Y,et al.MIMO-OFDM Wireless Communications withMATLAB[M].Wiley Publishing,2010。
设检测的信号向量为则接收信号r[i]经过ADF算法后得到的估计信号uk[i]为：
(·)H代表厄米共轭操作，由图3可知，负反馈滤波器ωb,k[i]和最终检测信号的大小都是(k-1)×1，且ωb,1[i]＝0。从整体考虑而言，可以将正反馈和负反馈滤波器关联起来，定义为
同理，可以将输入关联起来，定义为
综上，公式(2)可以改写为：
从公式(5)可以看出，要得到最优估计信号就是要得到最优滤波矩阵已知可以用循环最小二乘(recursive least squares，RLS)算法将最优滤波矩阵算出。其中RLS算法属于现有技术，参见文献S.Haykin,Adaptive Filter Theory,Thirded.Englewood Cliffs,NJ:Prentice-Hall,1996，其具体计算过程如下：
首先定义ωf,k[0]＝1；ωb,k[0]＝0；δ为较小的正常数。I为单位矩阵。根据RLS算法计算：
λ为遗忘因子，kk[i]是利用RLS算法得到的变化的系数，qk[i]，为本次发明中定义的变量，无特别意义，(·)H代表厄米共轭操作。在计算最优滤波矩阵过程之前会出现自适应参数ξk[i]。自适应判决算法在系统的两个模型中工作。在发送有用信息之前，算法会在训练模型中工作，在这个模型中发送的信号为已知信号，当滤波器的权重收敛为一个固定指标时，算法进入判决检测模型中。在判决检测模型中，检测器会使用被检测的信号去更新自适应参数ξk[i]。即
最终得到的最优滤波矩阵为：
为第i个信号的最优滤波矩阵，为检测第i-1个信号得到的最优滤波矩阵，kk[i]是利用RLS算法得到的变化的系数，(·)*代表共轭操作。
但是由于信道的复杂多变和噪声的不确定性，经过ADF检测器中得到输出信号uk[i]的信号可靠性有时并不能达到实际要求，即得到的自适应滤波器并不是真正意义上的最优滤波器。为了进一步提高信号检测的可靠性，本发明所提出的基于星座限制的自适应判决反馈滤波方法将通过对不可靠的信号uk[i]进行纠错修正，以便计算更精确的自适应参数ξk[i]，从而获得更可靠的低复杂度自适判决反馈信号处理装置。
因为一组信号集可以用信号空间的一组矢量来表示，相应的矢量集称为星座点，所以传输信号可以用来自星座A＝{a1,a2,…,aC}里的元素表示，相应的，所得到的检测信号也可以用星座A上的点表示。C代表星座点的数量，C的值根据所用调制方法决定。根据文献J.G.Proakis,Digital Communications[M],New York:McGraw-Hill,1995，通信系统的性能分析要求计算系统的错误概率，在许多情况下，错误概率以一个随机变量超过某个值的概率，即P(x＞α)。我们称概率P(x＞α)为尾部概率，即我们可以用尾部概率来表示信号出错的概率。图4为二进制相移键控(Binary Phase Shift Keying，BPSK)调制信号概率分布情况。由图4所示，这两个信号的尾部概率分别为P1(x＜μ-ε或x＞μ+ε)和P2(x＞-μ+ε或x＜-μ-ε)，x为图中坐标系的横轴，±μ为BPSK星座图上的元素，ε为一个适量的正数。则我们可以称当信号落入x＜μ-ε或x＞μ+ε或x＞-μ+ε或x＜-μ-ε这些区域时，信号为不可靠信号。
在此基础上，本发明提出一个星座限制判别模型用来判断本次发明的信号可靠性判断方法，也是可靠性判定模块3的具体处理过程，这个判决模型由图5所示，在此实例中，所采用的调制方法为正交相移键控(Quadrature Phase Shift Keyin，QPSK)，所以此时C＝4。图中横坐标I是实坐标，纵坐标Q是虚坐标，a1,a2,…,a4是星座点。
本发明的可靠性判定模块利用星座限制模块对经过ADF检测器后得到的信号uk[i]进行一次判决，判断该信号是否为可靠信号。由以上描述可知，当检测信号与星座图上某两个元素的距离相近时，检测信号为不可靠信号。所以规定若信号uk[i]落在如5图所示的阴影区域，即满足公式(11)公式(12)时，此时称信号为不可靠信号，反之为可靠信号，即
(1)d＞dth，此时
(2)此时
Re(·)代表向量的实部，Im(·)代表向量的虚部，d代表信号uk[i]与星座向量A中距离uk[i]最近的星座点的欧氏距离，且阴影区域为设置的范围预值，其范围大小由dth决定。dth为阴影区域范围阈值，在本次发明中，dth＝0.2。σs代表信号能量。
也就是说可靠性判定的具体过程为，首先根据传输信号功率与噪声功率的比值以及信号调制方法，确定划分星座图中不可靠星座点区域(即阴影区域)的参数取值(dth)；然后，根据该阴影区域参数取值，在信号星座图中划出完整的阴影区域；最后，根据uk[i]与星座图中各信号点间的欧氏距离以及阴影区域的范围，判定前向滤波器的输出信号是否是可靠的，即判定该输出信号是否落入星座图的阴影区域。
然后针对判决结果进行以下操作：
(1)若信号可靠。根据文献Digital Communications[M]中关于星座点的定义，则星座图A上距离估计信号uk[i]最近的星座点为最终的检测信号此距离是欧氏距离，其输出为最终的检测信号。
(2)若信号不可靠。利用反馈信号纠错模块对信号进行纠错修正处理。首利用备选反馈信号生成器先生成一组备选向量L＝{c1,c2,…,cm,…,cM}∈A，检测信号也可以用星座A上的点表示。cm是L中的第m个元素，且1≤m≤M。M为L中元素的个数，一般来说，M＝C，也可以根据计算复杂度的要求适量减少，在本发明实施例中M＝4。
然后利用最佳反馈信号选择器从备选向量中选择最优候选点，从候选向量L中获取最优候选点copt的具体实施过程如图6所示，包括以下过程。
为了得到最优候选点，首先定义判决检测向量 是向量Bk中的第m个元素，且1≤m≤M，M为向量Bk中元素的个数。每一个向量被定义为：
其中是在之前第1到第(k-1)个数据流得到的估算信号，cm是从候选星座点中选取的元素代替从ADF算法中得到的不可靠信号uk[i]。为待确定的判决检测向量，其计算方法将在下文进行介绍。为了方便计算，我们定义：
结合公式(4)，则可以得出
则根据公式(5)可得，待确定判决检测向量为：
重复公式(15)，(16)，可以依次得到
至此，得到了M个判决检测向量Bl，通过最大似然(Maximum Likelihood，ML)法求出最优候选点下标。ML为现有方法，参考文献Cho Y S,Kim J,Yang W Y,et al.MIMO-OFDMWireless Communications with MATLAB[M].Wiley Publishing,2010。则最优候选点下标为：
公式(17)表示把令取最小值时的m的取值赋值给opt，其中，r[i]是接收信号，H为信道，是向量Bk中的第m个元素，且1≤m≤M。所以，公式(17)是在众多的备选信号中，选择最优的信号，根据该最优信号获得的最接近接收信号r[i]。
则最终的检测信号为:
通过星座限制模块中的选择算法选择出最优的星座候选点copt，即最佳信号代替不可靠信号uk[i]，成为新的估算信号为了减少星座限制模块的计算复杂度，在这个过程中，所有的候选点经过的滤波器权重都是相同的。所得到的经过改善之后的信号将代替公式(9)中的信号从而获得一个新的更精确的参数ξk[i]，然后代替公式(10)中原来的ξk[i]，根据RLS算法过程可得，更准确的ξk[i]可以提高自适应滤波器的可靠性。
为了验证本发明方法的效果，在相同的试验条件下对信号分别采用本发明方法(ADFCC)和现有ADF方法进行滤波，表1所描述的是在经过100次训练模型后，本发明方法与ADF算法滤波器在不同的信噪比的情况下均方误差(Mean Squared Error，MSE)的性能对比表。
表1：为本发明方法与ADF算法对信号滤波的均方误差对比表
均方误差越小，则说明可靠性越高。如表1所示，在迭代次数为200次时，ADF与ADFCC的均方误差在信噪比(Signal Noise Ratio，SNR)为10db，15db，20db情况下的比较，db为信噪比的单位。由表1可知本发明方法明显优于ADF算法。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。
Claims (8)
1.基于星座限制的自适应判决反馈滤波系统，现有的自适应判决反馈系统包括滤波器模块和参数更新模块，滤波器模块对当前输入信号r[i]进行滤波均衡，得到估算信号uk[i]；其特征是，还包括可靠性判定模块和反馈信号纠错模块；
可靠性判定模块，用于对滤波器模块输出的估算信号uk[i]进行可靠性判定；若判定结果为不可靠，则执行反馈信号纠错模块；
反馈信号纠错模块，包括备选反馈信号生成器和最佳反馈信号选择器，备选反馈信号生成器中生成一组由星座图A中各星座点组成的备选信号，最佳反馈信号选择器计算每组备选信号通过信道传输得到的输出信号，选取该组备选信号对应的输出信号中与信号r[i]最接近的星座点作为最优候选点，此最优候选点为最终的检测信号
参数更新模块，用于依据获取的检测信号更新滤波器的参数。
2.根据权利要求1所述的基于星座限制的自适应判决反馈滤波系统，其特征是，可靠性判定模块对估算信号uk[i]进行可靠性判定的过程为，若信号uk[i]满足以下公式时，此时称信号为不可靠信号，反之为可靠信号；
(1)d＞dth，此时
(2)此时
Re(·)代表向量的实部，Im(·)代表向量的虚部，d代表信号uk[i]与星座向量A中距离uk[i]最近的星座点的欧氏距离，且dth为阴影区域范围阈值；σs代表信号能量。
3.根据权利要求1所述的基于星座限制的自适应判决反馈滤波系统，其特征是，最佳反馈信号选择器从备选信号中获取最优候选点copt的具体过程为：
首先定义判决检测向量M为向量Bk中元素的个数；每一个向量被定义为：
<mrow>
<msubsup>
<mi>b</mi>
<mi>k</mi>
<mi>m</mi>
</msubsup>
<mo>=</mo>
<mo>&lsqb;</mo>
<msub>
<mover>
<mi>s</mi>
<mo>^</mo>
</mover>
<mn>1</mn>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mover>
<mi>s</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<msub>
<mi>c</mi>
<mi>m</mi>
</msub>
<mo>,</mo>
<msub>
<mover>
<mi>b</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<mo>...</mo>
<msub>
<mover>
<mi>b</mi>
<mo>^</mo>
</mover>
<msub>
<mi>N</mi>
<mi>T</mi>
</msub>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>&rsqb;</mo>
</mrow>
其中是在之前第1到第(k-1)个数据流得到的检测信号，cm是从候选星座点中选取的元素代替不可靠信号uk[i]；为待确定的判决检测向量，为了方便计算，定义：
则可以得出
已知：
<mrow>
<msub>
<mover>
<mi>b</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<msubsup>
<mover>
<mi>&omega;</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<msub>
<mover>
<mi>r</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
</mrow>
重复以上步骤，可以依次得到通过最大似然法求出最优候选点下标为：
<mrow>
<mi>o</mi>
<mi>p</mi>
<mi>t</mi>
<mo>=</mo>
<msub>
<mi>argmin</mi>
<mrow>
<mn>1</mn>
<mo>&le;</mo>
<mi>m</mi>
<mo>&le;</mo>
<mi>M</mi>
</mrow>
</msub>
<mo>|</mo>
<mo>|</mo>
<mi>r</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>-</mo>
<msubsup>
<mi>Hb</mi>
<mi>k</mi>
<mi>m</mi>
</msubsup>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
根据该最优信号获得的最接近接收信号r[i]；
则最终的检测信号为:
<mrow>
<msub>
<mover>
<mi>s</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<msub>
<mi>c</mi>
<mrow>
<mi>o</mi>
<mi>p</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>.</mo>
</mrow>
4.基于星座限制的自适应判决反馈滤波方法，其特征是，包括以下步骤：
步骤S1，首先对接收信号r[i]采用ADF算法进行滤波，得到估算信号uk[i]；
步骤S2，利用星座限制判决信号uk[i]是否为可靠信号，规定若信号uk[i]满足以下公式时，此时称信号为不可靠信号，反之为可靠信号；
(1)d＞dth，此时
(2)此时
Re(·)代表向量的实部，Im(·)代表向量的虚部，d代表信号uk[i]与星座向量A中距离uk[i]最近的星座点的欧氏距离，且dth为阴影区域范围阈值；σs代表信号能量；
步骤S3，若信号可靠，则星座图A上距离估计信号uk[i]最近的星座点为最终的检测信号
若信号不可靠，首先生成一组备选向量L＝{c1,c2,…,cm,…,cM}∈A，然后从候选向量L中获取最优候选点copt，则最终的检测信号为:
步骤S4，基于以上获得的检测信号代入RLS算法中获得新的参数ξk[i]，基于此参数ξk[i]得到最优滤波矩阵。
5.根据权利要求4所述的基于星座限制的自适应判决反馈滤波方法，其特征是，步骤S1中，设检测的信号向量为接收信号r[i]经过自适应判决反馈算法后得到的估计信号uk[i]为：
<mrow>
<msub>
<mi>u</mi>
<mi>k</mi>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<msubsup>
<mi>&omega;</mi>
<mrow>
<mi>f</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mi>r</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>-</mo>
<msubsup>
<mi>&omega;</mi>
<mrow>
<mi>b</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<msub>
<mover>
<mi>s</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
其中ωf,k[i]为正反馈滤波器，ωb,k[i]为负反馈滤波器；(·)H代表厄米共轭操作,k＝1,…,NT。
6.根据权利要求4所述的基于星座限制的自适应判决反馈滤波方法，其特征是，步骤S3中，从候选向量L中获取最优候选点copt的具体过程为：
首先定义判决检测向量M为向量Bk中元素的个数；每一个向量被定义为：
<mrow>
<msubsup>
<mi>b</mi>
<mi>k</mi>
<mi>m</mi>
</msubsup>
<mo>=</mo>
<mo>&lsqb;</mo>
<msub>
<mover>
<mi>s</mi>
<mo>^</mo>
</mover>
<mn>1</mn>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mover>
<mi>s</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<msub>
<mi>c</mi>
<mi>m</mi>
</msub>
<mo>,</mo>
<msub>
<mover>
<mi>b</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<mo>...</mo>
<msub>
<mover>
<mi>b</mi>
<mo>^</mo>
</mover>
<msub>
<mi>N</mi>
<mi>T</mi>
</msub>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>&rsqb;</mo>
</mrow>
其中是在之前第1到第(k-1)个数据流得到的检测信号，cm是从候选星座点中选取的元素代替不可靠信号uk[i]；为待确定的判决检测向量，为了方便计算，定义：
则可以得出
已知：
<mrow>
<msub>
<mover>
<mi>b</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<msubsup>
<mover>
<mi>&omega;</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<msub>
<mover>
<mi>r</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
</mrow>
重复以上过程，可以依次得到通过最大似然法求出最优候选点下标为：
<mrow>
<mi>o</mi>
<mi>p</mi>
<mi>t</mi>
<mo>=</mo>
<msub>
<mi>argmin</mi>
<mrow>
<mn>1</mn>
<mo>&le;</mo>
<mi>m</mi>
<mo>&le;</mo>
<mi>M</mi>
</mrow>
</msub>
<mo>|</mo>
<mo>|</mo>
<mi>r</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>-</mo>
<msubsup>
<mi>Hb</mi>
<mi>k</mi>
<mi>m</mi>
</msubsup>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
根据该最优信号获得的最接近接收信号r[i]；
则最终的检测信号为:
<mrow>
<msub>
<mover>
<mi>s</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<msub>
<mi>c</mi>
<mrow>
<mi>o</mi>
<mi>p</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>.</mo>
</mrow>
7.根据权利要求4所述的基于星座限制的自适应判决反馈滤波方法，其特征是，步骤S4中，参数ξk[i]的更新公式为：
8.根据权利要求7所述的基于星座限制的自适应判决反馈滤波方法，其特征是，最优滤波矩阵为：
<mrow>
<msub>
<mover>
<mi>&omega;</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<msub>
<mover>
<mi>&omega;</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>+</mo>
<msub>
<mi>k</mi>
<mi>k</mi>
</msub>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
<msubsup>
<mi>&xi;</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
</mrow>
为第i个信号的最优滤波矩阵，为检测第i-1个信号得到的最优滤波矩阵，kk[i]是利用RLS算法得到的变化的系数，(·)*代表共轭操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710332769.7A CN107086972A (zh) | 2017-05-12 | 2017-05-12 | 基于星座限制的自适应判决反馈滤波系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710332769.7A CN107086972A (zh) | 2017-05-12 | 2017-05-12 | 基于星座限制的自适应判决反馈滤波系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107086972A true CN107086972A (zh) | 2017-08-22 |
Family
ID=59613181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710332769.7A Pending CN107086972A (zh) | 2017-05-12 | 2017-05-12 | 基于星座限制的自适应判决反馈滤波系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107086972A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6246722B1 (en) * | 1998-04-29 | 2001-06-12 | Nortel Networks Limited | Method of detection of misconvergence using constellation scanning in an equalizer |
| CN101119177A (zh) * | 2006-08-04 | 2008-02-06 | 中国科学院声学研究所 | 一种相干通信机用的比特-符号信号处理方法 |
| CN101388677A (zh) * | 2008-10-23 | 2009-03-18 | 华南理工大学 | 基于盲信号分离的通信接收机抗干扰方法及其系统 |
| CN101908949A (zh) * | 2010-08-20 | 2010-12-08 | 西安交通大学 | 无线通信系统及其基站、中继站、用户终端和数据的发送接收方法 |
-
2017
- 2017-05-12 CN CN201710332769.7A patent/CN107086972A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6246722B1 (en) * | 1998-04-29 | 2001-06-12 | Nortel Networks Limited | Method of detection of misconvergence using constellation scanning in an equalizer |
| CN101119177A (zh) * | 2006-08-04 | 2008-02-06 | 中国科学院声学研究所 | 一种相干通信机用的比特-符号信号处理方法 |
| CN101388677A (zh) * | 2008-10-23 | 2009-03-18 | 华南理工大学 | 基于盲信号分离的通信接收机抗干扰方法及其系统 |
| CN101908949A (zh) * | 2010-08-20 | 2010-12-08 | 西安交通大学 | 无线通信系统及其基站、中继站、用户终端和数据的发送接收方法 |
Non-Patent Citations (1)
| Title |
|---|
| PENG LI等: "Adaptive Decision-Feedback Detection With Constellation Constraints for MIMO Systems", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cai et al. | Adaptive PSAM accounting for channel estimation and prediction errors | |
| EP0998805B1 (en) | Determination of the length of a channel impulse response | |
| CN104079511B (zh) | 最大似然ml接收机数据处理的方法及装置 | |
| CN106911374A (zh) | 一种低复杂度软输出空间调制检测方法 | |
| US8711987B2 (en) | Method and receiver for jointly decoding received communication signals using maximum likelihood detection | |
| CN104243377B (zh) | 一种干扰抑制方法和装置 | |
| CN107580770A (zh) | 用于具有不足的循环前缀长度的移动系统的信道估计的方法和设备 | |
| Şahin et al. | Distributed learning over a wireless network with FSK-based majority vote | |
| CN112215335B (zh) | 一种基于深度学习的系统检测方法 | |
| Borah et al. | Receiver structures for time-varying frequency-selective fading channels | |
| Khan et al. | Symbol denoising in high order M-QAM using residual learning of deep CNN | |
| CN109217979A (zh) | 一种通信方法、装置及存储介质 | |
| CN106850020A (zh) | 非理想信道状态下mimo系统中基于组合干扰对齐方法 | |
| US8867445B2 (en) | Bit soft value normalization | |
| CN107086972A (zh) | 基于星座限制的自适应判决反馈滤波系统及方法 | |
| Wen et al. | Waveform design for high-order QAM faster-than-Nyquist transmission in the presence of phase noise | |
| CN104067584A (zh) | 使用具有不明确性的串行局部化的解调器的度量校正 | |
| CN100358324C (zh) | 用于突发通信的数据均衡方法 | |
| Li et al. | A Bayesian approach for adaptively modulated signals recognition in next-generation communications | |
| CN114614863A (zh) | Mimo检测器选择 | |
| CN103647734B (zh) | 用于卫星移动通信终端的信道估计和均衡的方法及装置 | |
| CN110190908B (zh) | 一种最小化isi信道中非相干大规模simo系统误码率的星座图设计方法 | |
| CN106357318A (zh) | 收敛速率可调的大规模mimo迭代检测方法 | |
| CN111769975A (zh) | Mimo系统信号检测方法及系统 | |
| CN114884783B (zh) | 一种利用神经网络进行电力线系信道估计的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170822 |