下载文档原格式
基于小波网络的MQAM数字通信自适应均衡器章国安;张小东;毕光国【期刊名称】《东南大学学报（英文版）》【年(卷),期】2000(016)001【摘要】本文给出了多维小波网络的结构及其随机梯度学习算法,提出了基于小波网络的MQAM数字通信自适应均衡器.仿真结果表明:该均衡器对于MQAM数字信号非线性信道的均衡,其性能明显优于传统的基于LMS和RLS算法的线性均衡器和基于RLS算法的判决反馈均衡器,且性能稍好于基于BP网络的均衡器,其缺点是计算复杂度高和训练收敛速度慢.%A novel wavelet network based adaptive equalizer (WNBAE) is presented and the structure and stochastic gradient learning algorithm is given. The proposed WNBAE has better performance than that of the conventional linear transversal equalizer based on the LMS and the RLS algorithms, as well as that of the decision feedback equalizer based on the RLS algorithm, especially for MQAM digital communication reception systems over the nonlinear channels. In addition, it outperforms the BP neural network based adaptive equalizer slightly. However, it has a slow convergence rate and a high computational complexity. Several simulations are performed to evaluate the behavior of the WNBAE.【总页数】7页(P13-19)【作者】章国安;张小东;毕光国【作者单位】东南大学无线电工程系,南京,210096;东南大学无线电工程系,南京,210096;东南大学无线电工程系,南京,210096【正文语种】中文【中图分类】TN911.72因版权原因，仅展示原文概要，查看原文内容请购买。
一种改进的判决反馈盲均衡算法研究王晓东【摘要】以提高信号传输的效率,消除多径效应对传输信号的影响为背景,首先介绍了判决反馈盲均衡算法(DFE算法)的均衡原理,并且在此基础上提出了改进的分数间隔变步长判决反馈盲均衡算法(FSE-VSDFE算法).通过实验仿真结果的分析可知,改进方法在收敛速度、剩余误差等方面取得了明显的改善,具有一定的实际应用价值.【期刊名称】《电声技术》【年(卷),期】2012(036)012【总页数】4页(P53-56)【关键词】盲均衡;多径效应;稳态误差;收敛速度【作者】王晓东【作者单位】中国人民解放军92785部队,河北秦皇岛066004【正文语种】中文【中图分类】TN911.72声信号在通信系统的传输过程中会因为受多径效应的影响而存在严重的码间干扰，实践中主要利用均衡器来消除码间干扰的影响［1］。
目前使用的均衡器根据其结构的不同可以分为线性均衡器和非线性均衡器两类:线性均衡器主要适用于处理信道衰落不是很严重的情况，非线性均衡器主要适用于处理深衰落信道的情况，判决反馈均衡器(DFE)就是比较典型也是实际应用比较广泛的非线性均衡器［2－3］。
文献［4－5］研究了分数间隔判决反馈盲均衡器，实验结果分析可知分数间隔均衡器的性能要明显优于波特间隔均衡器。
文献［6］研究了修正恒模算法(MCMA算法)有效地解决了恒模算法(CMA算法)不能修正相位偏转的问题。
文献［7］研究了变步长盲均衡算法，通过构造关于剩余误差的变步长函数以此达到保证较快收敛速度的同时得到较小的剩余误差。
文献［8］研究了一种多模算法(MMA算法)有效地克服了CMA算法处理非恒模信号(如QAM信号)剩余误差较大的不足。
笔者根据上述文献的改进思想提出了分数间隔变步长修正判决反馈盲均衡算法，对其均衡性能进行了实验仿真和分析。
当前基于CMA算法的DFE均衡是利用最为广泛的盲均衡技术之一，所以文中以此为基础进行分析。
DFE算法的结构框图如图1所示。
一种基于小波去噪的DFT信道估计改进算法
谢斌;乐鸿浩;陈博
【期刊名称】《计算机工程与科学》
【年(卷),期】2016(038)009
【摘要】针对小波去噪与DFT插值相结合的信道估计算法没有对循环前缀内的噪声进行去噪的缺点,提出了一种基于小波去噪与改进的DFT插值相结合的信道估计新算法.该算法首先利用离散小波变换对最小二乘(LS)法估计出的结果进行阈值去噪处理,并根据循环前缀内、外噪声方差的均值在DFT插值的过程中设置相应门限,然后对循环前缀内的噪声再次处理,以进一步减小噪声的影响.仿真实验结果表明,在复杂度基本不变的前提下,该算法能够较好地减小加性高斯白噪声的影响,并有效提升信道估计的准确度,其总体性能较小波去噪与DFT插值相结合的信道估计算法更优.【总页数】7页(P1790-1796)
【作者】谢斌;乐鸿浩;陈博
【作者单位】江西理工大学信息工程学院,江西赣州341000;江西理工大学信息工程学院,江西赣州341000;江西理工大学信息工程学院,江西赣州341000
【正文语种】中文
【中图分类】TN929.5
【相关文献】
1.基于小波去噪与改进的DFT信道估计算法 [J], 张开明
2.一种基于DFT的信道估计改进算法 [J], 万民;徐叶茂
3.LTE-A下一种基于DFT信道估计的改进算法 [J], 陈政贵;王振;李贵勇
4.一种基于DFT变换的多径信道估计改进算法 [J], 王景隆;王建新
5.一种改进的基于DFT算法的MIMO-OFDS信道估计算法 [J], 张恒斌
因版权原因，仅展示原文概要，查看原文内容请购买。
基于小波变换的非线性信道判决反馈均衡算法
王军锋;张彬;宋国乡
【期刊名称】《系统工程与电子技术》
【年(卷),期】2002(024)012
【摘要】针对严重线性失真和轻度非线性失真的数字信道,在分析一种基于关联模型的非线性信道判决反馈均衡器的基础上,提出用正交小波表示非线性信道判决反馈均衡器并给出了自适应均衡算法.该算法的优点是将小波变换与关联模型相结合,利用小波变换的去相关能力在小波域中通过归一化的最小均方误差(LMS)算法来提高收敛速度,计算量增加不多,易于实时实现.仿真结果表明,该算法具有良好的收敛性能.
【总页数】3页(P118-120)
【作者】王军锋;张彬;宋国乡
【作者单位】西安电子科技大学理学院数学系,陕西,西安,710071;西安电子科技大学理学院数学系,陕西,西安,710071;西安电子科技大学理学院数学系,陕西,西
安,710071
【正文语种】中文
【中图分类】TN911.9
【相关文献】
1.基于RENYI熵的水声信道判决反馈盲均衡算法研究 [J], 张银兵;赵俊渭;李金明;孙勇
2.基于时间反转的水声信道判决反馈均衡算法 [J], 张艳萍;张兆勇
3.基于稀疏时变水声信道的判决反馈均衡算法 [J], 张殿伦;肖爽;张友文;崔宏宇
4.基于串扰判决反馈信道均衡算法的语音通信系统设计 [J], 梁计锋
5.基于判决反馈均衡的水声信道估计与通信算法 [J], 罗亚松;许江湖;刘忠;肖金石;吴视野
因版权原因，仅展示原文概要，查看原文内容请购买。
第24卷第12期系统工程与电子技术Systems Engineering and ElectronicsVol 24,No 122002收稿日期:2002-01-24 修订日期:2002-05-08作者简介:王军锋(1969-)男,副教授,博士研究生,主要研究方向为小波分析与自适应信号处理。
文章编号:1001 506X(2002)12 0118 03基于小波变换的非线性信道判决反馈均衡算法王军锋,张 彬,宋国乡(西安电子科技大学理学院数学系,陕西西安710071)摘 要:针对严重线性失真和轻度非线性失真的数字信道,在分析一种基于关联模型的非线性信道判决反馈均衡器的基础上,提出用正交小波表示非线性信道判决反馈均衡器并给出了自适应均衡算法。
该算法的优点是将小波变换与关联模型相结合,利用小波变换的去相关能力在小波域中通过归一化的最小均方误差(LMS)算法来提高收敛速度,计算量增加不多,易于实时实现。
仿真结果表明,该算法具有良好的收敛性能。
关键词:小波变换;非线性信道;判决反馈;自适应均衡中图分类号:TN911 9 文献标识码:AA New Nonlinear Decision Feedback Equalization Algorithm Based on W avelet TransformWANG Jun feng,Z HANG Bin,SONG Guo xiang(Sc hool o f Sc ie nce,Xidian U nive rsity ,Xi an 710071,China )A bstract:After the analysis of a decisi on feedback equalizer based on the associated model,a new deci sion feedback equalizer employi ng wavelet transform is presented for a nonlinear channel wi th severe linear di storti on and mild nonli near distortion.Since wavelet transform has a better decorrelation perfermance and i s easily combined with an associated model,the convergence speed of the new algorithm is i mproved by normalized least mean square algorithm in wavelet d omain.For a typical nonlinear channel model ,si mulation shows that the new algorithm has a good convergence property,while the increase in the comp utational complexi ty i s slow.Keywords:Wavelet transform;Nonlinear channel;Decision feedback;Adapti ve equalization1 引 言数字通信是当今信息时代的重要通信方式。
然而在实际中,由于信道的幅度和相位特性会发生畸变,使得信道在时域呈现弥散,这样就不可避免地产生码间干扰,降低系统性能。
为了抑制码间干扰,需要采用均衡技术[1]。
常见的均衡器中,采用横向滤波器及基于最小均方误差(LMS)算法的线性横向均衡器(LTE)以其结构简单、易于实现而被广泛使用。
但LT E 只适用于码间干扰较小的线性信道,而对存在较严重的码间干扰以及非线性失真的信道,采用判决反馈结构的均衡器是十分有效的。
在这方面,利用神经网络来构成非线性的判决反馈均衡器已取得了一定的研究成果[2~4],这是因为信道的均衡可看成一个非线性分类问题,而神经网络往往具有良好的非线性分类能力。
由于关联模型是一种简单且易于理解的神经网络模型,因此文献[3]利用该模型所构成的判决反馈均衡器不仅结构简单,而且其收敛性能比传统的判决反馈均衡器以及无反馈的基于关联模型的均衡器都有明显的改善。
然而同线性自适应信号处理中LMS 算法的固有缺陷一样,当输入信号相关阵的条件数较大时,该算法的收敛速度会下降,从而影响其跟踪性能。
提高收敛速度的途径之一是在变换域中减少相关阵的条件数,而根据目前的研究结果,小波变换具有较好的去相关能力,并已被成功地应用于线性均衡中[5,6]。
因此,本文通过对已有算法的分析,提出了将小波变换与关联模型相结合的一种方法,并得到了一种适用于非线性信道均衡的收敛速度较快的自适应均衡算法。
2 基于正交小波表示的判决反馈均衡器文献[3]基于对非线性信道模型和传统判决反馈均衡器的分析,提出了一种基于关联模型的判决反馈均衡器,其基本结构如图1所示。
图中y (n)是n 时刻进入均衡器的畸变信号,NF 是一个非线性滤波器,用来补偿非线性失真,其输入输出关系为x^(n)= NNm=1h m ym(n)(1)式中 {h m ,m =1,!,N N }∀∀∀滤波器NF 的系数。
LF1和LF2∀∀∀两个线性横向滤波器,用来补偿线性失真,其输入输出关系为z (n)=N 1-1i=0c i x^(n -i)+N2l=1g l ^s (n -l )(2)式中 {c i ,i =0,1,!,N 1-1}和{g l ,l =1,!,N 2}∀∀∀滤波器LF1和LF2的系数。
由小波理论可知:L 2(R)中的函数可由一族正交小波函数和尺度函数来表示,其相应的系数可由Mallat 算法求得。
而滤波器LF1的冲击响应为有限个离散值,因此它也可用小波函数和尺度函数来表示。
考虑到实际信号的分辨率是有限的,不妨假定其最大分辨率(或尺度)为1,则有c i =Jj =1k j -1k=0d i,k j,k (i )+ k J -1k =0c J,k J,k (i)(3)式中i =0,1,!,N 1-1;J ∀∀∀最大尺度;k j =N 1/2j ∀∀∀在尺度j 下小波函数的最大平移。
将(3)式和(1)式代入(2)式,则有z (n)=N 1-1i=0 Jj =1 k j-1k =0d j,k j ,k (i)+ k J -1k=0c J,k J,k (i)#N Nm=1h m ym(n -i )+N2l=1g l ^s (n -l )=j ,k ,md j,k h miym(n -i) j ,k (i)+k ,mc J ,k h m iym(n -i) J,k (i)+N2l=1g l ^s (n -l)=j ,k ,mw j,k,m r j,k,m (n)+ k ,mv J ,k,m s J ,k,m (n)+N2l=1g l ^s (n -l)(4)式中 w j,k,m =d j,k h m ,v J,k,m =c J,k h m ,而r j,k,m (n)= i ym(n -i) j,k (i )s J,k,m (n)=iy m (n -i) J,k (i )(5)由此得到了用一族正交小波与尺度函数表示的非线性信道判决反馈均衡器及其输出。
3 基于正交小波变换的判决反馈均衡算法由(4)式可以看出,将滤波器LF1用小波表示的实质,就是对输入信号y (n)的不同方幂作小波变换。
由于在实际均衡中使用的正交小波主要是有紧支集的Daubechies 小波,而其 (x )和 (x )的解析表达式难以得到,故直接使用(4)式不太方便,为此我们将进入均衡器的信号向量表示为y (n)=[y 1(n),y 2(n),!,y N N(n)]T(6)其中的信号向量分别为y 1(n)=[y (n),y (n -1)!y (n -N 1+1)]T(7)y 2(n)=[y 2(n),y 2(n -1)!y 2(n -N 1+1)]T (8)y N N (n)=[y NN (n),y NN (n -1)!y NN(n -N 1+1)]T(9)令相应的权系数向量分别为w 1(n)=[w 1,0,1,w 1,1,1,!,w J,k J ,1,v J,0,1,!,v J,k J ,1]T w 2(n)=[w 1,0,2,w 1,1,2,!,w J,k J,2,v J,0,2,!,v J,k J,2]Tw N N(n)=[w 1,0,N N,w 1,1,N N,!,w J,kJ,NN,v J ,0,1,!,v J ,k J,N N]T(10)而判决后的反馈信号向量及其相应的权向量分别为^s (n)=[^s (n -1),^s (n -2)!^s (n -N 2)]Tg (n)=[g 1(n),g 2(n)!g N 2(n)]T(11)设Q 是由相应的小波滤波器系数和尺度滤波器系数构成的正交矩阵,对以上各信号向量分别作正交小波变换并采用归一化的LMS 算法即得到以下小波变换域中的非线性自适应均衡算法r 1(n)=Q y 1(n),r 2(n)=Qy 2(n),!,r N N (n)=Qy N N (n)(12)z (n)=N Nm=1w Tm (n)r m (n)+g T (n)^s (n)(13)e(n)=d(n)-z (n)(14)w 1(n +1)=w 1(n)+!1e(n)R^-11r 1(n)(15)w 2(n +1)=w 2(n)+!2e(n)R^-12r 2(n)(16)w N N (n +1)=w N N (n)+!N N e(n)R ^-1N N r N N(n)(17)g (n +1)=g (n)+∀e(n)^s (n)(18)式中∀和!m ∀∀∀步长因子;R ^m (n)=diag [#2m0,#2m 1,!,#2m,N 1-1],m =1,2,!,N N ,而#2mi (n +1)=∃m #2mi (n)+(1-∃m )|r mi (n)|2m =1,2,!,N N ;i =0,1,!,N 1-1(19)且r mi (n)是r m (n)中第i 个分量,0<∃m <1。
在上述算法中,通过对信号向量作有限正交小波分解,可以方便地将(4)式用(13)式来表示。
这样不仅不需要 (x )和 (x )的解析表达式,而且也便于在权向量更新时采用不同的步长因子。
4 计算机仿真本文的目的是提高算法的收敛速度,为了与文献[3]比较,现采用以下典型的非线性信道模型x (n)=0.3482s(n)+0.8704s (n -1)+0.3482s (n -2)(20)#119#第12期基于小波变换的非线性信道判决反馈均衡算法y (n)=x (n)+0.2x 2(n)(21)式中 s (n)∀∀∀取值∃1的独立随机序列,y (n)∀∀∀加上方差为0.01的高斯白噪声,N N =2,N 1=8,N 2=4,步长分别取为!1=0.02,!2=0.005,∀=0.02。
