基于多模算法的低复杂度高斯-牛顿盲均衡方法及系统技术方案

本发明专利技术属于无线通信中盲均衡技术领域，公开了一种基于多模算法的低复杂度高斯

Low complexity Gauss Newton blind equalization method and system based on multimode algorithm

【技术实现步骤摘要】
基于多模算法的低复杂度高斯
‑
牛顿盲均衡方法及系统


[0001]本专利技术属于无线通信中盲均衡
，尤其涉及一种基于多模算法的低复杂度高斯
‑
牛顿盲均衡方法及系统。

技术介绍

[0002]目前，盲均衡技术是提高通信系统可靠性的重要技术之一，用于解决信道的多径效应带来的码间干扰问题。在现代通信系统中，由于有限带宽通信信道的失真和畸变引起的码间干扰(ISI)和信道间干扰(ICI)是影响通信质量的重要因素。码间干扰和信道间干扰的积累将会导致误码的产生，从而导致通信质量的下降。盲均衡技术可以减少码间干扰和信道间干扰，降低误码率，且能够不借助训练序列就能够获得理想的通信效果。因此研究盲均衡技术具有非常重要的意义。
[0003]盲均衡技术近年引起了广泛的关注(R.M.Pavan,T.M.Silva and D.Miranda,“Performance analysis of the multiuser Shalvi
‑
Weinstein algorithm,”Signal Processin本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模算法的低复杂度高斯
‑
牛顿盲均衡方法，其特征在于，所述基于多模算法的低复杂度高斯
‑
牛顿盲均衡方法构建基础代价函数，设置参数并对函数作一阶泰勒展开，替换代入得到新的代价函数表达式；对代价函数求导得到梯度表达式梯度为时代价函数取最小值，计算得到此时的参数值；根据和均衡器之间的关系构建迭代公式，最优化均衡器并最小化代价函数。2.如权利要求1所述的基于多模算法的低复杂度高斯
‑
牛顿盲均衡方法，其特征在于，所述基于多模算法的低复杂度高斯
‑
牛顿盲均衡方法包括以下步骤：第一步，构建基础代价函数J(w)，设置参数并在w处对函数作一阶泰勒展开，替换代入得到新的代价函数表达式J(w+Δ)；第二步，对代价函数J(w+Δ)求关于Δ的导数，得到梯度表达式，梯度为0时代价函数取最小值，计算得到此时Δ的值Δ
′
；第三步，根据Δ
′
和均衡器w之间的关系构建迭代公式，最优化均衡器并最小化代价函数。3.如权利要求2所述的基于多模算法的低复杂度高斯
‑
牛顿盲均衡方法，其特征在于，所述构建基础代价函数J(w)，设置参数并在w处对函数作一阶泰勒展开，替换代入得到新的代价函数表达式J(w+Δ)；从正交幅度调制QAM星座集中随机选择的发射信号s(n)，通过具有加性高斯噪声的未知多径衰落信道，这会在接收器处引起码间干扰ISI，包括阶有限信道脉冲响应h(n)，复值高斯白噪声v(n)，接收端的信号x(n)表示为：其中，[
·
]
T
代表转置；为了消除ISI，接收信号x(n)需要通过权向量为w＝[w(0),w(1),
…
,w(L
‑
1)]
T
的L阶均衡器，经过均衡器w后的输出序列y(n)为：x(n)＝[x(n),x(n
‑
1),
…
,x(n
‑
L+1)]
T
完美的盲均衡满足y(n)＝Cs(n
‑
τ)，其中，C是一个常数，τ是时间延迟，为了寻找接近理想的盲均衡，计算出最优的均衡器，首先构建基础的多模算法代价函数J(w)：J(w)＝E[(|Re(y(n))|
p
‑
R
P
)2+(|Im(y(n))|
p
‑
R
P
)2]其中，是由发射信号s(n)决定的色散常数，p为正整数参数，|
·
|代表绝对值；w为均衡器，y(n)为经过均衡器后的信号，E表示统计平均，Re(
·
)和Im(
·
)表示提取出来的实部和虚部；令p为1，则代价函数可修正为：J(w)＝E[|(Re(y(n))|
‑
R)2+(|Im(y(n))|
‑
R)2]用时间平均替换统计平均，则代价函数为：
其中N是可用样本的数量，R为色散常数；将代价函数分解，令f
r
(w,n)＝|Re(y(n))|
‑
R，f
i
(w,n)＝|Im(y(n))|
‑
R，r和i代表实部和虚部；然后在w点对f
r
(w,n)和f
i
(w,n)进行一阶泰勒展开：(w,n)进行一阶泰勒展开：...

【专利技术属性】
技术研发人员：李进，鲍欣格，刘明骞，张俊林，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：