移动通信中信道均衡技术的研究与仿真(编辑修改稿)

移动通信中信道均衡技术的研究与仿真(编辑修改稿)内容摘要：

列进行修正。 均衡器一般被放在接收机的基带或中频部分实现，基带包络的复数表达式可以描述带通信号波形，所以信道响应、解调信号和自适应算法通常都可以在基带部分被仿真和实现。 而在移动均衡技术中新兴的盲均衡技术是一种不借助于训练序列，仅利用接收序列本身的先验信息来均衡信道特性，使其输出序列 尽量逼近发送序列的新兴自适应均衡技术，它能有效地补偿信道的非理想特性，克服码间干扰，减小误码率，提高通信质量，较传统的均衡技术更为简单。 均衡器的分类 均衡器从结构上可以被分为两类：线性均衡器和非线性均衡器。 如果接收机中判决结果经过反馈用于均衡器的参数调整，则为非线性结构；反之，则为线性均衡器。 实现均衡,na wGr wC 信道 + wGR 接收滤波器  wGE 抽样判决器 均衡器 tnna 发送滤波器 大连交通大学 2020 届本科生毕业设计（论文） 8 的滤波器结构有很多种，而且每种结构在实现时又有许多种算法。 图 26 是按均衡器所使用类型、结构和算法的不同，对常用的均衡技术了进行了分类 ]4[。 图 26 时域均衡器的分类 线性横向均衡器结构 (LTE) 线性横向均衡器是自适应均衡方案中最简单的形式，它的基本框图如图 27 所示，它是由多级抽头延迟线、可变增益电路以及求和器组成的线性系统。 其抽头间隔为码元的周期 T，它把所收到的信号的当前值和过去值按滤波器系数做线性迭加，并把生成的和作为输出。 图 27 线性横向均衡器 时域均衡器 线性均衡器 非线性均衡器 横向滤波器 格型滤波器 判决反馈均衡器 最大似然序列估计 横向滤波器 格型滤波器 信道估计 … …….. ∑ )(ny Lw …………… ……… ... 0w …………… .. ……… .. Lw sT sT sT sT )(nx )( Lnx  )( Lnx  大连交通大学 2020 届本科生毕业设计（论文） 9 令 )(nw 表示图 27 中线性均衡器中滤波系数的矢量，也就是 Lwnw [)( )(1 nwL ... )(0nw ... )(1 nwL )(nwL ]T ， )(nx 表示均衡器输入信号矢量，也就是 )([)( Lnxnx  )1( Lnx ... )(nx ... )1( Lnx )( Lnx  ]T ， 则输出信号 )(ny 可以表示为  LLiTi nxnwinxnwny )()()()()( () 式中上角 “ T ”表示矩阵的转置。 由 ()式可以看出，输出序列的结果与输入信号矢量 )(nx 和均衡器的系数矢量 )(nw有关，输入信号经过信道后发生畸变成为 )(nx ；均衡器系数矢量 )(nw 应根据信道的特性的改变进行设计的，使 )(nx 经过线性横向均衡器后使输出的信号在抽样点无码间干扰。 经过推导可得线性均衡器系数矢量完全由信道的传递函数来确定 ]6[ ，如果信道的特性发生了变化，相应的系数矢量也随之变化，这样才能保证均衡后在抽样时刻上无码间干扰。 假设期望信号为 )(nd ，则误差输出序列为 )(ne 为 )(ne = )(nd )(ny = )(nd )()( nxnwT () 显然，自适应均衡器的原理是用误差序列 )(ne 按照某种准则和算法对其系数 )(nw 进行调整，最终使自适应均衡器的代价（目标）函数最小，达到最佳均衡的目的。 实际应用中，均衡系数可通过迫零准则或最小均方准则（ MMSE）获得。 对于迫零准则，调整均衡器系数使稳定后的所有样值冲击响应具有最小的码间干扰；而 MMSE 准则的均衡器系数调整是为了使期望信号 )(nd 和均衡器输出信号 )(ny 之间的均方误差最小。 无论是基于 MMSE 准则还是迫零准则无限抽头的线性横向均衡器在无噪声情况下直观上都是信道的逆滤波器，如果考虑两种准则间会有差别 ]4[。 在 MMSE 准则下，均衡器抽头对加性噪声和信道畸变均进行补偿，补偿包括相位和幅度两个方面；而基于迫零准则的 LTE 忽略噪声的影响。 线性横向均衡器最大的优点是其结构非常简单，容易实现，因此在各种数字通信系统中得到了广泛的应用。 但是其结构 决定了两个难以克服的缺点：一是噪声的增强会使线性横向均衡器无法均衡具有深度零点的信道 ——为了补偿信道的深度零点，线性横向均衡器必须具有高增益的频率响应，然而同时无法避免也会放大噪声；二是线性均衡器与接收信号的幅度信息关系密切，而幅度会随着多径衰落信道中相邻码元的改变而改变，因此滤波器抽头系数的调整不是独立的。 由于以上两点线性横向均衡器在畸变严重的信道和低信噪比环境中性能较差，而且滤波器的抽头调整相互影响，从而需要更多的抽头数目。 判决反馈均衡器 (DFE) 诸如 LTE 的线性均衡器为了补偿信道的深度 零点而增大增益从而也放大了噪声，因此在有深度零点的带通信道中线性均衡器性能不佳。 然而，对于这样的恶性信道，判决反馈均衡器由于存在着不受噪声增益影响的反馈部分因而性能优于线性横向均衡器 ]7[。 判决反馈均衡的基本方法是一旦信息符号经检测和判决以后，就可以在检测后续符号大连交通大学 2020 届本科生毕业设计（论文） 10 之前预测并消除由这个信息符号带来的码间干扰。 判决反馈均衡器既可以直接由横向滤波器实现，也可由格型滤波器实现。 判决反馈均衡器的结构示意图如图 28 所示。 包括两个抽头延迟滤波器：一个是前馈滤波器 (FFF)，另一个是反馈滤波器 (FBF)。 FFF 的输入是接收滤波器的输出，其作用和原理与前面讨论的线性横向均衡器类似； FBF 的输入是判决器的先前输出，其系数可被调整减弱先前符号对当前符号的干扰 ]6[。 均衡器的前馈滤波器抽头系数的个数为 L，而后馈滤波器抽头系数的个数为 M。 图 28 判决反馈均衡器 令 FFF 的抽头系数矢量为 )([)(1 nwnw l )(1nwL ... )(0nw ]T ， FBF 的抽头系数矢量为 )([)( 12 nwnw  )(2nw ... )(nwM ] T ，两滤波器组合抽头系数矢量 )([)( 1 nwnw T )(2 nwT ]T ， 则 )(nw =[ )(nwL )(1 nwL ... )(0nw )(1nw ... )(nwM ]T 同时再令 FFF 的输入信号矢量为 )([)( Lnxnx  )1( Lnx ... )(nx ]T ， )(nd 为 判决器的输出信号 ， 则 FBF 每级延迟得到的信号矢量为 )1([)(  ndnd  )2(nd ... )( Mnd  ]T。 因此可定义 FFF 和 FBF 联合的信号矢量为 )([)(~ nxnx T )(ndT ]T ,则 )(~nx =[ )( Lnx  )1( Lnx ... )(nx )1( nd ... )( Mnd  ]T 由图 28 可得判决反馈均衡器的输出为     Mi iLi i indwinxnwny 10 )()()()(  = )()()()( 21 ndnwnxnw TT  Lw )( Lnx  Ts Ts Ts Ts 1Lw 0w ∑ Ts …. Ts 1w N1 2w Mw 判决器 )(ny )1( nd )( Mnd  …… 输入信号 )1( nx )(nx )(nd 大连交通大学 2020 届本科生毕业设计（论文） 11 = )([ 1 nwT )(2 nwT ]T  )()(nxnd = )(~)( nxnwT 于是误差序列为 )(ne = )(nd )(~)( nxnwT () DFE 通过使用 FFF 和 FBF 分别补偿由信道将来和过去时刻的冲击响应产生的信号畸变。 FFF 通过使用未来时刻的码元消除 ISI，具有 M 个抽头的 FBF 则通过使用过去时刻的码元从当前估计值中消除 ISI，即 FFF 抑制前向干扰，而 FBF 抑制后续干扰。 判决反馈均衡器的结构具有许多优点，当判决差错对性能的影响可忽略时 DFE 优于线性均衡器，显而易见相对于线 性均衡器加入判决反馈部分得到性能上相当大的改善，反馈部分消除了由先前被检测符号引起的符号间干扰，例如相对于 LTE 较小的噪声增益和MSE、相对于 MLSE 和格型结构的低运算复杂度、相对于横向结构更容易达到稳定性能等等 ]10[。 然而 DFE 结构面临的主要问题之一是错误传播，错误传播是由于对信息的不正确判决而产生的，错误信息的反馈会影响 FBF 部分从而影响未来信息的判决，在小信噪比(SNB12B)条件下， DFE 通过 FBF 会产生错误传播现象，而且反馈部分的硬判决直接造成了 DFE 的 错误传播；另一个问题是移动通信中的收敛速度。 考虑到如何降低错误传播和解决收敛速度问题，可以采用可靠性更高的软判决和收敛速度更快的快速启动估计等。 本章小结 本章开始主要研究信道的特性，码间干扰 (ISI)形成的原因，而消除码间干扰一般根据奈奎斯特第一准则设计 ISI 最小化的带限传输脉冲，成为 Nyquist 脉冲设计方法；从而消除由信道冲击响应产生的码间干扰，通常称之为均衡。 在本章结尾也简单介绍了均衡器的几种分类方法，对其中的横向均衡器、判决反馈均衡器进行了研究，给出了它们的结构框图，分析了其均衡前后信号 的表达式，并对二者的特点进行了比对。 大连交通大学 2020 届本科生毕业设计（论文） 12 第三章 移动通信中均衡算法的研究 在移动通信均衡器中，最常用的均衡器为：自适应均衡器，所以本章节以自适应均衡器为例进行研究，其可以使用不同的自适应算法来实现信道均衡。 在满足一定的准则前提下，这些算法对均衡器系数进行调整。 两个准则在均衡系数最 优 化中得到了广泛使用，一个是迫零准则，另一个是 最小 均方误差 (MMSE)准则。 对于迫零准则，调整均衡器系数使稳定后的所有样值冲击响应具有最小的码间干扰；而 MMSE 准则的均衡器系数调整是为了使期望信号 )(nd 和均衡器输出信号 )(ny 之间的均方误差最小。 无论是基于 最小均方误差 准则还是迫零准则无限抽头的线性横向均衡器在无噪声情况下直观上都是信道的逆滤波器，在 MMSE 准则下，均衡器抽头对加性噪声和信道畸变均进行补偿，补偿包括相位和幅度两个方面。 在均衡器优化设计中，可以考虑采用某种最小代价函数或者某个性能指标来衡量，一般有下列几种选择： (1) 估计误差的均方值； (2) 估计误差绝对值 的 期望值； (3) 估计误差绝对值的三阶或高阶期望值； 选项 (1)由于容易进行数学处理而优于其他两项。 实际 上，选择均方误差准则导致均衡器中滤波器冲击响应未知系数代价函数的二阶相关性。 而且该代。