專利名稱：一種盲均衡器及盲均衡處理方法
技術(shù)領(lǐng)域：
本發(fā)明屬于通信領(lǐng)域.，尤其涉及一種盲均衡器及盲均衡處理方法。
背景技術(shù)：
信號(hào)在非理想信道中傳輸會(huì)導(dǎo)致失真，均衡是用來減少失真且補(bǔ)償信號(hào)損失的一 種技術(shù)。由于盲均衡不需要使用訓(xùn)練序列，因而可以提高系統(tǒng)帶寬效率。此外，對(duì)某些通信 系統(tǒng)來說，在當(dāng)接收端失去同步等時(shí)，很難在接收端得到正確的訓(xùn)練序列。而盲均衡則為這 類系統(tǒng)提供了一個(gè)能消除信道有害影響的實(shí)際手段。從20世紀(jì)90年代開始，研究和使用得最多的盲均衡算法是恒模算法(Constant Modulus Algorithm, CMA)。CMA試圖恢復(fù)某些通信信號(hào)的恒包絡(luò)特性，通過恢復(fù)信號(hào)的模 值，可能間接恢復(fù)信號(hào)的其它特性，從而有可能產(chǎn)生合適的性能。盲均衡系統(tǒng)的結(jié)構(gòu)框圖如 圖1所示，{s(n)}為發(fā)送信號(hào)，{h(n)}為信道h的沖激響應(yīng)，{e(n)}為均值為零的高斯白噪 聲，{r(n)}為輸入均衡器的接收信號(hào)，lw(n)}表示長(zhǎng)度為N的均衡器，{y(n)}為均衡器的輸 出信號(hào)，盲均衡算法通過調(diào)整均衡器的權(quán)值減少碼間干擾(Inter-Symbol Interference, ISI)，使均衡器的輸出與原發(fā)送信號(hào)逼近。CMA通過最小化一個(gè)非凸代價(jià)函數(shù)來實(shí)現(xiàn)，通常 采用的代價(jià)函數(shù)為J = E-r其中，J表示CMA的代價(jià)函數(shù)，y(n)為均衡器的輸出，r為與傳輸信號(hào)的模值有關(guān) 的常數(shù)，即恒模。r = E[|s(n)|4]/E[|s(n)|2]其中，s(n)表示傳輸信號(hào)。CMA均衡器的權(quán)值更新方程采用最陡下降梯度算法w(n+l) = w (n) + u e (n) r* (n)其中，均衡器具有N個(gè)抽頭系數(shù)，也稱為權(quán)值；w(n) = [W(l(n)，…，WhOOP表示權(quán) 值向量；P是(正)迭代步長(zhǎng)，它控制收斂速度；均衡器輸入信號(hào)向量為r(n) = [r(n)，…， r(n_N+l)]T，輸出信號(hào)為y(n) =wTr(n) ； e (n)為誤差項(xiàng)，它是通過對(duì)代價(jià)函數(shù)J中的y (n) 求偏導(dǎo)得到的，即e (n) =y(n) (r-|y(n)|2)；上角標(biāo)*表示取共軛運(yùn)算。這樣，根據(jù)CMA權(quán)值更新方程調(diào)節(jié)權(quán)值以減少誤差項(xiàng)￡ (n)，即減少均衡器的輸出 與恒模之間的偏差，直到均衡器收斂為止。P. Schniter 禾口 C.R.Johnson 在"Dithered signed — error CMA Thecomplex-valued case, in Proc.Asilomar Conf.Signals, Syst. , Comput., PacificGrove, CA，1998”中描述了針對(duì)復(fù)數(shù)值信號(hào)的抖動(dòng)符號(hào)誤差恒模算法 (DitheredSigned-Error CMA, DSE-CMA)。抖動(dòng)是指在量化之前增加一個(gè)隨機(jī)信號(hào)，以試圖 保存量化過程中丟失的信息。從加性噪聲的角度來看，抖動(dòng)是使量化噪聲成為均值為零，且 與被量化的信號(hào)相互獨(dú)立的白噪聲。復(fù)數(shù)情況下，DSE-CMA算法的權(quán)值更新方程同樣采用最陡下降梯度法w(n+l) = w (n) + u e (yn, dn) r* (n)其中，w(n)表示DSE-CMA算法的權(quán)向量；y為DSE-CMA算法的(正)迭代步長(zhǎng)，它 控制DSE-CMA算法的收斂速度；上角標(biāo)*表示取共軛運(yùn)算；￡ (yn，dn)表示DSE-CMA的誤差 項(xiàng)，e (yn, dn) = a csgn( e (n) + adn)。其中，yn 表示輸出信號(hào) y(n) ； ￡ (n)為 CMA 的誤差 項(xiàng)e (n) =y(n)(r-|y(n)|2)，a dn即在量化之前增加的隨機(jī)信號(hào)，a表示抖動(dòng)幅度，是正 常數(shù);dn = dn(r)+jdn⑴，{dn(r)}和{dn(i)}分別是均勻分布在(-1,1]上且服從獨(dú)立同分布的 抖動(dòng)隨機(jī)信號(hào)。csgn(x) = sgn(Rex)+jsgn(Imx), sgn(.)表示取符號(hào)操作，因此簡(jiǎn)化了計(jì) 算。DSE-CMA算法通過調(diào)節(jié)權(quán)值以減少誤差項(xiàng)，直到均衡器收斂為止。DSE-CMA算法通過把大量的更新乘法轉(zhuǎn)變成符號(hào)操作，簡(jiǎn)化了計(jì)算。DSE-CMA算法 的目的是在降低復(fù)雜性的同時(shí)，保持CMA的魯棒性。但是，DSE-CMA算法的收斂速度比較慢， 穩(wěn)態(tài)性能不夠好。

發(fā)明內(nèi)容
本發(fā)明的目的旨在解決現(xiàn)有技術(shù)存在的問題，提供一種盲均衡器，能夠提高收斂 速度和穩(wěn)態(tài)性能。本發(fā)明是這樣實(shí)現(xiàn)的，一種盲均衡器，包括權(quán)值更新單元和濾波器；所述權(quán)值更新單元包括第一權(quán)值更新模塊，用于采用抖動(dòng)符號(hào)誤差-恒模算法更新第一權(quán)值向量；第二權(quán)值更新模塊，用于以最大后驗(yàn)概率理論作為判決依據(jù)，采用最陡下降梯度 算法，為使局部后驗(yàn)概率密度函數(shù)的對(duì)數(shù)值最大，更新第二權(quán)值向量；以及權(quán)值合并模塊，用于合并更新后的所述第一權(quán)值向量和第二權(quán)值向量；所述濾波器用于根據(jù)所述權(quán)值合并模塊合并后得到的權(quán)值向量，對(duì)接收到的信號(hào) 向量進(jìn)行均衡處理后輸出。本發(fā)明的另一目的在于提供旨在解決現(xiàn)有技術(shù)存在的問題，提供一種盲均衡處理 方法，包括下述步驟采用抖動(dòng)符號(hào)誤差_恒模算法更新第一權(quán)值向量；以最大后驗(yàn)概率理論作為判決依據(jù)，采用最陡下降梯度算法，為使局部后驗(yàn)概率 密度函數(shù)的對(duì)數(shù)值最大，更新第二權(quán)值向量；合并更新后的第一權(quán)值向量和第二權(quán)值向量；根據(jù)合并后得到的權(quán)值向量，對(duì)接收到的信號(hào)向量進(jìn)行均衡處理后輸出。在本發(fā)明中，通過采用最陡下降梯度算法，為使第一權(quán)值更新模塊的誤差項(xiàng)最小 且使第二權(quán)值更新模塊采用的局部后驗(yàn)概率密度函數(shù)的對(duì)數(shù)值最大，更新權(quán)值向量，再根 據(jù)更新后的權(quán)值向量對(duì)接收到的信號(hào)向量進(jìn)行均衡處理后輸出，實(shí)現(xiàn)了一種盲均衡器，能 夠提高收斂速度和穩(wěn)態(tài)性能。


圖1是現(xiàn)有技術(shù)提供的盲均衡系統(tǒng)的結(jié)構(gòu)框圖；圖2是本發(fā)明實(shí)施例提供的盲均衡器的結(jié)構(gòu)框圖3是本發(fā)明實(shí)施例提供的盲均衡器所處的盲均衡系統(tǒng)的框圖；圖4是本發(fā)明實(shí)施例提供的局部軟判決區(qū)域劃分圖；圖5是本發(fā)明實(shí)施例提供的碼間干擾(ISI)仿真圖；圖6是本發(fā)明實(shí)施例提供的碼間干擾(ISI)仿真圖；圖7是本發(fā)明實(shí)施例提供的盲均衡處理方法的實(shí)現(xiàn)流程。
具體實(shí)施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。實(shí)施例1 在本發(fā)明實(shí)施例中，通過采用最陡下降梯度算法，為使第一權(quán)值更新模塊的誤差 項(xiàng)最小且使第二權(quán)值更新模塊采用的局部后驗(yàn)概率密度函數(shù)的對(duì)數(shù)值最大，更新權(quán)值向 量，再根據(jù)更新后的權(quán)值向量對(duì)接收到的信號(hào)向量進(jìn)行均衡處理后輸出，實(shí)現(xiàn)了一種盲均 衡器。圖2示出了本發(fā)明實(shí)施例提供的盲均衡器的結(jié)構(gòu)，為了便于說明僅示出了與本發(fā) 明實(shí)施例相關(guān)的部分。該盲均衡器可以用于無線移動(dòng)通信系統(tǒng)的接收機(jī)，可以是運(yùn)行于這些接收機(jī)內(nèi)的 軟件單元、硬件單元或者軟硬件相結(jié)合的單元，其中權(quán)值更新單元201，根據(jù)最陡下降梯度算法，為了使第一權(quán)值更新模塊201的誤差 項(xiàng)最小且使第二權(quán)值更新模塊202采用的局部后驗(yàn)概率密度函數(shù)(probability density function, p. d. f.)的對(duì)數(shù)值最大，更新權(quán)值向量；濾波器202，根據(jù)權(quán)值更新單元201更新后的權(quán)值向量，對(duì)接收到的信號(hào)向量進(jìn)行 均衡處理后輸出，采用下式對(duì)接收到的信號(hào)向量進(jìn)行均衡處理y(n) = w (n) Tr (n)；其中，上角標(biāo)“T”表示矩陣轉(zhuǎn)置，w(n)為權(quán)值更新單元201更新后的權(quán)值向量， r(n)為接收到的信號(hào)向量，y(n)為進(jìn)行均衡處理后輸出的信號(hào)。具體地，如圖2所示，權(quán)值更新單元201包括第一權(quán)值更新模塊2011、第二權(quán)值更 新模塊2012和權(quán)值合并模塊2013 第一權(quán)值更新模塊2011，采用DSE-CMA算法更新第一權(quán)值向量，具體采用如下迭 代公式對(duì)第一權(quán)值向量進(jìn)行更新wc (n+1) = wc (n) + u c e (yn, dn) r* (n)；其中，w。(n)表示第一權(quán)值更新模塊2011在n時(shí)刻的權(quán)值向量；P。為采用DSE-CMA 算法進(jìn)行權(quán)值向量更新的(正)迭代步長(zhǎng)，它控制采用DSE-CMA算法進(jìn)行權(quán)值向量更新的 收斂速度，yn為盲均衡器(也即濾波器202)的輸出信號(hào)y(n)，r(n)為接收到的信號(hào)向量， 上角標(biāo)*表示取共軛運(yùn)算；e (yn, dn)表示采用DSE-CMA算法進(jìn)行權(quán)值向量更新的誤差項(xiàng)。 具體地，e (yn, dn) = a csgn( e (n) + a dn)；其中，￡ (n)為采用CMA算法進(jìn)行權(quán)值向量更新的誤差項(xiàng)，￡(n)=y(n)(r-|y(n) |2) ； a dn即在量化之前增加的隨機(jī)信號(hào)，a表示抖動(dòng)幅度，為正常數(shù)，r為恒模值， dn = dn(r)+jdn(i), {dn(r)}和{dn(i)}分別是均勻分布在(_1，1]上且服從獨(dú)立同分布的抖動(dòng)隨 機(jī)信號(hào)；csgn(x) = sgn(Rex)+jsgn(Im x),sgn(.)表示取符號(hào)操作，從而可以簡(jiǎn)化計(jì)算。另外，a的選取與恒模值r、發(fā)送信號(hào)s(n)和盲均衡器的輸出信號(hào)y (n)有關(guān)，把 與這三個(gè)因素有關(guān)的值分別記為a。、aZF和a0E。具體地，ac = 2 (r/3)3/2 ；
J oe :=s{eJ6y)其中，e (.)表示CMA算法的誤差項(xiàng)，^表示對(duì)應(yīng)的眼圖打開的均衡器輸出集合， s表示發(fā)送信號(hào)s(n)，y表示盲均衡器的輸出信號(hào)y(n)。由于a影響算法的魯棒性以及算法的穩(wěn)態(tài)性能，比如，穩(wěn)態(tài)剩余均方誤差
(Excess Mean Square Error, EMSE),其取值范圍通常選為 max { a c，a ZF} < a < max { a ZF, a °DSE-CMA算法通過調(diào)節(jié)權(quán)值向量w。(n)以減少誤差項(xiàng)，直到盲均衡器收斂為止。第二權(quán)值更新模塊2012，以最大后驗(yàn)概率理論作為判決依據(jù)，采用最陡下降梯度 算法，為使局部后驗(yàn)P. d. f.的對(duì)數(shù)值最大，從而不斷更新第二權(quán)值向量直至收斂，具體采 用如下迭代公式對(duì)第二權(quán)值向量進(jìn)行更新 “(#,-(+)’*))其中，wd(n)表示第二權(quán)值更新模塊2012在n時(shí)刻的權(quán)值向量；P d表 示進(jìn)行權(quán)值向量更新的(正)迭代步長(zhǎng)，它控制進(jìn)行權(quán)值向量更新的收斂速度；
=w(n)為權(quán)值合并模塊 2013 在 n 時(shí)刻的權(quán)值
向量，p表示噪聲方差，其取值與信道的散布有關(guān)，表示盲均衡器(也即濾波器 202)輸出的局部后驗(yàn)p. d. f.。第二權(quán)值更新模塊2012使用最陡下降梯度算法調(diào)整wd(n)，
通過減小^^l^ZMl的值從而最大化局部后驗(yàn)p. d. f.的對(duì)數(shù)值。權(quán)值合并模塊2013，合并第一權(quán)值更新更新單元更新后的第一權(quán)值向量w。(n+l) 和第二權(quán)值更新更新單元更新后的第二權(quán)值向量wd(n+l)，具體采用下式進(jìn)行權(quán)值向量的 合并w(n+l) = wc (n+1) +wd (n+1)；其中，第一權(quán)值更新模塊2011和第二權(quán)值更新模塊2012的抽頭個(gè)數(shù)都為N ；N、 P。、和P的選取可以根據(jù)實(shí)際經(jīng)驗(yàn)確定，經(jīng)多次調(diào)試找到合適的取值以保證快速收斂 和良好的穩(wěn)態(tài)性能。例如，對(duì)于QAM信號(hào)，p的取值應(yīng)該在0到1之間，一般！^的取值比 u。的取值大一至兩個(gè)數(shù)量級(jí)，才能使第二權(quán)值更新模塊2012能起到有效改善盲均衡器輸 出的作用。本發(fā)明實(shí)施例提供的盲均衡器所處的盲均衡系統(tǒng)的框圖如圖3所示。其中，發(fā)送
7信號(hào)s(n)經(jīng)過信道10響應(yīng)后再通過加法器30疊加上高斯白噪聲e(n)，得到盲均衡器20 的輸入信號(hào)r (n)，y(n)為盲均衡器20的輸出信號(hào)。圖4展示了 64QAM局部軟判決區(qū)域，其中方框區(qū)域表示劃分后的局部軟判決區(qū)域， 空心點(diǎn)表示符號(hào)點(diǎn)，黑點(diǎn)表示盲均衡器的輸出符號(hào)。如果盲均衡器的輸出位于區(qū)域Su內(nèi)， 則第二權(quán)值更新模塊2012利用此區(qū)域中的符號(hào)點(diǎn)構(gòu)成的局部后驗(yàn)p. d. f.調(diào)整權(quán)值％(11)， 從而調(diào)整盲均衡器的輸出。應(yīng)當(dāng)認(rèn)識(shí)到，其它階數(shù)的軟判決區(qū)域的劃分類似于圖4。從圖 4可以看出，第二權(quán)值更新模塊2012通過劃分判決區(qū)域可以減少后驗(yàn)概率密度函數(shù)的計(jì)算 次數(shù)，即可以簡(jiǎn)化計(jì)算。圖5展示采用16QAM信號(hào)源時(shí)，根據(jù)本發(fā)明提供的盲均衡器進(jìn)行均衡處理后，輸出 信號(hào)的碼間干擾(Inter-Symbol Interference, ISI)仿真圖，ISI定義為
0067I 吣)、；其中，h⑴為信道h的沖激響應(yīng)，w⑴表示盲均衡器對(duì)應(yīng)的權(quán)值向量。從圖5可以看到，采用本發(fā)明實(shí)施例所提供的盲均衡器，與僅采用DSE-CMA進(jìn)行權(quán) 值向量更新的盲均衡器相比，收斂更快；且穩(wěn)態(tài)時(shí)，ISI更小。實(shí)施例2 為了減少相位偏移，并進(jìn)一步提高收斂速度，作為本發(fā)明的一個(gè)優(yōu)選實(shí)施例， 第一權(quán)值更新模塊2011根據(jù)最陡下降梯度算法，把CMA誤差項(xiàng)分為實(shí)部和虛部?jī)刹?分，然后加入抖動(dòng)隨機(jī)信號(hào)并進(jìn)行取符號(hào)操作，構(gòu)成新的誤差項(xiàng)，為減小新的誤差項(xiàng)從 而不斷更新第一權(quán)值向量直至收斂，即采用抖動(dòng)符號(hào)誤差-改進(jìn)恒模算法(Dithered Signed-Error-Modified Constant Modulus Algorithm, DSE-MCMA)算法更新第一權(quán)值向 量，具體地，采用如下迭代公式對(duì)第一權(quán)值向量進(jìn)行更新wc (n+1) = wc (n) + u c e (yn, dn) r* (n)；其中，wc(n)表示第一權(quán)值更新模塊2011在n時(shí)刻的權(quán)值向量；y。為采用 DSE-MCMA算法進(jìn)行權(quán)值向量更新的(正)迭代步長(zhǎng)，它控制采用DSE-MCMA算法進(jìn)行權(quán)值向 量更新的收斂速度，yn為盲均衡器(也即濾波器202)的輸出信號(hào)y(n)，r(n)為接收到的 信號(hào)向量，上角標(biāo)*表示取共軛運(yùn)算；￡ (yn，dn)表示采用DSE-MCMA算法進(jìn)行權(quán)值向量更新 的誤差項(xiàng)。具體地，e (yn, dn) = a csgn( e (n) + a dn)；其中，￡ (n)為采用MCMA算法進(jìn)行權(quán)值向量更新的誤差項(xiàng)，將其分為實(shí)部和虛部， 即e (n) = e E(n)+j e x (n)；其中，實(shí)部￡ K (n) = yK (n) (rR-1 yE (n) |2)，虛部 e 工(n) = Yl (n) (rx-1 Yl (n) |2)；MrR = E[|sR(n) |4]/E[|sR(n) |2], rx = E [ | Sl (n) |4]E[|Sl(n) |2]。其余部分與DSE-CMA算法相同。DSE-MCMA算法通過調(diào)整權(quán)值減小誤差項(xiàng)，直至均 衡器收斂。其中，第一權(quán)值更新模塊2011和第二權(quán)值更新模塊2012的抽頭個(gè)數(shù)N、y。的 取值與上述DSE-CMA算法中相同，可以依據(jù)多次實(shí)驗(yàn)后的經(jīng)驗(yàn)值取。在本發(fā)明實(shí)施例中，第二權(quán)值更新模塊2012、權(quán)值合并模塊2013和濾波器202的實(shí)現(xiàn)與實(shí)施例1中相同，僅僅是第一權(quán)值更新模塊2011更新第一權(quán)值向量的算法有所改變。圖6展示采用16QAM信號(hào)源時(shí)，根據(jù)本發(fā)明實(shí)施例所提供的盲均衡器進(jìn)行均衡處 理后，輸出信號(hào)的ISI仿真圖。從圖6可以看到，采用本發(fā)明實(shí)施例所提供的盲均衡器，由 于減小了相位失真，其收斂速度比本發(fā)明實(shí)施例1提供的盲均衡器要快，且穩(wěn)態(tài)性能更好。另外，雖然為了簡(jiǎn)便，這里只僅給出了 16QAM的仿真圖，但是可以采用其它階數(shù)的 QAM來使用本發(fā)明提供的盲均衡器。實(shí)施例3 圖7示出了本發(fā)明實(shí)施例提供的盲均衡處理方法的實(shí)現(xiàn)流程，詳述如下在步驟S701中，采用DSE-CMA算法更新第一權(quán)值向量；在步驟S702中，以最大后驗(yàn)概率理論作為判決依據(jù)，采用最陡下降梯度算法，為 使局部后驗(yàn)P.d.f.的對(duì)數(shù)值最大，更新第二權(quán)值向量；在步驟S703中，合并更新后的第一權(quán)值向量和第二權(quán)值向量；在步驟S704中，根據(jù)合并后得到的權(quán)值向量，對(duì)接收到的信號(hào)向量進(jìn)行均衡處理 后輸出，采用下式對(duì)接收到的信號(hào)向量進(jìn)行均衡處理y(n) = w (n) Tr (n)；其中，上角標(biāo)“T”表示矩陣轉(zhuǎn)置，w(n)為步驟S703中合并后得到的權(quán)值向量，r (n) 為接收到的信號(hào)向量，y(n)為進(jìn)行均衡處理后輸出的信號(hào)。具體地，在步驟S701中，采用DSE-CMA算法更新第一權(quán)值向量時(shí)，具體采用如下迭 代公式對(duì)第一權(quán)值向量進(jìn)行更新wc(n+l) = wc (n) + u e (yn, dn)r*(n)；其中，w。(n)表示在n時(shí)刻的權(quán)值向量；為采用DSE-CMA算法進(jìn)行權(quán)值向量更新的 (正)迭代步長(zhǎng)，它控制采用DSE-CMA算法進(jìn)行權(quán)值向量更新的收斂速度；￡ (yn, dn)表示 采用DSE-CMA算法進(jìn)行權(quán)值向量更新的誤差項(xiàng)；yn表示輸出信號(hào)y(n) ；r(n)為接收到的信 號(hào)向量；上角標(biāo)*表示取共軛運(yùn)算。具體地，e (yn, dn) = a csgn( e (n) + a dn)；其中，￡ (n)為采用CMA算法進(jìn)行權(quán)值向量更新的誤差項(xiàng)，￡(n)=y(n) (r-|y(n) |2) ； a dn即在量化之前增加的隨機(jī)信號(hào)，a表示抖動(dòng)幅度，為正常數(shù)，r為恒模值， dn = dn(r)+jdn(i), {dn(r)}和{dn(i)}分別是均勻分布在(_1，1]上且服從獨(dú)立同分布的抖動(dòng)隨 機(jī)信號(hào)；csgnOO = sgn(Rex)+jsgn(Imx),sgn(.)表示取符號(hào)操作，從而可以簡(jiǎn)化計(jì)算。另外，a的選取與恒模值r、發(fā)送信號(hào)和盲均衡器的輸出信號(hào)有關(guān)，把與這三個(gè)因 素有關(guān)的值分別記為a。、aZF和a0E。具體地，ac = 2 (r/3)3/2 ；
「00981
「00991 其中，e (.)表示CMA算法的誤差項(xiàng)，^表示對(duì)應(yīng)的眼圖打開的均衡器輸出集合， s表示發(fā)送信號(hào)s(n)，y表示盲均衡器的輸出信號(hào)y(n)由于a影響算法的魯棒性以及算法的穩(wěn)態(tài)性能，例如穩(wěn)態(tài)EMSE，其取值范圍通常選為 max { ct c, ct ZF} < ct max { ct ZF，a 0E} 0在步驟S702中，更新第二權(quán)值向量時(shí)，具體采用如下迭代公式對(duì)第二權(quán)值向量進(jìn) 行更新 其中，wd(n)表示在n時(shí)刻的權(quán)值向量；表示進(jìn)行權(quán)值向量更新的(正)迭代 步長(zhǎng)，它控制進(jìn)行權(quán)值向量更新的收斂速度； /u^P^^njj—W^plogptw(力,;;(〃)))，
w(n)為n時(shí)刻進(jìn)行均衡處理的權(quán)值向量，P表示噪聲方差，其取值與信道的散布有關(guān)， p(w(n)，_y(;7))表示進(jìn)行均衡處理后輸出的局部后驗(yàn)p.d.f.。通過使用最陡下降梯度算法
調(diào)整wd(n)，通過減小^的值從而最大化局部后驗(yàn)P. d. f.的對(duì)數(shù)值。
5w々)在步驟S703中，具體采用下式進(jìn)行權(quán)值向量的合并w(n+l) = wc(n+l)+wd(n+l)；其中，第一權(quán)值向量w。(n+l)和第二權(quán)值向量 (11+1)的維數(shù)都為^！^㈧和 P的選取可以根據(jù)實(shí)際經(jīng)驗(yàn)確定，經(jīng)多次調(diào)試找到合適的取值以保證快速收斂和良好的穩(wěn) 態(tài)性能。例如，對(duì)于QAM信號(hào)，p的取值應(yīng)該在0到1之間，一般y d的取值比y。的取值 大一至兩個(gè)數(shù)量級(jí)，才能使更新后的第二權(quán)值向量％(11+1)起到有效改善盲均衡處理的性 能。當(dāng)然，步驟S701和步驟S702的執(zhí)行順序可以交換，也可以同時(shí)執(zhí)行。實(shí)施例4:為了減少相位偏移，并進(jìn)一步提高收斂速度，作為本發(fā)明的一個(gè)優(yōu)選實(shí)施例，在步 驟S7011中，根據(jù)最陡下降梯度算法，把CMA誤差項(xiàng)分為實(shí)部和虛部?jī)刹糠?，然后加入抖?dòng) 隨機(jī)信號(hào)并進(jìn)行取符號(hào)操作，構(gòu)成新的誤差項(xiàng)，為減小新的誤差項(xiàng)從而不斷地更新第一權(quán) 值向量直至收斂，即采用DSE-MCMA算法更新第一權(quán)值向量，具體地，采用如下迭代公式對(duì) 第一權(quán)值向量進(jìn)行更新wc(n+l) = wc (n) + u e (yn, dn)r*(n)；其中，w。(n)表示在n時(shí)刻的權(quán)值向量；u。為采用DSE-MCMA算法進(jìn)行權(quán)值向量更 新的(正)迭代步長(zhǎng)，它控制采用DSE-MCMA算法進(jìn)行權(quán)值向量更新的收斂速度；￡ (yn, dn) 表示采用DSE-MCMA算法進(jìn)行權(quán)值向量更新的誤差項(xiàng)。具體地，e (yn, dn) = a csgn( e (n) + a dn)；其中，￡ (n)為采用MCMA算法進(jìn)行權(quán)值向量更新的誤差項(xiàng)，將其分為實(shí)部和虛部， 即e (n) = e E(n)+j e x (n)；其中，實(shí)部eE(n) = yK(n) (rK-|yK(n) |2)，虛部 e x (n) = yi(n) (r^ly^n) |2)；MrR = E[|sR(n) |4]/E[|sR(n) |2], rx = E [ | Sl (n) |4]/E[|Sl(n) |2]。其余部分與DSE-CMA算法相同。DSE-MCMA算法通過調(diào)整權(quán)值減小誤差項(xiàng)，直至均 衡器收斂。在本發(fā)明實(shí)施例中，第二權(quán)值向量更新、權(quán)值合并的算法不變，僅僅是第一權(quán)值向量更新的算法有所改變。在本發(fā)明中，通過采用最陡下降梯度算法，為減小誤差項(xiàng)且使局部后驗(yàn)概率的對(duì) 數(shù)值最大，更新權(quán)值向量，再根據(jù)更新后的權(quán)值向量對(duì)接收到的信號(hào)向量進(jìn)行均衡處理后 輸出，實(shí)現(xiàn)了一種盲均衡器，能夠提高收斂速度和穩(wěn)態(tài)性能。本領(lǐng)域普通技術(shù)人員可以理解，實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可以 通過程序來指令相關(guān)的硬件來完成，所述的程序可以在存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì) 中，所述的存儲(chǔ)介質(zhì)，如ROM/RAM、磁盤、光盤等。以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
一種盲均衡器，其特征在于，所述盲均衡器包括權(quán)值更新單元和濾波器；所述權(quán)值更新單元包括第一權(quán)值更新模塊，用于采用抖動(dòng)符號(hào)誤差-恒模算法更新第一權(quán)值向量；第二權(quán)值更新模塊，用于以最大后驗(yàn)概率理論作為判決依據(jù)，采用最陡下降梯度算法，為使局部后驗(yàn)概率密度函數(shù)的對(duì)數(shù)值最大，更新第二權(quán)值向量；以及權(quán)值合并模塊，用于合并更新后的所述第一權(quán)值向量和第二權(quán)值向量；所述濾波器用于根據(jù)所述權(quán)值合并模塊合并后得到的權(quán)值向量，對(duì)接收到的信號(hào)向量進(jìn)行均衡處理后輸出。
2.如權(quán)利要求1所述的盲均衡器，其特征在于，所述第一權(quán)值更新模塊更新第一權(quán)值 向量的公式為wc (n+1) = wc (η) + μ c ε (yn, dn) r* (η)；其中，wc (η)為所述第一權(quán)值更新模塊在η時(shí)刻的權(quán)值向量，P。為進(jìn)行權(quán)值向量更新 的迭代步長(zhǎng)，ε (yn，dn)為進(jìn)行權(quán)值向量更新的誤差項(xiàng)，yn為所述濾波器的輸出信號(hào)y (η)， r(n)為接收到的信號(hào)向量，上角標(biāo)*表示取共軛運(yùn)算； ε (yn, dn) = α csgn( ε (η) + α dn)；其中，ε (η)為采用恒模算法進(jìn)行權(quán)值向量更新的誤差項(xiàng)，ε (η) = y(n) (r-|y(n) |2)； Cidn為在量化之前增加的隨機(jī)信號(hào)，α為抖動(dòng)幅度，r為恒模值，dn= )，{dn(r)} 和{dn(i)}分別是均勻分布在(_1，1]上且服從獨(dú)立同分布的抖動(dòng)隨機(jī)信號(hào)；Csgn(X)= sgn (Rex)+jsgn (Imx), sgn(.)表示取符號(hào)操作。
3.如權(quán)利要求1所述的盲均衡器，其特征在于，所述第二權(quán)值更新模塊更新第二權(quán)值 向量的公式為 其中，wd(n)為所述第二權(quán)值更新模塊在η時(shí)刻的權(quán)值向量；μ <!為進(jìn)行權(quán)值向量更新的 迭代步長(zhǎng)AMAP(w( )) = Plog(》(W(^),;^))),w(n)為所述權(quán)值合并模塊在η時(shí)刻的權(quán)值向量，P為噪聲方差，為所述濾波器輸出的局部后驗(yàn)概率密度函數(shù)。
4 如權(quán)利要求1所述的盲均衡器，其特征在于，所述濾波器采用下式對(duì)接收到的信號(hào) 向量進(jìn)行均衡處理y (n) =w (η) Tr (η)；其中，上角標(biāo)“Τ”表示矩陣轉(zhuǎn)置，w(η)為所述權(quán)值合并模塊合并后得到的權(quán)值向量， r(n)為接收到的信號(hào)向量，y(n)為進(jìn)行均衡處理后輸出的信號(hào)。
5.如權(quán)利要求1所述的盲均衡器，其特征在于，所述第二權(quán)值更新模塊進(jìn)行權(quán)值向量 更新所采用的迭代步長(zhǎng)比所述第一權(quán)值更新模塊進(jìn)行權(quán)值向量更新所采用的迭代步長(zhǎng)大 一至兩個(gè)數(shù)量級(jí)。
6.如權(quán)利要求1所述的盲均衡器，其特征在于，所述第一權(quán)值更新模塊采用抖動(dòng)符號(hào) 誤差_改進(jìn)恒模算法更新第一權(quán)值向量。
7.如權(quán)利要求6所述的盲均衡器，其特征在于，所述第一權(quán)值更新模塊更新第一權(quán)值向量的公式為Wc (n+1) = Wc (η) + μ c ε (yn, dn) r* (η)；其中，w。(η)為所述第一權(quán)值更新模塊在η時(shí)刻的權(quán)值向量；μ。為進(jìn)行權(quán)值向量更新的 迭代步長(zhǎng)，Yn為所述濾波器的輸出信號(hào)y (η)，r (η)為接收到的信號(hào)向量，上角標(biāo)*表示取共 軛運(yùn)算；ε (yn，dn)為進(jìn)行權(quán)值向量更新的誤差項(xiàng)，ε (yn，dn) = α csgn( ε (η) + α dn) ； ε (η) 為采用改進(jìn)恒模算法進(jìn)行權(quán)值向量更新的誤差項(xiàng)，ε (η) = eK(n)+j ￡l(n)，實(shí)部ε κ(η)= yE (η) (rE-1 yE (η) |2)，虛部 ε Σ (n) = Υι (η)(巧-1 Υι (η) |2);而 rK = E [ | sE (η) |4] /E [ | sE (η) |2]， r^Etls^^n/Etls^n)!2] ； α dn為在量化之前增加的隨機(jī)信號(hào)，α為抖動(dòng)幅度，r為恒 模值，dn= dn(r)+jdn⑴，{dn(r)}和{dn(i)}分別是均勻分布在(-1,1]上且服從獨(dú)立同分布的 抖動(dòng)隨機(jī)信號(hào)；Csgn(X) = sgn(Rex)+jsgn(Imx), sgn(.)表示取符號(hào)操作。
8.一種盲均衡處理方法，其特征在于，所述方法包括下述步驟采用抖動(dòng)符號(hào)誤差_恒模算法更新第一權(quán)值向量；以最大后驗(yàn)概率理論作為判決依據(jù)，采用最陡下降梯度算法，為使局部后驗(yàn)概率密度 函數(shù)的對(duì)數(shù)值最大，更新第二權(quán)值向量；合并更新后的第一權(quán)值向量和第二權(quán)值向量；根據(jù)合并后得到的權(quán)值向量，對(duì)接收到的信號(hào)向量進(jìn)行均衡處理后輸出。
9.如權(quán)利要求8所述的方法，其特征在于，所述更新第二權(quán)值向量的公式為(.χ ( N Α· (Μ”)，+))其中，wd(n)為在η時(shí)刻的權(quán)值向量；yd為進(jìn)行權(quán)值向量更新的迭代步長(zhǎng)； 人= Plog(》(w⑷，少⑷))，P為噪聲方差，w(rO為η時(shí)刻進(jìn)行均衡處理的權(quán)值向量彳為進(jìn)行均衡處理后輸出的局部后驗(yàn)概率密度函數(shù)。
10.如權(quán)利要求8所述的方法，其特征在于，采用抖動(dòng)符號(hào)誤差_改進(jìn)恒模算法更新所 述第一權(quán)值向量。
全文摘要
本發(fā)明適用于通信領(lǐng)域，提供了一種盲均衡器及盲均衡處理方法，所述盲均衡器包括權(quán)值更新單元和濾波器；所述權(quán)值更新單元包括第一權(quán)值更新模塊、第二權(quán)值更新模塊以及權(quán)值合并模塊。在本發(fā)明中，通過使第一權(quán)值更新模塊的誤差項(xiàng)最小且使第二權(quán)值更新模塊采用的局部后驗(yàn)概率密度函數(shù)的對(duì)數(shù)值最大，更新權(quán)值向量，再根據(jù)更新后的權(quán)值向量對(duì)接收到的信號(hào)向量進(jìn)行均衡處理后輸出，實(shí)現(xiàn)了一種盲均衡器，能夠提高收斂速度和穩(wěn)態(tài)性能。
文檔編號(hào)H04L25/03GK101854317SQ201010171519
公開日2010年10月6日 申請(qǐng)日期2010年5月13日 優(yōu)先權(quán)日2010年5月13日
發(fā)明者王暉, 胡恒云, 謝寧 申請(qǐng)人:深圳大學(xué)