一種基于qam調制方式的自適應均衡算法
【技術領域】
[0001]本發明涉及無線通信基帶信號解調技術，特別是對抗多徑的均衡技術，特別是一種基于QAM調制方式的自適應均衡算法。
【背景技術】
[0002]隨著現代通信的發展，數據通信業務劇增，需要在有限的頻帶上傳輸更大容量的數字信息。正交幅度調制(QAM)是一種高頻帶利用率的調制技術，調制信號的幅度和相位都攜帶有數據信息，因此該調制技術得到了日益廣泛的應用。
[0003]然而，通信介質傳輸的信息符號總會由于信道非理想特性而產生幅度、相位失真以及符號串擾，同時受到加性噪聲的干擾，主要表現為多徑衰落和多普勒衰落，而均衡技術可以盡可能減少多徑衰落的影響，最大限度的提高通信系統的性能。
[0004]由于信道是時變的，均衡通常采用自適應技術跟蹤信道的變化，在各種自適應算法中，現有算法各有優缺點，LMS算法復雜度較低，但其收斂速度慢；RLS最大的缺點是運算量大，需要求逆矩陣；CMA不需要發送端發送訓練序列，對發送信號相位不敏感，但算法剩余誤差較大；MLSE算法性能最佳，但結構復雜，運算量大，不適合在高階QAM調制方式下應用。本專利針對LMS算法進行改進，在不明顯增加計算復雜度條件下，加快其收斂速度。
【發明內容】
[0005]本發明的目的在于克服現有技術的不足，提供一種基于QAM調制方式的自適應均衡算法，使均衡器算法在QAM調制下有較小計算復雜度和良好的均衡效果，滿足實際工程應用的需要。
[0006]本發明的目的是通過以下技術方案來實現的:一種基于QAM調制方式的自適應均衡算法，它包括如下子步驟:
[0007]S1:數據發送端發送包含訓練序列的信號；
[0008]S2:幀同步模塊確定一幀數據開始位置和訓練序列位置；
[0009]S3:信道估計模塊根據訓練序列計算IIR濾波器系數，
[0010]A.訓練期間，IIR濾波器對接收信號進行濾波，降低信號相關性，LMS均衡算法采用較大迭代步長對接收信號進行均衡計算；
[0011]B.訓練完成，IIR濾波器對接收信號進行濾波，降低信號相關性，LMS均衡算法采用較小迭代步長對接收信號進行均衡計算。
[0012]該算法使用的LMS均衡器采用可變抽頭濾波器，隨著時間推移，抽頭系數不斷變化，最后趨近于最優值。
[0013]所述的訓練序列為Μ進制偽隨機碼。
[0014]所述的較大迭代步長為0.003，較小迭代步長為0.0001875ο
[0015]所述的LMS均衡算法以最小均方誤差為目標函數，控制均衡器系數變化，其系數公式為:
[0016]ff (k) = W(k_l) + μ (k) e* (k) X (k)
[0017]其中W(k)為第k次得到的濾波器系數;W(k_l)為第k-1次得到的濾波器系數；μ (k)為迭代步長；e*(k)為第k次計算誤差的共軛；X(k)為輸入信號。
[0018]本發明的有益效果是:本發明提供了一種基于QAM調制方式的自適應均衡器，該均衡器計算復雜度低，收斂速度快，能適應從QPSK到256QAM各種調制方式，并有良好的均衡效果，改善接收信號的失真程度，使畸變的信號接近規則的調制信號，克服符號間干擾，降低誤碼率，改善通信系統的可靠性。
【附圖說明】
[0019]圖1為均衡算法流程圖；
[0020]圖2為自適應濾波器一般結構圖；
[0021]圖3為IIR濾波器結構圖；
[0022]圖4為均衡前星座信號示意圖；
[0023]圖5為均衡后星座信號示意圖。
【具體實施方式】
[0024]下面結合附圖進一步詳細描述本發明的技術方案，但本發明的保護范圍不局限于以下所述。
[0025]如圖1所示，一種基于QAM調制方式的自適應均衡算法，它包括如下子步驟:
[0026]S1:數據發送端發送包含訓練序列的信號；
[0027]S2:幀同步模塊確定一幀數據開始位置和訓練序列位置；
[0028]S3:信道估計模塊根據訓練序列計算IIR濾波器系數，
[0029]A.訓練期間，IIR濾波器對接收信號進行濾波，降低信號相關性，LMS均衡算法采用較大迭代步長對接收信號進行均衡計算；
[0030]B.訓練完成，IIR濾波器對接收信號進行濾波，降低信號相關性，LMS均衡算法采用較小迭代步長對接收信號進行均衡計算。
[0031]該算法使用的LMS均衡器采用可變抽頭濾波器，隨著時間推移，抽頭系數不斷變化，最后趨近于最優值。
[0032]所述的訓練序列為Μ進制偽隨機碼。
[0033]所述的較大迭代步長為0.003，較小迭代步長為0.0001875ο
[0034]所述的LMS均衡算法以最小均方誤差為目標函數，控制均衡器系數變化，其系數公式為:
[0035]ff (k) = ff (k-1) + μ (k) e* (k) X (k)
[0036]其中W(k)為第k次得到的濾波器系數;W(k_l)為第k-1次得到的濾波器系數；μ (k)為迭代步長；e*(k)為第k次計算誤差的共軛；X(k)為輸入信號。
[0037]由于實際信道特性的時變性，要求信道均衡器必須跟蹤信道響應的時變性，不斷更新均衡器的抽頭系數，這種能跟隨信道變化的均衡器稱為自適應均衡器。自適應均衡器也采用濾波器實現，只是濾波器系數處在不斷變化中。自適應濾波器一般結構如圖2所示。
[0038]LMS算法收斂速度是指對于恒定輸入，當迭代算法的迭代結果已經充分接近最優解時，即已經收斂時，算法所需的迭代次數。一般來說快速的收斂算法可以快速地適應穩定的環境。算法的收斂速度主要是由兩個參數來決定:步長μ (k)和特征值分散。步長μ (k)是均衡器系數公式中μ (k)，為了降低算法復雜度，μ (k)通常設定為常數；而特征值分散反映了信號通過信道后的接收信號的相關程度。接收信號的相關程度越弱，特征值越集中，算法收斂速度越快。
[0039]為消除接收信號相關性，在均衡器前插入一 IIR濾波器，該濾波器為信道濾波器的逆濾波器，濾波器結構如圖3所示。
[0040]其中為bO，_bl……，-b(L-l)濾波器系數，與信道沖擊響應有關，b0 = (h⑹)\bl = h(l)，b2 = h⑵……，b(L-l) = h(L-l),由于信道是時變的，可能使IIR濾波器不穩定，故在IIR反饋結構中加入判決模塊，其作用是限制反饋信號的幅度值，因為該濾波器是信道的逆濾波器，不考慮噪聲影響其輸出應為QAM星座圖上的點，判決模塊輸出就是與輸入最近的星座點，經過濾波器后信號相關性很弱，再輸入到均衡器中處理。
[0041]均衡器采用LMS算法，為提高算法收斂速度，在發送數據之前增加了訓練序列，并使用較大步長，訓練序列結束時，均衡器系數接近最優值，改用較小步長。
[0042]使用MATLAB/S頂ULINK仿真信號星座圖，調制方式:256QAM，信道沖擊響應:[1000.60.5]，SNR:40dB。由圖4和圖5可已看出均衡前信號星座雜亂無章，根本無法完成解調，均衡后信號星座清晰可辨，能順利完成解調，仿真也表明此時誤符號率為0。
[0043]該算法計算復雜度低，收斂速度快，能適應從QPSK到256QAM各種調制方式，并有良好的均衡效果。
【主權項】
1.一種基于QAM調制方式的自適應均衡算法，其特征在于:它包括如下子步驟: 51:數據發送端發送包含訓練序列的信號； 52:幀同步模塊確定一幀數據開始位置和訓練序列位置； 53:信道估計模塊根據訓練序列計算IIR濾波器系數， A.訓練期間，IIR濾波器對接收信號進行濾波，降低信號相關性，LMS均衡算法采用較大迭代步長對接收信號進行均衡計算； B.訓練完成，IIR濾波器對接收信號進行濾波，降低信號相關性，LMS均衡算法采用較小迭代步長對接收信號進行均衡計算。2.根據權利要求1所述的一種基于QAM調制方式的自適應均衡算法，其特征在于:該算法使用的LMS均衡器采用可變抽頭濾波器，隨著時間推移，抽頭系數不斷變化，最后趨近于最優值。3.根據權利要求1所述的一種基于QAM調制方式的自適應均衡算法，其特征在于:所述的訓練序列為Μ進制偽隨機碼。4.根據權利要求1所述的一種基于QAM調制方式的自適應均衡算法，其特征在于:所述的較大迭代步長為0.003，較小迭代步長為0.0001875ο5.根據權利要求2所述的一種基于QAM調制方式的自適應均衡算法，其特征在于:所述的LMS均衡算法以最小均方誤差為目標函數，控制均衡器系數變化，其系數公式為: ff (k) = ff (k~l) + μ (k) e* (k) X (k) 其中W(k)為第k次得到的濾波器系數;W(k-l)為第k-1次得到的濾波器系數；μ (k)為迭代步長；e*(k)為第k次計算誤差的共軛；X(k)為輸入信號。
【專利摘要】本發明公開了一種基于QAM調制方式的自適應均衡算法，它包括如下子步驟：S1：數據發送端發送包含訓練序列的信號；S2：幀同步模塊確定一幀數據開始位置和訓練序列位置；S3：信道估計模塊根據訓練序列計算IIR濾波器系數，A．訓練序列計算未完成，IIR濾波器對訓練序列信號進行濾波，降低信號相關性，LMS均衡算法采用較大迭代步長對訓練序列信號進行均衡計算；B．訓練序列計算完成，IIR濾波器使用確定的系數對信號進行濾波，降低信號相關性，LMS均衡算法采用較小迭代步長對信號進行均衡計算。使得均衡器算法在QAM調制下有較小計算復雜度和良好的均衡效果，滿足實際工程應用的需要。
【IPC分類】H04L25/03, H04L27/36
【公開號】CN105245478
【申請號】CN201510662127
【發明人】舒勇, 王博, 李美麗
【申請人】成都泰格微電子研究所有限責任公司
【公開日】2016年1月13日
【申請日】2015年10月14日