CN1588934A - 用于流星余迹通信的数据均衡方法 - Google Patents

Abstract

本发明公开了一种用于流星余迹通信的数据均衡方法。以解决现有联合信道跟踪与最大似然均衡方法在流星通信中难以实现的问题。其技术原理是：由信道参数的初估矢量，对接收到的基带畸变信号进行均衡处理，输出判决数据，以恢复出原始的发送信号。具体步骤为：根据信道参数的初估矢量₀和接收信号d_k(k=1，2…)，求出信道参数估计矢量(μ_k)；由该矢量算出接收信号所有状态的路径分支度量增量λ_N(μ_k→μ_k+1)，进而求出各状态的路径分支度量Γ(μ_k+1)，并找出具有最小分支度量的状态μ_k+1 ^min；根据路径分支度量Γ(μ_k+1)和实时状态删移门限Th_k+1 ^max对状态进行删移，然后对状态μ_k+1 ^min进行路径回溯，输出该时刻相应的判决信号s′ _(k+1)－δ。本发明降低了运算复杂度和存储空间，实现了流星通信信号的快速处理和高质量数据接收，可用于流星通信。

Description

用于流星余迹通信的数据均衡方法

技术领域

本发明属于通信技术领域，特别是涉及一种用于流星余迹通信的数据均衡方法，即基于自适应状态删移的联合信道跟踪与最大似然均衡方法ASP。

背景技术

流星余迹通信是一种具有很强的抗干扰能力和抵御外界环境变化能力的有效通信保障手段，是常规通信的必要补充。近年来，世界上许多国家都已经拥有了自主的流星余迹通信设备和系统，美国、日本等还将流星通信系统装备了国家部队，并在此基础上建立了流星余迹通信网络。目前，我国也正在着手进行这方面的研究。

流星余迹通信是一种突发通信(MBC)，它利用流星电离余迹对无线电波的反射和散射作用进行通信，是一种受到物理或电子干扰时的有效通信保障手段。当常规的通信方式受到诸如电子干扰、地震、海啸及核爆炸等影响而失效时，流星余迹通信在这关键时刻就能发挥通信保障作用。流星余迹通信具有如下的突出特点：

1.保密性好，抗干扰能力强。这是由于流星余迹稍纵即逝，且对无线电电波反射具有明显的方向性，不易遭敌方侦察、截获和干扰，，而且流星不会被摧毁，核爆炸过后的刹那间便可恢复通信，电子干扰也难达到破坏的目的；

2.传输距离远，通信稳定性好。利用普通的天线，通信距离可达2000余公里，且不会因时空、气候等变化或受到高空电离层的骚扰而影响通信质量；

3.通信发射和维护费用低，地面的收发设备简单，大大降低了通信成本。

鉴于以上特点，流星余迹通信能够成为其它通信的备用远程通信手段，在应急通信中具有特殊的重要地位。

本发明就是在这样的背景下，结合国家“十五”军事预研背景项目《流星余迹通信自适应数传和组网协议以及专用天线技术》而产生的。流星余迹通信是一种特殊的通信方式，进入大气层的流星数目与电子线密度成反比，所以可用的余迹绝大多数为欠密类。每一次流星通信的有效持续时间很短，约为几十至几百毫秒，因此流星通信的平均数据通过率很低(一般不超过几十个比特/秒)。为了提高瞬时数据通过率，流星余迹通信系统需要采用自适应变速率技术。考虑到降低收发信机的复杂度，通常保持不同速率信号的码元宽度即信号带宽相同，而改变系统的调制方式，即采用基于MPSK(M＝2，4…16)的自适应编码调制技术，调制方式从2PSK、QPSK到16QAM，数据传输速率从2kbps到64kbps自适应变化，如图1所示。

流星余迹持续时间短，通常将传输数据划分为许多个数据帧。在通信过程中，相邻帧所用的流星余迹可能不同，所以以数据帧为单位进行自适应编码调制。相应地，数据的传输和接收处理也以数据帧为单位。流星余迹通信的数据帧结构如图2所示，图中32位帧头中包含了该帧所对应的变速率调制方式信息，每帧包含的数据包数不尽相同，由自适应编码调制的具体调制方式决定。

根据以上的流星余迹通信机制及帧结构，基于自适应编码调制机制的流星余迹通信系统结构如图3所示，其中接收机的数据处理运算主要由高速数字信号处理器(DSP)完成，自适应变速率的控制在链路层的应答阶段完成。可以看出，流星余迹通信信号的传输过程为：发送信号x_k(k＝1，2…)首先经过编码成为s_k(k＝1，2…)以增强抗干扰能力，然后进行串/并变换成为I路、Q路两路信号，并根据星座映射成为基带调制信号。已调信号通过升余弦滤波器进行波形形成，再经过上变频变换为射频信号，通过天线发送至信道。传输信号经过多径效应与噪声的污染会产生信号畸变，所以在流星通信的接收端要对接收到的畸变信号进行均衡处理，恢复出原始的发送信号，具体的接收过程也可由图3看出：如图所示，天线接收到的射频信号经过下变频和滤波处理，得到畸变的基带接收信号d_k(k＝1，2…)，首先根据接收到的训练序列，即传输帧头估计出信道参数的初估矢量 然后利用初始信道参数估计矢量

启动数据均衡模块，对传输帧头之后的有效信息数据进行均衡处理以恢复出原始的发送信号。均衡器输出的判决数据为s′_k(k＝1，2…)，经过解码后的最终输出为x′_k(k＝1，2…)。在准确估计信道参数的基础上，若采用的均衡方法具有理想的性能，则均衡器输出的判决数据s′_k(k＝1，2…)应等于s_k(k＝1，2…)，相应的解码输出x′_k(k＝1，2…)也等于原始发送信号x_k(k＝1，2…)，即可实现流星通信数据的可靠接收。

由流星通信基本原理可以看出，数据均衡的性能直接决定着流星通信系统的性能。流星通信有效持续时间短，信道捕获、同步及频差校正所需数据开销对有效载荷数据通过率影响很大。因此，研究处理速度快、符合流星余迹信道特性、适应自适应变速的流星余迹通信机制、运算和存储开销都小的数据均衡方法已成为流星通信中必须要解决的关键技术。本发明就是针对流星余迹通信条件下的数据均衡技术展开的。

目前，现有的各类通用均衡技术分为线性均衡和非线性均衡两类。线性均衡主要是指基于横向滤波器结构的线性均衡器；非线性均衡主要包括判决反馈均衡(DFE)、自适应均衡和最大似然均衡。

对于线性均衡而言，基于横向滤波器结构的线性均衡器结构简单、易于实现，但却无法抵消严重的信道畸变，达不到系统性能要求。

在非线性均衡中，也存在诸多问题。例如：①判决反馈均衡(DFE)通过从当前估计值中消除已判决信号引起的那部分符号间干扰，达到较好的均衡效果，但由于均衡器系数的更新取决于自适应算法的调整，因此无法跟踪流星信道的快速变化，甚至出现系数的不收敛情况，参见美国John G Prokies.《Digital Communication》[M].Beijing：Publishing House of Electronics Industry，1998及王军锋，张彬，宋国乡《基于小波变换的非线性信道判决反馈均衡算法》系统工程与电子技术，2002年12期等。②自适应均衡利用自适应滤波器的逆模拟原理，抵消多径信道产生的码间干扰，其收敛速度慢，且自适应算法的工作前提是信道参数统计特性不变。在流星通信环境下，信道特性的突变使信号具有非平稳性，其跟踪和收敛能力无从适应，无法达到流星通信系统的性能要求，参见美国Simon Haykin.Adaptive Filter Theory(FourthEdition)[M].Beijing：Publishing House of Electronics Industry，2002.及徐明远，林华芳，邱恭安《基于LMS算法的自适应均衡系统的仿真研究》系统仿真学报，2003年02期等。③基于维特比算法的最大似然均衡(MLSE)虽然具有好的接收性能，但由于前端的信道估计引入了判决延迟且计算复杂度大，因此，也无法满足流星通信的实时信号处理要求，参见美国John G Prokies.《Digital Communication》[M].Beijing：Publishing House of Electronics Industry，1998及宋梁，胡波，凌燮亭《基于快衰落信道的一种新型自适应MLSE接收器》电子学报，2002，30(5)：723-726。但在最大似然均衡基础上，基于逐幸存路径处理的联合信道跟踪与最大似然均衡方法(PSP)，将实时的信道跟踪引入到维特比算法(VA)的幸存路径处理中，克服了传统最大似然均衡的判决延迟问题，具有理论上最优的接收性能，参见意大利Riccardo Raheli，Andreas Polydoros，Ching-Kae Tzou.Per-survivor processing：A general approachto MLSE in uncertain environments[J].IEEE Trans on Comm，1995，43：354-364.然而，由于逐幸存路径处理PSP方法在进行信道跟踪和数据检测时，均需要ML的运算和存储空间，其中M为调制进制数、L为等效信道长度，工程上难以实现。针对这一情况，国内外现有技术主要采用以下三类方法进行简化：

第一类方法是加拿大J.Omidi和Rollins分别提出对联合信道跟踪与最大似然均衡方法中用于信道估计的自适应模块方法，进行结构简化，以降低整体复杂度，参见加拿大J.Omidi，P.G.Gulak，and S.Pasupathy，Parallel Structuresfor Joint Channel Estimation and Data Detection Over Fading Channels[J]，IEEETransactions on Selected Areas of Communications，1998，16(5)：1616-1629.和加拿大Rollins，M.E.，Simmons，S.J.Simplified per-survivor Kalman processingin fast frequency-selective fading channels[J].IEEE Trans on Comm.，1997，45(5)：544-553。

第二类方法是意大利G Castellini提出减少每一时刻信道跟踪的次数，在性能损失不大的情况下，仅对具有最小分支度量的状态进行一次幸存路径的信道跟踪，并将估计出的信道参数作为该时刻所有状态的共同信道参数即MSP方法，参见意大利G Castellini，F Conti，E Del，Re，L Pierucci.Acontinuously adaptive MLSE receiver for mobile communications：algorithm andperformance[J].IEEE Trans on Comm，1997，45(1)：80-89.)，或在此基础上组合使用PSP方法与MSP方法来减少运算量，参见韩国Jung Suk Joo，SeungChul Hong，Yong Hoon Lee.Adaptive MLSE receiver：hybrid of per-survivorprocessing and tentative decision MLSE[J].Electronics Letters，2000，36(7)：678-680.)；

第三类方法是根据芬兰Zhenhong Li等将信道跟踪与最大似然检测联合并与判决反馈均衡相结合的方法，参见Zhenhong Li，Piirainen，O.，Mammela，A.A new reduced-complexity adaptive PSP-MLSE receiver for GSM/EDGE systems[J].IEEE International Symposium on Personal，Indoor and Mobile RadioCommunications，2001(1)：124-128.)，利用判决反馈均衡处理部分多径，等效减小联合检测方法处理的多径信道长度。

以上各种方法都是从联合信道跟踪与最大似然均衡方法(PSP)的局部模块或外部入手，力图通过简化局部算法或进行外部处理来减少该方法的运算量。然而，PSP方法的自身结构并未改变，仍需要大量的运算和存储空间，对于要求快速数据处理、适合于时变信道特性的流星通信系统而言仍然是难以实现的。

发明的技术内容

作为流星通信的关键技术之一，采用的数据均衡方法是与流星余迹信道特性紧密联系的。如前所述，基于逐幸存路径处理的PSP联合信道跟踪与均衡方法克服了传统均衡算法的信道估计延迟和误差传播问题，将信道参数矢量的实时跟踪与数据均衡结合在一起，具有最佳的接收性能。然而，它的算法复杂度和巨大的数据运算存储空间使其在实际的流星系统中难以实现。因此，本发明的目的就是要解决所述的这些问题，从流星信道特性和通信机制出发，根据动态处理的思路，提出了一种用于流星余迹通信的数据均衡方法，即基于自适应状态删移的联合信道跟踪与最大似然均衡方法(ASP)。在有效降低运算复杂度和存储空间的基础上，实现流星通信信号的快速处理和高质量数据接收，从而提高流星通信有效数据通过率，开辟新一代流星余迹通信系统信号处理关键技术的新领域。

实现本发明目的的技术方案是从动态数据处理的思路出发，根据流星信道的指数衰落特点对联合信道跟踪与均衡方法PSP进行自适应状态删移，利用实时状态删移门限Th_k ^max在数据接收过程中动态的控制PSP的状态数，实现流星余迹通信自适应编码调制方式数据的最大似然接收。如前所述，流星通信系统中，均衡部分的主要作用是根据信道参数的初估矢量 对接收到的基带畸变信号d_k(k＝1，2…)进行均衡处理，输出判决数据s′_k(k＝1，2…)以恢复出原始的发送信号。

设信道长度为L，基于维特比结构的系统判决深度为δ，则基于自适应状态删移的联合信道跟踪与均衡方法ASP的具体实现步骤可分为以下六步：

第一步，由信道参数的初估矢量

和接收信号d_k(k＝1，2…)，在每一个k时刻，采用自适应RLS方法对接收信号序列{d_k，d_k-1…d_k-(L-1)}所有可能状态μ_k的信道参数矢量进行估计，得到k时刻相应的信道参数估计矢量

其中L为流星信道长度；

第二步，由得到的k时刻相应的信道参数估计矢量 通过公式 $\mathrm{\λ}({\mathrm{\μ}}_k\→{\mathrm{\μ}}_{k+1})={|d_{k+1}-\hat{h}\left({\mathrm{\μ}}_k\right)S^{\′T}\left({\mathrm{\μ}}_{k+1}\right)|}^2$ 计算出接收信号在k时刻到k+1时刻从所有可能状态μ_k转移到状态μ_k+1的路径分支度量增量λ(μ_k→μ_k+1)，式中：符号(·)^T代表转置运算，S′(μ_k+1)代表接收信号所有可能状态μ_k+1直接映射的L个信息码元的判决序列{s′_k+1-(L-1)…s′_k，s′_k+1}；

第三步，由得到的路径分支度量增量λ(μ_k→μ_k+1)，在已有k时刻接收信号所有可能状态μ_k的路径分支度量Γ(μ_k)的基础上，利用公式 $\mathrm{\Γ}\left({\mathrm{\μ}}_{k+1}\right)=\underset{{\mathrm{\μ}}_k}{\min }[\mathrm{\Γ}\left({\mathrm{\μ}}_k\right)+\mathrm{\λ}({\mathrm{\μ}}_k\→{\mathrm{\μ}}_{k+1})]$ 求出k+1时刻接收信号序列{d_k+1，d_k…d_k-(L-2)}所有可能状态μ_k+1的路径分支度量Γ(μ_k+1)；

第四步，通过下式计算出k+1时刻的实时状态删移门限Th_k+1 ^max：

${\mathrm{Th}}_{k+1}^{\max }\≈{C_1}^2{N}_0\·e^{-\frac{(k+1)T_s}{\mathrm{\τ}}}$

其中，T_s为码元宽度；N₀为高斯白噪声的功率谱密度，τ为流星余迹的衰减系数；C₁是流星通信的链路常数，它与通信系统设定的正确状态删移概率P_c ^r有以下关系式，

$P_c^r=\frac{1}{2}\mathrm{erfc}\left(C_1\right)$

式中erfc(·)为补误差函数，因此C₁可由P_c ^r通过查补误差函数表而得到；

第五步，由第三步得到的路径分支度量Γ(μ_k+1)，找出k+1时刻具有最小路径分支度量Γ(μ_k+1)的状态μ_k+1 ^min，再由第四步得到的实时状态删移门限Th_k+1 ^max，将分支度量大于Γ(μ_k+1 ^min)与门限Th_k+1 ^max之和的状态删去，完成该时刻的状态删移；

第六步，对最小分支度量的状态μ_k+1 ^min进行路径回溯，输出该时刻相应的判决信号s′_(k+1)-δ，其中δ为系统判决深度。

上述方法中的第一步，所述的采用自适应RLS方法对k时刻接收信号序列{d_k，d_k-1…d_k-(L-1)}所有可能状态μ_k的信道参数矢量进行估计，通过如下四式进行：

$e\left({\mathrm{\μ}}_k\right)=d_k-{\hat{h}}^{*}\left({\mathrm{\μ}}_{k-1}\right)S^{\′T}\left({\mathrm{\μ}}_k\right)$

$g\left({\mathrm{\μ}}_k\right)=\frac{p\left({\mathrm{\μ}}_{k-1}\right)S^{\′T}\left({\mathrm{\μ}}_k\right)}{w+S^{\′*}\left({\mathrm{\μ}}_k\right)p\left({\mathrm{\μ}}_{k-1}\right)S^{\′T}\left({\mathrm{\μ}}_k\right)}$

$p\left({\mathrm{\μ}}_k\right)=\frac{1}{w}[p\left({\mathrm{\μ}}_{k-1}\right)-g\left({\mathrm{\μ}}_k\right)S^{\′*}\left({\mathrm{\μ}}_k\right)p\left({\mathrm{\μ}}_{k-1}\right)]$

$\hat{h}\left({\mathrm{\μ}}_k\right)=\hat{h}\left({\mathrm{\μ}}_{k-1}\right)+g\left({\mathrm{\μ}}_k\right)e^{*}\left({\mathrm{\μ}}_k\right)$

由以上四式得出k时刻相应的信道参数估计矢量 式中符号符号(·)^*代表共轭运算，e(μ_k)为误差信号，即接收信号d_k与期望输出信号 ${\hat{h}}^{*}\left({\mathrm{\μ}}_{k-1}\right)S^{\′T}\left({\mathrm{\μ}}_k\right)$ 的差值，w为遗忘因子，g(μ_k)为卡尔曼(Kalman)增益矢量，p(μ_k)为相关矩阵，S′(μ_k)代表k时刻状态μ_k对于接收数据序列{d_k，d_k-1…d_k-(L-1)}的判决序列{s′_k-(L-1)…s′_k-1，s′_k}。在自适应RLS方法中，当k＝1开始启动第一次运算时，p(μ_k)的初始值p(μ₀)取单位矩阵，

的初值为信道参数的初估矢量，即 $\hat{h}\left({\mathrm{\μ}}_0\right)={\hat{h}}_0.$

上述方法中的第六步，所述的对k+1时刻最小分支度量的状态μ_k+1 ^min进行路径回溯，具体的回溯过程为：若系统判决深度为δ，首先找出到达状态μ_k+1 ^min的前一时刻，即k时刻的状态μ_k，然后再找出到达状态μ_k的前一时刻状态，即k-1时刻的状态μ_k-1……依次类推，一直找到(k+1)-δ时刻的状态μ_(k+1)-δ，对其进行码元判决，输出该时刻相应的判决信号s′_(k+1)-δ。

通过以上六步最终输出判决信号s′_(k+1)-δ，从而完成ASP方法的一次联合数据检测。然后返回步骤(1)，开始下一时刻的联合数据检测。依此类推，可以完成对于接收信号序列d_k(k＝1，2…)的均衡，最终输出图3所示流星余迹通信系统中的判决数据序列s′_k(k＝1，2…)，从而实现流星通信数据的最大似然可靠接收。

本发明具有如下效果：

(1)计算复杂度低

由于本发明在每一时刻对所有状态路径分支度量总的计算次数为Path(ASP)＝M·M^L-1＝M^L+1-l，其中l为根据系统要求的正确状态删移概率P_c ^r所删除的状态数，而现有PSP方法每一时刻总的路径分支度量计算次数为Path(PSP)＝M·M^L＝M^L+1，所以本发明方法的路径分支度量计算相对于现有的PSP方法减少了M^l倍。仿真数据表明，本发明的计算复杂度比现有的PSP方法有明显的下降，如图5和图6所示。在实际通信中，对于流星余迹通信自适应变速率的不同调制方式数据帧，本发明的ASP方法能够有效控制联合最大似然均衡的运算复杂度和存储空间，使各帧数据处理具有大致相同的运算开销，从而充分利用系统有限的DSP指令资源，很容易实现最佳的接收质量。

(2)系统性能好

本发明不但运算复杂度低、方法简单、易于实现，而且系统性能与采用现有的联合信道跟踪与最大似然均衡方法的系统性能接近。仿真实验表明，本发明对于不同的正确状态删移概率P_c ^r，在QPSK调制方式下，其信噪比E_s/N₀在10.5dB到11.5dB之间时，误码率分别达到1×10^-3，如图7所示。在16QAM调制方式下，信噪比E_s/N₀大于18dB时，误码率也分别达到1×10^-3，如图8所示。

附图说明

图1是流星通信传输速率的自适应变化图

图2是流星通信数据帧结构图

图3是流星余迹通信系统结构框图

图4是本发明方法的实现流程图

图5是QPSK调制方式下的计算复杂度比较图

图6是16QAM调制方式下的计算复杂度比较图

图7是QPSK调制方式下，计算机仿真的系统误码率曲线图

图8是16QAM调制方式下，计算机仿真的系统误码率曲线图

具体实施方式

参照图3，已有的流星通信系统的原理如背景技术所述。其中，均衡部分的主要作用是根据信道参数的初估矢量

对接收到的基带畸变信号d_k(k＝1，2…)进行均衡处理，输出判决数据s′_k(k＝1，2…)以恢复出原始的发送信号，实现数据的可靠接收。本发明从动态数据处理的思路出发，根据流星信道特点对联合信道跟踪与均衡方法PSP进行简化，提供一种基于自适应状态删移的联合信道跟踪与最大似然均衡ASP方法。

本发明方法的基本思路是，每一时刻联合信道跟踪与均衡方法PSP的接收数据所有可能的状态数为M^L个，其中M为接收信号的调制进制数、L为流星信道长度，因此每一时刻PSP方法巨大的运算复杂度和存储空间使其难以在流星通信系统中实现。本发明所提供的基于自适应状态删移的联合信道跟踪与最大似然均衡ASP方法，在每一个k时刻根据流星系统要求的正确状态删移概率P_c ^r，计算出实时状态删移门限Th_k ^max，利用该门限在接收数据的均衡处理过程中实时的删去正确可能性最小的部分状态，从而自适应的控制接收信号的状态数，有效降低系统复杂度并减小存储空间，获得相对最优的接收性能，实现流星余迹通信自适应编码调制方式数据的联合最大似然接收。

参照图4，本发明给出了基于自适应状态删移的联合信道跟踪与均衡方法，即数据均衡方法ASP的具体实现流程，其过程为：

首先，对流星通信接收机进行系统的初始化，实现信号的捕获和同步，并获得初始信道参数估计矢量

然后，在此基础上，对帧头之后的有效载荷数据d_k(k＝1，2…)进行基于自适应状态删移的联合信道跟踪与均衡处理，输出相应的判决数据s′_k(k＝1，2…)。设信道长度为L，系统的判决深度为δ，按如下步骤具体的实现：

(1)求出信道参数估计矢量

在流星通信系统实现信号的捕获和同步，并获得初始信道参数估计矢量

之后，首先根据信道参数的初估矢量 和接收信号d_k(k＝1，2…)，在每一个k时刻，采用自适应的递推最小二乘RLS方法，通过以下四式对接收信号序列{d_k，d_k-1…d_k-(L-1)}所有可能状态μ_k的信道参数矢量进行估计，得到k时刻相应的信道参数估计矢量 即

$e\left({\mathrm{\μ}}_k\right)=d_k-{\hat{h}}^{*}\left({\mathrm{\μ}}_{k-1}\right)S^{\′T}\left({\mathrm{\μ}}_k\right)$

$g\left({\mathrm{\μ}}_k\right)=\frac{p\left({\mathrm{\μ}}_{k-1}\right)S^{\′T}\left({\mathrm{\μ}}_k\right)}{w+S^{\′*}\left({\mathrm{\μ}}_k\right)p\left({\mathrm{\μ}}_{k-1}\right)S^{\′T}\left({\mathrm{\μ}}_k\right)}$

$p\left({\mathrm{\μ}}_k\right)=\frac{1}{w}[p\left({\mathrm{\μ}}_{k-1}\right)-g\left({\mathrm{\μ}}_k\right)S^{\′*}\left({\mathrm{\μ}}_k\right)p\left({\mathrm{\μ}}_{k-1}\right)]$

$\hat{h}\left({\mathrm{\μ}}_k\right)=\hat{h}\left({\mathrm{\μ}}_{k-1}\right)+g\left({\mathrm{\μ}}_k\right)e^{*}\left({\mathrm{\μ}}_k\right)$

式中：符号(·)^*代表共轭运算，e(μ_k)为误差信号，即接收信号d_k与期望输出信号 ${\hat{h}}^{*}\left({\mathrm{\μ}}_{k-1}\right)S^{\′T}\left({\mathrm{\μ}}_k\right)$ 的差值，w为遗忘因子，g(μ_k)为卡尔曼(Kalman)增益矢量，p(μ_k)为相关矩阵，S′(μ_k)代表k时刻状态μ_k对于接收数据序列{d_k，d_k-1…d_k-(L-1)}的判决序列{s′_k-(L-1)…s′_k-1，s′_k}。在自适应RLS方法中，当k＝1开始启动第一次运算时，p(μ_k)的初始值p(μ₀)取单位矩阵， 的初值为信道参数的初估矢量，即 $\hat{h}\left({\mathrm{\μ}}_0\right)={\hat{h}}_0.$

(2)求出路径分支度量增量λ(μ_k→μ_k+1)

根据步骤(1)得到的k时刻所有状态μ_k相应的信道参数估计矢量 进一步计算出接收信号在k时刻到k+1时刻从所有可能状态μ_k转移到状态μ_k+1的路径分支度量增量λ(μ_k→μ_k+1)。具体的实施方式是：

在估计出 的基础上，通过下式计算出k时刻到k+1时刻从状态μ_k转移到状态μ_k+1的路径分支度量增量λ(μ_k→μ_k+1)：

$\mathrm{\λ}({\mathrm{\μ}}_k\→{\mathrm{\μ}}_{k+1})={|d_{k+1}-\hat{h}\left({\mathrm{\μ}}_k\right)S^{\′T}\left({\mathrm{\μ}}_{k+1}\right)|}^2$

式中符号(·)^T代表转置运算，S′(μ_k+1)代表接收信号所有可能状态μ_k+1直接映射的L个信息码元的判决序列，L为等效流星信道长度；

(3)求出路径分支度量Γ(μ_k+1)

根据步骤(2)得到状态μ_k转移到状态μ_k+1的路径分支度量增量λ(μ_k→μ_k+1)，在已有k时刻接收信号所有可能状态μ_k的路径分支度量Γ(μ_k)的基础上，计算出k+1时刻接收信号序列{d_k+1，d_k…d_k-(L-2)}所有可能状态μ_k+1的路径分支度量Γ(μ_k+1)。具体的实施方式是：

在计算出路径分支度量增量λ(μ_k→μ_k+1)的基础上，进一步求出状态μ_k+1的幸存路径分支度量函数Γ(μ_k+1)，它由到达状态μ_k+1的最小幸存路径状态决定，即

$\mathrm{\Γ}\left({\mathrm{\μ}}_{k+1}\right)=\underset{{\mathrm{\μ}}_k}{\min }[\mathrm{\Γ}\left({\mathrm{\μ}}_k\right)+\mathrm{\λ}({\mathrm{\μ}}_k\→{\mathrm{\μ}}_{k+1})]$

$=\underset{{\mathrm{\μ}}_k}{\min }[\mathrm{\Γ}\left({\mathrm{\μ}}_k\right)+{|d_{k+1}-\hat{h}\left({\mathrm{\μ}}_k\right)S^{\′T}\left({\mathrm{\μ}}_{k+1}\right)|}^2]$

(4)求出实时状态删移门限Th_k+1 ^max。

通过下式计算出k+1时刻的实时状态删移门限Th_k+1 ^max：

${\mathrm{Th}}_{k+1}^{\max }\≈{C_1}^2{N}_0\·e^{-\frac{(k+1)T_s}{\mathrm{\τ}}}$

其中，T_s为码元宽度；N₀为高斯白噪声的功率谱密度，τ为流星余迹的衰减系数；C₁是流星通信的链路常数，它与通信系统设定的正确状态删移概率P_c ^r有以下关系式，

$P_c^r=\frac{1}{2}\mathrm{erfc}\left(C_1\right)$

式中erfc(·)为补误差函数，因此C₁可由P_c ^r通过查补误差函数表而得到；

(5)进行状态删移

根据步骤(3)得到的k+1时刻接收信号所有可能状态μ_k+1的路径分支度量Γ(μ_k+1)和步骤(4)得到的实时状态删移门限Th_k+1 ^max，找出k+1时刻具有最小路径分支度量Γ(μ_k+1)的状态μ_k+1 ^min，将分支度量大于Γ(μ_k+1 ^min)与门限Th_k+1 ^max之和的状态删去，完成该时刻的状态删移。

(6)输出判决信号s′_(k+1)-δ

对最小分支度量的状态μ_k+1 ^min进行路径回溯，输出该时刻相应的判决信号s′_(k+1)-δ，其中δ为系统判决深度。具体的回溯过程为：若系统判决深度为δ，首先找出到达状态μ_k+1 ^min的前一时刻，即k时刻的状态μ_k，然后再找出到达状态μ_k的前一时刻状态，即k-1时刻的状态μ_k-1……依次类推，一直找到(k+1)-δ时刻的状态μ_(k+1)-δ，对其进行码元判决，输出该时刻相应的判决信号s′_(k+1)-δ，从而完成k+1时刻ASP方法的一次联合数据检测。

通过以上六步可以完成k+1时刻基于自适应状态删移的联合信道跟踪与均衡的ASP处理，输出相应的判决信号s′_(k+1)-δ。然后返回步骤(1)，开始下一时刻的联合数据检测。依此类推，可以完成对于接收信号序列d_k(k＝1，2…)的均衡，最终输出图3所示相应的判决数据序列s′_k(k＝1，2…)，从而在有效降低运算复杂度和存储空间的条件下，实现流星通信数据的最大似然可靠接收。

参照图5和图6，本发明通过计算机仿真，分别给出了正交相移键控(QPSK)调制方式下和16进制相移键控(16QAM)调制方式下的归一化计算复杂度曲线。由图5和图6可以看出，现有的PSP方法复杂度最大，且PSP和MSP的计算复杂度不随信噪比而变化，而本发明的ASP方法计算复杂度随着信噪比的增加逐渐下降，并且趋于最小值。其原因在于随着信噪比的升高，正确状态和错误状态之间的分支度量差增大，经过删移后的剩余状态数变少，因而复杂度也随之降低，直到仅剩唯一的正确状态为止。由于16QAM调制方式的信号状态数远大于QPSK的状态数，每个状态的分支度量比较和删移也带来一定的运算开销，因此16QAM调制方式的复杂度最小值大于QPSK的最小值。可见，本发明的方法在计算复杂度方面有明显的下降。

流星余迹通信系统采用本发明方法后，其性能可通过如下计算机仿真实验给出。

实验1：

仿真信道采用CCIR推荐的Watterson模型，流星信道衰落率f_r与等效瑞利多径衰落信道的随机序列产生率f_c之间有以下关系式。

$f_r=1.47*\frac{4.4f_c}{2\mathrm{\π}(2m+1)\sqrt{2}}$

在流星余迹通信典型的1Hz衰落率、流星余迹衰减系数τ＝0.3s、多径信道长度L为4的条件下，对联合信道跟踪与最大似然ASP数据均衡进行系统级仿真，得到QPSK调制方式下系统误码率与正确状态删移概率P_c ^r的关系曲线图7。模拟采用的数据传输速率为32kbps，每个码元采样5点，下式为

$g\left(t\right)=\frac{\sin (\mathrm{\πt}/T)}{\mathrm{\πt}/T}\·\frac{\cos (\mathrm{\α\πt}/T)}{1-({4\mathrm{\α}}^2{t}^2/T^2)}$

发送滤波器的升余弦脉冲响应g(t)，载波频率为40MHz，噪声为加性高斯白噪声，且系统数据传输没有加交织和纠错编码处理。为了便于比较，图7中还模拟了已知信道下的Viterbi均衡方法、PSP方法及MSP方法。因此，可以把已知信道下的误码率曲线看作各种方法的性能上界。由图7可见，在正确状态删移概率 $P_c^r=0.001$ 时ASP方法性能与PSP方法接近； $P_c^r=0.01$ 时ASP方法的误码率性能较PSP方法仅下降0.8dB；MSP方法的系统误码率性能介于 $P_c^r=0.01$ 和 $P_c^r=0.001$ 的ASP方法之间，然而其计算复杂度随着调制进制数M的增大而迅速增加。可以看出，QPSK调制方式下当信噪比E_s/N₀在10.5dB到11.5dB之间时，ASP方法的误码率可以达到1×10^-3，经过码效率为1/2的卷积码或Turbo码编码之后系统误码率能够达到10^-6，从而可实现流星通信数据的可靠接收。

实验2：

类似于实验1，仿真信道也采用CCIR推荐的Watterson模型，且信道衰落率、信道长度、码元采样点、载波频率等系统仿真条件均相同。在16QAM的调制方式下，仿真采用的数据传输速率为64kbps，系统传输数据没有加交织和纠错编码处理，得到的误码率曲线如图8所示。为了便于比较，图7中也模拟了已知信道下的Viterbi均衡方法、PSP方法及MSP方法。因此，可以把已知信道下的误码率曲线看作各种方法的性能上界。类似于图7的结果，从图8中可见，正确状态删移概率 $P_c^r=0.001$ 时ASP方法性能与PSP方法接近； $P_c^r=0.01$ 时ASP方法的误码率性能较PSP下降1.5dB；MSP方法的系统误码率性能介于 $P_c^r=0.01$ 和 $P_c^r=0.001$ 的ASP方法之间，然而其计算复杂度随着调制进制数M的增大而迅速增加。可以看出，16QAM调制方式下在E_s/N₀大于18dB时误码率也达到1×10^-3，因此经过码效率为1/2的卷积码或Turbo码编码之后系统误码率能够达到10^-6。

上述两实验结果均证明，采用本发明的方法可确保流星余迹通信的高质量数据接收。

Claims (3)

1.一种用于流星余迹通信的数据均衡方法ASP，按如下步骤进行：

①由信道参数的初估矢量

和接收信号d_k(k＝1，2…)，在每一个k时刻，采用自适应RLS方法对接收信号序列{d_k，d_k-1…d_k-(L-1)}所有可能状态μ_k的信道参数矢量进行估计，得到k时刻相应的信道参数估计矢量

其中L为流星信道长度；

②由得到的k时刻相应的信道参数估计矢量

通过公式 $\mathrm{\λ}({\mathrm{\μ}}_k\→{\mathrm{\μ}}_{k+1})={|d_{k+1}-\hat{h}\left({\mathrm{\μ}}_k\right)S^{\′T}\left({\mathrm{\μ}}_{k+1}\right)|}^2$ 计算出接收信号在k时刻到k+1时刻从所有可能状态μ_k转移到状态μ_k+1的路径分支度量增量λ(μ_k→μ_k+1)，式中：符号(·)^T代表转置运算，S′(μ_k+1)代表接收信号所有可能状态μ_k+1直接映射的L个信息码元的判决序列{S′_k+1-(L-1)…S′_k，S′_k+1}；

③由得到的路径分支度量增量λ(μ_k→μ_k+1)，在已有k时刻接收信号所有可能状态μ_k的路径分支度量Γ(μ_k)的基础上，利用公式 $\mathrm{\Γ}\left({\mathrm{\μ}}_{k+1}\right)=\underset{{\mathrm{\μ}}_k}{\min }[\mathrm{\Γ}\left({\mathrm{\μ}}_k\right)+\mathrm{\λ}({\mathrm{\μ}}_k\→{\mathrm{\μ}}_{k+1})]$ 求出k+1时刻接收信号序列{d_k+1，d_k…d_k-(L-2)}所有可能状态μ_k+1的路径分支度量Γ(μ_k+1)；

④通过下式计算出k+1时刻的实时状态删移门限Th_k+1 ^max，

${\mathrm{Th}}_{k+1}^{\max }\≈{C_1}^2{N}_0\·e^{-\frac{(k+1)T_s}{\mathrm{\τ}}}$

其中，T_s为码元宽度；N₀为高斯白噪声的功率谱密度，τ为流星余迹的衰减系数；C₁是流星通信的链路常数，它与通信系统设定的正确状态删移概率P_c ^r有以下关系式，

$P_c^r=\frac{1}{2}\mathrm{erfc}\left(C_1\right)$

式中erfc(·)为补误差函数，因此C₁可由P_c ^r通过查补误差函数表而得到；

⑤由步骤③得到的路径分支度量Γ(μ_k+1)，找出k+1时刻具有最小路径分支度量Γ(μ_k+1)的状态μ_k+1 ^min，再由步骤④得到的实时状态删移门限Th_k+1 ^max，将分支度量大于Γ(μ_k+1 ^min)与门限Th_k+1 ^max之和的状态删去，完成该时刻的状态删移；

⑥对最小分支度量的状态μ_k+1 ^min进行路径回溯，输出该时刻相应的判决信号S′_(k+1)-δ，其中δ为系统判决深度。

2.根据权利要求1所述的方法，其中步骤①所述的采用自适应RLS方法对k时刻接收信号序列{d_k，d_k-1…d_k-(L-1)}所有可能状态μ_k的信道参数矢量进行估计，是通过如下四式得出k时刻相应的信道参数估计矢量

$e\left({\mathrm{\μ}}_k\right)=d_k-{\hat{h}}^{*}\left({\mathrm{\μ}}_{k-1}\right)S^{\′T}\left({\mathrm{\μ}}_k\right)$

$g\left({\mathrm{\μ}}_k\right)=\frac{p\left({\mathrm{\μ}}_{k-1}\right)S^{\′T}\left({\mathrm{\μ}}_k\right)}{w+S^{\′*}\left({\mathrm{\μ}}_k\right)p\left({\mathrm{\μ}}_{k-1}\right)S^{\′T}\left({\mathrm{\μ}}_k\right)}$

$p\left({\mathrm{\μ}}_k\right)=\frac{1}{w}[p\left({\mathrm{\μ}}_{k-1}\right)-g\left({\mathrm{\μ}}_k\right)S^{\′*}\left({\mathrm{\μ}}_k\right)p\left({\mathrm{\μ}}_{k-1}\right)]$

$\hat{h}\left({\mathrm{\μ}}_k\right)=\hat{h}\left({\mathrm{\μ}}_{k-1}\right)+g\left({\mathrm{\μ}}_k\right)e^{*}\left({\mathrm{\μ}}_k\right)$

式中：符号(·)^*代表共轭运算，e(μ_k)为误差信号，即接收信号d_k与期望输出信号 的差值，w为遗忘因子，g(μ_k)为卡尔曼增益矢量，p(μ_k)为相关矩阵，S′(μ_k)代表k时刻状态μ_k对于接收数据序列{d_k，d_k-1…d_k-(L-1)}的判决序列{S′_k-(L-1)…S′_k-1，S′_k}；

当k＝1开始启动第一次运算时，p(μ_k)的初始值p(μ₀)取单位矩阵，

的初值为信道参数的初估矢量，即 $\hat{h}\left({\mathrm{\μ}}_0\right)={\hat{h}}_0.$

3.根据权利要求1所述的方法，其中步骤⑥所述的对k+1时刻最小分支度量的状态μ_k+1 ^min进行路径回溯的具体过程为：若系统判决深度为δ，首先找出到达状态μ_k+1 ^min的前一时刻，即k时刻状态μ_k，然后再找出到达状态μ_k的前一时刻状态，即k-1时刻状态μ_k-1……依次类推，一直找到(k+1)-δ时刻的状态μ_(k+1)-δ，对其进行码元判决，输出该时刻相应的判决信号S′_(k+1)-δ。

Images