cma盲均衡算法在数字通信中的应用

《cma盲均衡算法在数字通信中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、http://www.paper.edu.cnCMA盲均衡算法在数字通信中的应用高鑫（大连海事大学，信息学院，辽宁大连，116026）E-mail:gaoxin35@newmail.dlmu.edu.cn摘要：在通信系统中，均衡器是一个重要部分，可以分为非盲均衡和盲均衡。区别在于是否存在期望响应。当无期望响应时，就构成盲均衡器。盲均衡的核心是构造期望响应。本文应用CMA盲均衡算法，以4QAM为例，对其进行研究。由于该算法不需要使用训练序列，实现简单，但同时也带来了收敛速度慢的缺点。但是非盲均衡器的训练序列只在初始阶段存在，一旦训练结束，期

2、望响应不存在，非盲均衡器成为一个固定系数滤波器。对于平稳信道是可以接受的，但对于性能不稳定的信道，接收机性能将会显著下降。考虑到不稳定信道，收敛速度慢缺点是可以接受的。关键词：盲均衡；CMA算法；4QAM；1引言尽管理论上存在理想的基带传输特性，但是在实际应用由于中无线信道的时变特性，在抽样时刻上总是存在一定的码间干扰，从而导致系统性能的下降，误码率显著增大。理论和实践都表明，在基带系统中插入一种滤波器能减少码间干扰的影响。这种起补偿作用的滤波器统称为均衡器。在实际应用中有许多问题不能用固定系数的均衡器解决，因为我们没有充足的信息去设计固

3、定系数的数字滤波器，或设计规则会在滤波器正常运行时改变。绝大多数这些应用都可以用特殊的智能滤波器，即常说的自适应滤波器来成功解决。自适应滤波器显著特征是：它在工作过程中不需要用户的干预就能改变响应，进而改善性能。【1】系数可变的自适应均衡器可以分为两类：基于导频的估计方法和盲估计方法。第一种方法利用数据序列中的已知数据（可以是离散的或连续的）得到导频位置处的信道响应，然后利用有关内差算法得到整个频域信道的响应，这种方法简单，运算量小，但需要发送已知的导频信息，降低了系统效率。而盲估计和跟踪方法利用了接收数据的统计特性来实现信道的估计和跟踪

4、，如利用子空间分解算法等，相对于基于导频的估计和跟踪算法，盲算法提高了系统效率，但极大地增加了运算量。本文研究对象是无训练序列的盲均衡算法。该算法核心是用人造期望响应代替训练序列构造盲均衡算法。-1-http://www.paper.edu.cn2盲均衡器结构在非盲线性自适应均衡器，都存在一个期望响应，且均衡器的各种运算单元都是线性运算。如果满足收敛条件，则所构成的自适应均衡器一般地会达到良好的性能和简单的运算结构。但在一些实际应用中，如果不存在或得不到一个期望响应，非盲均衡器不能应用。期望响应不存在条件下的自适应均衡属于“盲均衡”。图1

5、为盲自适应均衡器的结构，与非盲均衡器的区别在于：利用自适应滤波算法，合理的人工制造一个“期望响应”来代替缺失的“期望响应”。其实，人工制造一个期望响应的思想，在非盲均衡器的应用中已经被采用，即训练序列，但训练序列只在初始系统训练阶段存在，一旦训练结束，训练序列不再存在，通信系统将传输用户的有用数据，期望响应也不再存在，自适应滤波器切换成一个固定系数滤波器，对于平稳信道来讲这样做是可以接受的，但对于性能不稳定的信道，接收机性能将会显著下降。一种改善的方法是，在训练序列传输结束后，通过人造一个期望响应，使得自适应滤波过程能够继续，以保证自适应

6、均衡器跟踪信道的变换。人造“期望响应”的方法是，在训练结束后，将均衡器输出送入判决器，判决器的输出作为期望响应，与滤波器输出相减构成误差量用于调整自适应均衡器系数。由于判决器运算是一种非线性运算，因此训练结束后，利用人造期望响应的自适应均衡算法不再是线性自适应滤波器，而是非线性自适应滤波器。传输序列s（n）x（n）y（n）sˆ(n-v)LTI通道H（z）均衡滤波器判决器信号特性自适应算法图1盲自适应均衡器结构3盲均衡器算法在通信系统中，角度调制是常用的调制形式，它包括频率调制（FM）和相位调制（PM），-2-http://www.pape

7、r.edu.cn这些调制信号满足包络是常数的性质，利用这个性质，构造一类盲自适应均衡算法，即【2】【3】2CMA算法。传输信号满足恒模性，即s(n)＝R，因为接收到的信号经过信道引2起了畸变并且混入了干扰噪声，已不满足恒模性，当接收到的信号通过均衡器后，如果性能得到改善，误差函数2ξ（n）=y(n)－R(1)2会下降，理想的均衡器是误差函数下降到零。定义222Ψ(y(n))＝(ξ（n）)＝（y(n)－R）（2）2使Ψ(y(n))最小，利用LMS算法的基本思路，可以导出CAM算法如下∂w（n＋1）＝w（n）－μΨ(y(n)∂w(n)2＝w（

8、n）－μ（y(n)－R）y（n）x（n）（3）2对于复信号和复系统，权更新算法为2∗w（n＋1）＝w（n）－μ（y(n)－R）y（n）x（n）（4）24CMA计算机仿真尽管CMA算法的导出受到