[现代通信原理与技术张辉课件]第5章 数字基带传输系统.ppt

 第5 章 数字基带传输系统? 图 5 -1数字基带传输系统 5.2数字基带信号及其频谱特性 图 5 –3 几种常见的基带信号波形 图 5 –4 随机脉冲序列示意波形 5.3基带传输的常用码型 图 5 - 7双相码、 密勒码、 CMI码的波形 (a) 双相码； (b) 密勒码； (c) CMI码 5.4基带脉冲传输与码间串扰 5.5无码间串扰的基带传输特性 图 5 – 9 消除码间串扰原理 5.6 无码间串扰基带系统的抗噪声性能 5.7眼图 图 5 - 17基带信号波形及眼图 5.8 均衡技术 由此例可见，除y0外，得到y这说明， 利用有限长 横向滤波器减小码间串扰是可能的，但完全消除是不可能 的，总会存在一定的码间串扰。所以，我们需要讨论在 抽头数有限情况下， 如何反映这些码间串扰的大小, 如何 调整抽头系数以获得最佳的均衡效果。 5.9部分响应系统 图 5 – 26 第Ⅰ类部分响应系统组成框图 但自适应均衡器不再利用专门的测试单脉冲进行误差的调整，而是在传输数据期间借助信号本身来调整增益，从而实现自动均衡的目的。由于数字信号通常是一种随机信号， 所以， 自适应均衡器的输出波形不再是单脉冲响应，而是实际的数据信号。 以前按单脉冲响应定义的峰值失真和均方失真不再适合目前情况，而且按最小峰值失真准则设计的“迫零”均衡器存在一个缺点，那就是必须限制初始失真D0＜1。因此， 自适应均衡器一般按最小均方误差准则来构成。  设发送序列为{ak}，均衡器输入为x(t), 均衡后输出的样值序列为{yk}，此时误差信号为  ek=yk-ak (5.8 - 25) 均方误差定义为  e2=E(yk-ak)2 (5.8 - 26) 当{ak}是随机数据序列时，上式最小化与均方失真最小化是一致的。 根据式(5.8 - 13)可知 yk= Cixk-i 将其代入式(5.8 - 26)，有  可见, 均方误差e2是各抽头增益的函数。我们期望对于任意的k，都应使均方误差最小，故将上式对Ci求偏导数， 有  式中  ek=yk-ak= Cixk-i-ak 表示误差值。这里误差的起因包括码间串扰和噪声， 而不仅仅是波形失真。  从式(5.8 - 28)可见， 要使e2最小，应有e2Ci=0，也即E［ekxk-i］=0，这就要求误差ek与均衡器输入样值xk-i(|i|≤N)应互不相关。 这就说明, 抽头增益的调整可以借助对误差ek和样值xk-i乘积的统计平均值。若这个平均值不等于零, 则应通过增益调整使其向零值变化, 直到使其等于零为止。  图 5 - 23 给出了一个按最小均方误差算法调整的3抽头自适应均衡器原理框图。由于自适应均衡器的各抽头系数可随信道特性的时变而自适应调节， 故调整精度高， 不需预调时间。 在高速数传系统中， 普遍采用自适应均衡器来克服码间串扰。  自适应均衡器还有多种实现方案, 经典的自适应均衡器算法有： 迫零算法（ZF）、随机梯度算法（LMS）、 递推最小二乘算法（RLS）、 卡尔曼算法等, 读者可参阅有关资料。 图5-23 自适应均衡器示例 理论分析和实践表明，最小均方算法比迫零算法的收敛性好，调整时间短。但按这两种算法实现的均衡器，为克服初始均衡的困难，在数据传输开始前要发一段接收机已知的随机序列，用以对均衡器进行“训练”。有一些场合， 如多点通信网络，希望接收机在没有确知训练序列可用的情况下能与接收信号同步， 能调整均衡器。基于不利用训练序列初始调整系数的均衡技术称为自恢复或盲均衡。  另外， 上述均衡器属于线性均衡器（因为横向滤波器是一种线性滤波器），它对于像电话线这样的信道来说性能良好。 在无线信道传输中，若信道严重失真造成的码间干扰以致线性均衡器不易处理时，可采用非线性均衡器。 目前已经开发出三个非常有效的非线性均衡算法：判决反馈均衡（DFE）、 最大似然符号检测、 最大似然序列估值。其中，判决反馈均衡器被证明是解决该问题的一个有效途径，关于它的详细介绍可参考有关文献。  5.6节中， 我们分析了两种无码间串扰系统： 理想低通和升余