数字通信系统中均衡器研究范文

本站小编为你精心准备了数字通信系统中均衡器研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1均衡器的发展现状

20世纪60年代初期，消除码间干扰的电话信道均衡是由固定均衡或人工调整参数来完成的。1965年，Lucky提出迫零算法并应用它自动调节均衡器的抽头系数，进而又将此算法推广到跟踪方式。1969年，Gersho等人提出了根据最小均方误差准则的自适应均衡算法(LMS)。1974年，Godard在卡尔曼滤波理论上推导出递推最小均方算法(RLS)，即RLS自适应均衡算法。

1.1自适应均衡器自适应均衡器的基本原理如图3所示。x(n)表示自适应均衡器的输入，y(n)表示均衡器的输出，d(n)代表期望输出，e(n)代表期望输出d(n)与均衡器的实际输出y(n)之差。自适应均衡技术的基本原理是在发射机发送有用信号之前，先发送接收端已知的训练序列，对均衡器进行训练，称为自动均衡。传统自适应均衡器有以下不足：1）因为训练序列占用一定的带宽，降低了通信系统的有效传输速率；2）对于一个实时突变的信道，必须及时的跟踪信道特性并频繁地发送已知训练序列；3）在一些特殊场合，会造成接收端无法接收到训练序列，因而无法对均衡器进行训练；4）有时需要在接收端添加一个反馈装置来判断是否需要重发训练序列，增加了系统的复杂度。

1.2盲均衡器为了克服传统自适应均衡器的不足和缺陷，人们提出了盲均衡器。盲均衡原理如图4所示。盲均衡器不需要发送训练序列，只是依靠接收序列本身的特性就可获得与信道相匹配的参数，进行信道补偿。因此节省带宽，提高通信质量。与传统的自适应均衡器相比，盲均衡器不仅可以避免上述由于发送训练序列而带来的多种问题，而且收敛域大，均衡效果更好，同时还降低设计复杂度。

2盲均衡器算法分类

根据运用数学理论和优化算法的不同将盲均衡算法归结为以下五类：Bussgang类盲均衡算法、高阶统计量的盲均衡算法、神经网络与模糊理论的盲均衡算法、小波变换的盲均衡算法以及基于支持向量机的盲均衡算法。

2.1基于Bussgang类的盲均衡算法Bussgang类盲均衡算法是比其他算法提出较早的一类算法。该算法的核心是构建一个代价函数和一个非线性控制函数，然后利用某种算法寻找目标函数的最小值。不同的Bussgang算法对应的无记忆非线性函数不同，但是目的都是尽可能使g(y(n))=y(n)成立。1952年,J.J.Bussgang首先证明了任何相关的高斯过程都具有下式描述的特性：，式中g(.)表示无记忆非线性函数。如果一个随机过程满足上式，则均衡器输出序列的自相关函数与用这个输出序列作变换的无记忆非线性函数之间的互相关函数相等,具有这一性质的过程称为Bussgang过程。盲均衡器输出信号的自相关函数与用该输出信号作变换的无记忆非线性函数之间的互相关函数相等,符合Bussgang过程的定义，属于Bussgang类盲均衡器。Bussgang类盲均衡算法包括三种非常经典的算法：判决指向算法、Sato算法、Godard算法。同时，针对这些算法的特点，出现了很多混合算法。Bussgang类算法是在传统的自适应均衡算法的基础上发展起来的，没有增加复杂度且不需要训练序列，简单有效。但是该算法缺点是收敛慢，收敛后剩余误差大，不能解决局部最小问题。

2.2基于高阶统计量的盲均衡算法基于高阶统计量的盲均衡器是利用信号的相频和幅频信息，建立信号的高阶累积量与信道参数的关系方程，然后以解方程的方式获得信道参数。高阶累积量盲均衡可以从以下几个方面来考虑：闭合公式法、对称反对称变化法、直接法、SW方法、归一化方法及倒谱法。基于高阶统计量的盲均衡器应用系统的幅度和相位能抑制高斯白噪声，其实用性很强。这种算法最大优点是不必准确地判定系统的阶数就可构造任意结构形式的均衡器，并且保证全局收敛。其缺点是复杂度比较高，计算量很大。

2.3基于神经网络和模糊理论的盲均衡算法神经网络以快速的反应能力和自组织能力以及高度的鲁棒性，受到通信领域的关注，并且已经研究出基于神经网络的各种盲均衡算法。主要有基于代价函数方法的盲均衡器算法、基于能量函数方法的盲均衡器算法、基于统计特征方法的盲均衡器算法、基于模糊神经网络的盲均衡器算法。它们的优缺点详见参考文献。

2.4基于小波变换的盲均衡算法小波变换是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化的缺点，能够提供一个随频率改变的时间－频率窗口，是进行信号时频分析和处理的理想工具。小波变换的主要特点是通过变换能够充分突出某些方面的特征，同时，由于小波的强去相关性使得均衡器具有更好的收敛性。

2.5基于支持向量机的盲均衡算法支持向量机在解决小样本、非线性及高维模式识别中表现出特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。因此有人试图把支持向量机应用到盲均衡器中，李振兴依据分类和回归思想把支持向量机引入到均衡器中。支持向量机小样本学习的优点使得支持向量机的盲均衡算法能够快速跟踪信道，实现信道均衡，且避免“过学习”现象。通过李振兴的实验仿真可知，基于支持向量机的盲均衡算法具有独特的优越性。

3均衡器算法评价标准

有效性和可靠性是衡量一个通信系统性能好坏的主要指标。主要从以下几个方面来衡量均衡算法的性能优劣：收敛性、稳态误差性、全局最优性、算法复杂度。1）收敛性。收敛速度越快，代表算法的性能越好，均衡效果越好；反之，则均衡效果越差。2）稳态误差性。剩余误差越小，则均衡效果越好；反之，则均衡效果越差。3）全局最优性。能否达到全局最优性也就代表着能否实现对信道的完全补偿，因此是评价均衡算法的重要评判之一。4）算法复杂度。若算法比较复杂，则难以实现。随着对通信质量要求的提高，人们对均衡器技术也提出更高的要求。通过分析比较各种算法的优缺点，可以使各类算法相结合，各取其优，以达到最优的目的。

作者：孔珊珊单位：曲阜师范大学信息技术与传播学院