自適應(yīng)均衡器的原理

1、均衡根據(jù)通信系統(tǒng)中的一項(xiàng)重要技術(shù)，分為兩種方式：頻域均衡和時(shí)域均衡。頻 域均衡是利用可調(diào)濾波器的頻率特性來(lái)彌補(bǔ)實(shí)際信道的幅頻特性和群延時(shí)特性， 使包括均衡器在內(nèi)的整個(gè)系統(tǒng)的總頻率特性滿足無(wú)碼間干擾傳輸條件。時(shí)域均衡 是直接從時(shí)間響應(yīng)角度考慮，使包括均衡器在內(nèi)的整個(gè)傳輸系統(tǒng)的沖激響應(yīng)滿足 無(wú)碼間干擾條件。頻域均衡滿足奈奎斯特整形定理的要求，僅在判決點(diǎn)滿足無(wú)碼 間干擾的條件相對(duì)寬松一些。所以，在數(shù)字通信中一般采用時(shí)域均衡。時(shí)域均衡器可以分兩大類：線性均衡器和非線性均衡器。如果接收機(jī)中判決的結(jié) 果經(jīng)過(guò)反饋用于均衡器的參數(shù)調(diào)整，則為非線性均衡器；反之，則為線性均衡器。 在線性均衡器中，最常用的均衡器結(jié)

2、構(gòu)是線性橫向均衡器，它由若干個(gè)抽頭延遲 線組成，延時(shí)時(shí)間間隔等于碼元間隔。非線性均衡器的種類較多，包括判決反 饋均衡器(DFE)、最大似然(ML)符號(hào)檢測(cè)器和最大似然序列估計(jì)等。均衡器的結(jié) 構(gòu)可分為橫向和格型等。因?yàn)楹芏鄶?shù)字通信系統(tǒng)的信道(例如無(wú)線移動(dòng)通信信道) 特性是未知和時(shí)變的，要求接收端的均衡器必須具有自適應(yīng)的能力。所以，均衡 器可以采用自適應(yīng)信號(hào)處理的相關(guān)算法，以實(shí)現(xiàn)高性能的信道均衡，這類均衡器 稱為自適應(yīng)均衡器。自適應(yīng)均衡器的工作過(guò)程包含兩個(gè)階段，一是訓(xùn)練過(guò)程，二是跟蹤過(guò)程。在訓(xùn)練 過(guò)程中，發(fā)送端向接收機(jī)發(fā)射一組已知的固定長(zhǎng)度訓(xùn)練序列，接收機(jī)根據(jù)訓(xùn)練序 列設(shè)定濾波器的參數(shù)，使檢測(cè)誤碼

3、率最小。典型的訓(xùn)練序列是偽隨機(jī)二進(jìn)制信號(hào) 或一個(gè)固定的波形信號(hào)序列，緊跟在訓(xùn)練序列后面的是用戶消息碼元序列。接收 機(jī)的自適應(yīng)均衡器采用遞歸算法估計(jì)信道特性，調(diào)整濾波器參數(shù)，補(bǔ)償信道特性 失真，訓(xùn)練序列的選擇應(yīng)滿足接收機(jī)均衡器在最惡劣的信道條件下也能實(shí)現(xiàn)濾波 器參數(shù)調(diào)整，所以，訓(xùn)練序列結(jié)束后，均衡器參數(shù)基本接近最佳值，以保證用戶 數(shù)據(jù)的接收，均衡器的訓(xùn)練過(guò)程成功了，稱為均衡器的收斂。在接收用戶消息數(shù) 據(jù)時(shí)，均衡器還不斷隨信道特性的變化連續(xù)地改變均衡器參數(shù)。均衡器的收斂時(shí)間受均衡算法、均衡器結(jié)構(gòu)和信道特性的變化情況所決定。通常， 均衡器需要通過(guò)重復(fù)性地周期訓(xùn)練保證能夠一直有效地抑制碼間干擾。所以，

4、用 戶數(shù)據(jù)序列需要被分割成數(shù)據(jù)分組或時(shí)隙分段發(fā)送。均衡器通常工作在接收機(jī)的基帶或中頻信號(hào)部分，基帶信號(hào)的復(fù)包絡(luò)含有信道帶 寬信號(hào)的全部信息，所以，均衡器通常在基帶信號(hào)完成估計(jì)信道沖激響應(yīng)和解調(diào) 輸出信號(hào)中實(shí)現(xiàn)自適應(yīng)算法等同時(shí)給你一個(gè)仿真例子：自適應(yīng)均衡器的仿真程序：% Illustration of the conventional RLS algorithm close all;W=2.9;Nexp=10;N=2000;Nmc=1; % Number of ensemble realizationsM=11;%抽頭系數(shù)lambda=0.99;% 遺忘因子 varv=0.001;%噪聲方差 h

5、=zeros(3,1);%h 的初始化 er=zeros(N,Nmc);%er 的初始化 h(1)=0.5*(1+cos(2*pi*(1-2)/W);h(2)=0.5*(1+cos(2*pi*(2-2)/W);h(3)=0.5*(1+cos(2*pi*(3-2)/W);%學(xué)習(xí)曲線hc=0 h(1) h(2) h(3);n0=7;t=(1:N);for1:Nmcy=sign(rand(N,1)-0.5);% 輸入信號(hào) v=sqrt(varv)*randn(N,1);% 噪聲信號(hào) x=filter(hc,1,y)+v;% 信號(hào)混合 x=zeros(M-1,1);x;%x 矩陣 yd=zeros(N

6、+M-1,1); %延遲信號(hào)初始化 e=yd;yd(n0+M-1:N+M-1)=y(1:N-n0+1);% CRLS算法% Initialization lambda=0.98;P=(10八-3)*eye(M,M);c=zeros(M,1);g=c;glambda=g;%迭代范圍for n=M:M+N-1xn=flipud(x(n-M+1:n);glambda=P*xn;alphal=lambda+conj(glambda)*xn;g=glambda/lambda;a(n)=1-conj(g)*xn;P=(P-g*conj(glambda)/lambda;P=(P+P)/2;e(n)=yd(n)-conj(c)*xn;c=c+g*conj(e(n);endendeplot=e(M:M+N-1).A2;subplot(2,1,1), plot(t,