CN1505275A - 一种时域均衡器的训练方法 - Google Patents

Abstract

本发明提供一种时域均衡器的训练方法，可以应用于有线数据通信中接收器的时域均衡器，包括以下步骤：通过伪随机序列对信道进行估计；将估计的信道冲击响应量化为Q位整数；计算辅助矩阵A和B；将矩阵A分解成两个三角矩阵；计算矩阵C＝A^－1B；计算矩阵C的最大特征值所对应的特征向量；将特征向量按照系统要求进行量化，得到时域均衡器的抽头系数。本发明所述方法通过设置不同的信道长度、时域均衡器抽头个数和循环前缀长度，可适用不同的系统；还可以通过适当的配置，使之适用于局端和用户端的接收器。采用本发明所述方法，可以使时域均衡器能够在很短时间内完成训练，达到了实时实现的效果，而且训练过程稳定，避免了中间崩溃。

Description

一种时域均衡器的训练方法

技术领域

本发明涉及有线数据通信领域，尤其涉及非对称数字用户线(ADSL)系统和正交频分复用(OFDM)通信系统中接收器的时域均衡器的训练方法。

背景技术

现行的ADSL系统的标准为ANSI T1.413和ITU G.992.1等，这些标准都是基于离散多音(DMT)调制协议的，即每个帧由一系列采样的反傅立叶变换(IFFT)构成。每帧所采用的采样数与系统所支持的采样速率和所能利用的信道带宽有关，例如下行信道支持带宽为1.104MHz，所以在ATU-R(ADSL收发器用户端)端的接收器的采样速率通常为2.208MHz；而上行信道支持的带宽为138kHz，所以在ATU-C(ADSL收发器局端)端的接收器采样速率通常设为276kHz或552kHz。在铜双绞线上以如此高的速率传输数据，需要有一个很好的信道均衡。由于完全的均衡计算代价太大，所以上述两个标准中都采用在时域每个DMT帧的前面添加循环前缀、并在接收端配置时域均衡器和频域均衡器的方式，来解决这一难题。

时域均衡器通常为可编程的有限抽头的横向FIR滤波器，其功能主要是把信道的时域冲击响应长度缩短到循环前缀所对应的采样个数加1，从而去除或减小相邻的DMT帧间的相互干扰；然后再通过每个子载波一个抽头的频域均衡器对信道进行幅度和相位的实时自适应修正进行补偿，以完成完全的均衡。

现有的时域均衡器的算法有最小均方误差(MMSE)算法、最小均方(LMS)算法，以及最大化信道容量的算法等，时域均衡器算法的关键问题是计算量大、耗时多，非线性，稳定性差等，实现起来困难，特别是计算时间过长，难以实时实现。

1996年12月发表在IEEE Trans.Commun.，vol.44，No.12的文章ImpulseResponse Shortening for Discrete Multi-tone transceivers中提出了一种最优缩短信道冲击响应的方法，它将时域均衡器FIR与信道的冲击响应卷积结果通过一个长度为v+1(v为循环前缀对应的长度)的窗分为两部分，其中窗内的部分h_win对应期望缩短后信道的有效冲击响应，而窗外的部分h_wall则造成码间干扰，计算矩阵 $A=H_{\mathrm{wall}}^T{H}_{\mathrm{wall}},B=H_{\mathrm{win}}^T{H}_{\mathrm{win}},$ 此方法通过分解矩阵B并求其逆，构造矩阵C，证明矩阵C的最小特征值对应的特征向量便是时域均衡抽头向量。但是，由于矩阵B是由循环前缀的长度v确定的，而其维数则是由时域均衡器的抽头个数N_w决定，在实践中，为了降低开销、提高信道的利用率，抽头个数N_w远远大于循环前缀的长度v，所以矩阵B通常是降秩的，或者，其矩阵条件数非常大，因此其数值计算是不稳定的，使得训练过程有崩溃的风险，稳定性较差。

发明内容

本发明所要解决的技术问题在于提供一种时域均衡器的训练方法，以解决现有技术中计算时间长、不能实时实现、不稳定的问题。

本发明所述时域均衡器的训练方法，包括以下步骤：

步骤一、通过伪随机序列对信道进行估计；

步骤二、将估计的信道冲击响应量化为Q位整数；

步骤三、根据上述信道冲击响应，计算辅助矩阵A和B；

步骤四、将矩阵A分解成两个三角矩阵；

步骤五、计算矩阵C＝A^-1B；

步骤六、计算矩阵C的最大特征值所对应的特征向量；

步骤七、将特征向量按照系统要求进行量化，得到时域均衡器的抽头系数。

如果进行信道估计的伪随机序列帧没有经过同步，则在步骤三之前，还包括按照能量分布调整量化后的信道冲击响应的步骤。

本发明所述方法是一种信道缩短的最优方法，其缩短信道的能力很强，通过设置不同的信道长度、时域均衡器抽头个数和循环前缀长度，可适用不同的系统，特别是有循环前缀的正交频分复用(OFDM)系统；还可以通过适当的配置，使之适用于局端和用户端的接收器。采用本发明所述方法，可以使时域均衡器能够在很短时间内完成训练，达到了实时实现的效果，而且训练过程稳定，避免了中间崩溃；在ARM7系列的CPU上进行训练，其计算效率为90％，即0.9MIPS/1MHz，如果系统主时钟频率为35.328MHz，而ATU-C端接收器的信道冲击响应的采样为128个，均衡器抽头个数设为64，则只需要不到430毫秒即可训练完毕，而根据现行的ADSL系统的标准，时域均衡器训练所能利用的时间约为800毫秒，因此本发明完全可以实时实现。另外本发明可以直接进行均衡器的训练而不需要帧同步信息。

附图说明

图1是ADSL系统中接收器的时域均衡器的模型示意图；

图2是本发明时域均衡器训练方法的流程图；

图3是将信道冲击响应进行重排的示意图。

具体实施方式

下面结合附图，以ADSL系统中接收器的时域均衡器为例，对本发明的具体实施作进一步的详细描述。

图1介绍了ADSL接收器的均衡器的模型，其中实线通道是实际信道，它是由物理信道H级联时域均衡器W所构成的信道。在尚未训练时，旁路时域均衡器W，经过适当训练后，再接通均衡器W，实现均衡功能；虚线信道是等效的目标信道，配置均衡器W的抽头系数，使得物理信道H和均衡器W的总体效果与虚线信道等效。信号X经过物理信道H，以及加性信道噪声N的加性干扰后，在接收器端接收为信号Y，为了对信道的拖尾所造成的码间干扰进行矫正，信号Y再经过时域均衡器W进行均衡，此时的输出信号基本消除了码间干扰。

下面先介绍本发明方法的原理。本发明主要针对现有技术的最优缩短信道冲击响应方法进行了改进，将矩阵C通过A的逆矩阵和矩阵B求积获得，可以证明，时域均衡器的抽头系数对应于矩阵C的最大特征值对应的特征向量。

设h，w分别为信道冲击响应向量和均衡器抽头向量，它们联合起来的等效信道用g表示，则有g＝h^*w，用卷积矩阵表示为g＝Hw，其中H为信道卷积矩阵。设信道冲击响应的长度为L，时域均衡器的抽头个数为N_w，循环前缀的长度是v个采样，时域均衡的目标是把信道冲击响应的长度缩短到v+1个采样的长度，即缩短后的信道的冲击响应的能量集中在一个长度为v+1个采样的窗口内，而在该窗口外的能量则造成相邻DMT帧之间的干扰，因此时域均衡器的抽头系数w应使得g的能量尽可能集中在一个长度为v+1的窗口内，而使该窗口外的能量尽可能小，这种方法就称为最大化缩短信噪比的均衡器训练方法。

设长度为v+1的窗口从等效信道g的第d个抽头开始，则位于该窗口内的抽头为

$g_{\mathrm{in}}=\left[\begin{array}{c}g\left(d\right)\\ g(d+1)\\ .\\ .\\ .\\ g(d+v)\end{array}\right]=\left[\begin{array}{cccc}h\left(d\right)& h(d-1)& ...& h(d-\mathrm{Nw}+1)\\ h(d+1)& h\left(d\right)& ...& h(d-\mathrm{Nw}+2)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ h(d+v)& h(d+v-1)& ...& h(d+v-\mathrm{Nw}+1)\end{array}\right]w=H_{\mathrm{in}}w$

位于该窗口之外的抽头为

$g_{\mathrm{out}}=\left[\begin{array}{c}g\left(0\right)\\ .\\ .\\ .\\ g(d-1)\\ g(d+v+1)\\ .\\ .\\ .\\ g(L+\mathrm{Nw}-2)\end{array}\right]=\left[\begin{array}{cccc}h\left(0\right)& 0& ...& 0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ h(d-1)& h(d-2)& ...& h(d-\mathrm{Nw})\\ h(d+v+1)& h(d+v)& ...& h(d+v-\mathrm{Nw}+2)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ 0& 0& ...& h(L-1)\end{array}\right]w=H_{\mathrm{out}}w$

它们所对应的能量分别是

$e_{\mathrm{in}}=g_{\mathrm{in}}^T{g}_{\mathrm{in}}=w^T{H}_{\mathrm{in}}^T{H}_{\mathrm{in}}w=w^T\mathrm{Bw}$

$e_{\mathrm{out}}=g_{\mathrm{out}}^T{g}_{\mathrm{out}}=w^T{H}_{\mathrm{out}}^T{H}_{\mathrm{out}}w=w^T\mathrm{Aw}$

其中， 显然，矩阵A，B都是N_w×N_w对称矩阵，定义缩短信噪比SSNR为

$\mathrm{SSNR}=\frac{w^T\mathrm{Bw}}{w^T\mathrm{Aw}}.$

最大化缩短信噪比的均衡器训练方法是选择适当的w使缩短信噪比最大。可以证明，满足这样要求的w正好是矩阵C＝A^-1B的最大特征值所对应的特征向量，只要求出矩阵C的最大特征值所对应的特征向量，即可得到使缩短信噪比最大化的时域均衡器的抽头系数。

在图2所示的流程图中，首先根据时域均衡器应用在ATU-C端或ATU-R端，配置适当的参数，包括信道冲击响应的长度L，时域均衡器的抽头个数N_w，以及循环前缀的采样个数v。接着通过接收的伪随机序列信号X与伪随机序列X0一起进行信道估计，为排除信道噪声的干扰，采用收集多帧数据，进行平均的方式以消除加性噪声，提高信道估计的质量，通过接收多个，如128～512个伪随机序列对应的帧进行平均，以得到一个很好的信道估计，具体需要多少帧可根据实际实现时的时间以及硬件环境决定，最好采用256帧。

然后对估计出的信道冲击响应进行量化处理，将其量化为Q位整数的形式，Q可以选择13、14或者15，视具体实现的硬件环境和均衡器的参数而定。

如果伪随机序列帧没有经过帧同步，则要把量化后的信道冲击响应按照其能量分布进行重排；如果伪随机序列已经经过帧同步，则这一步可以不要。对量化后的信道冲击响应按照其能量分布进行调整，使其能量集中在从第d个采样开始的位置，获得信道冲击响应向量h^*。具体的步骤是：

先计算v+1个采样长度内，量化后的信道冲击响应向量h的模的平方和，

$S_1=\underset{i=1}{\overset{v+1}{\mathrm{\Σ}}}{\left|h_i\right|}^2;$

再按如下递推公式计算，

      s_i+1＝s_i-|h_i-1|²+|h_i+v|²，i＝1，2，…，L，取出其中值最大的，对应下标为τ，然后将h循环移动，使第τ个分量移到第d个采样位置，即可得到重排后的信道冲击响应向量h^*。

接下来，根据h^*构造辅助矩阵A和B，首先，根据公式 计算出矩阵A和B的第一行和第一列的各个元素，然后对于其他的元素采用如下的递归公式计算：

$A_{m+1,n+1}=A_{m,n}+h_{-m-1,-n-1}^{*}+h_{v+d-m}^{*}{h}_{v+d-n}^{*}-h_{d-1-m}^{*}{h}_{d-1-n}^{*}-h_{L+N_w-2-m}^{*}{h}_{L+N_w-2-n}^{*};$

$B_{m+1,n+1}=B_{m,n}+h_{d-m-1,d-n-1}^{*}-h_{d-m+v}^{*}{h}_{d-n+v}^{*}.$

由于矩阵A和B都具有Toeplitz结构，其各个元素都是由一系列数的乘、加运算得出，采用上述递归公式可以大大减小计算量，节省了计算的时间开销。

然后，对矩阵A进行Cholesky分解，将其分解为两个三角矩阵，这样矩阵C的计算就转换为两个线性方程组的求解问题，因为系数矩阵都是三角矩阵，所以可以采用回代过程即可完成计算。得到矩阵C后，利用幂法求解出矩阵C的最大特征值所对应的特征向量V，这就是时域均衡器对应的抽头系数向量。

最后，对求出的抽头系数V进行必要的量化，至此对时域均衡器的全部训练过程就结束了。

图3是重排信道冲击响应的示意图。对于未经同步的伪随机序列帧，利用信道估计模块得到的信道冲击响应，可能是能量扩散分布的，如图3中的(a)就是一个典型的例子，如果直接利用它计算时域均衡器的抽头系数将得不到所需要的结果。因此，在此种情况下，应当按宽度为v+1的能量窗对信道的冲击响应进行重排，得到合理的冲击响应，如图3中的(b)所示，然后用重排后的信道冲击响应进行均衡器系数的计算。

Claims (8)

1、一种时域均衡器的训练方法，其特征在于，包括以下步骤：

步骤一、通过伪随机序列对信道进行估计；

步骤二、将估计的信道冲击响应量化为Q位整数；

步骤三、根据上述信道冲击响应h^*，计算辅助矩阵A和B；

步骤四、将矩阵A分解成两个三角矩阵；

步骤五、计算矩阵C＝A^-1B；

步骤六、计算矩阵C的最大特征值所对应的特征向量；

步骤七、将特征向量按照系统要求进行量化，得到时域均衡器的抽头系数。

2、根据权利要求1所述的时域均衡器的训练方法，其特征在于，在所述步骤一之前还包括根据时域均衡器应用在ATU-C端或ATU-R端，配置适当的参数，包括信道冲击响应的长度L，时域均衡器的抽头个数N_w，以及循环前缀的采样个数v的步骤。

3、根据权利要求1或2所述的时域均衡器的训练方法，其特征在于，所述步骤一采用接收128～512个伪随机序列对应的帧进行平均的方法进行信道估计。

4、根据权利要求3所述的时域均衡器的训练方法，其特征在于，所述步骤一采用接收256个伪随机序列对应的帧进行平均的方法进行信道估计。

5、根据权利要求1或2所述的时域均衡器的训练方法，其特征在于，所述步骤二中Q的选值是13、14或15。

6、根据权利要求1或2所述的时域均衡器的训练方法，其特征在于，在所述步骤三之前还包括，如果进行信道估计的伪随机序列帧没有经过同步，则按照能量分布调整量化后的信道冲击响应的步骤。

7、根据权利要求6所述的时域均衡器的训练方法，其特征在于，所述按照能量分布调整量化后的信道冲击响应的步骤进一步包括：

先计算v+1个采样长度内，量化后的信道冲击响应向量h的模的平方和， $S_1=\underset{i=1}{\overset{V+1}{\mathrm{\Σ}}}{\left|h_i\right|}^2,$ 其中v表示循环前缀的采样个数；

再按如下递推公式计算，

s_i+1＝s_i-|h_i-1|²+|h_i+v|²，i＝1，2，…，L，其中L表示信道冲击响应长度；

然后，取出其中值最大的，对应下标为τ；

最后，将信道冲击响应向量h循环移动，使第τ个分量移到第d个采样位置，即得到重排后的信道冲击响应向量h^*。

8、根据权利要求1所述的时域均衡器的训练方法，其特征在于，所述步骤三进一步包括：

首先，根据公式 计算矩阵A和B的第一行和第一列的各个元素；

然后，对于其他的元素采用如下的递归公式计算：

$A_{m+1,n+1}=A_{m,n}+h_{-m-1,-n-1}^{*}+h_{v+d-m}^{*}{h}_{v+d-n}^{*}-h_{L+N_W-2-m}^{*}{h}_{L+N_W-2-n}^{*};$

$B_{m+1,n+1}=B_{m,n}+h_{d-m-1,d-n-1}^{*}-h_{d-m+v}^{*}{h}_{d-n+v}^{*};$

其中，h^*表示步骤二所得的信道冲击响应，L表示信道冲击响应的长度，N_w表示时域均衡器的抽头个数，v表示循环前缀的采样个数。

Images