（电路与系统专业论文）基于智能优化算法的盲均衡技术研究.pdf

t 一一 ， 。南京邮电大学 硕士学位论文摘要 学科、专业：工科电路与系统 研究方向：通信系统的可靠性技术 作者：牛海荣 指导教师：于舒娟副教授 l i i iii1i i ii1 1 1 1 1 1 1 1 1 1 1 1i iu i y 17 5 4 9 4 4 题目：基于智能优化算法的盲均衡技术研究 英文题目：s t u d y o fb l i n d e q u a l i z a t i o nt e c h n o l o g yb a s e do n i n t e l l i g e n to p t i m i z a t i o na l g o r i t h m s 主题词：盲均衡；盲检测；蚁群优化算法；遗传优化算法 k e y w o r d s ：b l i n de q u a l i z a t i o n ；b l i n dd e t e c t i o n ；a n tc o l o n yo p t i m i z a t i o n a l g o r i t h m s ；g e n e t i co p t i m i z a t i o na l g o r i t h m s 南京邮电大学硕士研究生学位论文摘要 摘要 在数字通信系统中，多径传输引起的码间干扰会使接收端的性能严重恶化。在无法获 得足够长或缺少训练序列的系统中，为了改善系统的性能，盲均衡起到非常大的作用。随 着人们对系统盲均衡技术研究的不断深入，越来越多的算法不断地充实这一领域。本文主 要研究智能优化算法在盲均衡技术中的应用。 本文在研究现有一些盲检测传统算法和智能优化算法的基础上，首先给出了改进蚁群 优化( i a c o ) 盲检测算法：调整蚁群优化算法中的信息素更新方式，在信息素的局部更新规 则和全局更新规则中增加了参数控制。然后为了进一步提高蚁群优化盲检测算法的全局搜 索能力，提出混沌扰动启发式蚁群优化( c h a c o ) 盲检测算法：在改进蚁群优化算法的基础 上，利用混沌映射的伪随机性、遍历性以及规律性等特点，在局部信息素和全局信息素更 新时加入混沌扰动。最后给出遗传蚁群混合优化( c a a c o ) 盲检测算法：先利用遗传优化算 法的随机性和全局收敛性求盲检测问题的解，将所得到的若干组优化解作为蚁群优化算法 的路径信息素，再利用蚁群优化算法求盲检测问题的最优解。 本文盲检测算法的构成思路：借助接收数据阵补投影算子对待测发送序列向量的零化 作用，把信号盲检测问题转化为整数约束下的二次规划问题，建立直接盲检测发送信号的 算法优化性能函数，然后利用本文提出的算法寻找最佳盲检测信号。算法性能仿真实验结 果表明，本文提出的三种算法与文献算法相比具有误码率较低、收敛速度快、性能稳定的 优点，能够很好的解决盲检测问题。 关键词：盲均衡；盲检测；蚁群优化算法；遗传优化算法 i 南京邮电大学硕士研究生学位论文 a b s t r a c t i nd i g i t a lc o m m u n i c a t i o ns y s t e m s ，t h ei n t e r - s y m b o l i ci n t e r f e r e n c e s ( i s i ) c a u s e db ym u l t i p l e c h a n n e l sc a nr e s u l ti ns i g n i f i c a n td e g r a d a t i o no fr e c e i v e rp e r f o r m a n c e i ns y s t e m sw h e r et h e a v a i l a b l ei n p u tt r a i n i n gs e q u e n c ei se i t h e rt o os h o r to ra b s e n t ，b l i n de q u a l i z a t i o nc a ns i g n i f i c a n t l y i m p r o v es y s t e mp e r f o r m a n c e a sp e o p l ec o n t i n u es t u d y i n go nt h eb l i n de q u a l i z a t i o nt e c h n o l o g y , m o r ea n dm o r ea l g o r i t h m sc o n t i n u o u s l ye n r i c ht h i sa r e a t h i sp a p e rf o c u s e so nt h ea p p l i c a t i o no f i n t e l l i g e n to p t i m i z a t i o na l g o r i t h m si nb l i n de q u a l i z a t i o nt e c h n o l o g y i nt h i sp a p e r , b l i n dd e t e c t i o na l g o r i t h mb a s e do nt h ei m p r o v e da n tc o l o n yo p t i m i z a t i o n ( i a c o ) i sf i r s t l yp r o p o s e db ya d j u s t i n gt h eu p d a t e dm o d eo fp h e r o m o n ea n da d d i n gt h e c o n t r o l l e dp a r a m e t e ri nt h el o c a la n dt h eg l o b a lu p d a t er e g u l a t i o n t h e n , i no r d e rt oe n h a n c 圮t h e g l o b a ls e a r c hc a p a c i t yo ft h ea n tc o l o n yo p t i m i z a t i o na l g o r i t h mf o rb l i n dd e t e c t i o n , c h a o s i n v o l v i n gh e u r i s t i ca n tc o l o n yo p t i m i z a t i o n ( c h a c o ) b l i n dd e t e c t i o na l g o r i t h mi sp r e s e n t e d , w h i c ha d d sc h a o t i cd i s t u r b a n c ei n t ot h el o c a la n dg l o b a lp h e r o m o n eu p d a t i n g f i n a l l y , g e n e t i c a n da n tc o l o n yo p t i m i z a t i o n ( o a a c o ) b l i n dd d 删o na l g o r i t h mi sb r o u g h tf o r w a r d t h i s a l g o r i t h mu s et h er a n d o ma n dg l o b a lc o n v e r g e n c ec h a r a c t e d s t i c o fg e n e t i co p t i m i z a t i o n a l g o r i t h mt oo b t a i nt h er e s o l u t i o no fb l i n dd c t e 砸o np r o b l e m , a d o p tt h er e s o l u t i o na sp a t h p h e r o m o n eo fa n tc o l o n yo p t i m i z a t i o na l g o r i t h m , a n ds e e ko p t i m u ms o l u t i o no fb l i n dd e m c t i o n b ya n tc o l o n yo p t i m i z a t i o na l g o r i t h m t h ei d e ao fb l i n dd e t e c t i o ni nt h i sp a p e ri sa sf o l l o w e d b yu s i n gt h ep r o j e c t i o no ft h e o r t h o g o n a lc o m p l e m e n to f ar e c e i v e dd a t em a t r i xt ot r e a tt h ez e r oo fs e n ds e q u e n c ev e c t o r , b l i n d d e t e c t i o no ft h es i g n a li st r a n s f o r m e di n t oaq u a d r a t i cp r o g r a m m i n gp r o b l e m t h e n , c o n s t r u c t i n g o p t i m a lp e r f o r m a n c ef u n c t i o no fd i r e c tb l i n dd e t e c t i o no ff f a n s m i t t e ds i g n a l s ，t h eb e s tb l i n d d e t e c t i o ns i g n a lc a nb eo b t a i n e du s i n ga l g o r i t h m sp r o p o s e di nt h i sp a p e r s i m u l a t i o n ss h o wt h a t , w i t hl o wb i te r r o r , h i g hc o n v e r g e n c es p e e da n ds t a b l ep e r f o r m a n c e ，t h e s ea l g o r i t h m sc a ns o l v e b l i n dd e t e c t i o np r o b l e ms u c c e s s f u l l y k e yw o r d s ：b l i n de q u a l i z a t i o n ；b l i n dd e t e c t i o n ；a n tc o l o n yo p t i m i z a t i o na l g o f i t h r a s ；g e n e t i c o p t i m i z a t i o na l g o r i t h m s i i 南京邮电大学硕士研究生学位论文 目录 目录 摘要】 a b s t r a c t 目录1 ：】0 【 第一章绪论1 1 1 本文研究的背景和意义1 1 2 盲均衡问题的提出与发展2 1 3 本文工作。4 第二章盲均衡技术5 2 1 盲均衡的概念及基本原理。5 2 2 盲均衡技术的研究现状6 2 2 1 基于高阶统计量( h o s ) 的盲均衡算法。7 2 2 2 基于二阶统计量( s o s ) 的盲均衡算法 2 2 3 基于有限字符集( f i n i t ea l p h a b e t ) 的盲均衡算法 2 3 直接盲均衡技术 8 1 0 2 4 衡量算法收敛的性能指标1 l 2 5 本章小结1 4 第三章智能优化算法1 5 3 1 智能优化算法的概述1 5 3 2 蚁群优化算法1 5 3 2 1 蚁群优化算法的描述及其实现1 6 3 2 2 蚁群优化算法的收敛性概述1 8 3 2 3 蚁群优化算法的应用领域1 9 3 3 遗传优化算法2 0 3 3 1 遗传优化算法的理论基础2 1 3 3 2 遗传优化算法的收敛性分析2 4 3 3 3 遗传优化算法的应用领域。2 6 3 4 现代智能优化算法的优点2 6 3 5 本章小结2 7 i l i 南京邮电大学硕士研究生学位论文目录 第四章基于经典智能优化算法的盲均衡算法。：o 2 8 4 1 基于蚁群优化( a c o ) 的盲均衡算法：2 8 4 1 1 基于蚁群优化的盲均衡模型2 8 4 1 2s i m o 数字通信系统盲检测模型2 9 4 1 3 基于蚁群优化的s i m o 系统直接盲信号检测3 0 4 2 基于遗传优化( g a ) 的盲均衡算法3 4 4 3 仿真实验3 5 4 4 本章小结3 9 第五章基于改进蚁群优化算法的盲均衡算法研究4 0 5 1 基于改进蚁群优化0 a c o ) 的盲均衡算法4 0 5 1 1 蚁群优化算法的几个缺陷4 0 5 1 2 蚁群优化算法的几种改进形式4 0 5 1 3 基于改进蚁群优化o a c o ) 的盲检测算法的实现。4 3 5 2 基于混沌扰动启发式蚁群优化( c h a c o ) 的盲检测算法4 5 5 2 1 混沌现象 5 2 2 混沌扰动一4 6 5 3 基于遗传蚁群混合优化( g a a c o ) 的盲检测算法4 7 5 4 仿真实验4 8 5 5 本章小结。5 3 第六章总结与展望5 4 参考文献点，5 5 致谢5 8 附录l 攻读学位期间发表的学术论文目录。5 9 i v 南京邮电大学硕士研究生学位论文第一章绪论 1 1 本文研究的背景和意义 第一章绪论 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o s i ) 和信道 间干扰( i c i ) 是影响通信质量的重要因素【l 】。码间干扰和信道间干扰的不断积累将会导致误 码的产生，从而影响通信质量。为了完成高速可靠的通信，提高通信质量，降低误码率， 必须采用一种方法以消除码间干扰。这种消除码间干扰( i s d 的方法就是均衡。 传统的消除码间干扰( i s i ) 的方法是采用自适应均衡技术，它能够动态地跟踪信道的变 化，及时调整均衡器的参数，准确的补偿传输信道的特性，从而有效地抑制码间干扰和信 道间干扰对通信质量的影响【2 】。这种均衡技术在数据传输之前，通常通过发送训练序列或 根据信道的先验知识实现信道的辨识与均衡，由于发送训练序列会造成一定的时延，从而 降低了信息的传输效率。而盲均衡技术能够不借助训练序列，仅利用接收序列本身的先验 信息，便可以均衡信道特性，使均衡器的输出序列尽量接近发送序列。因此，在数据通信 系统中不必发送训练序列，就可以提高信道效率，同时盲均衡技术还可以获得更好的均衡 性能。盲均衡技术作为通信信号处理中的核心之一，近年来成为研究的热点。由于盲信号 处理技术的发展，盲均衡成了通信技术取得的最重要的进展之一。目前已经陆续提出了基 于高阶统计量( h o s ) 、高阶累积量( h o c ) 和二阶统计量( s o s ) 的盲均衡算法【3 嘲，这些算法虽 然能够有效的盲检测出发送信号，但也存在一些弱点，如数学模型复杂、所需数据量大、 很难收敛等，这些问题都有待解决。 智能优化算法是通过模拟或揭示自然界中的某些自然现象或过程而得到发展的，它是 一种借鉴和利用自然界中自然现象或生物体的各种原理和机理而开发的并具有自适应环 境的计算方法和随机搜索算法。由于其自身作为启发式算法，具有比数学规划方法更独特 优越的优点和机制，因此引起了国内外学者的广泛重视并掀起了该领域的研究热潮，且在 诸多领域得到了成功应用，其优点有：( 1 ) 具有一般性及易于应用；( 2 ) 搜索最优解的速度 快且易于获得满意的结果网。近几十年来，一些与经典的数学规划原理截然不同的现代智 能优化算法相继被提出和研究，如遗传优化算法、蚁群优化算法、免疫遗传算法、免疫算 法等，这些算法大大丰富了现代优化技术，也为经典智能算法难以处理的组合优化问题提 供了一条十分有效的途径。这些智能优化算法的出现显示了模拟或生物智能，开发具有较 高智能的应用工具并对其进行理论与应用研究具有重要的理论意义和现实意义。 1 南京邮电大学硕士研究生学位论文第一章绪论 综上所述，基于现代智能优化算法的盲均衡算法具有一定的研究价值。本文正是在研 究了当前技术发展背景的情况下，提出了本文的研究课题，即“基于智能优化算法的盲均 衡技术研究 。 1 2 盲均衡问题的提出与发展 随着现代科技的不断发展，数字通信系统在商业中得到广泛应用，相应的数字信号处 理技术也在通信系统中被广泛采用，因为先进的数字信号处理技术可以很好的提高通信系 统的质量。在全球通( g s m ) 移动电话中，在传输数据的固定时隙中插入已知的训练序列以 消除码间干扰( i s i ) ，这一均衡技术称为自适应均衡技术。利用均衡技术可以消除i s i ，提高 通信系统的传输速率和可靠性，同时避免突发误码的传播，载波恢复的中断等。 通信中的估计和检测往往是通用的。均衡可以直接均衡，也可以间接均衡，即先辨识 信道再利用信道信息实现均衡，然而信道辨识和均衡各有特点。信道辨识的目标是得到参 数值是多少，一般采用参数估计理论，而均衡仅需要判断数据是符号集中的哪一个，一般 采用假设检测理论。对于大多数采用均衡器的数字通信系统，信道特征通常是未知且时变 的，因此，为了设计相应的自适应均衡器，且保证其在大范围内快速收敛，通常需要在发 送端将已知的训练序列包含在数据帧中一起发送到接收端。 随着现代社会的快速发展和科学技术的进步，人们对通信质量的要求也逐渐提高。高 速、准确可靠、大容量的通信系统成了发展的必然要求，这种基于训练序列的自适应均衡 技术日益暴露出自身的不足和缺陷： 第一，在发送训练序列时，不仅不携带信息，而且占用带宽，从而在一定程度上降低 了频带利用率，影响通信质量，更严重的是，即使是已经收敛并已经进入到工作模式的均 衡器，在经过一定时间以后，也很有可能由于信道时变而导致检测器产生突发错误。目前 许多通信系统都采用周期性地发送训练序列的方法来不断重新训练自适应算法，这样不仅 不能提高通信系统的质量，反而使通信效率更低。 第二，在某些应用中，甚至根本就不可能期望在发送端提供训练信号或者不是所有的 情况下都能够得到预先确定的训练序列。比如，在军事侦听、地震解卷积、图像重建以及 多点通信网络中。因为在这种系统中，不可能每增加一个不可预测的客户机都要求服务器 再发送一次训练序列。 第三，在广播型或点到多点通信网中，如果每增加一个不可预测的分支信道或者一个 分支信道暂时失效后要恢复工作，都要求主机再发送一次训练序列以重新均衡该分支接收 2 南京邮电大学硕士研究生学位论文第一章绪论 机，这些额外的流量不仅加重了网络负担，也干扰了共享信道资源的其他用户的正常通信， 而且有可能中断主机与其他分支信道的通信。 由于自适应均衡技术存在以上缺陷，不能很好地满足现代数字通信系统的发展需要。 为此，很有必要研究一种新的均衡器，可以不需要输入端发送已知的训练序列，仅根据系 统的输出观察值来完成自适应均衡的技术，人们把这种技术称为“盲均衡 技术。同样地， 不需要训练序列的方法称为“盲 方法。 在通信信号处理研究的最新进展中，盲均衡技术是备受关注的关键技术之一。“盲均 衡 是指在没有关于系统与环境的任何先验知识，不需要训练序列的条件下，对未知发送 信号的估计。传统自适应均衡器的设计目标是使均衡后的输出序列逼近输入的码元序列， 而盲均衡的设计目标则是使均衡后输出序列的统计量逼近输入码元序列的统计量 7 1 。盲均 衡从根本上避免了训练序列的使用，计算量小，收敛速度快，应用范围广，克服了传统自 适应均衡的不足，从而降低了对信道和信号的要求。 从前面的讨论可以知道，盲信号处理方法具有许多基于训练序列的传统自适应方法无 可比拟的优点，归纳起来有五点： 第一，它可以大大降低发送训练序列所增加的额外开销。 第二，它可以消除在共享媒体的多点通信网络中，一个接收机失步所带来的网络系统 全部重新同步的需要。 第三，并不是在所有的情况下都能够得到预先确定的训练序列，比如，训练序列有可 能由于信道失真的影响而丢失，或者发送端根本就不可能发送训练序列。 第四，盲技术在解决无线和移动衰落信道问题时，具有内在的优越性，因为它是可以 自我恢复的，使得接收机无需等待下一次训练序列时即可恢复工作，而其他技术则不得不 等到下一个训练序列到来后才能重新工作。 第五，采用盲技术的接收机通常还可以在未知数据调制和编码方式的情况下正常工 作。 最近十几年，盲信号处理在信号处理、神经网络、通信、雷达等学术界和工业部门受 到广泛的关注，并获得长足的发展。盲信号处理包括盲信号分离、盲均衡与盲多用户检测、 盲系统辨识等几大领域，其中盲信道均衡辨识与盲信号估计技术的研究已经成为当今通信 领域的一个热点，并且取得了丰硕的成果。 概括地讲，盲信号处理技术不要求已知源信号及信道的先验知识，而是利用系统( 如无 线信道、通信系统、雷达系统和混合过程等) 的输出观测数据，通过某种信号处理手段获得 我们感兴趣的有关信息( 如原来独立发射的信号，系统的模型或特征等) 。 3 南京邮电大学硕士研究生学位论文 第一章绪论 1 3 本文工作 本文首先研究了基于蚁群优化和遗传优化的盲检测算法，算法构成思路是：借助接收 数据阵补投影算子对待测发送序列向量的零化作用，把信号盲检测问题转化为整数约束下 的二次规划问题，建立直接盲检测发送信号的蚁群算法优化性能函数，然后利用蚁群优化 算法和遗传优化算法寻找最佳盲估计信号。接着针对蚁群优化盲检测算法的缺点，提出了 一种基于改进蚁群优化( i a c o ) 盲检测算法。随后为了进一步提高蚁群优化盲检测算法的全 局搜索能力，在改进蚁群优化盲检测算法基础上又加入混沌扰动，提出了基于混沌扰动启 发式蚁群优化( c h a c o ) 盲检测算法。然后本文结合蚁群优化算法和遗传优化算法的优缺 点，给出了基于遗传蚁群混合优化( g a a c o ) 盲检测算法。最后利用m a t l a b 平台对改进的 算法性能进行仿真，仿真结果表明：三种新的算法误码性能均优于基本的蚁群优化盲检测 算法和遗传优化盲检测算法，具有误码率低、收敛速度快的优点。文章安排如下： 第一章简要介绍了盲均衡问题的提出以及它的发展；概述了本文所做的主要工作。 第二章系统研究了盲均衡的基本理论，其中包括盲均衡技术的概念及其基本原理，三 种经典的盲均衡算法即：基于高阶统计量( h o s ) 的盲均衡算法、基于二阶统计量( s o s ) 的盲 均衡算法和基于有限字符集( f i n i t ea l p h a b e t ) 的盲均衡算法。此外还介绍了直接盲均衡技术和 衡量盲均衡算法的性能指标。 第三章介绍了蚁群优化算法和遗传优化算法，并介绍了这两种算法的研究现状、特点 以及应用领域，本文重点研究蚁群优化算法和遗传优化算法在盲均衡中的应用。 第四章研究了基本智能优化算法一蚁群优化算法和遗传优化算法在盲均衡中的应用。 首先介绍了s i m o 系统盲检测模型的构造，然后介绍了基于两种基本智能优化算法的盲检 测算法的实现，给出了发送信号为b p s k 信号时的仿真实验，仿真实验表明两种基本的智 能优化算法能很好的盲检测出发送序列。此外，本章还通过仿真研究分析了盲检测的信号 序列长度及信道对算法误码性能的影响。 第五章针对基本蚁群优化盲检测算法的不足，本章首先提出了一种改进的蚁群优化 ( t a c o ) 盲检测算法。接着为了进一步提高蚁群优化盲检测算法的全局搜索能力，在改进的 蚁群优化盲检测算法基础上又加入混沌扰动，提出了混沌扰动启发式蚁群优化( c h a c o ) 盲检测算法。随后针对遗传优化盲检测算法和蚁群优化盲检测算法的不足，给出了遗传蚁 群混合优化( 6 a a c o ) 盲检测算法。仿真结果表明：本文提出的三种算法在盲检测方面性能 均优于基本的蚁群优化算法和遗传优化算法，如误码率比较低、收敛速度比较快等。 4 南京邮电大学硕士研究生学位论文 第二章盲均衡技术 第二章盲均衡技术 高速无线数字通信系统中，由于多径效应引起的码间干扰严重影响通信质量。为了消 除码间干扰，提高通信系统的性能，降低误码率，在接收端需采用均衡技术。传统的自适 应均衡技术需要训练序列，需要较大的带宽，随着通信系统向宽带、高速、大容量方向发 展，这种技术日益暴露出自己的不足，这就要求研究一种新的不需要训练序列的盲均衡技 术。盲均衡技术不需要周期性的发送训练序列来更新信道估计，因而节省了带宽。盲均衡 技术作为信号处理领域中新兴起的- i - j 学科在诸多领域有着广泛的应用。 本章主要介绍盲均衡技术的基本原理，盲均衡技术的研究现状以及衡量算法收敛的一 些性能指标。 2 1 盲均衡的概念及基本原理 从广义上讲，均衡可以指任何用来消除码间干扰的信号处理操作。在无线信道中，可 以用各种各样的自适应均衡技术来消除码间干扰。由于移动衰落信道具有随机性和时变 性，这就要求均衡器必须能够实时地跟踪移动通信信道的时变特性，所以这种均衡器被称 作自适应均衡器。 均衡可以看作是将传输码元扩散的符号能量放回到该码元时隙中去的过程，它相当于 插入一个等效滤波器，使多径衰落信道和该滤波器组成的等效信道具有恒幅与线性相位的 特性。其中线性相位特性是通过使均衡器中的滤波器冲激响应共轭与多径信道冲激响应来 实现的。 均衡是指对信道特性的均衡，即接收端的均衡器产生与信道相反的特性，用来抵消由 信道的时变多径传播特性引起的码间干扰。也就是说，通过均衡器来消除信道的频率和时 间的选择性。由于信道是时变的，因此要求均衡器的特性能够自动适应信道的变化而均衡， 故称自适应均衡。 盲均衡是一种以盲或自恢复形式进行均衡的总称。它是一种即使在信道畸变相当严重 的情况下，也不借助训练序列，仅利用接收序列本身的先验知识，如信号的统计特征、信 号的调制方式及幅度、相位的变化范围等就可均衡信道特性，使均衡器的输出序列尽量接 近发送序列的新兴自适应均衡技术。这种技术对期望响应是“盲 的。由于这种自适滤波 器完全不用期望响应，就能使滤波器的输出与希望恢复的输入信号相等，所以习惯上称之 为盲均衡器。这种技术能有效地补偿信道的非理想特性，克服码间干扰o s i ) ，减少误码率， s 雨京邮电大学硕士研究生学位论文第二章盲均衡技术 提高通信质量。 由于理想传输系统是按奈奎斯特第一准则建立的，其发送和接收滤波器的传递函数以 奈奎斯特频率为中心对称滚降，所以理想信道的脉冲响应是( 七) ，非理想( 失真) 信道的脉 冲响应是厅( 七) 。理想信道和实际信道脉冲响应的差异表明：若在各个奈奎斯特取样时刻对 实际信道脉冲响应h ( k ) 取样，则会因其样值不为0 而形成符号( 码) 间干扰。在有限带宽数 字通信系统中所采取的技术之一是在接收端抽样、判决之前加一均衡器，利用信道均衡器 引入的脉冲响应使总脉冲响应h ( k ) 能接近h o ( k ) ，从而可消除非理想信道引起的符号( 码) 间干扰。其原理框图如图2 1 所示： 图2 - l 盲均衡的原理框图 上图中， ( 七) 为离散时间传输信道( 包括发射滤波器、传输媒介和接收滤波器的综合作 用) 的冲激响应；g ( 七) 为均衡器的冲激响应；s ( 七) 为系统发送序列；七) 为经过信道传输 后的接收序列，同时也是盲均衡器的输入序列；v ( k ) 为信道上迭加的噪声；y ( 后) 为经过均 衡后的恢复序列。 从上图中可以看出，盲均衡的目的在于：利用盲均衡器g ( 七) 对信道的输出信号x ( k ) 进 行均衡，并不断调整均衡器的系数，使得均衡器输出序列y c k ) 尽可能地与输入序列s ( k ) 相 接近。 根据信号传输理论：x ( 七) = j ( 七) 幸办( 七) + ，( 七) 可知，x ( 七) 是由s ( k ) 和h ( k ) 卷积而成，要 想从x ( k ) 中获得s ( k ) ，就需要对x ( k ) 进行反卷积或解卷积运算，或等价辨识传输信道h ( k ) 的逆信道。当x ( k ) 和s ( k ) 已知时，h ( k ) 可以获得。均衡器的训练就属于此种情况。但当s ( 七) 未知时，即3 个参数中只有一个是已知，求解就相当困难，这就是盲均衡。 2 2 盲均衡技术的研究现状 盲信道均衡技术己成为通信领域中的一个研究热点，并取得了丰富的成果。在盲均衡 中，用户不用发送训练序列，接收端只知道输出信号及输入信号的一些特征。图2 - 2 揭示 6 南京邮电大学硕士研究生学位论文 第二章盲均衡技术 了被盲均衡技术所广泛利用的各种信号特征及其相互间的关系。 图2 - 2 信号特征与盲均衡技术的关系 1 9 7 5 年，文献【明首次提出了自恢复的概念，即盲均衡。从此人们开始致力于盲均衡的 研究。3 0 年来，随着盲信号处理技术的发展，盲均衡技术也得到了迅速发展，同时提出了 许多盲均衡算法，它们根据盲均衡辨识所利用的信号特性，可以分为以下三种。 2 2 1 基于高阶统计量( h o s ) 的盲均衡算法 传统概念认为，信号的二阶统计量不包含相位信息，因此，利用信号的二阶统计量只 能辨识出系统的幅度特性，不可能估计出信道的相位特性。正是这种观念导致了人们在九 十年代以前主要集中于利用观测数据的高阶统计量来完成单输入单输出( s i n g l e - i n p u t s i n g l e - o u t ，s i s o ) 信道模型的盲辨识和盲均衡【1 触1 0 1 ，迄今为止，虽然人们提出了许多不同 的方法，但最具代表性的思想是： 1b u s s g a n g 方法 基于b u s s g a n g 性质的盲均衡算法的核心思想是先设计一个代价函数，使得理想系统对 应于该代价函数的极小值点，然后采用某种自适应算法寻找代价函数的极值点。当代价函 数达到极值点后，系统也就成为期望的理想系统。该算法是在原需要训练序列的传统自适 应均衡基础上发展起来的，其特点是：算法思路保持了传统自适应均衡的简单性，运算量 较小，便于实时实现。缺点是：该算法的收敛时间较长，收敛后剩余误差较大，未解决求 解过程中的局部极小值问题。 典型的b u s s g a n g 算法有ys a t o 提出的适用于p a m 系统的s a t o 算法嗍、dno o d a r d 提出的g o d a r d 算法( 即盲均衡发展历史上最有名的恒模算法( c o n s t a n tm o d u l a a l g o r i t h m ， c m a ) m 、a b e n v e n i s t e 于1 9 8 0 年提出的b g r 算法、gp i e c h i 和gp r a t i 于1 9 8 7 年提出的 s t o pa n dg o 算法等。所有这些算法都是在代价函数达到全局最小点时才能达到最优的均 7 南京邮电大学硕士研究生学位论文 第二章盲均衡技术 衡效果，而这些算法的代价函数是非凸的，因此总会陷入局部最小点，即不能获得全局最 优解。同时，在线性信道有零点靠近单位圆或信道的非线性比较严重时，其均衡效果很不 理想。 对于b u s s g a n g 算法的盲均衡，今后需要进一步研究具有凹特性代价函数的盲均衡算 法，从而保证均衡器收敛到全局最小点，同时应收敛速度快，运算量小，易于采用数字信 号处理技术实现。 2h m m ( h i d d e nm a r k o vm o d e l ，隐马尔可夫模型) 方法 隐马尔可夫模型是一种用参数表示的用于随机过程统计特性的概率模型，由马尔可夫 链和一般随机过程两部分组成。对于f i m m 模型，其状态转换过程是不可观察的，因而称 之为“隐一马尔可夫模型。 隐马尔可夫模型方法的优点在于它能在信噪比较低的情况下工作，但它的分辨率不 高，这种算法适合于输入信号属于有限字符集的情况。 3p 0 l 焖删多谱) 【1 0 】方法 基于高阶谱理论的盲均衡算法在八十年代末出现并得到发展，在非高斯、非线性、非 因果、非最小相位系统的辨识中有着广泛的应用。高阶谱中不仅含有系统或信道传递函数 的幅度特性，而且还包含系统或信道的相位特性，因此，仅根据输出信号就可进行系统辨 识。基于高阶谱理沦的盲均衡算法的基本思想是从高阶累积量中获取调节信道参数的信息 田。这种方法是通过解方程的方式来获取信道参数的，因此一般都能保证算法的全局收敛， 但这类算法的运算量大，计算复杂度较高。 基于高阶谱理论的盲均衡算法分为直接法和间接法两种【埘。直接法是利用高阶谱中含 有系统的幅度信息和相位信息这一特点，直接从系统接收序列( 即盲均衡器的输入序列) 的 高阶累积量中获得信道参数。其关键是建立序列的高阶累积量与信道参数之间的关系方 程，然后以解方程的方式获得信道参数。间接法是首先建立一个含有接收序列高阶累积量 的代价函数，然后通过某种自适应算法寻找其极值点，最后逼近期望的理想系统。 对基于高阶统计量的盲均衡，今后主要应寻找计算量更小的算法，使其趋向实用化。 2 2 2 基于二阶统计量( s o s ) 的盲均衡算法 由t o n g 等【1 3 】人于1 9 9 1 年的开创性的工作表明，盲均衡和盲辨识可以利用过采样( 或 者多天线) 系统输出的二阶统计量信息来完成。 对于基于二阶统计量的盲均衡算法，首先估计系统信道，然后再根据信道的估计值构 8 南京邮电大学硕士研究生学位论文 第二章盲均衡技术 造均衡器。文献【3 】的研究证明，对信道输出信号以高于符号速率的频率进行过采样后，其 输出的二阶统计量中也包含充足的信道信息，利用这些信道信息可以完整地估计出信道特 征，与高阶统计量相比，这些二阶统计量只对输入信号的先验知识作少量假定，并且只需 较短的观察数据就可以识别系统。近年来，随着盲均衡技术的不断发展，基于二阶统计量 的盲均衡算法已成为研究的热点。不过这种方法仅限在信噪比比较高的情况下，随着信噪 比的降低其性能就会逐渐降低，直至不能达到均衡的目的。 现在，人们已经提出了大量的基于二阶统计量的盲均衡算法。基于二阶统计量的盲均 衡线性算法有子空间算法【1 4 1 、外积分解法【1 5 1 、线性预测算法【1 6 1 等。根据是否利用输入的统 计信息，可以将这些方法分为两类：需要假设输入的统计分布，称为统计性盲方法； 不需要利用输入的统计量信息，称为确定性盲方法【l 刀。 由于输入统计量的收敛需要大量的样本值，即使没有加性噪声的影响，利用有限的样 本值来估计统计量也会产生误差，因此统计性盲方法只有当有限数目的输出观察值可以利 用时，其性能才会降低，而确定性盲方法是对“数据有效 ( d a t a - e i l i c i e n t ) 的，在没有噪声 影响的条件下，只要信道模型正确，它就能够根据有限的采样值精确地完成信道估计和均 衡。由于确定性盲方法不需要对输入信号的统计量做出任何假设，因此，它可以适用于更 加广泛的信源类型。然而，忽略信源的统计量信息也会使这类算法的渐进性能受到影响， 尤其对于“坏条件一( i l l - c o n d i t i o n v d ) 信道，这种影响会更加明显【闭。 确定性盲方法经典的有最小二乘方法( k ：a s ts q u a 陀m e t h o d ) 和子空间方法( s u b s p a c e m e t h o d ) 。最小二乘方法是以误差的平方和最小为准则根据观测数据估计线性模型中未知参 数的一种基本参数估计方法。它最早由德国数学家cf 高斯在1 7 9 4 年解决行星轨道猜测问 题时首先提出来的，这种方法可以避免正负误差相抵，而且便于数学处理。子空间方法是 一种具有较好性能的盲方法。不仅适用于单输入多输出( s 埘e i n p u tm u l t i - o u t p u t ，s n v l 0 ) 模型，而且还可以有效地解决多输入多输r i ( m u l t i i n p u tm u l t i o u t p u t ，m 订o ) 模型的盲均 衡问题，这对于多用户系统是有益的。然而，子空间方法通常不能容忍信道阶数的估计误 差( 模型失配问题) ，而这也是限制其实际应用的主要因素。 统计性盲方法包括单步线性预测误差( s i n 酉e s t e pp r e d i c t i o ne r r o r ，s l p e ) 方法，它是一 种统计性盲方法，其思想来源于如下基本事实：接收信号既可表示为“滑动平均模型， 也可表示为有限阶的自回归模型【嘲。其优点是对信道阶数的过估计，它具有较好的鲁棒性， 也就是说在信道阶数失配时，只要估计的阶数大于或等于信道的真实阶数，这种算法就是 一致估计。 最小二乘方法、子空间方法和单步线性预测误差方法都是在九十年代初期采用二阶统 9 南京邮电大学硕士研究生学位论文第二章盲均衡技术 计量完成盲均衡和盲检测的主要方法，这些方法有如下特点： l 它们都是利用在接收端分集( 时间分集或者空间分集) 来将s i s o 模型转化为s i m o 模型【1 3 】而得到循环平稳特性的。 2 它们都要求满足各子信道互质【1 7 1 ，即信道无公零点( c o m m o nz e r o s ) 。这是现有s o s 均衡文献中常见的“s i m o 信道可均衡条件一。d i n gz h i 已经证明了在带宽恒定的情况下这 类盲均衡器就会失败【瑚。显然，现有s o s 均衡算法的应用范围受到该可辨识均衡条件的 限制。 3 在研究盲处理方法时并没有考虑加性噪声的影响。 4 在进行算法研究时，信道通常被假设为时不变线性f i r 模型，而对于时变信道和非 线性信道没有过多研究。 2 2 3 基于有限字符集( f i n i t ea l p h a b e t ) 的盲均衡算法 纯盲均衡的主要缺点是稳定性不好，误差较大，比如最常用的基于二阶统计量的方法 对信道阶数就非常敏感，进而带来信号幅值、相位等因素的不确定性而典型的无线通信 系统中一般都会发送一些已知信号用作信道估计和同步的训练数据，或作为分隔突发数据 的保护间隔的冗余数据，为了不显著降低系统的性能，嵌入的数据都不是太长根据文献 【2 0 】可知，发送信号所属的有限字符集所包含的信息量比高阶统计量要丰富的多，而且还 包含了重要的信道信息，在这种情况下，应用基于训练序列的均衡算法却没有足够长的信 号序列可用，应用纯盲均衡又有些浪费这些数据信息，而基于有限字符集的盲均衡算法却 集成了上述两种算法的优点，可以很好地应用于这种典型的无线通信系统中。 近年来，数学领域中在带约束的正定二次规划问题的寻优方面取得了重大突破，文献 2 q 指出：求此二次规划问题的最优解，其计算复杂度是指数级的，但如果要求最优解的 一个占近似解，其计算复杂度是多项式级的，并提出了解决此优化问题的s 近似算法，此 算法实质是一种组合优化算法。文献 2 2 】正是借用f 近似算法，来解决s i s o 及无i s i 的单 纯衰减信道s i m o 系统盲辨识问题，这些算法先把问题转化成为一个带约束的二次规划问 题，然后用占近似算法来解决此二次规划问题。这种算法只利用发送信号所属有限字符集 的信息，除了要求输入数据是“独立同分布一、“零均值 和“属于有限字符集 外，既 没有对接收端噪声做更多统计假设，也没有利用输出数据的任何其它统计信息，因此该算 法的应用范围很广，具有较大的研究价值。