时域自适应均衡技术的分析与应用
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期 : 2009 06 04
1
频率选择性衰落信道的多径特性
频率选择性衰落信道是一种时变多径信道, 其 44 2009 Radio Engineering Vo1 39 No 9
专题技术与工程应用
带来的影响。 到自适应均衡的目的 , 就必须能够自动调整均衡器 抽头增益的值 , 这种更新抽头增益所依据的方法即 为自适应算法。自适应均衡算法的选择是均衡器性 能得以实现的关键。 2. 2. 1 自适应均衡的典型算法 最小均方 ( LMS) 算法 : LMS 算法是由简单的 梯度估值所导出的一种自适应算法, 通过调整均衡 器抽头系数, 使均衡器的期望输出值与输出的估计 值之间的误差达到最小 , 因此, 它在本质上是一种使 均方误差输出在性能表面上最陡下降的算法
专题技术与工程应用
时域自适应均衡技术的分析与应用
刁树林, 钟剑波
( 总参第六十一研究所 , 北京 100141)
摘 要 概 述 了频 率选 择 性衰 落信 道 的传 输特 性 , 论 述 了采 用 均 衡 技术 的 必 要 性。 通 过 对各 种 均 衡 器 结 构 和 自 适应 均衡 算 法在 抵抗 符 号间 干扰 能 力、 收敛 速 度以 及运 算 复杂 度等 方 面的 分 析与 比 较 , 选 择了 判 决 反 馈作 为 均 衡 器 结构 、最 小 均方 自适 应 算法 作为 自 适应 准则 的 均衡 器方 案 。仿 真及 试 验结 果证 实 了设 计 的 时域 自 适 应 均衡 器 不 仅 具 有较 强的 抵 抗符 号间 干 扰能 力 , 而 且能 够获 得 隐分 集增 益 , 在 频率 选 择性 衰落 信 道中 具有 良 好的 应用 效 果。 关键词 频率选择性衰落信道 ; 符号间干扰 ; 时域自适应均衡 ; 判决反馈均衡 ; LMS 算法 中图分类号 TN911 文献标识码 A 文章编号 1003- 3106( 2009) 09- 0044- 04
专题技术与工程应用
不需要做除法; 在 RLS 类算法中 , 当抽头数 L 较大 时, 最简单的是快速卡尔曼算法 , 但其运算量是 LMS 算法的 10 倍; Viterbi 算法是以上所有算法中计算复 杂度最高的算 法, 其 运算量 随抽头 数 L 呈指数 增 长, 运算极为复杂, 当 L 较大时几乎很难实现。
discussed. Through comparing the capability of intersymbol interference resistance, the speed of convergence and the complexity of different kinds of equalizer structures and adaptive algorithms, the equalizer scheme adopting DFE as the equalizer structure and LMS algorithm as the adaptive rule is chosen. It is proved by simulation and test results that the equalizer not only has strong capability of intersymbol interference resistance, but also has the gain of concealed diversities. The equalizer has good performance in frequency selective fading channel. Key words frenel; ISI ( intersymbol interference) ; time domain adaptive equalization; decision feedback equalization; LMS algorithm
[ 3, 5]
2
时域自适应均衡技术
时域均衡通常采用自适应方式, 即均衡器的参
数随接收信号频谱的变化而自适应地变化, 从而实 现对接收信号的频谱畸变进行 实时矫正的均 衡方 式, 其基本原理就是使具有不同相对时延的信号分 别乘以自适应于信道状态的加权值 , 然后将这些乘 积相加, 加权的结果达到消除符号间干扰、 实现正确 判决的目的[ 1] 。 时域自适应均衡器可以采用不同的结 构及算 法, 不同类型的时域均衡器具有不同的抗符号间干 扰效果和实现复杂度。通过对各种均衡结构及自适 应算法的比较, 可以在工程设计中选择出一种既具 有较强抗符号间干扰能力且硬件实现复杂度较低的 均衡器方案。 2 1 时域均衡器的一般结构 时域自适应均衡器目前主要有线性均衡和判决 反馈均衡 2 种方式。 所谓线性均衡实质上是一个用抽头延时线构成 的前馈结构横向滤波器, 均衡器的输入信号被送入 多抽头延迟线, 每个延迟线的延迟时间为一个符号 宽度 T , 各延迟线的输出信号与抽头系数调整单元 的输出相乘, 再将各相乘结果相加 , 合并后信号的符 号间干扰已得到了很好的抑制。 判决反馈均衡器 ( DFE) 是一种非线性均衡器 , 由一个前馈均衡器( FE) 、 一个反馈均衡器 ( BE) 以及 符号检测器所组成。前馈均衡器输入为接收信号序 列{ Vk } , 其作用是均衡信道的 前导失真; 反馈 均衡 器则是用来从当前的估计值中去除后尾干扰。 综上所述可知 , 线性均衡器只是利用横向滤波 器来减轻所有的符号间干扰, 而判决反馈均衡器不 但利用前馈滤波器来减轻将来的数据序列所造成的 干扰, 而且利用反馈滤波器来消除过去数据的符号 间干扰。在信道出现深选择性衰落 , 同时判决错误 又不传播的情况下 , 判决反馈均衡器的性能要优于 线性均衡器。因此 , 高速信号经由频率选择性衰落 信道传输时, 接收端适合采用判决反馈均衡器结构。 2 2 自适应均衡算法 均衡器若要做到自动适应输入信号的变化, 达
来描述,
为信道的相关带宽。当信号的带宽
小于相关带宽 B c 时, 多径传输对接收信号的影响 表现为时间选择性衰落和频散特性, 无须采用均衡 方式 ; 反之 , 信号带宽大于相关带 宽 B c 时 , 多径效 应对接收信号的影响不仅表现为时间选择性衰落和频 散特性, 而且还表现为多径时散和频率选择性衰落, 导 致接收信号波形严重失真, 相邻符号间互相干扰。 信号的传输速率越高 , 引入的双边多径时延展 宽与传输符号宽度的比值 ( 2 / T ) 越大 , 在频域上导 致的频谱畸变越严重 , 则在时域上就导致信号波形 之间出现更加严重的符号间干扰[ 2] 。一般认为 , 当 2 /T 0. 6 时符号间干扰将对接收信号的检测产生 明显恶化 , 并且这种影响采用其他简单方法难以消 除 , 必须采用均衡技术才能有效地抑制符号间干扰
典型的自适应均衡算法主要有以下 3 类 [ 1, 4] :
;
递归最小二乘 ( RLS) 算法 : 通过调整均衡器 抽头系数向量 , 使输出误差的时间平均的加权平方 和达到最小。 RLS 算法主要包括卡尔曼算法及改进 的快速卡尔曼算法和平方根卡尔曼算法; ! 自适应 Viterbi 算法 : Viterbi 算法是一种最大 似然估计算法, 采用基于欧几里德距离的 MLSE 软 判决准则 , 其工作原理相当于将接收到的信号与所 有可能的发送序列比较 , 把其中欧几里德距离最小 的那条路径作为判决序列。 2. 2. 2 自适应均衡算法的比较 评价自适应均衡算法的性能 , 可从起始收敛速 度、 跟踪时变信道的能力以及运算复杂度 3 个方面 着手, 下面分别对上述各种自适应算法从这 3 个方 面进行比较。 起始收敛速度。RLS 算法的收 敛特性明显 优于 LMS 算法, 尤其以快速卡 尔曼算法收敛最快, 理论上只要经过 2 L ( L 为均衡器抽头数) 次迭代就 可以收敛; 跟踪时变信道的能力。算法跟踪时变信道 的能力主要体现在深度衰落情况下算法能否收敛和 稳定的问题。在收敛速度上, LMS 算法不如 RLS 算 法 , RLS 算法是具备优秀跟踪性能的算法 ; 从算法的 稳定性上看 , LMS 较好 , 而 RLS 中的某 些算法由于 受有 限字 长影 响 及算 法 本身 局 限性 存 在 不稳 定 现象; ! 运算复杂度。几种自适应算法的计算复杂 度比较如表 1 所示, 其中 L 为均衡器的总抽头数 , M 为信号的电平数。由表 1 可见, 运算复杂度最小的 算法是 LMS 算法 , 其计算量正比于总抽头数 L , 且 2009 年 无线电工程 第 39 卷 第 9 期 45
表 1 各种自适应算 法运算复杂度的比较
自适应算法 LMS 算法 卡尔曼算法 快速卡尔曼算法 平方根卡尔曼算法 自适应 Viterbi 算法 每样点的乘法和加法的次数 除法次数 2L + 1 0 2. 5L 2 + 4. 5L 20L + 5 1. 5L + 6. 5L ( 2L + 2) ML + 1
综合上述 3 个方面的比较可知 , LMS 算法最简 单但收敛较慢; RLS 类算法收敛跟踪性能好 , 但计算 量偏大; Viterbi 算法的性能最佳, 但运算量却太大。 对于一般的频率选择性衰落信道, 采用 LMS 算法的 自适应均衡器就能够及时收敛并跟踪信道的响应。 因此 , 本自 适应均 衡器采 用运算 量最小 的 LMS 算 法, 它简单有效 , 基本上不需要有关统计特性的先验 知识, 经过一段时间就能够达到实际应用情况下的 最小均方误差解 , 进而能连续不断地调节, 保持系统 的最佳性能。
2
果 , 对采用 2 重分集接收的时域自适应均衡器以及 不采用均衡的解调器在频率选择性衰落信道中的性 能分别进行仿真, 仿真框图如图 1 所示 , 信道参数设 置如表 2 所示 , 衰落速率均为 3 Hz 。
2 3 L 0
图 1 仿真 框图 表 2 频率选择性衰落信道参数设置
路径设置 路径 3 1 路径 3 2 路径 3 3 路径 3 4 路径 3 5 路径 3 6 相对电平衰减 / dB 5 2 0 3 6 9 相对时间延迟 / ns 0 125 250 375 500 600
0
引言
无线信道中电波传播复杂多样, 频率选择性衰
传播路径的数量和路径之间的相对时延随时间而变 化 , 各支路接收信号的幅度、 相位和时延均不相同, 且随机变化 , 即形成了多径特性。 多径特性可 通过最大多径时 延差 定义 B c= 1/
m m
落信道正是无线信道中的一种常见类型。高速信号 经由频率选择性衰落信道传输 , 会产生严重的符号 间干扰, 接收端要正确恢复传输信息, 必须对符号间 干扰进行补偿, 通常采用的方法是均衡技术。目前 , 均衡技术主要有时域自适应均衡、 单载波频域均衡 以及正 交频分复用 ( OFDM) 。 OFDM 存在较 高的峰 值平均功率比, 需要精确的信道估计; 单载波频域均 衡需要辅助信息 , 而且同步提取也较为复杂; 而时域 自适应均衡虽然抗多径能力略 逊色于其他 2 种方 式, 但是其峰值平均功率比低、 同步提取简单, 并且 不需要信道估计。因此, 对于频率选择性衰落信道 , 在符号间干扰较小的条件下, 时域自适应均衡方式 更为适宜。
Analysis and Application of a Time Domain Adaptive Equalizer
DIAO Shu lin, ZHONG Jian bo
Abstract ( The 61 th Research Institute of Gener al Staff , Beij ing 100141 , China) The transmission characteristic of frequency selective fading channel is summarized. The necessity of equalization is
1
频率选择性衰落信道的多径特性
频率选择性衰落信道是一种时变多径信道, 其 44 2009 Radio Engineering Vo1 39 No 9
专题技术与工程应用
带来的影响。 到自适应均衡的目的 , 就必须能够自动调整均衡器 抽头增益的值 , 这种更新抽头增益所依据的方法即 为自适应算法。自适应均衡算法的选择是均衡器性 能得以实现的关键。 2. 2. 1 自适应均衡的典型算法 最小均方 ( LMS) 算法 : LMS 算法是由简单的 梯度估值所导出的一种自适应算法, 通过调整均衡 器抽头系数, 使均衡器的期望输出值与输出的估计 值之间的误差达到最小 , 因此, 它在本质上是一种使 均方误差输出在性能表面上最陡下降的算法
专题技术与工程应用
时域自适应均衡技术的分析与应用
刁树林, 钟剑波
( 总参第六十一研究所 , 北京 100141)
摘 要 概 述 了频 率选 择 性衰 落信 道 的传 输特 性 , 论 述 了采 用 均 衡 技术 的 必 要 性。 通 过 对各 种 均 衡 器 结 构 和 自 适应 均衡 算 法在 抵抗 符 号间 干扰 能 力、 收敛 速 度以 及运 算 复杂 度等 方 面的 分 析与 比 较 , 选 择了 判 决 反 馈作 为 均 衡 器 结构 、最 小 均方 自适 应 算法 作为 自 适应 准则 的 均衡 器方 案 。仿 真及 试 验结 果证 实 了设 计 的 时域 自 适 应 均衡 器 不 仅 具 有较 强的 抵 抗符 号间 干 扰能 力 , 而 且能 够获 得 隐分 集增 益 , 在 频率 选 择性 衰落 信 道中 具有 良 好的 应用 效 果。 关键词 频率选择性衰落信道 ; 符号间干扰 ; 时域自适应均衡 ; 判决反馈均衡 ; LMS 算法 中图分类号 TN911 文献标识码 A 文章编号 1003- 3106( 2009) 09- 0044- 04
专题技术与工程应用
不需要做除法; 在 RLS 类算法中 , 当抽头数 L 较大 时, 最简单的是快速卡尔曼算法 , 但其运算量是 LMS 算法的 10 倍; Viterbi 算法是以上所有算法中计算复 杂度最高的算 法, 其 运算量 随抽头 数 L 呈指数 增 长, 运算极为复杂, 当 L 较大时几乎很难实现。
discussed. Through comparing the capability of intersymbol interference resistance, the speed of convergence and the complexity of different kinds of equalizer structures and adaptive algorithms, the equalizer scheme adopting DFE as the equalizer structure and LMS algorithm as the adaptive rule is chosen. It is proved by simulation and test results that the equalizer not only has strong capability of intersymbol interference resistance, but also has the gain of concealed diversities. The equalizer has good performance in frequency selective fading channel. Key words frenel; ISI ( intersymbol interference) ; time domain adaptive equalization; decision feedback equalization; LMS algorithm
[ 3, 5]
2
时域自适应均衡技术
时域均衡通常采用自适应方式, 即均衡器的参
数随接收信号频谱的变化而自适应地变化, 从而实 现对接收信号的频谱畸变进行 实时矫正的均 衡方 式, 其基本原理就是使具有不同相对时延的信号分 别乘以自适应于信道状态的加权值 , 然后将这些乘 积相加, 加权的结果达到消除符号间干扰、 实现正确 判决的目的[ 1] 。 时域自适应均衡器可以采用不同的结 构及算 法, 不同类型的时域均衡器具有不同的抗符号间干 扰效果和实现复杂度。通过对各种均衡结构及自适 应算法的比较, 可以在工程设计中选择出一种既具 有较强抗符号间干扰能力且硬件实现复杂度较低的 均衡器方案。 2 1 时域均衡器的一般结构 时域自适应均衡器目前主要有线性均衡和判决 反馈均衡 2 种方式。 所谓线性均衡实质上是一个用抽头延时线构成 的前馈结构横向滤波器, 均衡器的输入信号被送入 多抽头延迟线, 每个延迟线的延迟时间为一个符号 宽度 T , 各延迟线的输出信号与抽头系数调整单元 的输出相乘, 再将各相乘结果相加 , 合并后信号的符 号间干扰已得到了很好的抑制。 判决反馈均衡器 ( DFE) 是一种非线性均衡器 , 由一个前馈均衡器( FE) 、 一个反馈均衡器 ( BE) 以及 符号检测器所组成。前馈均衡器输入为接收信号序 列{ Vk } , 其作用是均衡信道的 前导失真; 反馈 均衡 器则是用来从当前的估计值中去除后尾干扰。 综上所述可知 , 线性均衡器只是利用横向滤波 器来减轻所有的符号间干扰, 而判决反馈均衡器不 但利用前馈滤波器来减轻将来的数据序列所造成的 干扰, 而且利用反馈滤波器来消除过去数据的符号 间干扰。在信道出现深选择性衰落 , 同时判决错误 又不传播的情况下 , 判决反馈均衡器的性能要优于 线性均衡器。因此 , 高速信号经由频率选择性衰落 信道传输时, 接收端适合采用判决反馈均衡器结构。 2 2 自适应均衡算法 均衡器若要做到自动适应输入信号的变化, 达
来描述,
为信道的相关带宽。当信号的带宽
小于相关带宽 B c 时, 多径传输对接收信号的影响 表现为时间选择性衰落和频散特性, 无须采用均衡 方式 ; 反之 , 信号带宽大于相关带 宽 B c 时 , 多径效 应对接收信号的影响不仅表现为时间选择性衰落和频 散特性, 而且还表现为多径时散和频率选择性衰落, 导 致接收信号波形严重失真, 相邻符号间互相干扰。 信号的传输速率越高 , 引入的双边多径时延展 宽与传输符号宽度的比值 ( 2 / T ) 越大 , 在频域上导 致的频谱畸变越严重 , 则在时域上就导致信号波形 之间出现更加严重的符号间干扰[ 2] 。一般认为 , 当 2 /T 0. 6 时符号间干扰将对接收信号的检测产生 明显恶化 , 并且这种影响采用其他简单方法难以消 除 , 必须采用均衡技术才能有效地抑制符号间干扰
典型的自适应均衡算法主要有以下 3 类 [ 1, 4] :
;
递归最小二乘 ( RLS) 算法 : 通过调整均衡器 抽头系数向量 , 使输出误差的时间平均的加权平方 和达到最小。 RLS 算法主要包括卡尔曼算法及改进 的快速卡尔曼算法和平方根卡尔曼算法; ! 自适应 Viterbi 算法 : Viterbi 算法是一种最大 似然估计算法, 采用基于欧几里德距离的 MLSE 软 判决准则 , 其工作原理相当于将接收到的信号与所 有可能的发送序列比较 , 把其中欧几里德距离最小 的那条路径作为判决序列。 2. 2. 2 自适应均衡算法的比较 评价自适应均衡算法的性能 , 可从起始收敛速 度、 跟踪时变信道的能力以及运算复杂度 3 个方面 着手, 下面分别对上述各种自适应算法从这 3 个方 面进行比较。 起始收敛速度。RLS 算法的收 敛特性明显 优于 LMS 算法, 尤其以快速卡 尔曼算法收敛最快, 理论上只要经过 2 L ( L 为均衡器抽头数) 次迭代就 可以收敛; 跟踪时变信道的能力。算法跟踪时变信道 的能力主要体现在深度衰落情况下算法能否收敛和 稳定的问题。在收敛速度上, LMS 算法不如 RLS 算 法 , RLS 算法是具备优秀跟踪性能的算法 ; 从算法的 稳定性上看 , LMS 较好 , 而 RLS 中的某 些算法由于 受有 限字 长影 响 及算 法 本身 局 限性 存 在 不稳 定 现象; ! 运算复杂度。几种自适应算法的计算复杂 度比较如表 1 所示, 其中 L 为均衡器的总抽头数 , M 为信号的电平数。由表 1 可见, 运算复杂度最小的 算法是 LMS 算法 , 其计算量正比于总抽头数 L , 且 2009 年 无线电工程 第 39 卷 第 9 期 45
表 1 各种自适应算 法运算复杂度的比较
自适应算法 LMS 算法 卡尔曼算法 快速卡尔曼算法 平方根卡尔曼算法 自适应 Viterbi 算法 每样点的乘法和加法的次数 除法次数 2L + 1 0 2. 5L 2 + 4. 5L 20L + 5 1. 5L + 6. 5L ( 2L + 2) ML + 1
综合上述 3 个方面的比较可知 , LMS 算法最简 单但收敛较慢; RLS 类算法收敛跟踪性能好 , 但计算 量偏大; Viterbi 算法的性能最佳, 但运算量却太大。 对于一般的频率选择性衰落信道, 采用 LMS 算法的 自适应均衡器就能够及时收敛并跟踪信道的响应。 因此 , 本自 适应均 衡器采 用运算 量最小 的 LMS 算 法, 它简单有效 , 基本上不需要有关统计特性的先验 知识, 经过一段时间就能够达到实际应用情况下的 最小均方误差解 , 进而能连续不断地调节, 保持系统 的最佳性能。
2
果 , 对采用 2 重分集接收的时域自适应均衡器以及 不采用均衡的解调器在频率选择性衰落信道中的性 能分别进行仿真, 仿真框图如图 1 所示 , 信道参数设 置如表 2 所示 , 衰落速率均为 3 Hz 。
2 3 L 0
图 1 仿真 框图 表 2 频率选择性衰落信道参数设置
路径设置 路径 3 1 路径 3 2 路径 3 3 路径 3 4 路径 3 5 路径 3 6 相对电平衰减 / dB 5 2 0 3 6 9 相对时间延迟 / ns 0 125 250 375 500 600
0
引言
无线信道中电波传播复杂多样, 频率选择性衰
传播路径的数量和路径之间的相对时延随时间而变 化 , 各支路接收信号的幅度、 相位和时延均不相同, 且随机变化 , 即形成了多径特性。 多径特性可 通过最大多径时 延差 定义 B c= 1/
m m
落信道正是无线信道中的一种常见类型。高速信号 经由频率选择性衰落信道传输 , 会产生严重的符号 间干扰, 接收端要正确恢复传输信息, 必须对符号间 干扰进行补偿, 通常采用的方法是均衡技术。目前 , 均衡技术主要有时域自适应均衡、 单载波频域均衡 以及正 交频分复用 ( OFDM) 。 OFDM 存在较 高的峰 值平均功率比, 需要精确的信道估计; 单载波频域均 衡需要辅助信息 , 而且同步提取也较为复杂; 而时域 自适应均衡虽然抗多径能力略 逊色于其他 2 种方 式, 但是其峰值平均功率比低、 同步提取简单, 并且 不需要信道估计。因此, 对于频率选择性衰落信道 , 在符号间干扰较小的条件下, 时域自适应均衡方式 更为适宜。
Analysis and Application of a Time Domain Adaptive Equalizer
DIAO Shu lin, ZHONG Jian bo
Abstract ( The 61 th Research Institute of Gener al Staff , Beij ing 100141 , China) The transmission characteristic of frequency selective fading channel is summarized. The necessity of equalization is