阅读说明：本技术 一种面向毫米波应用的改进常数模盲均衡方法 (Improved constant modulus blind equalization method for millimeter wave application ) 是由 王瑜 吴道龙 茅迪 徐媛媛 李晓冬 于 2019-09-01 设计创作，主要内容包括：本发明提供了一种面向毫米波应用的改进常数模盲均衡方法,接收到的基带信号经采样后送入均衡器,根据均衡器输出,采用CMA算法计算误差函数,根据误差函数,对均衡器系数进行更新,经过迭代,直至恢复正确数据。本发明无需依赖于训练序列,在高速连续通信中能够有效提升信道利用效率；采用实、虚部并行处理,在修正幅度失真的同时能够消除相位旋转；结合泄露算法与高阶累积量思想进行系数更新,在步进系数相同的条件下能够改善现有算法迭代后的残留误差。(the invention provides an improved constant modulus blind equalization method for millimeter wave application. The invention can effectively improve the utilization efficiency of the channel in high-speed continuous communication without depending on a training sequence; real and imaginary parts are processed in parallel, so that phase rotation can be eliminated while amplitude distortion is corrected; and the leakage algorithm and the high-order cumulant idea are combined to update the coefficient, so that the residual error after the iteration of the existing algorithm can be improved under the condition that the stepping coefficient is the same.)

一种面向毫米波应用的改进常数模盲均衡方法

技术领域

本发明涉及宽带无线通信数字信号处理领域，主要面向无线通信系统宽带连续数据传输过程中由于符号间串扰、相位旋转等现象导致的传输质量恶化问题，尤其是一种不依赖训练序列，根据接收信号直接进行盲信道估计并结合泄露算法和高阶累积量思想进行补偿的方法，用于毫米波无线通信宽带数字信号处理。

背景技术

在实际系统中，由于滤波器的有限长度截断和定时采样时刻的偏差，都会造成码间前后拖尾的叠加，从而引起码间串扰。宽带射频器件和数模转换器件的带内幅相不一致，宽带信道的幅度、相位非线性衰落及多径信道等也会引起码间串扰，这就需要利用均衡技术来消除或减少这些码间串扰并恢复原始信号。

由于实际信道及器件的非线性影响往往是未知的，且信道也是时变的，因此往往需要采用自适应均衡算法来实时更新均衡器系数以消除时变影响。传统的自适应均衡技术，可以在一定程度上克服码间串扰，但它需要不断发送已知的训练序列，对均衡器进行周期性的训练，从而增加了传输开销，降低了信道利用率。采用盲均衡信道估计算法，则不需要对均衡器参数进行周期训练，能够大大提高信道利用率。此外，由于盲均衡算法仅与信号的幅值有关，因此对载波同步的要求有所降低，更利于工程系统实现。

在实际工程中，面向毫米波零中频架构，针对毫米波系统信道时变性、环境敏感性，以及零中频载波同步性能等问题，采用实、虚部并行处理方式消除相位偏转误差，针对现有的CMA算法存在收敛后剩余误差较大的问题，结合泄漏算法和高阶累积量思想对其进行修正，在与传统CMA算法收敛速度相当的条件下降低了系统的码间干扰。

发明内容

为了克服现有技术的不足，本发明提供一种面向毫米波应用的改进常数模盲均衡方法。针对无线通信系统宽带连续数据传输过程中由于符号间串扰、相位旋转等现象导致的传输质量恶化问题，采用实、虚部并行的方式，并引入泄露算法与高阶累积量思想，改善现有CMA算法无法纠正相位偏转且迭代后剩余误差较大的问题。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1，发送宽带信号：s(n)＝a(n)+jb(n)，其中a(n)与b(n)分别代表宽带复信号s(n)的实部与虚部；

步骤2，均衡器长度为N，接收到的基带信号经采样后送入均衡器的信号复矢量为X(n)＝[x_n,x_n-1,...,x_n-N+1]^T，均衡器系数为W(n)＝[w₀(n),w₁(n),...,w_N-1(n)]^T，其中，均衡器初始系数的设置原则为：

N为偶数时，

N为奇数时，

即W(0)＝[0,0,...,0,1,0,...,0]^T；

步骤3，计算均衡器输出为：y(n)＝W^T(n)X(n)；

步骤4，根据均衡器输出，采用CMA算法计算误差函数：

其中，R_c仅与发射符号均值有关，对于PSK、QAM类调制，R_c为定值，其计算方法为：

R_c＝E[|s^2p(n)|]/E[|s^p(n)|] (4)

取p＝2，即：

R_c＝E[|s⁴(n)|]/E[|s²(n)|] (6)

对误差函数计算过程进行实、虚部并行处理，即：

e(n)＝e_r(n)+je_i(n) (11)

其中，R_{c_r}与R_{c_i}分别代表常量R_c的实部与虚部，y_r(n)与y_i(n)分别代表均衡器输出信号y(n)的实部与虚部，e_r(n)与e_i(n)分别代表误差函数e(n)的实部与虚部；

步骤5，根据误差函数，对均衡器系数进行更新，更新过程为：

W(n+1)＝αW(n)-μe(n)X^*(n)-β[W(n)-W(n-1)] (12)

其中，μ为步进系数，α为泄露系数，β为高阶关联系数，W(n)为当前时刻均衡器系数，W(n+1)为下一时刻待更新的均衡器系数，W(n-1)为上一时刻均衡器系数；完成系数更新后，转到步骤3，计算下一时刻的均衡器输出，进入迭代过程，直至恢复正确数据。

本发明的有益效果在于：

1)本发明无需依赖于训练序列，在高速连续通信中能够有效提升信道利用效率。

2)采用实、虚部并行处理，在修正幅度失真的同时能够消除相位旋转。

3)结合泄露算法与高阶累积量思想进行系数更新，在步进系数相同的条件下能够改善现有算法迭代后的残留误差。

附图说明

图1是本发明的均衡器工作原理示意图。

图2是本发明中盲均衡算法流程图。

图3是本发明中均衡器系数更新原理示意图。

图4是本发明实施例1中归一化发射数据星座图。

图5是本发明实施例1中经过复信道后的接收信号星座图。

图6是本发明实施例1中经过本发明算法补偿后信号的星座图。

图7是本发明实施例1中收敛后剩余误差与传统CMA算法的比较图。

具体实施方式

下面结合附图和实施例对本发明进一步说明，本发明的流程图如图2所示。

步骤1，发送宽带信号：s(n)＝a(n)+jb(n)，其中a(n)与b(n)分别代表宽带复信号s(n)的实部与虚部；

步骤2，图1是本发明的均衡器工作原理示意图，均衡器长度为N，接收到的基带信号经采样后送入均衡器的信号复矢量为X(n)＝[x_n,x_n-1,...,x_n-N+1]^T，均衡器系数为W(n)＝[w₀(n),w₁(n),...,w_N-1(n)]^T，其中，均衡器初始系数的设置原则为：

N为偶数时，

N为奇数时，

即W(0)＝[0,0,...,0,1,0,...,0]^T；

步骤3，计算均衡器输出为：y(n)＝W^T(n)X(n)；

步骤4，根据均衡器输出，采用CMA算法计算误差函数：

其中，R_c仅与发射符号均值有关，对于PSK、QAM类调制，R_c为定值，其计算方法为：

R_c＝E[|s^2p(n)|]/E[|s^p(n)|] (4)

通常情况下，取p＝2，即：

R_c＝E[|s⁴(n)|]/E[|s²(n)|] (6)

在处理过程中，为了修正信道相位误差，对误差函数计算过程进行实、虚部并行处理，即：

e(n)＝e_r(n)+je_i(n) (11)

其中，R_{c_r}与R_{c_i}分别代表常量R_c的实部与虚部，y_r(n)与y_i(n)分别代表均衡器输出信号y(n)的实部与虚部，e_r(n)与e_i(n)分别代表误差函数e(n)的实部与虚部；

步骤5，图3是本发明中均衡器系数更新原理示意图，根据误差函数，对均衡器系数进行更新，采用泄露算法与高阶累积量思想，更新过程为：

W(n+1)＝αW(n)-μe(n)X^*(n)-β[W(n)-W(n-1)] (12)

其中，μ为步进系数，α为泄露系数，β为高阶关联系数，W(n)为当前时刻均衡器系数，W(n+1)为下一时刻待更新的均衡器系数，W(n-1)为上一时刻均衡器系数；完成系数更新后，转到步骤3，计算下一时刻的均衡器输出，进入迭代过程，直至恢复正确数据。

实施例1

本实施例通过对与复信道响应发生作用的一组宽带信号进行盲估计与补偿，并与传统CMA算法结果进行比较，说明本发明的实施过程。

1.仿真场景

发送端信号采用16QAM调制，经过复信道响应作用，接收端信噪比为30dB，采用本发明算法失真数据进行恢复。

2.仿真具体实现

本发明是一种结合泄露算法与高阶累积量思想的信道盲均衡技术，仿真包括如下步骤：

步骤1，发射端生成仅包含0和1的原始数据，每组数据长度L＝16000，共发送10组。采用16QAM对原始数据进行调制，并做归一化处理，得到归一化发送数据：

s(n)＝[1.004+0.3347i,1.004-0.3347i,-1.004-0.3347i,1.004-0.3347i,...]，根据式(6)计算得到归一化常数R_c＝1.4722。转到步骤2。

步骤2，设均衡器长度N＝17，根据式(2)计算出初始均衡器系数为：

W(0)＝[0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0]。设复信道响应为：

将发射调制数据与信道响应卷积，加高斯噪声处理后，接收端得到的原始接收信号为：

r＝[0.0298-0.0087i,0.02-0.0137i,0.007-0.0126i,0.8024+0.2634i,...]，转到步骤3。

步骤3，根据式y(n)＝W^T(n)X(n)计算均衡器输出，将初始均衡器系数与原始接收信号相乘得到均衡器初始输出：y(0)＝-0.837+0.3376i，转到步骤4。

步骤4，根据式(5)到(11)，计算误差系数e(0)＝0.555-0.2239i。

步骤5，取步进系数μ＝0.004，泄露系数α＝0.9999，高阶关联系数β＝0.97。根据式(12)，对均衡器系数进行更新，得到更新后的均衡器系数为W(1)＝[8e^-5-4.8e^-4i,-4.2e^-5-1.9e^-4i,-7.5e^-5-2.1e^-4i,...]，转到步骤3，计算下一时刻均衡器输出。进入迭代过程，反复进行步骤3至步骤5，直至接收端输入数据被正确恢复。

步骤6，经过4000次迭代后，接收端输入数据被正确恢复。此时误差系数e＝0.4723-0.0781i，均衡器系数为：

W＝[-0.0013+0.0066i,0.0014-0.0017i,-0.0017-0.0014i,-0.0008-0.006i,...]将此时的均衡器系数与原始接收数据进行卷积运算，并绘制信号星座图，星座图如图4-图6所示，图6中星座图收敛，图7是本发明实施例1中收敛后剩余误差与传统CMA算法的比较图，说明数据已经得到正确恢复。