CN101710884A - 基于信道估计和均衡的qam模式识别的方法 - Google Patents

Abstract

一种基于信道估计和均衡的QAM模式识别的方法，其包括步骤：A、在一个QAM模式下接收输入数据；B、以第一收敛步长调整接收的数据能量，使数据信号能量大于某一能量门限值；C、以第二收敛步长进行均衡收敛，当载波恢复检测频偏锁定后，对接收数据进行相位和频偏纠正处理；D、以第三收敛步长进行均衡收敛，检测收敛后数据的均方误差是否小于某一门限值，若是，转入步骤E，否则转入步骤F；E、均衡器对输入数据进行LMS自适应均衡收敛，并检测收敛后数据的均方误差是否小于某一门限值，若是，则由以LMS自适应均衡收敛输入数据，否则转入步骤F；F、更换QAM模式并转入步骤B。本发明以简单、易于实现的方式有效实现数据均衡和完成QAM模式识别。

Description

基于信道估计和均衡的QAM模式识别的方法

技术领域

本发明涉及数字信号传输领域，特别涉及有线数字电视中的QAM模式识别下的信道均衡方法。

背景技术

数字有线电视***提供建立在有线电视网上传榆的广播服务，将模拟电视信号转换成数字信号并以数字的方式进行处理和传输。

到目前为止，世界上已经形成了几种不同的数字有线电视标准。以欧洲为例，从1995年起，欧洲陆续发布了数字电视地面广播(DVB-T)、数字卫星广播(DVB-S)、数字电视有线广播(DVB-C)标准。中国于2001年也已经开始了数字有线电视的试播工作。

在数字电视有线广播(DVB-C)标准中，由于发射端发射的信号对于接收端来讲一切参数都是未知，且所发射的信号中不含任何已知的训练序列，所以接收端必须根据信号先判断出码率、数字调制器(Quadrature Amplitude Modulation，QAM)模式。传统的均衡器需要在已知QAM模式下才能对输入数据进行信道估计和均衡，同时收敛速度较慢，不能适应不同QAM模式下的均衡需求。

发明内容

本发明提出一种基于信道估计和均衡的QAM模式识别的方法，以简单、易于实现的方式有效实现数据均衡和完成QAM模式识别。

本发明采用了如下技术方案来实现：一种基于信道估计和均衡的QAM模式识别的方法，其包括步骤：

A、在一个默认QAM模式下均衡器接收输入数据；

B、均衡器采用盲均衡算法以第一收敛步长调整接收的数据能量，使均衡过后的数据信号能量大于某一能量门限值；

C、均衡器采用盲均衡算法以第二收敛步长对输入数据进行均衡收敛，启动载波恢复检测均衡输出信号的频偏和相偏，当载波恢复检测频偏锁定后，对接收数据进行相位和频偏纠正处理；

D、均衡器采用盲均衡算法以第三收敛步长对输入数据进行均衡收敛，检测收敛后数据的均方误差是否小于某一门限值，若是，转入步骤E，否则转入步骤F；

E、均衡器对输入数据进行LMS自适应均衡收敛，并检测收敛后数据的均方误差是否小于某一门限值，若是，则由以LMS自适应均衡收敛输入数据，否则转入步骤F；

F、更换QAM模式并转入步骤B。

其中，在步骤B、C或D中，盲均衡算法中误差的计算方式为：e(n)＝(R²+L*T²)-(L+1)*|y(n)|²；

其中， $R^2=\frac{E\left({\left|x\left(n\right)\right|}^4\right)}{E\left({\left|x\left(n\right)\right|}^2\right)},$ 代表着某一QAM模式下的信号平均能量半径，T²＝E(|x(n)|²)代表着某一QAM模式下的各个符号信号平均能量半径，L为修正因子，y(n)表示均衡输出。

其中，在步骤B、C和D中，各收敛步长μ满足关系： $\stackrel{\→}{w}(n+1)=\stackrel{\→}{w}\left(n\right)+\mathrm{\μ}*\stackrel{\→}{x}\left(n\right)*e\left(n\right),$ w(n)为抽头系数。

其中，LMS自适应均衡收敛时的误差为： $e\left(n\right)=y\left(n\right)-\hat{y}\left(n\right),$ y(n)表示均衡输出。

其中，步骤E中，LMS自适应均衡采用的收敛步长μ满足： $\stackrel{\→}{w}(n+1)=\stackrel{\→}{w}\left(n\right)+\mathrm{\μ}*\stackrel{\→}{x}\left(n\right)*e\left(n\right),$ w(n)为抽头系数。

其中，第一收敛步长大于第二收敛步长，第二收敛步长大于第三收敛步长。

与现有技术相比，本发明具有如下有益效果：

首先，本发明通过对接收过来的数据利用大的步长在MCMA算法下，进行盲均衡，调整接收的数据能量，使得接收数据能量基本达到“目标QAM模式”下的数据能量；其次，当指示接收数据能量基本达到“目标QAM模式”下的数据能量后，控制均衡器进入盲均衡高级状态。当均衡器进入该状态后，均衡器采用新的步长参数进行均衡收敛，一段时间后控制载波估计模块启动对均衡器的数据输出进行频偏与相偏的估计；再次，通过载波恢复模块锁定指示信号，控制均衡器更改步长进入盲均衡第三阶段，经过一段时间后，进入自适应跟踪状态；根据自适应跟踪状态下的MSE值大小，确定QAM模式的锁定情况；如果没有锁定，则更换“目标QAM”模式，重新收敛均衡。因此，本发明有效实现数据均衡的同时，又完成了QAM模式识别，方法简单且易于实现。

附图说明

图1是本发明的***结构示意图；

图2是本发明的流程示意图；

图3是QAM16能量半径示意图。

具体实施方式

由于数字电视有线广播(DVB-C)***中，接收端对发射端发射的信息数据未知，必须使用盲均衡算法，通常情况下采用常数模算法(Constant Modulus Algorithm，CMA)。该算法的主要特点是将输入到均衡器数据向平均能量圈(半径)收敛，但是他又带来了一个严重的缺点，那就是将所有的输入数据都向该能量半径上收敛，该现象对高阶QAM调制尤为特出。

为了解决该问题，本发明公开一种易于实现的CMA算法。其中，传统盲均衡算法的公式如下：e(n)＝R²-|y(n)|²。

本发明对其修正，修正公式如下：e(n)＝(R²+L*T²)-(L+1)*|y(n)|²。

上式中： $R^2=\frac{E\left({\left|x\left(n\right)\right|}^4\right)}{E\left({\left|x\left(n\right)\right|}^2\right)},$ 代表着某一QAM模式下的信号平均能量半径；T²＝E(|x(n)|²)代表着某一QAM模式下的各个符号信号平均能量半径；L为修正因子；y(n)表示均衡输出。

实现本发明的核心方式是：在保证均衡输入数据信号能量的同时，通过调整修正因子L将输入数据信号向某一QAM模式的标准符号点尽量靠拢，以保证均衡器较快且正确的收敛；利用所设计的均衡器进行QAM模式的扫描与设别：传统的QAM模式识别需要一个专门的电路，而本发明则不需要增加任何电路，通过对最小均方算法(Least Mean Square，LMS)计算均方误差的大小来判断，当均方误差低于某一门限值时，则认为该模式锁定，模式识别正确，均衡器继续LMS自适应跟踪状态，否则“之”字型更换模式重新均衡，如按照“QAM64--＞QAM128--＞QAM32--＞QAM256--＞QAM16”方向搜索。

如图1所示，其是本发明公开的均衡及QAM模式识别***的结构示意图。该***包括：含有均衡器的数据选择模块101、盲均衡电路102、误差计算模块103、LMS自适应均衡模块104、系数更新模块105、MSE(Mean Square Error，均方误差)计算模块106、状态控制器107。

在盲均衡前两阶段时，输入数据选择模块101的是没有纠正相偏及和偏的数据。在盲均衡第一阶段时，数据选择模块101首先采用默认QAM模式(例如选择64QAM)，选择较大的步长，将输入信号的能量均衡到该QAM模式所在的能量带上。在盲均衡最后一个阶段以及LMS自适应阶段，该数据选择模块101选择纠正频偏的数据。因此，数据选择模块101的主要作用是选择数据通路的流向以及采用何种QAM类型进行均衡。

盲均衡电路102是在盲均衡三个阶段中将数据选择模块101输出的数据存储，并与系数更新模块106送来的抽头系数进行相乘，得到盲均衡输出数据。

误差计算模块103是本发明的主要部分。误差的求取方法根据不同的均衡状态而有所不同：

A、在盲均衡的三个阶段，误差是根据如下公式来求取的。

e(n)＝(R²+L*T²)-(L+1)*|y(n)|²

在不同QAM模式下，信号平均能量半径R不同。为了实现方便，L可以选取2ⁱ的形式。而各个符号信号平均能量半径T²则是盲均衡电路102输出的数据在各种QAM模式下的标准点所在半径的平方。

B、在LMS自适应阶段，误差是根据如下公式来求取： $e\left(n\right)=y\left(n\right)-\hat{y}\left(n\right),$ 表示LMS自适应模块105输出的数据与判决点之间的误差值。

在不同均衡阶段的情况下，误差计算模块103将其计算的结果(误差)分别送入到系数更新模块105以及MSE计算模块106。

LMS自适应均衡模块104的功能与盲均衡电路102一样，唯一不一样的是使用的抽头系数不相同，所以在实际电路中可以共用一套乘法电路。

在系数更新模块105之中，系数更新公式如下：

$\stackrel{\→}{w}(n+1)=\stackrel{\→}{w}\left(n\right)+\mathrm{\μ}*\stackrel{\→}{x}\left(n\right)*e\left(n\right),$ 其中：μ为收敛步长，w(n)为抽头系数。

MSE计算模块106主要根据误差计算模块103的输出值计算平均均方误差。

另外，状态控制器107的其工作主要过程为：

a、根据对均衡输出数据的能量判断，启动均衡器进入盲均衡第二阶段，并在一段时间后启动载波恢复模块对均衡输出数据进行相位及频偏估计。当锁定后，控制均衡器进入盲均衡第三阶段。

b、根据MSE计算模块106送出来的结果判断均衡数据的收敛情况，当MSE值低于某一门限值则认为信号在该给定的模式下收敛，QAM模式收敛正确。否则更改QAM模式，重新均衡处理。

结合图2所示，本发明的工作流程如下：

步骤S201：当向数据选择模块101输入信号时，状态控制器107指示数据选择模块101接收没经过载波恢复纠偏的数据。

步骤S202：在默认QAM模式(比如64QAM)控制下，将接收到的数据送入盲均衡电路102。状态控制器107此时提供在该模式下盲均衡第一阶段的相关参数(如平均能量半径以及步长)，并随时检测第一阶段的盲均衡数据均衡后的平均能量情况。

步骤S203：当状态控制器107检测到盲均衡第一(初始)阶段均衡过后的数据信号能量大于某一能量门限值时进入盲均衡第二(高级)阶段。否则继续第一阶段的盲均衡，直至均衡过后的信号能量达到要求为止。

步骤S204：当均衡器进入盲均衡第二阶段时，状态控制器107提供此阶段的相关收敛步长和当前符号能量半径信息，开始统计输入信号的符号数，当达到预设值后，启动载波恢复检测均衡输出信号的频偏和相偏。

步骤S205：当载波恢复检测频偏锁定后，状态控制器107进入盲均衡第三阶段，并利用检测到的频偏和相偏在数据选择模块101中对接收数据进行反旋(即相位和频偏纠正)处理，然后将反旋后的数据送入盲均衡模块102。

步骤S206：当均衡器进入盲均衡第三阶段时，状态控制器107提供此阶段的相关信息(如平均能量半径以及步长)，重新开始统计输入信号的符号数，当符号计数器达到某一计数门限后，判断MSE计算模块106的输出值。

步骤S207：当状态控制器107检测MSE均方误差小于某一门限值后，指示均衡进入步骤S208的LMS自适应均衡并提供相关收敛步长和当前符号能量半径信息；否则进入步骤S210直接指示数据选择模块101更换QAM模式，重新开始均衡。

步骤S208：当均衡器进入LMS自适应均衡阶段时，状态控制器107指示数据选择模块101接收经过载波恢复模块反旋过后的数据，并再次检测MSE计算模块106的输出值。

步骤S209：当状态控制器107检测MSE均方误差小于某一门限值后，指示QAM模式锁定并输出均衡判决后的数据给FEC；否则进入步骤S210更换QAM模式重新均衡。

在上述均衡器工作的不同状态中，状态控制器107同时指示误差计算模块103计算误差值并更新抽头系数，然后由系数更新模块106提供对数据进行均衡。

结合图3所示，其是以16QAM为例，说明能量半径划分情况。在图3中简单的绘画了第一象限的4个QAM点，并会出了这四个QAM点所在的能量半径(符号能量半径T²和平均能量半径R²)。在DVB-C***的均衡中可以根据最大的QAM模式确定符号能量半径T²和平均能量半径R²。

当信号输入均衡器后，均衡器首先将数据收敛到平均能量半径R²附近，并且根据每一个符号点所在位置确定符号能量半径T²，从而使输入信号逐步收敛到所需的QAM模式下。这样，***可以轻松的将数据均衡到所需要的QAM模式下，从而达到较快且准确盲均衡第一阶段收敛的目的。

从公式e(n)＝(R²+L*T²)-(L+1)*|y(n)|²可以看出，修正的CMA算法中，根据各个阶段的对输入数据均衡的不同需求，可以通过选择修正因子L大小来控制均衡器是向能量半径收敛还是向符号能量半径收敛。例如，在盲均衡第一阶段时，均衡器更需要将输入信号向能量半径R²上收敛，可以选择较小的L值；而在盲均衡第三阶段时，由于系数较为稳定，而且信号能量已经经过前两阶段的盲均衡的收敛，信号能量已经稳定，此时更需要将信号向某一QAM模式下的标准点收敛，则选择较大的L，以获得更好的收敛效果，保证收敛的正确性和较小的MSE均方误差。

综上所述，本发明公开的一种数字电视中均衡方法是通过修正CMA算法进行盲均衡，首先在初始阶段使输入信号的能量基本均衡到某一设定的QAM所需的能量，再进一步盲均衡，然后纠掉输入数据中的频偏和相偏，再进过一段时间的盲均衡，当达到一定要求后进入LMS自适应均衡，并判断均方误差，判断得出QAM模式，这样可以使得电路实现和控制相对比较简单。

Claims (6)

1.一种基于信道估计和均衡的QAM模式识别的方法，其特征在于，包括步骤：

A、在一个默认QAM模式下均衡器接收输入数据；

B、均衡器采用盲均衡算法以第一收敛步长调整接收的数据能量，使均衡过后的数据信号能量大于某一能量门限值；

C、均衡器采用盲均衡算法以第二收敛步长对输入数据进行均衡收敛，启动载波恢复检测均衡输出信号的频偏和相偏，当载波恢复检测频偏锁定后，对接收数据进行相位和频偏纠正处理；

D、均衡器采用盲均衡算法以第三收敛步长对输入数据进行均衡收敛，检测收敛后数据的均方误差是否小于某一门限值，若是，转入步骤E，否则转入步骤F；

E、均衡器对输入数据进行LMS自适应均衡收敛，并检测收敛后数据的均方误差是否小于某一门限值，若是，则由以LMS自适应均衡收敛输入数据，否则转入步骤F；

F、更换QAM模式并转入步骤B。

2.根据权利要求1所述基于信道估计和均衡的QAM模式识别的方法，其特征在于，在步骤B、C或D中，盲均衡算法中误差的计算方式为：e(n)＝(R²+L*T²)-(L+1)*|y(n)|²；

其中， $R^2=\frac{E\left({\left|x\left(n\right)\right|}^4\right)}{E\left({\left|x\left(n\right)\right|}^2\right)},$ 代表着某一QAM模式下的信号平均能量半径，T²＝E(|x(n)|²)代表着某一QAM模式下的各个符号信号平均能量半径，L为修正因子，y(n)表示均衡输出。

3.根据权利要求2所述基于信道估计和均衡的QAM模式识别的方法，其特征在于，在步骤B、C和D中，各收敛步长μ满足关系：w(n)为抽头系数。

4.根据权利要求1所述基于信道估计和均衡的QAM模式识别的方法，其特征在于，LMS自适应均衡收敛时的误差为： $e\left(n\right)=y\left(n\right)-\hat{y}\left(n\right),$ y(n)表示均衡输出。

5.根据权利要求4所述基于信道估计和均衡的QAM模式识别的方法，其特征在于，步骤E中，LMS自适应均衡采用的收敛步长μ满足： $\stackrel{\→}{w}(n+1)=\stackrel{\→}{w}\left(n\right)+\mathrm{\μ}*\stackrel{\→}{x}\left(n\right)*e\left(n\right),$ w(n)为抽头系数。

6.根据权利要求1所述基于信道估计和均衡的QAM模式识别的方法，其特征在于，第一收敛步长大于第二收敛步长，第二收敛步长大于第三收敛步长。

Images