一种基于实时信噪比估计动态切换信道均衡算法

摘要

本发明涉及短波通信技术领域，具体公开了一种基于实时信噪比估计动态切换信道均衡算法；该算法具体步骤为：1)在信道阶数已知的前提下，完成短波信道均衡中信道初始状态的估计；2)基于误差平方和最小准则和Shur算法，采用直接式信道均衡算法，估计数据信息；3)根据信道均衡的结果，实时估计当前帧码符号的信噪比；4)根据实时估计的信噪比结果，与预先设定的阈值进行比较，从而选取直接式或判决反馈式信道均衡算法，对接收数据进行均衡；5)均衡后的数据，进行后续判决、解交织和译码，恢复发送数据。该发明对调制解调器的硬件平台不产生影响，在相同通信数据率、误码率条件下，信噪比可改善1～2dB。

说明书

技术领域

本发明属于短波数据通信技术领域，具体涉及一种基于实时信噪比估计动态切换信道均衡算法。

背景技术

短波在大约一百公里到数千公里范围内，不需要中继就可以实现超视距通信。长期以来，由于短波通信的成本低、抗摧毁性强，它一直是重要通信手段之一，特别在军事通信方面尤为重要。但短波信道是时变衰落信道，数据通信受时间、空间等因素影响，存在通信不稳定、数据率低等现象。短波调制解调器是进行短波数据通信的关键设备，用以实现对数字信号的音频调制与解调，通过在短波调制解调器中实施信道均衡技术，可有效改善短波通信质量，提高数据通信率和数据通信稳定性。短波数据通信按照通信带宽可分为窄带短波数据通信和宽带短波数据通信，而这一般以10KHz为分界点；窄带短波数据通信中，又有单音串行和多音并行两种体制，由于多音并行技术存在功率分散、功率峰均比等问题，应用效果不佳，目前主要是采用单音串行技术体制。我国现役的短波数据通信模式一般都基于短波语音通道的单音串行通信模式，带宽为3KHz，属于窄带短波数据通信。基于美军标MIL-STD-188-110B定频通信模式设计的调制解调器，是窄带短波数据通信，而在窄带短波数据通信中，直接式信道均衡算法和判决反馈式均衡算法在高、低信噪比上表现出不同的误码率性能，且存在明显的性能交叉

发明内容

本发明的目的在于提供一种基于实时信噪比估计动态切换信道均衡算法，可以在相同的通信数据率、相同误码率的条件下，改善信噪比，提高窄带短波数据通信的性能。

本发明的技术方案如下：一种基于实时信噪比估计动态切换信道均衡算法，该算法具体包括如下步骤：

步骤1、在信道阶数已知的前提下，完成短波信道均衡中信道初始状态的估计；

窄带短波信道基带模型遵循美军标MIL-STD-110B定频传输模式，信号调制方式为8PSK，码元速率为2400Baud，接收端利用发射端发送训练序列完成短波信道均衡；

步骤2、基于误差平方和最小准则和Shur算法，采用直接式信道均衡算法，估计数据信息；

步骤3、根据信道均衡的结果，实时估计当前帧码符号的信噪比；

步骤4、根据实时估计的信噪比结果，与预先设定的阈值进行比较，从而选取直接式或判决反馈式信道均衡算法，对接收数据进行均衡；

步骤5、均衡后的数据，进行后续判决、解交织和译码，恢复发送数据。

所述步骤1在信道阶数已知的前提下，完成短波信道均衡中信道初始状态估计的具体步骤为：

连续时间信道，其冲击响应为c(t)，它是脉冲成型、信道响应函数的组合形式，发送的复基带信号为：

$s\left(t\right)=\underset{k}{\Sigma }{s}_k\delta (t-\mathrm{kT})$

序列{s_k}为用户数据复数星座图信号，T为波特采样时间间隔，设联合响应的记忆长度为(L+1)T，意味着码间干扰影响L个字符；则接收信号可表示为：

r(t)＝a₁(t)+b(t)+a₂(t)+n(t)

其中：

$a_1\left(t\right)=\underset{k=-L}{\overset{-1}{\Sigma }}{a}_{N1+k}c(t-\mathrm{kT}),t\in T_{\mathrm{obs}}$

$b\left(t\right)=\underset{k=0}{\overset{N-1}{\Sigma }}{b}_{k}c(t-\mathrm{kT}),t\in T_{\mathrm{obs}}$

$a_2\left(t\right)=\underset{k=N}{\overset{N+N1-1}{\Sigma }}{a}_{N1+k-N}c(t-\mathrm{kT}),t\in T_{\mathrm{obs}}$

n(t)为加性高斯白噪声，T_obs＝[0，(N+N₁)T]为观测时间。如果信道记忆长度小于训练序列的长度，则仅靠近数据块的L位训练序列考虑进上述公式中；反之，则部分译码的用户数据进入到训练序列，进行处理；a₁(t)和a₂(t)为训练序列引入的码码间干扰；

在完成信道初始状态估计中，记训练序列码符号为训练序列经过脉冲成型、短波信道、下采样、Hilbert变换后对应的接收序列为则信道估计系数为：

$\bar{H}=\mathrm{IFFT}\left(\frac{\mathrm{FFT}\left({\bar{r}}_T\right)}{\mathrm{FFT}\left(\bar{T}\right)}\right)$

基于美军标MIL-STD-110B定频传输模式的短波通信中，其阶数一般取10或16阶，记为L+1，其中，L为偶数，而的长度为FFT变换长度，理论上两端值为零，中间非零值长度等于信道阶数长度；对进行截短，估计信道初始有效系数，记为则：

$\hat{c}=L(\bar{H},L+1)$

其中，L(X，N)表示对向量X从中间向两侧截取长度为N的向量。

所述步骤2中基于误差平方和最小准则和Shur算法，采用直接式信道均衡算法，估计数据信息的具体步骤为：

利用下式消除接收信号数据符号段中由于训练序列引入的干扰：

f(t)＝r(t)-a₁(t)-a₂(t)＝b(t)+n(t)

其中，f(t)是一均值为b(t)的高斯过程；

$\mathrm{SSE}\left(\hat{b}\right)={\int }_0^{T_{\mathrm{obs}}}{|f\left(t\right)-\hat{b}\left(t\right)|}^2\mathrm{dt}$

其中，为期望的复基带信号；

$\hat{b}\left(t\right)=\underset{k=0}{\overset{N-1}{\Sigma }}{\hat{b}}_{k}f(t-\mathrm{kT}),t\in T_{\mathrm{obs}}$

则b的最优估计为：

${\hat{b}}_{\mathrm{opt}}={\left(R^{*}\right)}^{-1}z$

其中，R为信道复合冲击响应的自相关矩阵；z为信号与信道复合冲击响应的互相关向量；

$r_{k,l}={\int }_0^{T_{\mathrm{obs}}}c(t-\mathrm{kT})c^{*}(t-\mathrm{lT})\mathrm{dt},k,l=\mathrm{0,1},\Lambda ,N-1$

$z_k={\int }_0^{T_{\mathrm{obs}}}f\left(t\right)c^{*}(t-\mathrm{kT})\mathrm{dt},k=\mathrm{0,1},\Lambda ,N-1$

从R的定义可以看出，矩阵R为Hermitian矩阵，同时针对信道冲击响应能否完全包含在观测时间内，R可分为Toeplitz矩阵和Toeplitz矩阵有两种形式，在解算R矩阵的逆矩阵时，可根据R矩阵的两种不同形式，有两种处理方法：

1)当R矩阵具有Toeplitz形式，则可用Levinson递推算法，解其逆矩阵；

2)当R矩阵不具有Toeplitz形式，可将矩阵进行Cholesky分解；并根据三角阵的结构特点，利用Schur算法节其逆矩阵。

所述步骤3中根据信道均衡的结果，实时估计当前帧码符号的信噪比的具体步骤为：

一般认为接收信号经过系统均衡后，同步误差比较小，接收信号近似符合加性高斯白噪声条件，码间干扰可以忽略，均衡输出的信号可以表示为：

r_e(t)＝Ad(t)+n(t)

A为信道系数，对信号进行幅度和相位调制，d(t)为发送信号星座图，n(t)为高斯白噪声，功率为σ²，则信噪比：

snr＝E(A²)/σ²

通信过程中，训练序列、同步数据都可处理成辅助数据，利用辅助数据已知的特性和最大似然序列估计算法，可有效估计信号信噪比；基于训练序列的信噪比估计算法信号模型同公式，在高斯白噪声信道中，基于训练序列的最大似然序列改进型的信噪比估计算法：

$\mathrm{snr}=\frac{{\left|\frac{1}{K}\underset{k=0}{\overset{K-1}{\Sigma }}\left(r_{e\_k}{y}_k{d}_k^{*}\right)\right|}^2-\frac{1}{K^2}\underset{k=0}{\overset{K-1}{\Sigma }}{\left|r_{e\_k}\right|}^2}{\frac{1}{K}\underset{k=0}{\overset{K-1}{\Sigma }}{\left|r_{e\_k}\right|}^2-{\left|\frac{1}{K}\underset{k=0}{\overset{K-1}{\Sigma }}\left(r_{e\_k}{d}_k^{*}\right)\right|}^2}$

d为发送数据符号中的已知数据，d_{I_k}表示第k个符号的同相分量，K为信号处理长度；由以上信噪比估计公式可知：该算法的局限性在于要求A必须为实数、且在一帧数据内为恒定值；短波信道是时变衰落信道，可采用Watterson模型，在其等效的基带数据模型下，信道系数A为时变复值系数，以上的信噪比估计算法不能直接应用；但从公式中展示的信噪比估计算法可以看出，信噪比估计方法与信号调制方式无关，因此可将信道系数A的相位信息调整到信号中，信号模型作如下改进：

r′_e(t)＝|A|[e^jφd(t)]+n(t)

同时，由于短波信道是慢衰落时变信道，通过Watterson信道模型仿真，分析一帧数据范围内信道系数模值的方差，可知其相对信道系数模值较小，可忽略其一帧数据范围内信道系数模值的变化，将其处理为恒定值，并应用于上面展示的信噪比估计算法公式中。

本发明的显著效果在于：  本发明所述的一种基于实时信噪比估计动态切换信道均衡算法对调制解调器的硬件平台不产生影响，只需要在信道均衡模块中，对现有的信号处理算法进行更改和调整，即可改善短波数据通信效果；同时，在相同的通信数据率、相同误码率条件下，信噪比可以改善1～2dB。

附图说明

图1为本发明所述的短波数据通信发送码元结构示意图；

图2为本发明所述的一种基于实时信噪比估计动态切换信道均衡算法流程图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细说明。

如图2所示，一种基于实时信噪比估计动态切换信道均衡算法是在基于窄带短波数据通信的美军标MIL-STD-188-110B定频传输模式的基础上，采用短波信道信噪比参数的不同，在直接式DDEA和判决反馈式DDEA两种信道均衡方式中动态切换，其具体步骤为：

步骤1、在信道阶数已知的前提下，完成短波信道均衡中信道初始状态的估计。

窄带短波信道基带模型遵循美军标MIL-STD-110B定频传输模式中，信号调制方式为8PSK，码元速率为2400Baud，接收端利用发射端发送训练序列完成短波信道均衡。发射端数据流结构示意图如图1所示，包括同步序列和信息包，其中，同步序列由前导和报头两部分组成，前导用于信号检测和信道的多普勒频移校正，报头包含该次数据通信的基本参数，如交织深度、数据率、同步信息发送计数等。每段同步序列长度为200ms，采用发送多次的方式，完成收发两端的同步。根据交织深度，同步序列发送3次或24次，分别对应短交织和长交织；信息包包括训练序列和用户数据，周期性的训练序列长度与用户数据率有关，在用户数据率为4800和2400bps时，每16个信道探测符号后，发送32个用户数据符号，探测符号与用户数据符号的比例为1∶2；当用户数据为1200bps、600bps、300bps、150bps时，每20个信道探测符号后，发送20个用户数据符号，探测符号与用户数据符号的比例为1∶1；可见，用户数据率越低，用户信道探测的数据越长，通信也将越可靠。

连续时间信道，其冲击响应为c(t)，它是脉冲成型、信道响应函数的组合形式，发送的复基带信号为：

$s\left(t\right)=\underset{k}{\Sigma }{s}_k\delta (t-\mathrm{kT})$

序列{s_k}为用户数据复数星座图信号，T为波特采样时间间隔，设联合响应的记忆长度为(L+1)T，意味着码间干扰影响L个字符。则接收信号可表示为：

r(t)＝a₁(t)+b(t)+a₂(t)+n(t)

其中：

$a_1\left(t\right)=\underset{k=-L}{\overset{-1}{\Sigma }}{a}_{N1+k}c(t-\mathrm{kT}),t\in T_{\mathrm{obs}}$

$b\left(t\right)=\underset{k=0}{\overset{N-1}{\Sigma }}{b}_{k}c(t-\mathrm{kT}),t\in T_{\mathrm{obs}}$

$a_2\left(t\right)=\underset{k=N}{\overset{N+N1-1}{\Sigma }}{a}_{N1+k-N}c(t-\mathrm{kT}),t\in T_{\mathrm{obs}}$

n(t)为加性高斯白噪声，T_obs＝[0，(N+N₁)T]为观测时间。如果信道记忆长度小于训练序列的长度，则仅靠近数据块的L位训练序列考虑进上述公式中；反之，则部分译码的用户数据进入到训练序列，进行处理。a₁(t)和a₂(t)为训练序列(或有已译码的用户数据)引入的码码间干扰。

在完成信道初始状态估计中，记训练序列码符号为训练序列经过脉冲成型、短波信道、下采样、Hilbert变换后对应的接收序列为则信道估计系数为：

$\bar{H}=\mathrm{IFFT}\left(\frac{\mathrm{FFT}\left({\bar{r}}_T\right)}{\mathrm{FFT}\left(\bar{T}\right)}\right)$

基于美军标MIL-STD-110B数据格式的短波通信中，其阶数一般取10或16阶，记为L+1(L为偶数)，而的长度为FFT变换长度，理论上两端值为零，中间非零值长度等于信道阶数长度；对进行截短，估计信道初始有效系数，记为则：

$\hat{c}=L(\bar{H},L+1)$

其中，L(X，N)表示对向量X从中间向两侧截取长度为N的向量。

步骤2、基于误差平方和最小准则和Shur算法，采用直接式信道均衡算法，估计数据信息。

利用信道初始估计值和训练序列已知的特性，消除接收信号数据符号段中由于训练序列引入的干扰：

f(t)＝r(t)-a₁(t)-a₂(t)＝b(t)+n(t)

其中，f(t)是一均值为b(t)的高斯过程。

$\mathrm{SSE}\left(\hat{b}\right)={\int }_0^{T_{\mathrm{obs}}}{|f\left(t\right)-\hat{b}\left(t\right)|}^2\mathrm{dt}$

其中，为期望的复基带信号。

$\hat{b}\left(t\right)=\underset{k=0}{\overset{N-1}{\Sigma }}{\hat{b}}_{k}f(t-\mathrm{kT}),t\in T_{\mathrm{obs}}$

则b的最优估计为：

${\hat{b}}_{\mathrm{opt}}={\left(R^{*}\right)}^{-1}z$

其中，R为信道复合冲击响应的自相关矩阵。z为信号与信道复合冲击响应的互相关向量。

$r_{k,l}={\int }_0^{T_{\mathrm{obs}}}c(t-\mathrm{kT})c^{*}(t-\mathrm{lT})\mathrm{dt},k,l=\mathrm{0,1},\Lambda ,N-1$

$z_k={\int }_0^{T_{\mathrm{obs}}}f\left(t\right)c^{*}(t-\mathrm{kT})\mathrm{dt},k=\mathrm{0,1},\Lambda ,N-1$

从R的定义可以看出，矩阵R为Hermitian矩阵，同时针对信道冲击响应能否完全包含在观测时间内，R可分为Toeplitz矩阵和Toeplitz矩阵有两种形式。在解算R矩阵的逆矩阵时，可根据R矩阵的两种不同形式，有两种处理方法：

1)当R矩阵具有Toeplitz形式，则可用Levinson递推算法，解其逆矩阵；

2)当R矩阵不具有Toeplitz形式，可将矩阵进行Cholesky分解；并根据三角阵的结构特点，利用Schur算法节其逆矩阵。

步骤3、根据信道均衡的结果，实时估计当前帧码符号的信噪比。

一般认为接收信号经过系统均衡后，同步误差比较小，接收信号近似符合加性高斯白噪声条件，码间干扰可以忽略，均衡输出的信号r_e(t)可以表示为：

r_e(t)＝Ad(t)+n(t)

A为信道系数，对信号进行幅度和相位调制，d(t)为发送信号星座图，n(t)为高斯白噪声，功率为σ²，则信噪比：

snr＝E(A²)/σ²

通信过程中，训练序列、同步数据都可处理成辅助数据，利用辅助数据已知的特性和最大似然序列估计算法，可有效估计信号信噪比。基于训练序列的信噪比估计算法信号模型同公式，在高斯白噪声信道中，基于训练序列的最大似然序列改进型的信噪比估计算法：

$\mathrm{snr}=\frac{{\left|\frac{1}{K}\underset{k=0}{\overset{K-1}{\Sigma }}\left(r_{e\_k}{y}_k{d}_k^{*}\right)\right|}^2-\frac{1}{K^2}\underset{k=0}{\overset{K-1}{\Sigma }}{\left|r_{e\_k}\right|}^2}{\frac{1}{K}\underset{k=0}{\overset{K-1}{\Sigma }}{\left|r_{e\_k}\right|}^2-{\left|\frac{1}{K}\underset{k=0}{\overset{K-1}{\Sigma }}\left(r_{e\_k}{d}_k^{*}\right)\right|}^2}$

d为发送数据符号中的已知数据，d_{I_k}表示第k个符号的同相分量，K为信号处理长度。由以上信噪比估计公式可知：该算法的局限性在于要求A必须为实数、且在一帧数据内为恒定值(K个码符号内)。短波信道是时变衰落信道，可采用Watterson模型，在其等效的基带数据模型下，信道系数A为时变复值系数，以上的信噪比估计算法不能直接应用；但从公式中展示的信噪比估计算法可以看出，信噪比估计方法与信号调制方式无关，因此可将信道系数A的相位信息调整到信号中，信号模型作如下改进：

r′_e(t)＝|A|[e^jφd(t)]+n(t)

同时，由于短波信道是慢衰落时变信道，通过Watterson信道模型仿真，分析一帧数据范围内信道系数模值的方差，可知其相对信道系数模值较小，可忽略其一帧数据范围内信道系数模值的变化，将其处理为恒定值，从而可应用上面展示的信噪比估计算法公式中。

步骤4、根据实时估计的信噪比结果，与预先设定的阈值进行比较，从而选取直接式或判决反馈式信道均衡算法，对接收数据进行均衡。

预先设定的阈值可以通过在不同信道参数、不同信噪比下进行性能仿真获得。当估计当前信噪比高于阈值时，则采用判决式信道均衡算法；反之采用直接式信道均衡算法。

步骤5、均衡后的数据，进行后续判决、解交织和译码，恢复发送数据。