新现代移动通信 第2版 教学课件 蔡跃明 第09讲 第05章 抗衰落技术 2.pptVIP

* 如何设计发送数据格式？ * * DFE: Decision feedback equalization * * 当信道失真太严重以致线性均衡器不易处理时，采用非线性均衡器处理会比较好。当信道中有深度频谱衰落时，用线性均衡器不能取得满意的效果，这是因为了补偿频谱失真，线性均衡器会对出现深衰落的那段频谱及近旁的频谱产生很大的增益，从而不能有效的补偿信道的衰落特性。 判决反馈均衡既可以直接由横向滤波器实现，也可以由格型滤波器实现。 判决反馈均衡器的最小均方差总比基于横向滤波器结构的线性均衡器的最小均方差要小。因此，当频谱衰落较平坦时，线性横向均衡器会良好地工作；而当频谱衰落严重不均时，线性横向均衡器的性能会恶化，而采用DFE的均衡器则明显优于采用线性横向均衡器的。因而，判决反馈均衡更适合于有严重失真的无线信道。 判决反馈均衡的另一形式称为预测DFE。像传统DFE一样，它也有一个前馈滤波器FFF。可是，其FBF是由被检测器的输出和FFF的输出之差驱动的。因为它预测了包含在FFF中的噪声和残留的码间干扰，并减去了经过一段反馈延迟后的检测器的输出，因而这里把FBF称为噪声预测器。预测DFE中的FBF也可以用格型结构来实现。这时，可以用RLS格型算法产生快速收敛。 * 判决反馈均衡的另一形式称为预测DFE。像传统DFE一样，它也有一个前馈滤波器FFF。可是，其FBF是由被检测器的输出和FFF的输出之差驱动的。因为它预测了包含在FFF中的噪声和残留的码间干扰，并减去了经过一段反馈延迟后的检测器的输出，因而这里把FBF称为噪声预测器。预测DFE中的FBF也可以用格型结构来实现。这时，可以用RLS格型算法产生快速收敛。 * * 均衡算法有什么作用？ 如何衡量均衡算法的优劣？ * * 均衡算法： 在给定均衡准则下，如何调节 加权系数以实现均衡准则的要求的方法，则称为均衡算法。 指标：收敛速度、远算量。 由于最小均方误差是建立在波形度量上的准则，所以，均方误差极小值均衡算法的性能将优于峰值失真极小值的均衡算法。这也是均方误差准则及算法得到广泛应用的原因。 利用了平稳特性和代价函数的凹形，使得某时刻值近似代表时间平均（期望值），E[e(k)y(k)]?e(k)y(k)（见数字通信原理-老外） * * * 什么情况下需要使用自适应均衡技术？ * * 数据传输格式中的帧长如何设置？ * 如何选择自适应均衡器阶数？ * 3个前馈+2个反馈 * 3个前馈+2个反馈 * * 2、按照检测级别分类 码片均衡器：在码片级进行均衡，只能采用线性均衡，在码片级无法判决。 符号均衡器：逐个符号进行判决，然后去除每个符号的码间串扰。 序列均衡器：进行符号序列检测判决，然后去除码间串扰。 3、按实现结构分类 横向结构 线性均衡器可由FIR滤波器实现，称为横向滤波器。 格形结构 数值稳定性好 收敛速度更快 结构比线性横向滤波器复杂 4、按照频谱效率分类 基于训练序列的均衡：发射端发送训练序列，接收端根据此训练序列对均衡器进行调整。 盲均衡 ：不需要训练序列，利用发射信号特性进行调整，频谱利用率高，但收敛速率慢，目前在实际中难以较好地应用。 半盲均衡：初始引导调节均衡器参数，随后在同步接收的前提下自主调节系数，效率居中。 本次课的教学内容 5.3.1 自适应均衡原理 5.3.2 均衡器类型 5.3.3 均衡算法 5.3.4 自适应均衡器的应用 四、均衡算法 1、均衡算法的定义 在给定均衡准则下，调节均衡器抽头系数（权重）的方法称为均衡算法。 2、衡量均衡算法优劣的主要指标 收敛速度 运算量 数值特性 3、均衡准则－ 权系数的优化准则 最小峰值失真准则：使码间串扰值最小。 最大失真定义为均衡器输出端的最大码间串扰。 要求使最大失真最小化。 现实问题：如何衡量码间串扰值最小？ 最小均方误差（LMS）准则：k时刻均衡器期望输出值和实际输出值间的均方误差E[e(k)e*(k)]最小化。 四、均衡算法 4、LMS算法原理 （1）目标 y(k)：均衡器输入信号 w(k) ：均衡器抽头系数 四、均衡算法 思考：为什么实现最小均方误差，即可得到合适均衡器系数！ 当均衡器的输入与期望输出一定时，均方差由谁决定? 4、 LMS算法原理 四、均衡算法 当均衡器的输入与期望输出一定时，均方差由谁决定? 此时，均方差由权重向量w决定，使得均方差最小的w就是最优的权重向量，即尽可能减小多径的影响。 四、均衡算法 当均衡器的期望输出为d(k)=x(k)时，k时刻的误差信号e(k)为： k时刻的误差信号的平方为： （2）具体分析过程 已知均衡器的输入信号为向量y(k) ,权重向量为w(k) ,则均衡器的期望输出为: 时间平均为： （