面向高阶正交振幅调制信号的信道盲均衡方法及盲均衡器

摘要

本发明属于无线通信中的信道盲均衡技术领域，公开了一种面向高阶正交振幅调制信号的信道盲均衡方法及盲均衡器，首先，基于高阶正交振幅调制信号星座图特征选取特定模值R

说明书

技术领域

本发明属于无线通信中的信道盲均衡技术领域，尤其涉及一种面向高阶正交振幅调制信号的信道盲均衡方法及盲均衡器。

背景技术

目前，盲均衡器(BE)在没有训练序列的帮助下实现信道均衡，可以提供一种实用的方法来降低信号失真，同时它不使用训练序列，传输不会浪费带宽。更重要的是，在非合作或点对多点通信场景中，盲均衡算法是实现系统均衡的唯一可行解决方案(C.Yu andL.Xie,“On recursive blind equalization in sensor networks,”IEEE Trans.SignalProcess.,vol.63,no.3,pp.662–672,2015.)(M.Komatsu,N.Tanabe,and T.Furukawa,“Direct blind equalization corresponding to noisy environment using Rayleighquotient,”in Proc.2019 IEEE 15th Int.Colloquium Signal Process.Its Appl.(CSPA),Penang,Malaysia,pp.35–38,2019.)。

自Sato于1975年发表有关该方向的文章以来(Y.Sato,“A method of self-recovering equalization for multilevel amplitude modulation systems,”IEEETrans.Commun.,vol.COM-23,no.6,pp.679–682,1975.)，大量的盲均衡算法被提出(N.Godard,“Self-recovering equalization and carrier tracking in two-dimensional data communications systems,”IEEE Trans.Commun.,vol.COM-28,no.11,pp.1867–1875,1980.)(S.J.Nowlan and G.E.Hinton,“A soft decision-directed LMSalgorithm forblind equalization,”IEEE Trans.Commun.,vol.41,no.2,pp.275–279,1993.)。截止目前，二维(2D)调制方法中最流行的盲均衡方法，例如正交幅度调制(QAM)和无载波幅度和相位(CAP)调制，是恒模算法(CMA)(N.Godard,“Self-recoveringequalization and carrier tracking in two-dimensional data communicationssystems,”IEEE Trans.Commun.,vol.COM-28,no.11,pp.1867–1875,1980.)及其改进算法(J.R.Treichler and B.Agee,“A new approach to multipath correction of constantmodulus signals,”IEEE Trans.Acoust.,Speech,Signal Process.,vol.ASSP-31,no.2,pp.459–472,1983.)(Y.Xiao and J.Sun,“RLS CMA blind equalization with adaptiveforgetting factor controlled by energy steady state,”in Proc.2016 9thInt.Congress Image Signal Process.,Biomed.Eng.Informat.(CISP-BMEI),Datong,China,pp.935–939,2016.)。一方面，CMA的代价函数试图最小化输出的平方幅度和戈达尔色散常数之间的差异，具有较少的局部最小值和可靠的收敛性(O.Dabeer and E.Masry,“Convergence analysis ofthe constant modulus algorithm,”IEEETrans.Inf.Thoery,vol.49,no.6,pp.1447–1464,2003.)(R.Cusani and A.Laurenti,“Convergence analysis of the CMA blind equalizer,”IEEE Trans.Communn.,vol.43,no.2/3/4,pp.1304–1307,1995.)。另一方面，CMA会随着时间的推移改变其抽头的值，并且具有类似LMS的复杂性，这使其易于实现(Y.Sato,“A method of self-recoveringequalization for multilevel amplitude modulation systems,”IEEE Trans.Commun.,vol.COM-23,no.6,pp.679–682,1975.)。此外，根据上述特征，CMA可以显式或隐式地为两阶段盲均衡算法(C.T.Ma,Z.Ding,and S.F.Yau,“A two-stage algorithm for MIMO blinddeconvolution of nonstationary colored signals,”IEEE Trans.Signal Process.,vol.48,no.4,pp.1187–1192,2000.)或双模盲均衡算法(L.He,M.Amin,C.Reed andR.Malkemes,“A hybrid adaptive blind equalization algorithm for QAM signals inwireless communications,”IEEE Trans.Signal Process.,vol.52,no.7,pp.2058–2069,2004.)提供良好的初始状态，使它们能够获得更好的性能。

接收机盲启动期间最复杂和耗时的任务是均衡器的收敛，这是通过盲抽头更新算法完成的。尽管CMA以其类似LMS的复杂性而著称，但它的收敛速度很慢。与经典LMS理论一样，步长的选择成为收敛速度和MSE之间的权衡(S.Lambotharan,J.Chambers,andC.R.Johnson,“Attractions of saddles and slow convergence in CMA adaptation,”Signal Process.,vol.59,no.3,pp.335–340,1997.)。更糟糕的是，为了减少众所周知的稳态失调并避免初始不稳定，CMA的步长通常设置在10

通过上述分析，现有技术存在的问题及缺陷为：抑制高阶正交振幅调制信道下经典恒模方法带来的人为误差和误调。

发明内容

针对现有技术存在的问题，本发明提供了一种面向高阶正交振幅调制信号的信道盲均衡方法及盲均衡器。

本发明是这样实现的，一种面向高阶正交振幅调制信号的信道盲均衡方法，所述面向高阶正交振幅调制信号的信道盲均衡方法首先，基于高阶正交振幅调制信号星座图特征选取特定模值R

进一步，所述面向高阶正交振幅调制信号的信道盲均衡方法具体包括以下步骤：

第一步，样本选择，记高阶正交振幅调制信号的模值构成的集合为Ω＝{R

第二步，构建代价函数，记均衡器为w，依据经典恒模算法与选定观测信号样本Ω

第三步，构建迭代公式，依据牛顿法构建高阶正交振幅调制信道下盲均衡方法的迭代公式，最优化盲均衡器并最小化代价函数；本发明中根据牛顿法所构建的迭代公式有助于快速收敛到最优解，找到最佳均衡器。

进一步，所述选择恒模样本Ω

记高阶正交振幅调制信号的模值构成的集合为Ω＝{R

相应的信道观测信号向量x(n)被划分为不同的子集：

其中

记用于搜索最优化均衡器的总样本数为N，首先遵循以下原则选择高阶正交振幅调制信号的恒定模值R

其中，P

如果盲均衡器收敛于最优解，即

对于所有x

根据上述结论，均衡器输出误差

进一步，所述构建代价函数方法。均衡器为w，依据经典恒模算法与选定观测信号样本Ω

s.t.x(n)∈Ω

其中，min表示最小化，s.t.表示满足上述条件，|w

进一步，所述构建迭代公式方法，依据牛顿法构建高阶正交振幅调制信道下盲均衡方法的迭代公式，最优化盲均衡器并最小化代价函数；

构造的代价函数(|w

其中，N

现在，根据J

设样本矩阵为X

进一步，梯度

其中，[·]

本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

基于高阶正交振幅调制信号的先验概率构建恒定模值信号集合；

依据经典恒模算法和选定观测样本构建高阶正交振幅调制信道下的代价函数；

依据牛顿法构建高阶正交振幅调制信道恒模方法迭代公式，最优化信道盲均衡器。

本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：

基于高阶正交振幅调制信号的先验概率构建恒定模值信号集合；

依据经典恒模算法和选定观测样本构建高阶正交振幅调制信道下的代价函数；

依据牛顿法构建高阶正交振幅调制信道恒模方法迭代公式，最优化信道盲均衡器。

本发明的另一目的在于提供一种实施所述面向高阶正交振幅调制信号的信道盲均衡方法的盲均衡器，所述盲均衡器包括：

样本集合构建模块，基于高阶正交振幅调制信号的先验概率构建恒定模值信号集合；

代价函数生成模块，依据经典恒模算法和选定观测样本构建高阶正交振幅调制信道下的代价函数；

盲均衡器优化模块，依据牛顿法构建高阶正交振幅调制信道恒模方法迭代公式，最优化信道盲均衡器。

本发明的另一目的在于提供一种终端，所述终端搭载所述的面向高阶正交振幅调制信号的信道盲均衡器。

结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：

第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：

首先，针对CMA应用于高阶QAM信号时所带来的人为误差和误调问题，本发明通过样本选择技术方案将高阶QAM信号转化为特定模值的恒模信号，使传输信号在理论上具有相同的幅度，从而在根本上避免人为误差和误调。该技术方案核心步骤在于从高阶QAM信号多个恒定模值选取特定的一个模值，针对该特定模值的先验概率计算样本长度，根据该特定模值计算均衡误差，并按照升序排序，从而截取样本长度个数的样本集合，该样本集合的均衡误差较小，并且，因为样本集合是在特定模值下得出的，所以相当于对恒模信号进行盲均衡，从而达到提高经典CMA均衡性能的目的，具体实施中图4和图5分别显示了MSE和SER与SNR的变化。从这两个图中可以看出，所提出的MCMA比CMA和MMA获得了更好的均衡性能。

其次，针对梯度下降法收敛速度慢的问题，本发明通过构建对应的牛顿法最优化盲均衡器，本发明给出MCMA的修正牛顿法：由于构建的代价函数(|w

为了方便地构建与MCMA相关的MNM，将统计平均值替换为时间平均值，将x(n)∈Ω

其中N是可用于搜索最佳BE的可用样本的长度。此外，将N

根据J

设样本矩阵为X

可以明显看出，梯度

其中

通常，牛顿方法由于其不定或近似奇异的Hessian矩阵而常常显得不稳定，并且牛顿法在每一步迭代计算Hessian矩阵的逆矩阵时，会带来较高的计算复杂度。相比之下，MCMA-MNM采用正定矩阵

第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：

本发明可以有效抑制高阶正交振幅调制信道下经典恒模方法带来的人为误差和误调，实现一种快速收敛的牛顿法最优化信道盲均衡器。

第三，作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：

本发明解决了一直以来经典盲均衡算法对于高阶QAM信号均衡时所产生的人为误差和误调问题，该问题具体是由于高阶QAM信号的幅度等于多个不同的常数引起的，而对于恒模信号，则可以从根本上避免这些问题，本发明根据此想法，设计了一种应用于高阶QAM信号的样本选择技术方案，即选择高阶QAM信号的特定模值构建样本集合，理论上将高阶QAM信号转化为恒模信号进行均衡，从而提高了经典均衡方法的均衡性能，解决了其应用于高阶QAM信号带来的性能下降问题。

附图说明

图1是本发明实施例提供的面向高阶正交振幅调制信号的信道盲均衡方法的流程图。

图2是本发明实施例提供的16-QAM星座的子集划分示意图。

图3是本发明实施例提供的16-QAM星座的第k次迭代输出的星座示意图。

图4是本发明实施例提供的用于16-QAM系统的CMA、MMA、DSM、MCMA的MSE与SNR示意图。

图5是本发明实施例提供的用于16-QAM系统的CMA、MMA、DSM、MCMA的SER与SNR示意图。

图6是本发明实施例提供的用于16-QAM系统的CMA、MMA、DSM、MCMA的ISI与迭代时间示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。

如图1所示，本发明实施例提供的面向高阶正交振幅调制信号的信道盲均衡方法包括：

S101：基于高阶正交振幅调制信号的先验概率构建恒定模值信号集合；

S102：依据经典恒模算法和选定观测样本构建高阶正交振幅调制信道下的代价函数；

S103：依据牛顿法构建高阶正交振幅调制信道恒模方法迭代公式，最优化信道盲均衡器。

本发明实施例提供的面向高阶正交振幅调制信号的信道盲均衡方法今天包括以下步骤：

第一步，样本选择。记高阶正交振幅调制信号的模值构成的集合为Ω＝{R

第二步，构建代价函数。记均衡器为w，依据经典恒模算法与选定观测信号样本Ω

第三步，构建迭代公式。依据牛顿法构建高阶正交振幅调制信道下盲均衡方法的迭代公式，最优化盲均衡器并最小化代价函数。

在本发明中根据经典恒模算法思路理论推导出在高阶QAM系统中该算法存在的人为误差问题，CMA尝试解决以下优化问题：

其中

w

其中μ是控制收敛速度和稳态均衡器性能水平的步长。为简单起见，梯度的期望由瞬时梯度的值代替。因此，自适应方程被改写为

w

代价函数J(w)是隐式嵌入的均衡器输出y(n)的高阶统计数据的表达式。理论上，J(w)的最小化使y(n)的统计量与输入信号的统计量保持一致，当均衡序列y(n)获得通道输入s(n)的相同分布时，就完成了均衡。但是在实际中，y(n)的统计量是使用样本数据来估计的，而s(n)的统计量是由理论值提供的，这种不一致导致了一个小的误差，它被定义为人为误差，这种人为误差会导致均衡性能下降。此外，基于随机梯度的自适应方法在高阶QAM信号环境下包含较大的失调。事实上有以下命题：

命题1：在高阶QAM系统中，如果BE收敛到最优解

那么由样本数据计算得到的瞬时梯度

很明显，不等式

在本发明中通过选取恒定模值的信号集合，将高阶信号输入转换为恒模信号输入来提高CMA的均衡性能。

在本发明中集合Ω

结论1：如果BE收敛到最优解，即

对于所有x

很明显，根据集合Ω

根据上述不等式，按升序对均衡器输出误差

考虑16-QAM信号，图3显示了第k次迭代

根据上述集合Ω

在本发明中构建MCMA的代价函数：CMA的人为误差和失调是由于高阶QAM信号的幅度等于几个不同的常数而引起的，使用统计值来代替真实值。如果传输的信号具有相同的幅度，例如低阶4-QAM信号，则可以从根本上避免这些问题。受此启发，通过将高阶信号输入转换为恒模信号输入来提高CMA的均衡性能。通常认为均衡器依赖于信道但与输入信号无关，如果能够从所有接收数据中识别出特定模数对应的接收数据，并丢弃其他数据，那么输入信号就可以看作是一个恒模信号，仅仅利用选择的数据就可以提高均衡性能。本发明通过将上述分析与经典CMA相结合，设计了一种新的修正恒模方法来均衡高阶QAM信号。

很明显，高阶QAM信号可以根据它们的模数分为不同的子集，如图2所示，16-QAM星座点可以分为三个子集，分别标记为红色、蓝色和黑色，星座点集{±1±1j}、{±1±3j,±3±1j}和{±3±3j}分别对应

继输出

其中

最后，根据以上分析，CMA代价函数可以修正为：

s.t.x(n)∈Ω

其中，集合Ω

将x(n)∈Ω

w

MCMA和CMA的区别在于：(1)MCMA只使用样本x

这些差异带来以下三个优点：首先，采用MCMA避免了稳态失调。这是由于当BE收敛到最优解时

在本发明中构建迭代公式：依据牛顿法构建高阶正交振幅调制信道下盲均衡方法的迭代公式，最优化盲均衡器并最小化代价函数，本发明给出MCMA的修正牛顿法：由于构建的代价函数(|w

为了方便地构建与MCMA相关的MNM，将统计平均值替换为时间平均值，将x(n)∈Ω

其中N是可用于搜索最佳BE的可用样本的长度。此外，将N

根据J

设样本矩阵为X

可以明显看出，梯度

其中

通常，牛顿方法由于其不定或近似奇异的Hessian矩阵而常常显得不稳定，并且牛顿法在每一步迭代计算Hessian矩阵的逆矩阵时，会带来较高的计算复杂度。相比之下，MCMA-MNM采用正定矩阵

根据上述分析，可实现的MCMA-MNM为：

其中X

值得注意的是，样本矩阵X

其中

本发明提供的面向高阶正交振幅调制信号的信道盲均衡器包括：

样本集合构建模块，基于高阶正交振幅调制信号的先验概率构建恒定模值信号集合；

代价函数生成模块，依据经典恒模算法和选定观测样本构建高阶正交振幅调制信道下的代价函数；

盲均衡器优化模块，依据牛顿法构建高阶正交振幅调制信道恒模方法迭代公式，最优化信道盲均衡器。

二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。

实施例一、点对多点通信

点对多点通信中，提供一个训练序列是很困难的，对于数字电视系统，如果某一个电视接收机暂时失效后要恢复工作，就必须重新均衡该电视接收机，这就有可能中断与其他电视接收机的通信，而本发明所提供的盲均衡技术方案，其目的在于克服信道传输中的码间干扰，盲均衡器不需要知道信道的准确特性，也不需要知道信道输入序列，不同于一般的信道均衡器，同时，盲均衡器也不需要一个训练序列来获得有关的信道特性，因此，在数字电视广播中，盲均衡技术具有广阔的应用前景，而本发明所给出的方案提升了盲均衡器性能，在实施例中具有重大意义。

实施例二、非合作通信

在非合作通信中，传输信道一般为无线信道，受多径、优先贷款等各种因素的影响，接收端接收到的信号存在严重的码间串扰(ISI)，造成通信的误码率很高，而且。发端信号统计特性和信道特性是未知的，接收端不可能或很难获取训练序列，则需要使用盲均衡技术来解决码间串扰问题。此外，猝发非合作接收是指在通信中接收到的每帧数据段只有几十到几百个元素，由于数据量很少，促发非合作接收要求盲均衡器必须要有很快的收敛速度。本发明所给出的盲均衡技术方案应用牛顿法最优化盲均衡器，以此提高盲均衡性能。

实施例三、盲解调系统

盲解调接收机无法从发送方那里获知发送信号的调制方式、符号速率、载波频率、起止位置等信号参数，也没有帧结构信息和训练序列可以提取相关参数，只能利用接收信号本身特点进行估计。并且，短波通信中的多径、多普勒扩展效应使得接收到的信号存在严重的码间干扰。此外，现代军事通信中为了对抗侦察常采用突发的通信方式，则侦听系统接收到的信号具有持续时间短的特点，有时甚至只有一两百个符号的数据。短波侦听接收作为第三方接收，其收到的可能是多个发射源发送的不同突发波形，而各突发波形的载波频率通常是不一样的。基于此，将本发明所给出的盲均衡方案用于盲解调系统，以消除码间干扰，补偿短波信道响应对信号的影响，提高盲解调性能。

三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。

为了验证所提出的方法的有效性，通过符号错误率(SER)、MSE和ISI的标准，将所提出的MCMA与传统的CMA(p＝2)、MMA、CNA和DMS进行了比较。MSE被定义为

MSE＝E[|Cy(k)-s(k-τ)|

其中，

其中

实施例中考虑了具有高斯噪声的复值频率选择信道上的QAM信号。假设阶数

实施例模拟了CMA、MMA、DSM、MCMA在16-QAM系统中的各种性能。CMA和MMA的步长分别设置为5×10

图4和图5分别显示了MSE和SER与SNR的变化。从这两个图中可以看出，所提出的MCMA比CMA和MMA获得了更好的均衡性能。此外，所提方法的MSE和SER甚至都低于难以实现的DMS。所提方法的优选均衡性能是由于以下两个原因。1)MCMA可以有效抑制人为误差和稳态失调。2)由于所提算法同时使用大量样本，因此避免了自适应方法由于每次迭代只采用一个样本所引起的过度误差。

对于16-QAM系统，给定SNR＝28dB，N＝1500，CMA、MMA、DSM、MCMA在ISI方面的收敛性能如图6所示。从该图中可以看出，所提MCMA方法的收敛速度比其他三种方法快得多。所提算法收敛速度快的原因如下：1)所提方法有效地抑制了人为误差和稳态失调，能够稳定收敛而不会出现波动。2)比较表明，所提出方法的迭代近似等效于通过自适应算法计算大量样本。3)所提出的方法采用构造的MNM，因此它的收敛速度更快。另一方面，所提出的方法也可以收敛到比CMA和MMA低得多的稳态ISI，并且具有与DMS相似的稳态ISI。

综上所述，上述各实施例的用于盲均衡的改进恒模方法均衡器，表明经典CMA存在人为误差和失调的问题，MCMA有效地解决人为误差和失调所带来的问题。实施例结果表明，本发明提出的MCMA比其他现有方法具有更好的均衡性能。进而满足使用需求，值得被推广使用。

应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。