CN112468419B - 一种自适应的双模式盲均衡方法及系统 - Google Patents
一种自适应的双模式盲均衡方法及系统 Download PDFInfo
- Publication number
- CN112468419B CN112468419B CN202011320755.1A CN202011320755A CN112468419B CN 112468419 B CN112468419 B CN 112468419B CN 202011320755 A CN202011320755 A CN 202011320755A CN 112468419 B CN112468419 B CN 112468419B
- Authority
- CN
- China
- Prior art keywords
- ddlms
- algorithm
- cma
- error signal
- 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.)
- Active
Links
Images
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
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/025—Channel estimation channel estimation algorithms using least-mean-square [LMS] method
-
- 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
- H04L25/0202—Channel estimation
- H04L25/0238—Channel estimation using blind estimation
-
- 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
- H04L25/03878—Line equalisers; line build-out devices
- H04L25/03885—Line equalisers; line build-out devices adaptive
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Filters That Use Time-Delay Elements (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
本发明公开了一种自适应的双模式盲均衡方法及系统,所述方法包括:对接收端的接收信号采用DDLMS算法计算第一误差信号;根据第一误差信号,判断选择DDLMS模式、CMA+DDLMS加权双模式或CMA模式计算第二误差信号;利用第二误差信号对抽头系数进行更新;利用更新后的抽头系数对接收信号进行均衡计算,并根据均衡后数据进行判决和误差计算。本发明的方法具有更快的收敛速度、更小的剩余误差、以及在不同信噪比情况下都具有更小的误码率。
Description
技术领域
本发明涉及信道均衡技术领域,具体涉及一种自适应的双模式盲均衡方法及系统。
背景技术
在卫星通信系统中,有限的传输带宽、多径效应和加性噪声等因素会导致接收的码元存在很严重的码间串扰,严重影响通信质量,降低通信的可靠性与稳定性。目前,信道均衡技术是解决这一问题的有效方式,在军事和民用领域都有着广泛的应用前景。由于无线通信信道的传输特性往往是时变的,因此均衡器在处理接收信号时必须实时跟踪信道的变化,才能消除码间串扰,补偿失真的信号。为了实现这一目标,提出了均衡系数可以调整的自适应均衡技术。自适应均衡技术主要分为传统的自适应均衡和盲均衡两类。传统的自适应均衡算法主要有最小均方(Least Mean Square,LMS)算法和递归最小二乘(RecursiveLeast Squares,RLS)算法两种,需要足够的训练序列才能达到比较好的效果,这会降低频谱利用率。
几十年来,针对不同的应用需求,研究者提出了多种盲均衡算法。其中,最早提出的常模算法(Constant Modulus Algorithm,CMA)易于实现,计算量少,是目前应用最广泛的一种盲均衡算法,但是存在着收敛速度慢,稳态误差大,无法修正相位偏移等缺点。为了进一步改善相位恢复能力,提出了修正恒模算法(Modified Constant ModulusAlgorithm,MCMA),然而其在收敛速度和稳态误差方面并没有明显改进。因此,为了进一步提高均衡器的收敛速度和降低稳态误差,有学者提出了Bussgang类盲均衡算法和判决引导最小均方(Direct Decision Least Mean Square,DDLMS)算法相联合的双模式盲均衡算法。基于该基本原理,2019年,王光旭等人提出了基于余弦代价函数的双模盲均衡算法,该算法中两个均衡器并联使用,且使用凸组合结构联合两个均衡器,复杂度高。同年,丛文胜提出了并行多模算法(Multimode Algorithm,MMA)+区域多模算法(Regional MultimodeAlgorithm,RMA)算法,该算法也是两个均衡器并联使用,每一次迭代过程中都需要计算两种算法的误差,复杂度高。此外,该算法在收敛初期利用Bussgang类盲均衡算法使算法的均方误差减小,然后切换到DDLMS算法,使均衡效果达到更优。将Bussgang类盲均衡算法和DDLMS算法结合起来的核心思想是切换或加权。其中切换双模式盲均衡算法通过对每一次的误差进行阈值判断来选择对应的模式,然而该算法只有一个判决阈值,普适性差,容易导致算法不收敛或者收敛非常慢。加权双模式盲均衡算法兼顾两种不同算法误差的误差函数,可以改善算法收敛性能,但是计算复杂度增加。由以上分析可知,近年来提出的并行双模式算法复杂度高,传统的切换双模式算法和加权双模式算法各有优缺点。
发明内容
本发明的目的在于克服盲均衡算法收敛速度慢、稳态误差大、计算复杂度高等问题,提出一种切换模式和加权模式联合CMA+DDLMS双模式盲均衡方法。
为实现上述目的,本发明的实施例1提出了一种自适应的双模式盲均衡方法,所述方法包括:
对接收端的接收信号采用DDLMS算法计算第一误差信号;
根据第一误差信号,判断选择DDLMS模式、CMA+DDLMS加权双模式或CMA模式计算第二误差信号;
利用第二误差信号对抽头系数进行更新;
利用更新后的抽头系数对接收信号进行均衡。
作为上述方法的一种改进,所述方法还包括:初始化的步骤,具体包括:
初始化抽头系数w(1);
设置DDLMS算法的步长参数μDDLMS和CMA算法的步长参数μcma;
设置第一阈值Rmax和第二阈值Rmin。
作为上述方法的一种改进,所述对接收端的接收信号采用DDLMS算法计算第一误差信号;具体包括:
第k次迭代的接收信号为x(k),根据抽头系数w(k),计算均衡后的信号y(k):
y(k)=w(k)*x(k)
其中,k的初始值为1;
作为上述方法的一种改进,所述根据第一误差信号,判断选择DDLMS模式、CMA+DDLMS加权双模式或CMA模式计算第二误差信号;具体包括:
第二误差信号e(k)为:
其中,μcma,ecma(k)分别是CMA算法的步长因子和误差信号;μDDLMS是DDLMS算法的步长因子;
加权函数g(k)的定义为:
其中,γ是常数,用于调节加权函数g(k)。
作为上述方法的一种改进,所述利用第二误差信号对抽头系数进行更新;具体为:
抽头系数的更新方程为:
w(k+1)=w(k)-e*(k)x(k)
其中,w(k)和w(k+1)分别为第k次迭代和第k+1次迭代的抽头系数,e*(k)表示为e(k)取复共轭。
本发明的实施例2提出了一种自适应的双模式盲均衡系统,所述系统包括:自适应盲均衡器、判决器和第一误差信号计算模块;
所述自适应盲均衡器,用于对输入的接收信号采用DDLMS算法计算输出信号,将输出信号分别输入判决器和第一误差信号计算模块;根据第一误差信号计算模块输出的第一误差信号,判断选择DDLMS模式、CMA+DDLMS加权双模式或CMA模式计算第二误差信号;利用第二误差信号对抽头系数进行更新;利用更新后的抽头系数对接收信号进行均衡;
所述判决器,用于对自适应盲均衡器的输出信号逐个进行判决,将判决结果输出至第一误差信号计算模块;
所述第一误差信号计算模块,用于将判决器输出的判决结果和自适应盲均衡器输出的输出信号做差,得到第一误差信号并输出至自适应盲均衡器。
作为上述系统的一种改进,所述自适应盲均衡器包括:初始化模块、DDLMS计算模块、CMA计算模块、加权双模式均衡计算模块、切换模块、第二误差计算模块和抽头系数更新模块;
所述初始化模块,用于初始化抽头系数w(1);设置DDLMS算法的步长参数μDDLMS和CMA算法的步长参数μcma;设置第一阈值Rmax和第二阈值Rmin;
所述DDLMS计算模块,用于对接收端的接收信号采用DDLMS算法计算输出信号;分别输出至判决器和第一误差信号计算模块;
所述CMA计算模块,用于对接收端的接收信号采用CMA算法计算输出信号,并计算该算法的误差信号ecma(k),分别输出至加权双模式盲均衡计算模块和第二误差计算模块;
所述加权双模式均衡计算模块,用于根据CMA算法的误差信号ecma(k)和第一误差信号计算模块输出的第一误差信号eDDLMS(k),利用加权函数计算该模块的误差信号:
μcmag(k)ecma(k)+μDDLMS(1-g(k))eDDLMS(k)
其中,μcma是CMA算法的步长因子;μDDLMS是DDLMS算法的步长因子;
加权函数g(k)的定义为:
其中,γ是常数,用于调节加权函数g(k);
将该模块的误差信号输出至第二误差计算模块;
所述切换模块,用于当第一误差信号eDDLMS(k)的绝对值大于Rmax,启动CMA计算模块;当第一误差信号eDDLMS(k)的绝对值小于Rmin,将第一误差信号eDDLMS(k)输出至第二误差计算模块;当第一误差信号eDDLMS(k)的绝对值介于Rmin与Rmax之间时,启动加权双模式均衡计算模块;
所述第二误差计算模块,用于计算第二误差信号e(k):
然后将第二误差信号e(k)输出至抽头系数更新模块;
所述抽头系数更新模块,用于更新抽头系数:
w(k+1)=w(k)-e*(k)x(k)
其中,w(k)和w(k+1)分别为第k次迭代和第k+1次迭代的抽头系数,e*(k)表示为e(k)取复共轭。
作为上述系统的一种改进,所述第一误差信号计算模块的具体实现过程为:
第一误差信号eDDLMS(k)为:
其中,y(k)为DDLMS计算模块输出的信号:
y(k)=w(k)*x(k)
本发明的优势在于:
1、为了提高均衡器的收敛性能,降低均衡器的计算复杂度,本发明综合切换双模式盲均衡算法和加权双模式盲均衡算法的优缺点,提出一种切换、加权模式联合的CMA+DDLMS双模式盲均衡方法,仿真结果表明,该方法具有更快的收敛速度、更小的剩余误差、以及在不同信噪比情况下都具有更小的误码率;
2、仿真结果表明,本发明的方法收敛速度快,约为600个符号;稳态误差小,约为0.1;误码率小,在信噪比为25dB时,误码率约为10-6;
3、本发明的系统可广泛应用于无线通信、光通信、声纳和雷达等众多领域。
附图说明
图1为本发明的自适应的双模式盲均衡方法的原理图;
图2为本发明的方法的仿真实现框图;
图3为本发明的自适应的双模式盲均衡方法的流程图;
图4(a)为发送信号星座图;
图4(b)为均衡器输入信号星座图;
图4(c)为CMA均衡器输出信号星座图;
图4(d)为MCMA均衡器输出信号星座图;
图4(e)为DDLMS均衡器输出信号星座图;
图4(f)为CMA+DDLMS均衡器输出信号星座图;
图5(a)为CMA算法误差收敛曲线;
图5(b)为MCMA算法误差收敛曲线;
图5(c)为DDLMS算法误差收敛曲线;
图5(d)为CMA+DDLMS算法误差收敛曲线;
图6(a)为γ=1,CMA+DDLMS算法误差收敛曲线;
图6(b)为γ=5,CMA+DDLMS算法误差收敛曲线;
图6(c)为γ=9,CMA+DDLMS算法误差收敛曲线;
图6(d)为γ=15,CMA+DDLMS算法误差收敛曲线;
图7(a)为Rmax=0.6,Rmin=0.4,CMA+DDLMS算法误差收敛曲线;
图7(b)为Rmax=0.7,Rmin=0.3,CMA+DDLMS算法误差收敛曲线;
图7(c)为Rmax=0.8,Rmin=0.2,CMA+DDLMS算法误差收敛曲线;
图7(d)为Rmax=1,Rmin=0,CMA+DDLMS算法误差收敛曲线;
图8为4种算法误码率曲线对比图。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明。
为进一步改进盲均衡算法收敛速度慢、稳态误差大、计算复杂度高等问题,本发明提出一种切换模式和加权模式联合CMA+DDLMS双模式盲均衡方法。首先对CMA、MCMA、DDLMS三种盲均衡算法进行性能仿真,分析三种盲均衡算法的优缺点,选取CMA和DDLMS两种盲均衡算法。然后,综合切换双模式盲均衡算法和加权双模式盲均衡算法的优缺点,对切换、加权模式联合的CMA+DDLMS双模式盲均衡算法进行仿真。最后,在不同信噪比条件下,对CMA算法、MCMA算法、DDLMS算法和CMA+DDLMS双模式盲均衡算法进行仿真,得出对应的误码率曲线。
1、均衡算法分析
1.1CMA算法
CMA是当P=2时的Godard算法。它的核心思想是利用最陡梯度下降法来寻找代价函数的最小值点,此时均衡器权系数稳定在最优解附近。
CMA算法的代价函数为:
J2(k)=E[(|y(k)|2-R2)2 (1)
其中,y(k)是均衡器的输出,R2的定义为:
R2=E[|a(k)|4)]/E[|a(k)|2] (2)
其中,a(k)是输入序列。
CMA算法的误差信号为
e(k)=y(k)(|y(k)|2-R2) (3)
均衡器抽头系数的更新方程为
w(k+1)=w(k)-μe*(k)x(k) (4)
其中,w(k)自适应滤波系数向量,μ表示步长因子,x(k)均衡器输入序列,e*(k)表示为e(k)取复共轭。
由以上公式可知,该算法的主要优点是代价函数只与接收信号的幅度有关,与相位无关,对载波相位偏移不敏感等。然而,该算法也存在收敛速度慢,稳态误差大等缺点。
1.2MCMA算法
针对CMA算法无法自动纠正信号相位旋转这一缺点,本申请提出了改进的CMA(Modified CMA,MCMA)算法——修正恒模算法(MCMA)。
MCMA算法的代价函数为
J(k)=E[(yR(k)2-R2,R)2]+E[(yI(k)2-R2,I)2] (5)
其中,yR(k)和yI(k)分别是输出信号y(k)的实部和虚部;R2,R和R2,I的定义分别为
R2,R=E[|aR(k)|4)]/E[|aR(k)|2] (6)
R2,I=E[|aI(k)|4)]/E[|aI(k)|2] (7)
其中,aR(k)和aI(k)分别是输入序列a(k)的实部和虚部。
MCMA算法的误差信号为
e(k)=yR(k)(yR(k)2-R2,R)+jyI(k)(yI(k)2-R2,I) (8)
均衡器抽头系数的更新方程为
w(k+1)=w(k)-μe*(k)x(k) (9)
其中,w(k)自适应滤波系数向量,μ表示步长因子,x(k)均衡器输入序列,e*(k)表示为e(k)取复共轭。
该算法分别对均衡器输出信号实部的代价函数和虚部的代价函数进行最小化处理,其代价函数包含了相位信息。由于正交幅度调制(Quadrature Amplitude Modulation,QAM)调制信号可以分解为同相和正交两路等幅度信号,MCMA可利用该特性消除在复信道的作用下信号产生的相位偏移。然而,8相移键控(8Phase Shift Keying,8PSK),16幅度相移键控(16Amplitude Phase Shift Keying,16APSK)等调制信号不具备同相和正交两路信号分解的特性,MCMA并不能消除它的相位偏移。此外,相比于CMA算法,MCMA算法在稳态误差和收敛速度上并没有明显改进。
1.3DDLMS算法
DDLMS算法是LMS算法上的进一步改进,与LMS算法的主要区别是误差函数,既保留了LMS算法的优点,也没有额外增加太多计算量。
DDLMS算法的代价函数为
DDLMS算法的误差信号为:
均衡器抽头系数的更新方程为
w(k+1)=w(k)+μe*(k)x(k) (12)
其中,w(k)自适应滤波系数向量,μ表示步长因子,x(k)均衡器输入序列,e*(k)表示为e(k)取复共轭。
DDLMS算法是对均衡器输出信号逐个进行判决,即对星座点进行判断,看哪个星座点离它最近就判决到那个点,将判决输出与均衡器输出之差作为误差函数。由于均衡器输出符号向各自距离最近的理想符号靠拢,因此,收敛后剩余误差很小。然而,其不足是当信号的判决误差较大时,该算法无法收敛。因此,DDLMS算法常与其它盲均衡算法联合使用,这样能更好的改善均衡器的收敛性能。
本发明的实施例1提出了一种自适应的双模式盲均衡方法,基于CMA+DDLMS双模式盲均衡算法实现,具体包括:
由于CMA算法和MCMA算法属于Bussgang类盲均衡算法,它们都具有较大的稳态误差和较慢的收敛速度,因此,CMA和MCMA联合并不会提高均衡性能。此外,MCMA算法只可以纠正具有同相和正交两路信号独立分解特性的调制信号的相偏,无法纠正8PSK,16APSK等调制信号的相偏,且该算法比CMA算法实现复杂。因此,本发明基于信号相偏纠正能力、收敛速度和稳态误差等综合考虑,选择CMA和DDLMS相联合的双模式盲均衡算法。CMA+DDLMS双模式盲均衡算法原理图如图1所示。
CMA+DDLMS双模式盲均衡算法的工作原理是:首先设置两个判决阈值Rmax和Rmin;当DDLMS算法误差的绝对值|eDDLMS(k)|≥Rmax,选择CMA算法;当|eDDLMS(k)|≤Rmin,选择DDLMS算法;当Rmin≤|eDDLMS(k)|≤Rmax,选择加权双模式盲均衡算法。
CMA+DDLMS双模式盲均衡算法的误差信号为
其中,μcma,ecma(k)分别是CMA算法的步长因子和误差函数;μDDLMS,eDDLMS(k)分别是DDLMS算法的步长因子和误差函数。
加权函数g(k)的定义为
该加权函数是与DDLMS算法误差有关的非线性函数,|eDDLMS(k)|越接近Rmax,g(k)就越大,此时加权双模式算法误差中CMA误差所占比重更大;|eDDLMS(k)|越接近Rmin,g(k)就越小,此时加权双模式算法误差中DDLMS误差所占比重更大。该加权函数可使得切换模式和加权模式之间的连接更平滑,可有效结合两种模式的优点。其中,γ是常数,用于调节加权函数g(k)。
均衡器抽头系数的更新方程为
w(k+1)=w(k)-e*(k)x(k) (15)
其中,w(k)自适应滤波系数向量,x(k)均衡器输入序列,e*(k)表示为e(k)取复共轭。
CMA算法的步长因子比DDLMS算法的步长因子小两个数量级,CMA+DDLMS双模式盲均衡算法采取固定步长因子,若步长因子选择不当,会对CMA+DDLMS双模式盲均衡算法的收敛造成严重影响,因此,需经过多次仿真找出最佳步长因子。此外,γ,Rmax和Rmin的取值对双模式盲均衡算法的均衡性能和计算复杂度有一定的影响,需要根据不同信道和噪声特性寻找出合适的取值。
2、均衡算法仿真与结果分析
为验证改进算法在卫星通信系统中盲均衡的性能,模拟卫星通信信道对CMA算法、MCMA算法、DDLMS算法和CMA+DDLMS双模式盲均衡算法进行仿真,其具体实现框图如图2所示,CMA+DDLMS双模式盲均衡算法流程图如图3所示。其中仿真采取8PSK调制方式;信道为典型多径信道加高斯白噪声信道,信噪比为25dB;根升余弦滤波器的滚降系数是0.5,截断的符号范围是8,每个符号输出采样点个数是4;CMA+DDLMS双模式盲均衡算法中CMA算法步长μcma为0.0019、DDLMS算法步长μDDLMS为0.01,判决阈值Rmax=0.85、Rmin=0.15,加权调节系数γ=9。
2.1不同均衡算法仿真结果
对应无均衡算法和采取不同均衡算法的信号星座图如图4(a)、4(b)、4(c)、4(d)、4(e)和4(f)所示。采取不同均衡算法的剩余误差图如图5(a)、5(b)、5(c)和5(d)所示。
从图4(a)和图4(b)中可以看出发射信号在经过卫星通信信道传输后出现了明显的码间干扰,且产生了相位偏移,使得其星座图发散,扭曲,难以判决。从图4(c)、图4(d)、图4(e)和图4(f)可以看出经过均衡后的信号星座图较为集中,效果远好于未采取均衡算法的信号。其中,CMA+DDLMS双模式算法均衡后的信号星座图收敛情况最好,DDLMS算法次之,CMA算法和MCMA算法均存在相位偏移。
从图5(a)可知CMA算法仿真大概2000个符号后,误差趋于稳定,稳态误差值约为0.14;从图5(b)可知MCMA算法仿真大概3000个符号后,误差趋于稳定,稳态误差值约为0.35;从图5(c)可知DDLMS算法仿真大概1000个符号后,误差趋于稳定,稳态误差值约为0.06;从图5(d)可知CMA+DDLMS双模式算法仿真大概600个符号后,误差趋于稳定,稳态误差值约为0.1。由上可知,CMA+DDLMS双模式算法收敛速度最快,其稳态误差值只比DDLMS算法略大0.04。
2.2CMA+DDLMS双模式算法参数性能分析
两个判决阈值Rmax,Rmin和调节系数γ的取值对CMA+DDLMS双模式盲均衡算法的均衡性能和计算复杂度有较大的影响。因此,为研究它们是如何取得最佳值的,给出固定判决阈值Rmax=0.85和Rmin=0.15,只改变调节系数γ时的算法误差收敛曲线,如图6所示,其中图6(c)与图5(d)为相同情况下的仿真。此外,固定调节系数γ=9,只改变判决阈值Rmax和Rmin时的算法误差收敛曲线如图7所示。
从图6(a)可知,γ=1时,CMA+DDLMS双模式盲均衡算法不收敛。从图6(b)可知,γ=5时,CMA+DDLMS双模式算法仿真大概1500个符号后,误差趋于稳定,稳态误差值约为0.2,收敛速度较慢,稳态误差值大。从图6(c)可知,γ=9时,CMA+DDLMS双模式算法仿真大概600个符号后,误差趋于稳定,稳态误差值约为0.1,收敛速度快,稳态误差值小。从图6(d)可知,γ=15时,CMA+DDLMS双模式盲均衡算法仿真大概600个符号后,误差趋于稳定,稳态误差值约为0.1,收敛性能与γ=9时相近。因此可知,γ值过小,会导致不收敛或稳态误差过大;γ值过大,性能无明显提升,且会增加计算复杂度。因此,基于均衡性能和计算复杂度考虑,选取γ=9。
从图7(a)可知,Rmax=0.6,Rmin=0.4时,CMA+DDLMS双模式算法无法收敛。从图7(b)可知,Rmax=0.7,Rmin=0.3时,CMA+DDLMS双模式算法仿真大概1300个符号后,误差趋于稳定,稳态误差值约为0.2,收敛速度较慢,稳态误差值大。从图7(c)可知,Rmax=0.8,Rmin=0.2时,CMA+DDLMS双模式算法仿真大概1200个符号后,误差趋于稳定,稳态误差值约为0.13,收敛速度较快,稳态误差值较小。从图6(c)可知,Rmax=0.85,Rmin=0.15时,CMA+DDLMS双模式算法仿真大概600个符号后,误差趋于稳定,稳态误差值约为0.1,收敛速度快,稳态误差值小。从图7(d)可知,Rmax=1,Rmin=0时,CMA+DDLMS双模式算法仿真大概1500个符号后,误差趋于稳定,稳态误差值约为0.1,收敛性能与Rmax=0.85,Rmin=0.15时相近,然而此时由于Rmax过大,Rmin过小,会一直处于加权模式,计算复杂度增大。因此可知,Rmax过小,Rmin过大,会导致不收敛或稳态误差过大;Rmax过大,Rmin过小,性能无明显提升,且会增加计算复杂度。因此,基于均衡性能和计算复杂度考虑,选取Rmax=0.85,Rmin=0.15。
由以上分析可知,本文最终确定该算法中Rmax=0.85、Rmin=0.15、γ=9。此外,从图6(c)中可知,在Rmax=0.85,Rmin=0.15,γ=9的情况下,CMA+DDLMS双模式算法在仿真600符号后误差即降低至0.15以下,说明该算法的仿真主要是在DDLMS算法模式,加权模式持续时间很短。此外,由于DDLMS算法复杂度较低,因此,计算复杂度并未有较大增加。
2.3不同均衡算法误码率性能对比
按照图2所示框图,基于前面的仿真条件,即CMA+DDLMS双模式盲均衡算法的判决阈值Rmax=0.85、Rmin=0.15,加权调节系数γ=9,在不同信噪条件下,对无均衡、CMA算法、MCMA算法、DDLMS算法和CMA+DDLMS双模式盲均衡算法进行仿真,得到无均衡以及不同均衡算法的误码率曲线,具体如图8所示。
由图8可知,加均衡算法误码率性能优于无均衡算法误码率性能,且在不同信噪比条件下,CMA+DDLMS双模式盲均衡算法误码率性能优于DDLMS算法误码率性能,DDLMS算法误码率性能优于CMA算法误码率性能,CMA算法误码率性能优于MCMA算法误码率性能。其中,在25dB时CMA+DDLMS双模式盲均衡算法误码率约为10-6,优于DDLMS算法,且在信噪比大于13dB时,CMA+DDLMS双模式盲均衡算法误码率均小于10-5。因此,CMA+DDLMS双模式盲均衡算法在低信噪比条件和高信噪比条件下,性能都是最优的。
3、结论
本发明提出了一种切换模式和加权模式联合的CMA+DDLMS双模式盲均衡算法。该算法综合了CMA+DDLMS切换双模式算法和CMA+DDLMS加权双模式算法的优点,提高了切换双模式均衡算法的收敛性能,改善了加权双模式均衡算法计算复杂度高等问题。本文基于8PSK调制解调平台模拟卫星通信信道,对不同均衡算法进行仿真。仿真结果表明,相比于CMA算法和MCMA算法,CMA+DDLMS双模式算法收敛速度更快,稳态误差更小,且具有纠正相位偏移的能力;相比于DDLMS算法,CMA+DDLMS双模式算法收敛速度更快。在不同信噪比条件下,CMA+DDLMS双模式算法相比于CMA算法、MCMA算法和DDLMS算法,误码率更小。接下来将对该算法的实现复杂度做进一步的优化。
本发明的实施例2提出了一种自适应的双模式盲均衡系统,所述系统包括:自适应盲均衡器、判决器和第一误差信号计算模块;
所述自适应盲均衡器,用于对输入的接收信号采用DDLMS算法计算输出信号,将输出信号分别输入判决器和第一误差信号计算模块;根据第一误差信号计算模块输出的第一误差信号,采用CMA+DDLMS双模式盲均衡算法计算第二误差信号;利用第二误差信号对抽头系数进行更新;利用更新后的抽头系数对接收信号进行均衡;
所述自适应盲均衡器包括:初始化模块、DDLMS计算模块、CMA计算模块、加权双模式均衡计算模块、切换模块、第二误差计算模块和抽头系数更新模块;
所述初始化模块,用于初始化抽头系数w(1);设置DDLMS算法的步长参数μDDLMS和CMA算法的步长参数μcma;设置第一阈值Rmax和第二阈值Rmin;
所述DDLMS计算模块,用于对接收端的接收信号采用DDLMS算法计算输出信号;分别输出至判决器和第一误差信号计算模块;
所述CMA计算模块,用于对接收端的接收信号采用CMA算法计算输出信号,并计算该算法的误差信号ecma(k),分别输出至加权双模式盲均衡计算模块和第二误差计算模块;
所述加权双模式均衡计算模块,用于根据CMA算法的误差信号ecma(k)和第一误差信号计算模块输出的第一误差信号eDDLMS(k),利用加权函数计算该模块的误差信号:
μcmag(k)ecma(k)+μDDLMS(1-g(k))eDDLMS(k)
其中,μcma是CMA算法的步长因子;μDDLMS是DDLMS算法的步长因子;
加权函数g(k)的定义为:
其中,γ是常数,用于调节加权函数g(k);
将该模块的误差信号输出至第二误差计算模块;
所述切换模块,用于当第一误差信号eDDLMS(k)的绝对值大于Rmax,启动CMA计算模块;当第一误差信号eDDLMS(k)的绝对值小于Rmin,将第一误差信号eDDLMS(k)输出至第二误差计算模块;当第一误差信号eDDLMS(k)的绝对值介于Rmin与Rmax之间时,启动加权双模式均衡计算模块;
所述第二误差计算模块,用于计算第二误差信号e(k):
然后将第二误差信号e(k)输出至抽头系数更新模块;
所述抽头系数更新模块,用于更新抽头系数:
w(k+1)=w(k)-e*(k)x(k)
其中,w(k)和w(k+1)分别为第k次迭代和第k+1次迭代的抽头系数,e*(k)表示为e(k)取复共轭。
所述判决器,用于对自适应盲均衡器的输出信号逐个进行判决,将判决结果输出至第一误差信号计算模块;
所述第一误差信号计算模块,用于将判决器输出的判决结果和自适应盲均衡器输出的输出信号做差,得到第一误差信号并输出至自适应盲均衡器。
所述第一误差信号计算模块的具体实现过程为:
第一误差信号eDDLMS(k)为:
其中,y(k)为DDLMS计算模块输出的信号:
y(k)=w(k)*x(k)
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.一种自适应的双模式盲均衡方法,所述方法包括:
对接收端的接收信号采用DDLMS算法计算第一误差信号;
根据第一误差信号,判断选择DDLMS模式、CMA+DDLMS加权双模式或CMA模式计算第二误差信号;
利用第二误差信号对抽头系数进行更新;
利用更新后的抽头系数对接收信号进行均衡;
所述对接收端的接收信号采用DDLMS算法计算第一误差信号;具体包括:
第k次迭代的接收信号为x(k),根据抽头系数w(k),计算均衡后的信号y(k):
y(k)=w(k)*x(k)
其中,k的初始值为1;
所述根据第一误差信号,判断选择DDLMS模式、CMA+DDLMS加权双模式或CMA模式计算第二误差信号;具体包括:
第二误差信号e(k)为:
其中,μcma,ecma(k)分别是CMA算法的步长因子和误差信号;μDDLMS是DDLMS算法的步长因子;
加权函数g(k)的定义为:
其中,γ是常数,用于调节加权函数g(k);
所述利用第二误差信号对抽头系数进行更新;具体为:
抽头系数的更新方程为:
w(k+1)=w(k)-e*(k)x(k)
其中,w(k)和w(k+1)分别为第k次迭代和第k+1次迭代的抽头系数,e*(k)表示为e(k)取复共轭。
2.根据权利要求1所述的自适应的双模式盲均衡方法,其特征在于,所述方法还包括:初始化的步骤,具体包括:
初始化抽头系数w(1);
设置DDLMS算法的步长参数μDDLMS和CMA算法的步长参数μcma;
设置第一阈值Rmax和第二阈值Rmin。
3.一种自适应的双模式盲均衡系统,其特征在于,所述系统包括:自适应盲均衡器、判决器和第一误差信号计算模块;
所述自适应盲均衡器,用于对输入的接收信号采用DDLMS算法计算输出信号,将输出信号分别输入判决器和第一误差信号计算模块;根据第一误差信号计算模块输出的第一误差信号,判断选择DDLMS模式、CMA+DDLMS加权双模式或CMA模式计算第二误差信号;利用第二误差信号对抽头系数进行更新;利用更新后的抽头系数对接收信号进行均衡;
所述判决器,用于对自适应盲均衡器的输出信号逐个进行判决,将判决结果输出至第一误差信号计算模块;
所述第一误差信号计算模块,用于将判决器输出的判决结果和自适应盲均衡器输出的输出信号做差,得到第一误差信号并输出至自适应盲均衡器;
所述自适应盲均衡器包括:初始化模块、DDLMS计算模块、CMA计算模块、加权双模式均衡计算模块、切换模块、第二误差计算模块和抽头系数更新模块;
所述初始化模块,用于初始化抽头系数w(1);设置DDLMS算法的步长参数μDDLMS和CMA算法的步长参数μcma;设置第一阈值Rmax和第二阈值Rmin;
所述DDLMS计算模块,用于对接收端的接收信号采用DDLMS算法计算输出信号;分别输出至判决器和第一误差信号计算模块;
所述CMA计算模块,用于对接收端的接收信号采用CMA算法计算输出信号,并计算该算法的误差信号ecma(k),分别输出至加权双模式盲均衡计算模块和第二误差计算模块;
所述加权双模式均衡计算模块,用于根据CMA算法的误差信号ecma(k)和第一误差信号计算模块输出的第一误差信号eDDLMS(k),利用加权函数计算该模块的误差信号:
μcmag(k)ecma(k)+μDDLMS(1-g(k))eDDLMS(k)
其中,μcma是CMA算法的步长因子;μDDLMS是DDLMS算法的步长因子;
加权函数g(k)的定义为:
其中,γ是常数,用于调节加权函数g(k);
将该模块的误差信号输出至第二误差计算模块;
所述切换模块,用于当第一误差信号eDDLMS(k)的绝对值大于Rmax,启动CMA计算模块;当第一误差信号eDDLMS(k)的绝对值小于Rmin,将第一误差信号eDDLMS(k)输出至第二误差计算模块;当第一误差信号eDDLMS(k)的绝对值介于Rmin与Rmax之间时,启动加权双模式均衡计算模块;
所述第二误差计算模块,用于计算第二误差信号e(k):
然后将第二误差信号e(k)输出至抽头系数更新模块;
所述抽头系数更新模块,用于更新抽头系数:
w(k+1)=w(k)-e*(k)x(k)
其中,w(k)和w(k+1)分别为第k次迭代和第k+1次迭代的抽头系数,e*(k)表示为e(k)取复共轭;
所述第一误差信号计算模块的具体实现过程为:
第一误差信号eDDLMS(k)为:
其中,y(k)为DDLMS计算模块输出的信号:
y(k)=w(k)*x(k)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011320755.1A CN112468419B (zh) | 2020-11-23 | 2020-11-23 | 一种自适应的双模式盲均衡方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011320755.1A CN112468419B (zh) | 2020-11-23 | 2020-11-23 | 一种自适应的双模式盲均衡方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112468419A CN112468419A (zh) | 2021-03-09 |
CN112468419B true CN112468419B (zh) | 2021-08-31 |
Family
ID=74798476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011320755.1A Active CN112468419B (zh) | 2020-11-23 | 2020-11-23 | 一种自适应的双模式盲均衡方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112468419B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114268525A (zh) * | 2021-12-30 | 2022-04-01 | 重庆两江卫星移动通信有限公司 | 一种基于wdtb突发信号的自适应盲均衡方法及系统 |
CN114374587B (zh) * | 2022-01-18 | 2022-11-29 | 雅泰歌思(上海)通讯科技有限公司 | 基于帧的信道时域均衡方法 |
CN115733714B (zh) * | 2022-11-17 | 2024-04-19 | 广州航海学院 | 一种水声信道双模盲均衡方法、系统、设备及介质 |
CN117040976B (zh) * | 2023-08-22 | 2024-05-24 | 中国人民解放军国防科技大学 | 非合作通信条件下的双模式联合盲均衡方法及盲均衡器 |
CN117459354A (zh) * | 2023-09-14 | 2024-01-26 | 芯潮流(珠海)科技有限公司 | 应用于ps-pam系统的自适应均衡装置、方法、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6314134B1 (en) * | 1998-04-24 | 2001-11-06 | Lucent Technologies Inc. | Blind equalization algorithm with joint use of the constant modulus algorithm and the multimodulus algorithm |
CN106878211A (zh) * | 2017-02-16 | 2017-06-20 | 南京大学 | 一种卫星信道多模盲均衡算法 |
CN107566307A (zh) * | 2017-08-31 | 2018-01-09 | 北京睿信丰科技有限公司 | 盲均衡装置及方法、数据调制系统及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101931596A (zh) * | 2010-08-06 | 2010-12-29 | 北京国科环宇空间技术有限公司 | 一种盲均衡方法及盲均衡装置 |
US9559875B2 (en) * | 2012-05-09 | 2017-01-31 | Northrop Grumman Systems Corporation | Blind equalization in a single carrier wideband channel |
CN107786475B (zh) * | 2016-08-26 | 2020-04-10 | 深圳市中兴微电子技术有限公司 | 盲均衡误差计算方法和装置 |
CN111800356B (zh) * | 2020-06-16 | 2023-01-31 | 北京银河信通科技有限公司 | 并行变步长cma均衡算法、装置、电子设备及存储介质 |
-
2020
- 2020-11-23 CN CN202011320755.1A patent/CN112468419B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6314134B1 (en) * | 1998-04-24 | 2001-11-06 | Lucent Technologies Inc. | Blind equalization algorithm with joint use of the constant modulus algorithm and the multimodulus algorithm |
CN106878211A (zh) * | 2017-02-16 | 2017-06-20 | 南京大学 | 一种卫星信道多模盲均衡算法 |
CN107566307A (zh) * | 2017-08-31 | 2018-01-09 | 北京睿信丰科技有限公司 | 盲均衡装置及方法、数据调制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112468419A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112468419B (zh) | 一种自适应的双模式盲均衡方法及系统 | |
US7944964B2 (en) | Apparatus and method for stable DEF using selective FBF | |
US6563868B1 (en) | Method and apparatus for adaptive equalization in the presence of large multipath echoes | |
US8837626B2 (en) | Conditional adaptation of linear filters in a system having nonlinearity | |
CA2493106C (en) | Method and apparatus for hybrid decision feedback equalization | |
USRE42558E1 (en) | Joint adaptive optimization of soft decision device and feedback equalizer | |
US7023912B2 (en) | Hybrid adaptive equalizer for optical communications systems | |
JPH08237520A (ja) | テレビジョン信号等化装置 | |
Oh et al. | New blind equalization techniques based on constant modulus algorithm | |
WO2008115702A1 (en) | Adaptive equalizer for communication channels | |
CN114172767B (zh) | 基于分数阶多模的信道盲均衡方法 | |
US20080240223A1 (en) | Receiver-Based Adaptive Equalizer with Pre-Cursor Compensation | |
CN113904898B (zh) | 一种基于等效时间采样的均衡与载波同步方法 | |
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 | |
GB2344496A (en) | A decision feedback equalizer | |
CN117040976B (zh) | 非合作通信条件下的双模式联合盲均衡方法及盲均衡器 | |
CN109547370B (zh) | 联合均衡和干扰消除的超奈奎斯特系统符号估计方法 | |
US8644369B1 (en) | Equalizer adaptation for heavily compressed or clipped communications signals | |
Abrar et al. | Soft constraint satisfaction multimodulus blind equalization algorithms | |
JP2003515970A (ja) | マルチチャネル適応等化器 | |
JP2002280941A (ja) | 適応等化器、受信装置およびタップ係数算出方法 | |
CN114826843A (zh) | 一种高阶正交振幅调制信号盲均衡方法、设备及盲均衡器 | |
JPWO2006090438A1 (ja) | 受信装置 | |
CN115173950B (zh) | 数据中心光互连系统及方法 | |
Chen et al. | Fractionally spaced blind equalization with low‐complexity concurrent constant modulus algorithm and soft decision‐directed scheme |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |