專利名稱：正交振幅調(diào)制(qam)接收器的混合模數(shù)盲均衡的制作方法
技術(shù)領(lǐng)域：
一般而言，本發(fā)明的至少一些實施例涉及盲均衡器，且特定地但不唯一地涉及正交振幅調(diào)制(QAM)接收器的盲均衡器。
背景技術(shù)：
正交振幅調(diào)制(QAM)可用于通過改變或調(diào)制兩個載波的振幅來表示數(shù)據(jù)，所述兩個載波相位彼此相差90度，且因此被稱為正交載波?？烧{(diào)制正交載波的振幅以表示正被傳輸?shù)臄?shù)字符號。當符號的兩個正交載波中的調(diào)制振幅沿復平面中的實軸和虛軸表示時，所述符號可表示為所述復平面中的一點。用于QAM方案中的一組符號可統(tǒng)稱為群。群圖展示復平面中的所述組符號。
矩形QAM群包括排列在矩形網(wǎng)格上的一組符號。矩形QAM群可能不是最優(yōu)的，因為所述群中的點并未最大限度地彼此隔開。非矩形QAM群也可用于改進分隔，但與矩形QAM群相比，非矩形QAM群更難調(diào)制和解調(diào)。
隨著帶寬需求增加，很多最新應用(例如DVB-C接收器和電纜調(diào)制解調(diào)器)中已經(jīng)采用越來越高的QAM尺寸。此類應用的規(guī)格包括處理例如低信噪比(SNR)或大回波的嚴格信道條件的能力。為了減少信道上的此類減損，且為了正確恢復所傳輸?shù)男盘?，利用各種信道均衡技術(shù)。
通過傳輸信道傳輸?shù)男盘柧哂蟹抢硐氲男诺捞卣?，例如加性白高斯噪?AWGN)、符號間干擾(ISI)、衰減和相位失真等等。通常未知的信道特征可能會使所傳輸?shù)男盘柺д妗?br> 均衡是用于減少失真且補償信號損失(衰減)的技術(shù)。通常，均衡器使用可調(diào)濾波器，其經(jīng)調(diào)節(jié)以補償未知信道特征。盲均衡為一種技術(shù)，其不使用任何訓練序列，且因此降低了系統(tǒng)間接費用。盲均衡已經(jīng)廣泛用于使接收器適應信道條件。已發(fā)展出很多盲均衡算法。
C.R.Johnson等人在“Blind Equalization using the constant modulus criteriona review，Proc.of IEEE，第86卷，1998年10月”中描述了一種恒模算法(CMA)。還參見“Self-Recovering Equalization and Carrier Tracking in Two-Dimensional DataCommunication Systems by Dominique N.Godard in IEEE Trans.Communications，第COM-28卷，第1867-1875頁，1980年11月”。
恒模算法(CMA)是實現(xiàn)信道均衡的一種簡單且有效的方法。恒模算法將用于最小化均衡的誤差函數(shù)。所述誤差函數(shù)是基于均衡器輸出與恒定群半徑之間的差值[|y|p-K]q其中y為均衡器輸出；K為常數(shù)；且p和q通常為整數(shù)。
圖1展示基于CMA的常規(guī)盲均衡器的方框圖。在圖1中，可調(diào)濾波器(101)具有若干系數(shù)，所述系數(shù)也可稱為分接權(quán)數(shù)(tap weight)，其確定均衡器的轉(zhuǎn)移函數(shù)。由于信道特征未知，到可調(diào)濾波器(101)的輸入信號可能會失真。適配引擎(109)根據(jù)誤差產(chǎn)生器(105)調(diào)節(jié)分接權(quán)數(shù)以減小可調(diào)濾波器(101)的輸出與恒模(107)之間的誤差。決策引擎(103)識別從可調(diào)濾波器(101)的輸出端傳輸?shù)姆枺援a(chǎn)生決策輸出(103)。分接權(quán)數(shù)由適配引擎(109)連續(xù)調(diào)節(jié)以減小誤差，直到均衡器收斂為止。
CMA均衡器具有較大收斂范圍。然而，由于CMA均衡器僅使用一個模數(shù)，所以由于適配噪聲，在收斂后可能存在大量剩余均方誤差(MSE)。剩余誤差可能導致高階QAM信號的決策誤差。
常規(guī)CMA經(jīng)修改以開發(fā)改進的算法，例如Sato算法(Sato algorithm)(參見，例如，M.Goursat等人的“Blind Equalizer，IEEE Trans.of Communications，第COM-28卷，1984年8月”)和“間斷停起”決策引導算法(″stop-and-go″decision-directed algorithm)(參見，例如G.Picchi等人的“Blind equalization and carrier recovery using a′stop-and-go′decision-directed algorithm，IEEE Trans.Of Communications，第COM-35卷，1987年9月”)。
M.J.Ready和R.P.Gooch在“blind equalization based on radius directed adaptation”，Proc.1990 IEEE Int.Conf.Acoust.，Speech，Signal Processing，Albuquerque，NM，第1699-1702頁，1990”中描述了多模數(shù)算法，其中半徑引導的適配是基于群符號半徑的已知模數(shù)。誤差函數(shù)是基于均衡器輸出與最近的群半徑之間的差值[|y|p-Kd]q其中y為均衡器輸出；Kd為均衡器輸出y的最近的群符號的半徑；且(p，q)的公值為(1，1)、(1，2)、(2，1)、(2，2)等等。

發(fā)明內(nèi)容
本文描述用于具有混合適配誤差的盲均衡器的方法和裝置。此部分中概述了本發(fā)明的一些實施例。
本發(fā)明的一個實施例包括正交振幅調(diào)制(QAM)信號接收器，其包括濾波器，其減小均衡中的誤差，所述濾波器輸出QAM信號；決策引擎，其耦合到所述濾波器以基于所述QAM信號來確定符號；第一誤差產(chǎn)生器，其耦合到濾波器以基于QAM信號和常數(shù)來計算第一誤差信號；第二誤差產(chǎn)生器，其耦合到濾波器和所述決策引擎以基于QAM信號和經(jīng)確定的符號來計算第二誤差信號；誤差組合器，其耦合到所述第一和所述第二誤差產(chǎn)生器以從所述第一和所述第二誤差信號產(chǎn)生組合的誤差信號；和適配引擎，其與所述誤差組合器和濾波器耦合以根據(jù)組合的誤差信號來減小均衡誤差。
在本發(fā)明的一個實施例中，第一誤差產(chǎn)生器包括恒模算法(CMA)誤差產(chǎn)生器。
在本發(fā)明的一個實施例中，第二誤差產(chǎn)生器包括決策模數(shù)算法(DMA)誤差產(chǎn)生器。誤差組合器根據(jù)QAM信號與經(jīng)確定的符號之間的差值來組合第一和第二誤差信號。
在本發(fā)明的一個實施例中，誤差組合器對第一誤差信號應用第一權(quán)數(shù)且對第二誤差信號應用第二權(quán)數(shù)，以產(chǎn)生組合的誤差信號；且所述第一和所述第二權(quán)數(shù)是基于QAM信號與經(jīng)確定的符號之間的差值來確定的。
在本發(fā)明的一個實施例中，隨著QAM信號與經(jīng)確定的符號之間的差值減小，第一權(quán)數(shù)相對于第二權(quán)數(shù)而減小到零；且隨著QAM信號與經(jīng)確定的符號之間的差值增加到閾值以上，第二權(quán)數(shù)相對于第一權(quán)數(shù)而減小到零。
本發(fā)明的一個實施例包括一種方法，其包括接收正交振幅調(diào)制(QAM)信號(例如，在決策引擎中)；確定對應于接收的QAM信號(例如，在決策引擎中接收)的符號；基于恒模來計算均衡中的第一誤差且基于經(jīng)確定的符號來計算均衡中的第二誤差；和調(diào)節(jié)濾波器以根據(jù)第一誤差和第二誤差來減小均衡中的誤差。
在本發(fā)明的一個實施例中，第一誤差是基于恒模算法(CMA)誤差。
在本發(fā)明的一個實施例中，第二誤差是基于經(jīng)確定的符號的模數(shù)與接收的QAM信號的模數(shù)之間的差值。
在本發(fā)明的一個實施例中，調(diào)節(jié)濾波器的步驟包括組合第一誤差和第二誤差以調(diào)節(jié)所述濾波器。
在本發(fā)明的一個實施例中，組合第一和第二誤差的步驟包括根據(jù)經(jīng)確定的符號與接收的QAM信號之間的差值來相對于第二誤差而對第一誤差進行加權(quán)。
在本發(fā)明的一個實施例中，當經(jīng)確定的符號與接收的QAM信號之間的差值減小時，第一誤差的權(quán)數(shù)相對于第二誤差的權(quán)數(shù)而減小。
在本發(fā)明的一個實施例中，所述組合第一誤差和第二誤差的步驟包括根據(jù)經(jīng)確定的符號與接收的QAM信號之間的差值，來確定第一誤差和第二誤差的加權(quán)平均值。
在本發(fā)明的一個實施例中，當經(jīng)確定的符號與接收的QAM信號之間的差值減小到閾值以下時，第一誤差的權(quán)數(shù)減小到零。
在本發(fā)明的一個實施例中，當經(jīng)確定的符號與接收的QAM信號之間的差值增加到閾值以上時，第二誤差的權(quán)數(shù)減小到零。
本發(fā)明的一個實施例包括電路，其包括用于接收正交振幅調(diào)制(QAM)信號的構(gòu)件；用于確定對應于接收的QAM信號的符號的構(gòu)件；用于基于恒模來計算均衡中的第一誤差且基于經(jīng)確定的符號來計算均衡中的第二誤差的構(gòu)件；和用于根據(jù)第一誤差和第二誤差來調(diào)節(jié)濾波器以減小均衡中的誤差的構(gòu)件。
在本發(fā)明的一個實施例中，第一誤差是基于恒模算法(CMA)誤差；且第二誤差是基于經(jīng)確定的符號的模數(shù)與接收的QAM信號的模數(shù)之間的差值。
在本發(fā)明的一個實施例中，用于調(diào)節(jié)濾波器的構(gòu)件包括用于根據(jù)經(jīng)確定的符號中的置信度來相對于第二誤差而第一誤差進行權(quán)數(shù)的構(gòu)件。
在本發(fā)明的一個實施例中，當置信度增加時，第一誤差的權(quán)數(shù)相對于第二誤差的權(quán)數(shù)而減小。
在本發(fā)明的一個實施例中，當置信度增加到第一閾值以上時，第一誤差的權(quán)數(shù)減小到零；且當置信度減小到第二閾值以下時，第二誤差的權(quán)數(shù)減小到零。
本發(fā)明的其它特征將通過附圖和隨后的詳細描述而變得明顯。


以實例的方式說明本發(fā)明，且本發(fā)明不限于附圖中的圖，在附圖中，相同的參考標記指示相同的元件。
圖1展示具有基于恒模算法(CMA)的盲均衡器的常規(guī)接收器的方框圖。
圖2展示根據(jù)本發(fā)明一個實施例的正交振幅調(diào)制(QAM)接收器的方框圖。
圖3-4展示根據(jù)本發(fā)明實施例的盲均衡器的實例方框圖。
圖5展示根據(jù)本發(fā)明的實施例的實例權(quán)數(shù)函數(shù)。
圖6展示根據(jù)本發(fā)明一個實施例的盲均衡器中的過程的流程圖。
具體實施例方式
以下描述和圖式對本發(fā)明進行說明且不應認為其限制本發(fā)明。描述大量具體細節(jié)以提供對本發(fā)明的透徹理解。然而，在某些情況下，為了避免使本發(fā)明的描述變得雜亂，不再描述眾所周知的或常規(guī)的細節(jié)。參考本揭示案中的一個或一實施例未必是參考相同的實施例；且這些參考表示參考至少一個實施例。
本發(fā)明的一個實施例提供具有小剩余均方誤差和大收斂范圍(例如，針對高階QAM群)的混合模數(shù)盲均衡算法。
使用QAM決策引擎的輸出來確定誤差函數(shù)的均衡算法可稱為決策模數(shù)算法(DMA)。舉例來說，DMA誤差產(chǎn)生器可使用QAM決策引擎的輸入的模數(shù)和QAM決策引擎的輸出的模數(shù)來計算誤差。
收斂后，DMA可達到零剩余誤差。然而，尤其在QAM尺寸增加時，DMA的收斂范圍可能相當受限制。
本發(fā)明的一個實施例提供混合方案，其具有大收斂范圍的優(yōu)勢和收斂后零剩余誤差的優(yōu)勢。
本發(fā)明的一個實施例包括用于盲均衡的混合模數(shù)算法，其使用由CMA(恒模算法)誤差與DMA(決策模數(shù)算法)誤差的組合產(chǎn)生的適配誤差信號?；旌夏?shù)算法在收斂后具有減小的剩余均方誤差(MSE)，同時與基于CMA的盲均衡器具有相同的獲取能力?；旌夏?shù)算法可用于數(shù)字QAM(正交振幅調(diào)制)信號群，尤其用于較高的群尺寸。
在本發(fā)明的一個實施例中，決策模數(shù)算法(DMA)與恒模算法(CMA)一起使用；適配誤差信號基于DMA誤差和CMA誤差而計算；且權(quán)數(shù)控制器用于根據(jù)置信度自動調(diào)節(jié)兩個誤差的比率。自適應權(quán)數(shù)控制器確定混合誤差信號如何由CMA誤差和DMA誤差組成。通過在收斂過程期間，自適應地引入決策信息，用于適配的混合誤差信號在俘獲階段時自動含有更多CMA誤差(非決策分量)，且在均衡器將要收斂時自動含有更多DMA誤差(決策分量)。因此，適配依據(jù)剩余誤差而改進，同時使收斂的范圍保持與CMA一樣大。
圖2展示根據(jù)本發(fā)明的一個實施例的正交振幅調(diào)制(QAM)接收器的方框圖。
在圖2中，通過使用可調(diào)濾波器(201)來校正到均衡器的輸入信號?？烧{(diào)濾波器(201)的輸出被決策引擎(203)用作輸入QAM信號以確定決策輸出。
在圖2中，一個誤差產(chǎn)生器(205)是基于恒模(211)；且另一誤差產(chǎn)生器(207)是基于決策輸出。對來自誤差產(chǎn)生器(205和207)的誤差信號進行組合以驅(qū)動適配引擎(209)，其對可調(diào)濾波器(201)進行調(diào)節(jié)以減小均衡誤差。
可根據(jù)CMA來設(shè)計基于恒模的誤差產(chǎn)生器(205)，其比較可調(diào)濾波器的輸出與預計算的恒模以產(chǎn)生誤差信號。如果來自誤差產(chǎn)生器(205)的誤差信號用于單獨驅(qū)動適配引擎(209)，那么均衡器在收斂后會具有大收斂范圍和大剩余MSE。
基于決策的誤差產(chǎn)生器(207)將比較可調(diào)濾波器的輸出與決策輸出以產(chǎn)生誤差信號。如果來自誤差產(chǎn)生器(207)的誤差信號單獨用于驅(qū)動適配引擎(209)，那么均衡器在收斂后會具有小收斂范圍和小剩余MSE。
在本發(fā)明的一個實施例中，誤差組合器(213)用于組合來自兩個誤差產(chǎn)生器(205和207)的誤差信號以驅(qū)動適配引擎(209)。從基于決策的誤差產(chǎn)生器(207)產(chǎn)生的誤差信號用于收斂后的小剩余MSE；且從基于恒模的誤差產(chǎn)生器(205)產(chǎn)生的誤差信號用于大收斂范圍。
在本發(fā)明的一個實施例中，誤差組合器(213)根據(jù)決策引擎的決策輸出中的置信度來混合誤差產(chǎn)生器(205和207)的誤差信號。可基于決策引擎(203)的輸入與輸出之間的差值來確定置信度。當置信度增加時，與來自基于恒模的誤差產(chǎn)生器(211)的誤差信號相比，來自基于決策的誤差產(chǎn)生器(207)的更多誤差信號用于驅(qū)動適配引擎(209)。當置信度減小時，與來自基于決策的誤差產(chǎn)生器(207)的誤差信號相比，來自基于恒模的誤差產(chǎn)生器(211)的更多誤差信號用于驅(qū)動適配引擎(209)。
因此，在俘獲階段中，更多的CMA誤差分量在誤差組合器(213)的輸出中，以確保大收斂范圍。在跟蹤階段中，更多DMA誤差分量在誤差組合器(213)的輸出中，以使得可達到更小的剩余MSE。因此改進了均衡器的整體性能。
所提出的方案使用由CMA誤差和DMA誤差的混合產(chǎn)生的適配誤差信號。權(quán)數(shù)控制器根據(jù)兩個誤差各自的置信度來自動確定它們的權(quán)數(shù)。
圖3-4展示根據(jù)本發(fā)明實施例的盲均衡器的實例方框圖。
在圖3中，來自誤差產(chǎn)生器(305和307)的誤差信號通過使用可調(diào)定標器(313和315)來加權(quán)且通過使用加法器(319)來求和。加法器(319)的輸出驅(qū)動適配引擎(309)來調(diào)節(jié)濾波器(301)以減小均衡誤差。
在圖3中，權(quán)數(shù)控制器(317)根據(jù)基于決策引擎(303)的輸入和來自決策引擎(303)的輸出而計算的置信度指示符來確定來自誤差產(chǎn)生器(305和307)的誤差信號的權(quán)數(shù)。當決策引擎(303)的輸入和來自決策引擎(303)的輸出彼此接近時，置信度為高；基于決策輸出而確定的誤差的權(quán)數(shù)高于基于恒模(311)而確定的誤差的權(quán)數(shù)。當決策引擎(303)的輸入和來自決策引擎(303)的輸出彼此不接近時，置信度為低；基于決策輸出而確定的誤差的權(quán)數(shù)低于基于恒模(311)而確定的誤差的權(quán)數(shù)。
在圖4中，模數(shù)平方單元(413)計算可調(diào)濾波器(401)的輸出的模數(shù)平方；且模數(shù)平方單元(407)計算決策引擎(403)的輸出的模數(shù)平方。
減法器(405)計算常數(shù)(411)與可調(diào)濾波器(401)的輸出的模數(shù)平方之間的差值，以提供CMA類型的誤差信號。減法器(419)計算可調(diào)濾波器(401)的輸出的模數(shù)平方與決策引擎(403)的輸出的模數(shù)平方之間的差值，以提供DMA類型的誤差信號。
從減法器(405)和(419)產(chǎn)生的誤差信號由定標器(421和423)加權(quán)且由加法器(425)求和，以產(chǎn)生組合的誤差信號來驅(qū)動適配引擎(409)，其調(diào)節(jié)濾波器(401)以減小均衡誤差。
在圖4中，減法器(417)確定決策引擎(403)的輸入與輸出之間的差值。所述差值用于確定決策引擎(403)的輸出中的置信度(415)。當置信度(415)增加時，DMA類型的誤差的權(quán)數(shù)增加。由減法器(427)從常數(shù)(429)中減去置信度，以產(chǎn)生CMA類型的誤差的權(quán)數(shù)。因此，置信度(415)控制定標器(421和423)以組合CMA和DMA類型的誤差。
圖5展示根據(jù)本發(fā)明的實施例的實例權(quán)數(shù)函數(shù)。在圖5中，基于決策引擎的輸入與輸出之間的差值(d)來計算權(quán)數(shù)函數(shù)(501和503)。函數(shù)F(|d|)可為非線性函數(shù)或線性函數(shù)。差值(d)指示決策引擎的輸出中的置信度。
在圖5中，當差值的模數(shù)減小時，DMA類型的誤差信號的權(quán)數(shù)函數(shù)(503)增加，而CMA類型的誤差信號的權(quán)數(shù)函數(shù)(501)減小。當差值接近下閾值T1時，CMA誤差信號的權(quán)數(shù)函數(shù)(501)接近零。因此，在收斂后，均衡器的MSE由DMA類型的誤差信號來確定。
在圖5中，當差值的模數(shù)增加時，DMA類型的誤差信號的權(quán)數(shù)函數(shù)(503)減小，而CMA類型的誤差信號的權(quán)數(shù)函數(shù)(501)增加。因此，在俘獲階段期間，其中決策引擎的輸入與輸出之間的差值的模數(shù)較大，組合的誤差由CMA誤差信號支配，這允許所述均衡器以與CMA均衡器類似的方式在大范圍內(nèi)收斂。
在圖5中，當決策引擎的輸入與輸出之間的差值的模數(shù)增加到超過上閾值T2(例如，1.0)時，DMA誤差的權(quán)數(shù)函數(shù)(503)達到零。因此，當差值的模數(shù)大于上閾值時，DMA誤差不驅(qū)動適配；且適配是基于CMA誤差。
圖6展示根據(jù)本發(fā)明的一個實施例的盲均衡器中的過程的流程圖。接收正交振幅調(diào)制(QAM)信號(601)以確定對應于接收的QAM信號的符號(603)?；诤隳碛嬎憔庵械牡谝徽`差且基于經(jīng)確定的符號來計算均衡中的第二誤差(605)。調(diào)節(jié)濾波器以根據(jù)第一誤差和第二誤差來減小均衡中的誤差(607)?？梢缘绞綀?zhí)行所述過程?？烧{(diào)節(jié)濾波器以產(chǎn)生隨后的QAM，其被接收(例如，在決策引擎中)且用于確定隨后的符號。
在一個實施例中，當接收的QAM信號與經(jīng)確定的符號之間的差值較小時，更多地根據(jù)第二、基于符號的誤差，而不是第一、基于恒模的誤差來調(diào)節(jié)濾波器。當接收的QAM信號與經(jīng)確定的符號之間的差值較大時，更多地根據(jù)第一、基于恒模的誤差，而不是第二、基于符號的誤差來調(diào)節(jié)濾波器。
在前面的說明書中，已經(jīng)參考本發(fā)明的特定示范性實施例描述了本發(fā)明。顯然，可在不脫離隨附權(quán)利要求書所陳述的本發(fā)明的更廣泛的精神和范疇的情況下，對本發(fā)明作各種修改。因此，應以說明性意義而非限制性意義來看待說明書和圖式。
權(quán)利要求
1.一種正交振幅調(diào)制(QAM)信號接收器，其包含一濾波器，其減小均衡中的誤差，所述濾波器輸出一QAM信號；一決策引擎，其耦合到所述濾波器以基于所述QAM信號確定一符號；一第一誤差產(chǎn)生器，其耦合到所述濾波器以基于所述QAM信號和一常數(shù)來計算一第一誤差信號；一第二誤差產(chǎn)生器，其耦合到所述濾波器和所述決策引擎以基于所述QAM信號和所述經(jīng)確定的符號來計算一第二誤差信號；一誤差組合器，其耦合到所述第一和所述第二誤差產(chǎn)生器以從所述第一和所述第二誤差信號產(chǎn)生一組合的誤差信號；和一適配引擎，其與所述誤差組合器和所述濾波器耦合以根據(jù)所述組合的誤差信號來減小一均衡誤差。
2.根據(jù)權(quán)利要求1所述的接收器，其中所述第一誤差產(chǎn)生器包含一恒模算法(CMA)誤差產(chǎn)生器。
3.根據(jù)權(quán)利要求2所述的接收器，其中所述第二誤差產(chǎn)生器包含一決策模數(shù)算法(DMA)誤差產(chǎn)生器。
4.根據(jù)權(quán)利要求1所述的接收器，其中所述誤差組合器根據(jù)所述QAM信號與所述經(jīng)確定的符號之間的一差值來組合所述第一和所述第二誤差信號。
5.根據(jù)權(quán)利要求4所述的接收器，其中所述誤差組合器對所述第一誤差信號應用一第一權(quán)數(shù)，且對所述第二誤差信號應用一第二權(quán)數(shù)，以產(chǎn)生所述組合的誤差信號；且基于所述QAM信號與所述經(jīng)確定的符號之間的所述差值來確定所述第一和所述第二權(quán)數(shù)。
6.根據(jù)權(quán)利要求5所述的接收器，其中隨著所述QAM信號與所述經(jīng)確定的符號之間的所述差值減小，所述第一權(quán)數(shù)相對于所述第二權(quán)數(shù)而減小到零；且隨著所述QAM信號與所述經(jīng)確定的符號之間的所述差值增加到一閾值以上，所述第二權(quán)數(shù)相對于所述第一權(quán)數(shù)而減小到零。
7.一種方法，其包含接收一正交振幅調(diào)制(QAM)信號；確定對應于所述接收的QAM信號的一符號；基于一恒模來計算均衡中的一第一誤差，且基于所述經(jīng)確定的符號來計算均衡中的一第二誤差；和調(diào)節(jié)一濾波器以根據(jù)所述第一誤差和所述第二誤差來減小均衡中的誤差。
8.根據(jù)權(quán)利要求7所述的方法，其中所述第一誤差是基于一恒模算法(CMA)誤差。
9.根據(jù)權(quán)利要求8所述的方法，其中所述第二誤差是基于所述經(jīng)確定的符號與所述接收的QAM信號之間的一差值。
10.根據(jù)權(quán)利要求7所述的方法，其中所述調(diào)節(jié)所述濾波器包含組合所述第一誤差和所述第二誤差以調(diào)節(jié)所述濾波器。
11.根據(jù)權(quán)利要求10所述的方法，其中所述組合所述第一誤差與所述第二誤差包含根據(jù)所述經(jīng)確定的符號與所述接收的QAM信號之間的一差值，相對于所述第二誤差而對所述第一誤差進行加權(quán)。
12.根據(jù)權(quán)利要求11所述的方法，其中當所述經(jīng)確定的符號與所述接收的QAM信號之間的所述差值減小時，所述第一誤差的一權(quán)數(shù)相對于所述第二誤差的一權(quán)數(shù)而減小。
13.根據(jù)權(quán)利要求10所述的方法，其中所述組合所述第一誤差與所述第二誤差包含根據(jù)所述經(jīng)確定的符號與所述接收的QAM信號之間的一差值，確定所述第一誤差與所述第二誤差的一加權(quán)平均值。
14.根據(jù)權(quán)利要求13所述的方法，其中當所述經(jīng)確定的符號與所述接收的QAM信號之間的所述差值減小到一閾值以下時，所述第一誤差的一權(quán)數(shù)減小到零。
15.根據(jù)權(quán)利要求14所述的方法，其中當所述經(jīng)確定的符號與所述接收的QAM信號之間的所述差值增加到一閾值以上時，所述第二誤差的所述權(quán)數(shù)減小到零。
16.一種電路，其包含用于接收一正交振幅調(diào)制(QAM)信號的構(gòu)件；用于確定對應于所述接收的QAM信號的一符號的構(gòu)件；用于基于一恒模來計算均衡中的一第一誤差且基于所述經(jīng)確定的符號來計算均衡中的一第二誤差的構(gòu)件；和用于調(diào)節(jié)一濾波器以根據(jù)所述第一誤差和所述第二誤差來減小均衡中的誤差的構(gòu)件。
17.根據(jù)權(quán)利要求16所述的電路，其中所述第一誤差是基于一恒模算法(CMA)誤差；且所述第二誤差是基于所述經(jīng)確定符號的一模數(shù)與所述接收的QAM信號的一模數(shù)之間的一差值。
18.根據(jù)權(quán)利要求16所述的電路，其中用于調(diào)節(jié)所述濾波器的所述構(gòu)件包含用于根據(jù)所述經(jīng)確定的符號中的一置信度來相對于所述第二誤差而對所述第一誤差進行加權(quán)的構(gòu)件。
19.根據(jù)權(quán)利要求18所述的電路，其中當所述置信度增加時，所述第一誤差的一權(quán)數(shù)相對于所述第二誤差的一權(quán)數(shù)而減小。
20.根據(jù)權(quán)利要求19所述的電路，其中當所述置信度增加到一第一閾值以上時，所述第一誤差的所述權(quán)數(shù)減小到零；且當所述置信度減小到一第二閾值以下時，所述第二誤差的所述權(quán)數(shù)減小到零。
全文摘要
本發(fā)明揭示用于具有一混合適配誤差的盲均衡器的方法和裝置。在一個實施例中，一正交振幅調(diào)制(QAM)信號接收器包括一濾波器，其減小均衡中的誤差，所述濾波器輸出一QAM信號；一決策引擎，其耦合到所述濾波器以基于所述QAM信號而確定一符號；一第一誤差產(chǎn)生器，其耦合到所述濾波器以基于所述QAM信號和一常數(shù)來計算一第一誤差信號；一第二誤差產(chǎn)生器，其耦合到所述濾波器和所述決策引擎，以基于所述QAM信號和所述經(jīng)確定的符號來計算一第二誤差信號；一誤差組合器，其耦合到所述第一和所述第二誤差產(chǎn)生器，以從所述第一和所述第二誤差信號產(chǎn)生一組合的誤差信號；和一適配引擎，其與所述誤差組合器和所述濾波器耦合，以根據(jù)所述組合的誤差信號來減小一均衡誤差。
文檔編號H04B1/06GK101056290SQ20061008754
公開日2007年10月17日 申請日期2006年6月14日 優(yōu)先權(quán)日2006年4月10日
發(fā)明者張力 申請人:瀾起科技(上海)有限公司