CN101860504B - 采用活动抽头来消除后径干扰的信道均衡方法 - Google Patents

Abstract

本发明提出一种采用活动抽头来消除后径干扰的信道均衡方法，其包括步骤：将接收的每帧符号数据与本地固定帧头进行滑动相关处理，相关长度为帧头长度，计算相关能量值，记录每帧相关能量的最大值；根据上一帧获得的相关能量最大值，设置一个主径相对门限值，确定主径的位置；根据上一帧获得的相关能量最大值，设置强径相对门限值，检测后径的条数和位置；每级活动抽头分别以检测到每条后径位置为中心，开设预定字符长度的窗口构建均衡器进行信道均衡处理。本发明用活动抽头来消除后径，极大降低反馈滤波器的级数，并且采用极小级数的反馈滤波器即能消除时延极大的0db后径。

Description

采用活动抽头来消除后径干扰的信道均衡方法

技术领域

本发明涉及通信信道均衡技术，尤其是涉及一种采用活动抽头来消除后径干扰的信道均衡方法。

背景技术

在数字通信***中，可以用下面的数学模型来描述信道：

$y\left(n\right)=\underset{k=-N}{\overset{M}{\mathrm{\Σ}}}h\left(k\right)\·s(n-k)+\mathrm{noise}\left(n\right)---\left(1\right)$

其中n表示数字采样点，h(k)表示信道冲击响应，s(n)表示发送的数据，y(n)表示接收的数据，noise(n)表示加性高斯白噪声，多径的数目为N+M+1。

信号在传输过程中，由于多径信道的存在，会带来码间干扰（Inter-SymbolInterference，ISI），而码间干扰是产生信号误差的一个重要原因，为解决ISI问题，通常采用均衡器来消除ISI的影响，可以分别从时域、频域来对多径信道带来的ISI进行补偿。

一般来讲，单载波***会采用时域均衡的方法，而多载波***会采用频域均衡的方法。而在时域均衡中通常会采用判决反馈均衡结构，如图1所示，判决反馈滤波器由两个滤波器组成，一个前馈滤波器，一个反馈滤波器，两个滤波器的抽头间隔均是符号周期T。前馈部分的输入是接收信号序列{x_n}，反馈滤波器的输入为对先前被检测符号的判决序列。

判决反馈均衡器的输出可以表示为：

$y_n=\underset{k=-N}{\overset{0}{\mathrm{\Σ}}}{c}_k\·x_{n-k}+\underset{k=1}{\overset{M}{\mathrm{\Σ}}}{c}_k\·\stackrel{\‾}{x_{n-k}}---\left(2\right)$

其中，{c_k}是滤波器的抽头系数，

是对先前信息符号估计的判决值，y_k是第k个信息符号的估计值，该均衡器前馈部分有N+1个抽头，反馈部分有M个抽头。

最常用于均衡的线性滤波器是一个横向结构的FIR滤波器（FIR，FiniteImpulse Response），即有限脉冲响应滤波器，也称为非递归滤波器。非递归滤波器在计算每一个新的输出时，要用到过去的输入，而不需要过去的输出。假设信道传输只有前径影响，此处定义前径为先于主径到达的路径，设n时刻主径上的符号为x(n)，前径快于主径一个符号间隔，那么前径叠加在主径符号上的符号为x(n+1)，用公式表示接收到的信号y(n)＝x(n)+0.1x(n+1)。我们需要使用滤波器减少x(n+1)的影响，假如我们的前馈滤波器有三级，如图2所示。

在某一时刻，三级寄存器中存储的信号分别为:x(n+2)，x(n+1)，x(n)，此时FIR滤波器的输出为：

y(n)＝x(n)+0.1x(n+1)-0.1(x(n+1)+0.01x(n+2)+0.01(x(n+2)+0.1x(n+3))＝x(n)+0.001x(n+3)    （3）

可以看出，此刻的输出值减少了前径所占的比重，消除了大部分的影响。

而对于反馈滤波器，其消除前径影响的原理就更容易理解了，假设信道传输只有后径影响，此处定义后径为后于主径到达的路径，设n时刻主径上的符号为x(n)，前径慢于主径一个符号间隔，前径叠加在主径符号上的符号为x(n-1)，接收到的信号y(n)＝x(n)+0.1x(n-1)。我们需要使用反馈滤波器消除x(n-1)的影响，反馈滤波器只需要一级，此时反馈滤波器的输出为：

y(n)＝x(n)+0.1x(n-1)-0.1x(n-1)＝x(n)    （4）

从上面的例子可用看出，滤波器的系数决定了均衡的效果。调整均衡器系数以使平均错误概率最小，称为滤波器系数最佳化。在大多数使用均衡器的通信***中，信道特性是先验未知的，在许多情况下信道响应是时变的。在这种情况下，将均衡器设计成对信道响应是可调的；对于时变信道，需要自适应的调整均衡器的抽头系数。

有两种算法能够自适应地实现抽头系数最佳化，一种是迫零算法，另一种是最小均方（Least mean square，LMS）算法。由于LMS算法具有较小的均方误差（MSE，mean square error），并且易于硬件实现，得到普遍地应用。

LMS算法是最速下降算法的一种应用，其优化准则是最小均方误差。最速下降算法的一般表达为：

$\stackrel{\→}{w}(n+1)=w\left(n\right)-\frac{1}{2}\mathrm{\μ}\stackrel{\→}{g}\left(n\right)---\left(5\right)$

为第n时刻均衡器M个抽头系数的值，是个M×1的矢量，μ为设置的步长（增益）。

也是个M×1的矢量，

为均衡器抽头矢量为

时的均衡器输出y(n)与期望响应值

差值的均方误差。

$E\left[e^2\left(n\right)\right]=J\left(\stackrel{\→}{w}\right)$

$=E[d^2\left(n\right)-2d\left(n\right){\stackrel{\→}{w}}^T\left(n\right)\stackrel{\→}{u}\left(n\right)+{\stackrel{\→}{w}}^T\left(n\right)\stackrel{\→}{u}\left(n\right){\stackrel{\→}{u}}^T\left(n\right)\stackrel{\→}{w}\left(n\right)]$

$=E\left[d^2\left(n\right)\right]-2E\left[d\left(n\right){\stackrel{\→}{w}}^T\left(n\right)\stackrel{\→}{u}\left(n\right)\right]+E\left[{\stackrel{\→}{w}}^T\left(n\right)\stackrel{\→}{u}\left(n\right){\stackrel{\→}{u}}^T\left(n\right)\stackrel{\→}{w}\left(n\right)\right]$

$=E\left[d^2\left(n\right)\right]-2{\stackrel{\→}{w}}^T\left(n\right)E\left[d\left(n\right)\stackrel{\→}{u}\left(n\right)\right]+{\stackrel{\‾}{w}}^T\left(n\right)E\left[\stackrel{\→}{u}\left(n\right){\stackrel{\→}{u}}^T\left(n\right)\right]\stackrel{\→}{w}\left(n\right)$

$=E\left[d^2\left(n\right)\right]-2{\stackrel{\→}{w}}^T\left(n\right)\·P+{\stackrel{\→}{w}}^T\left(n\right)\·R\·\stackrel{\→}{w}\left(n\right)$

对

关于

求导得到

可以无任何损失的推导为：

$\stackrel{\→}{g}\left(n\right)=-2\stackrel{\→}{p}\left(n\right)+2R\stackrel{\→}{w}\left(n\right)---\left(6\right)$

为期望信号与输入信号之间的互相关向量，即第n时刻均衡器寄存器内存储的M个值（记为M×1的矢量

）与当前时刻期望输出值的共轭d^*(n)（标量）的互相关值，即：

R为

的自相关矩阵，

为

的共轭转置，R矩阵的维数是M×M，即：

$R=E\left[\stackrel{\→}{u}\left(n\right){\stackrel{\→}{u}}^H\left(n\right)\right]---\left(8\right)$

和R是理想期望值，实际应用中通常用统计值来代替，而统计平均近似于期望平均的前提是统计足够充分，这在具体实现上很难实时的满足，所以通常采用近似值，即使用R和P的瞬态估计来代替期望值，利用均衡器的长期训练和均衡达到统计充分的要求，公式表示如下：

$\stackrel{\→}{p}\left(n\right)=\stackrel{\→}{u}\left(n\right)d^{*}\left(n\right)---\left(9\right)$

$R=\stackrel{\→}{u}\left(n\right){\stackrel{\→}{u}}^H\left(n\right)---\left(10\right)$

将上述近似式（9）和（10）式代入（6）式和（5）式，则得到抽头更新方程：

$\stackrel{\→}{w}(n+1)=w\left(n\right)-\frac{1}{2}\mathrm{\μ}\stackrel{\→}{g}\left(n\right)$ $=w\left(n\right)-\mathrm{\μ}[-\stackrel{\→}{u}\left(n\right)d^{*}\left(n\right)+\stackrel{\→}{u}\left(n\right){\stackrel{\→}{u}}^H\left(n\right)\stackrel{\→}{w}\left(n\right)]$

$=w\left(n\right)+\mathrm{\μ}\stackrel{\→}{u}\left(n\right)[d^{*}\left(n\right)-{\stackrel{\→}{u}}^H\left(n\right)\stackrel{\→}{w}\left(n\right)]$

$=w\left(n\right)+\mathrm{\μ}\stackrel{\→}{u}\left(n\right)e^{*}\left(n\right)$

上式给出了自适应更新抽头系数的计算方法，即输入信号

（每级寄存器中的数据）乘以步长μ和误差信号的共扼e^*(n)，再加上前一次的抽头系数数值。

如果按照固定的抽头模式，在没有强径的位置，由于抽头的存在会引入噪声，会降低均衡的性能。

发明内容

本发明提出一种采用活动抽头来消除后径干扰的信道均衡方法，采用活动抽头来消除强后径，极大降低反馈滤波器的级数，并且采用极小级数的反馈滤波器即能消除时延极大的0db后径。

本发明采用了如下技术方案来实现：一种采用活动抽头来消除后径干扰的信道均衡方法，其包括步骤：

将接收的每帧符号数据与本地固定帧头进行滑动相关处理，相关长度为帧头长度，计算相关能量值，记录每帧相关能量的最大值；

根据上一帧获得的相关能量最大值，设置一个主径相对门限值，确定主径的位置；

根据上一帧获得的相关能量最大值，设置强径相对门限值，检测后径的条数和位置；

每级活动抽头分别以检测到每条强后径位置为中心，开设预定字符长度的窗口构建均衡器进行信道均衡处理。

其中，所述主径相对门限值为上一帧获得的相关能量最大值的1/4。

其中，所述强径相对门限值为上一帧获得的相关能量最大值的1/128。

其中，所述预定字符长度为9个字符长度。

与现有技术相比，本发明采用活动抽头，降低了反馈滤波器的级数，提高了均衡的性能。

附图说明

图1是判决反馈的均衡器结构示意图；

图2是FIR滤波器消除前径的流程示意图；

图3是10阶m序列的生成结构示意图；

图4是利用活动抽头来消除后径的流程示意图；

图5是带活动抽头的判决反馈滤波器消除多后径的结构示意图；

图6是带活动抽头的判决反馈滤波器消除0db长时延后径的结构示意。

具体实施方式

本发明包括两个部分：一是采用相关，根据对应的判定法则，确定主径，同时确定后径的条数与位置；二是采用活动抽头来消除强后径，极大降低反馈滤波器的级数，并且采用极小级数的反馈滤波器即能消除时延极大的0db强后径。

在本实施例中，传输数据的帧结构采用帧头（比如，595符号长度）＋帧体（比如，3780符号长度）两部分时域信号组成，帧头和帧体信号的基带符号率相同（均为7.56Msps）。帧头部分由伪随机（PN，Pseudorandom Noise)序列构成，一般是采用10阶最大长度的伪随机二进制序列（m序列的截短），帧头信号的长度为595个符号，是长度为1023的m序列的前595个码片。

构成帧头部分的伪随机二进制序列由10比特的移位寄存器组产生。该最大长度的伪随机二进制序列的生成多项式为：

G₁₀₂₃(x)＝1+x³+x¹⁰

该10比特的移位寄存器组的初始相位为：0000000001，在每个信号帧开始时复位。产生该最大长度的伪随机二进制序列的结构，如图3所示，其产生的伪随机序列的前595码片，经“0”到+1值及“1”到-1值的映射变换为非归零的二进制符号。

另外，每帧传输数据帧的帧头采用相同的数据，因此在接收端将接收到的符号数据与本地产生的固定帧头数据进行相关，每一条强多径都会产生一个相关峰。

本发明采用活动抽头对后径处理，能降低均衡器的级数，在不增加均衡器级数的条件下消掉长时延的0db后径。

实施例1：现在假设信道传输只有后径影响，以接收到的信号y(n)＝x(n)-0.1x(n-8)+0.05x(n-50)-0.08x(n-70)为例，利用活动抽头来消除后径的具体实现步骤如图4所示：

步骤S11、接收符号数据与本地固定帧头的滑动相关，相关长度为帧头长度（本实施例为595个符号长度），计算相关能量值，记录每帧相关能量的最大值，以作为下帧判断强径的标准；

步骤S12、根据上一帧保存的相关能量最大值，设置一个主径相对门限值（比如相关能量最大值的1/4），确定主径的位置为595；

步骤S13、根据上一帧保存的相关能量最大值，设置强后径相对门限值（比如相关能量最大值的1/128），检测到强后径的条数为3，位置分别为第603、645、665个字符的位置；

步骤S14、以检测到的3条强后径位置（第603、645、665个字符的位置）为中心，分别开长度为9的窗口（理想情况下，一条强后径只需要在1级滤波器就能完成后径干扰消除，实际情况是存在采样偏差与判决误差，因此在后径中心位置开一个长度为9（中心位置向前、向后各4级）的窗口来消除这些干扰，窗口长度根据仿真结果确定），构成如图5所示的均衡器。

图中灰色标注为均衡器，虚线标注为虚拟的均衡器（等效于该处抽头系数为零），每级活动抽头均以相关检测出后径的位置为中心，活动抽头的长度为9个字符，标识Main_path、Back_path1、Back_path2、Back_path3对应的位置分别为第595、603、645、665个字符的位置。

实施例2：以0db长时延多径信号y(n)＝x(n)-x(n-2000)为例，利用活动抽头来消除0db的长时延后径的具体实现步骤如下：

接收符号数据与本地固定帧头的滑动相关，相关长度为595，计算相关能量值，记录每帧相关能量的最大值，以作为下帧判断强径的标准；

根据上一帧保存的相关能量最大值，设置一个主径相对门限值（比如相关能量最大值的1/4），确定主径的位置为595；

根据上一帧保存的相关能量最大值，设置强径相对门限值（比如相关能量最大值的1/128），检测到强后径的条数为1，位置2595；

以检测到的后径位置2595为中心，分别开长度为9的窗口，构成如图6所示的均衡器。图中灰色标注为均衡器，虚线标注为虚拟的均衡器（等效于该处抽头系数为零），由于该信道为0db长时延多径信道，只有一条后径，Back_path对应的位置为第2595个字符的位置。

综上，本发明针对后径处理，采用活动抽头，能降低均衡器的级数，在不增加均衡器级数的条件下消掉长时延的0db后径：比如，现在假设信道传输只有后径影响，接收到的信号y(n)＝x(n)-0.1x(n-8)+0.05x(n-50)，使用反馈滤波器消除后径的影响，理论上反馈滤波器只需要2级，分别消掉时延为8、50的后径，此时反馈滤波器的输出为：

y(n)＝x(n)+0.1x(n-8)-0.05x(n-50)-0.1x(n-8)+0.05x(n-50)＝x(n)

按照传统的方式，如果要消除该信道传输中引入的两条后径干扰，反馈滤波器的长度需要做到50级，而采用活动的抽头，理论上反馈滤波器的长度只需要2级即可，考虑到强径附近旁瓣的存在，在强后径前后各取4级来消除旁瓣的干扰。综合考虑这种情况下反馈滤波器的级数为18级，远远低于传统的50级；并且按照固定的抽头模式，在没有强径的位置，由于抽头的存在会引入噪声，会降低均衡的性能。

Claims (4)

1.一种采用活动抽头来消除后径干扰的信道均衡方法，其特征在于，包括步骤：

将接收的每帧符号数据与本地固定帧头进行滑动相关处理，相关长度为帧头长度，计算相关能量值，记录每帧相关能量的最大值；

根据上一帧获得的相关能量最大值，设置一个主径相对门限值，将大于该主径相对门限值的最前径作为主径，并记录主径的位置；

根据上一帧获得的相关能量最大值，设置强后径相对门限值，将大于该强后径相对门限值的所有后径均作为强后径，并记录所有强后径的位置；

每级活动抽头分别以检测到每条强后径位置为中心，开设预定字符长度的窗口构建均衡器进行信道均衡处理；

其中：所述的前径为先于主径到达的路径；所述的后径为后于主径到达的路径。

2.根据权利要求1所述采用活动抽头来消除后径干扰的信道均衡方法，其特征在于，所述主径相对门限值为上一帧获得的相关能量最大值的1/4。

3.根据权利要求1所述采用活动抽头来消除后径干扰的信道均衡方法，其特征在于，所述强后径相对门限值为上一帧获得的相关能量最大值的1/128。

4.根据权利要求1所述采用活动抽头来消除后径干扰的信道均衡方法，其特征在于，所述预定字符长度为9个字符长度。

Images