欢迎来到天天文库
浏览记录
ID:32349270
大小:4.19 MB
页数:110页
时间:2019-02-03
《宽带线性盲均衡器的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、中国科学技术火学博士学位论文摘要盲均衡是补偿通信信道失真、提高通信质量的一个关键技术。自从YSato在1975年首次提出盲均衡的思想和算法以来,盲均衡技术受到了极大关注,众多学者对盲均衡器原理和算法进行了深入系统的研究,获得了大量的研究成果。目前,盲均衡技术己经在中低速的广播式通信系统、非合作式通信信号接收和处理等系统中获得了成功的应用。近年来,随着无线通信朝着高速、宽带方向的快速推进,现有的一些单载波通信系统的通信速率不断提高,传输信号的带宽不断增大,如一些近地卫星通信系统和地面的微波通信系统的传输速率达到102~103Mbps量级。
2、在如此高速的无线通信系统中,宽带传输信道的多径延迟扩展可能会导致上百个符号间的干扰。一方面,采用现有的盲均衡器结构和算法对长冲激响应信道进行均衡时,要求均衡器的抽头数很大;另一方面,宽带信道的频谱在通带内起伏变化也较大;由于这两个原因导致采用传统结构的盲均衡器收敛速度缓慢,而且实现的复杂度也较高,难以满足实时处理的应用需求。目前,如何解决宽带单载波通信中盲均衡器的收敛速度慢、实现复杂度高的问题还没有一个成熟的解决思路和方案。本文以单载波传输体制的高速通信系统为对象,以非合作条件下通信信号接收和处理为应用背景,以提高盲均衡器的收敛速度和算
3、法的实时实现性为目标,对宽带线性盲均衡器结构和算法进行深入的分析和研究。其主要的贡献是采用子带自适应滤波的思想,将多速率滤波器组引入到传统的线性盲均衡器中,提出了几种适合于单载波通信系统的宽带线性盲均衡器的新结构、实现方法以及相关的算法,并对它们的性能进行了深入细致的分析和研究。本文的主要创新点有:一、提出了一种基于均匀子带分解的宽带线性盲均衡器将均匀子带分解技术应用于传统的线性盲均衡器,给出了一种适合于高速宽带通信的盲均衡器结构及算法。该结构将子带均衡器系数更新和全频带的子卷积方法有机结合在一起,明显地加快了高速宽带传输条件下线性盲均
4、衡器的收敛速度,而且通过并行处理降低了对处理时间的要求,改善了线性盲均衡算法的实时性。根据子带盲均衡器结构的特点,对传统的停止.前进(Stop.and.Go,SAG)类算法进行了改进,通过将算法的判决过程分离到子带中进行,消除了由于子带中国科学技术火学博:卜学位论文摘要分解而引入的记忆误差,实验结果表明,改进后的子带SAG算法收敛速度有了明显的提高。二、提出了一种分数间隔的宽带线性盲均衡器将分数间隔恒模算法(FSE.CMA)和子带分解技术结合起来,给出了一种分数间隔的宽带线性盲均衡器结构。子带分解的预白化作用能明显加快FSE.CMA的收
5、敛速度;同时,子带分解和子卷积方法都允许对数据进行降速率的并行处理,有利于算法的实时实现。’三、提出了一种基于信号功率谱幅度分割的非均匀滤波器组基于功率谱幅度分割的思想来设计非均匀滤波器组,是非均匀滤波器组设计的一个新方法。其主要特点是能有效地降低子带信号自相关矩阵的特征值扩散度,从而提高子带最小均方(LMS)自适应算法的收敛速度。在详细地描述了其设计思想的基础上,给出了非均匀子带定位算法、非均匀滤波器组的设计过程和主要参数选择。理论分析和实验仿真表明,该滤波器组不仅能有效地降低子带信号自相关矩阵的特征值扩散度,并且具有良好的信号重建特
6、性。四、提出了一种基于非均匀子带分解的宽带线性盲均衡器将基于信号功率谱幅度分割的非均匀子带分解方法应用于子带盲均衡器中,给出了一种基于非均匀子带分解的宽带线性盲均衡器结构和算法,其主要的特点是能够根据宽带信道的幅频特性动态地调整非均匀子带的带宽和位置,相比于均匀子带分解的盲均衡器,能更有效地降低子带信号自相关矩阵的特征值扩散度,从而能进一步提高子带线性盲均衡算法的收敛速度。另外,针对非均匀予带信号具有不同采样率的特点,综合考虑收敛速度和运算复杂度两方面的因素,给出了非均匀子带均衡器系数更新的一个有效的策略,在获得收敛速度提高的同时,还厅
7、z-,匕P,,4KB好地控制运算复杂度。关键词:宽带单载波通信系统非合作通信线性盲均衡器子带分解非均匀滤波器组特征值扩散度功率谱幅度分割ADissertationforDoctor’SDegree,USTCABSTRACTBlindequalizationisoneofthekeytechnologiestocompensateforchanneldistortionandenhancethecommunicationquality.SinceYSatofirstintroducedtheideaandalgorithmofblinde
8、qualizationin1975,theblindequalizationtechniquehasattractedgreatattentions.Manyresearchershavemadein-de
此文档下载收益归作者所有