数字通信17.pptVIP

9-3 有ISI和AWGN信道的最佳接收机 * * 有ISI和AWGN信道的最佳接收机 背景 信道的特性是随环境与时间变化的，无法预先精确知道； 最大似然序列检测 系数可调的线性滤波器 判决反馈均衡器 在非理想、带限、且具有加性高斯噪声信道下，如何解决ISI问题？ 三种均衡方法： 这种ISI 补偿器称为均衡器 任务：设计一个接收机方案，使它能够补偿或减小接收信号中的ISI 消除或抵消ISI的实用方法： 在尽量按照Nyquist准则设计的基础上，再在传输系统中插入专门的滤波器，补偿设计的不完善 均衡原理 带有均衡器的数字基带系统 未加补偿前： 它不完全符合Nyquist准则 加了均衡器后： 补偿后，使总的HE(f)符合Nyquist准则 GE( f ) 有ISI和AWGN信道的最佳接收机 均衡器的分类 频域均衡——从频域上用滤波器补偿基带系统 时域均衡——从时域波形上处理，调整系统的 hE(t) 线性均衡 非线性均衡（判决反馈均衡） 预置式均衡 自适应均衡 广义地讲，均衡指所有消除或减低ISI 影响的信号处理或滤波技术！ 按照滤波器的结构来分类： 按照调节模式来分类： 有ISI和AWGN信道的最佳接收机 * 等效低通发送信号： h(t) ：信道对输入脉冲g(t)的响应；z(t)：加性高斯白噪声 接收信号： 最佳解调器：与h(t)相匹配的滤波器，滤波器的输出抽样。 最佳检测器：采用某种处理算法，从抽样值估计出信息序列{In} 最佳接收机： 最佳解调器 最佳检测器 （等效低通） 有ISI和AWGN信道的最佳接收机 9.3.1 最佳最大似然接收机 有ISI和AWGN信道的最佳接收机 接收信号展开： {?k(t)} ：完备的标准正交函数集； 是一个高斯随机变量 随机变量 rN =(r1, r2,…rN)在发送序列Ip=(I1, I2, …IN)条件下的联合PDF： rk：rl(t)在{?k(t)}上的投影 N→∞时，对数P(rN |Ip)与下面的度量PM (Ip)成比例： 使PM(Ip)最大所对应的符号序列送序列 I1, I2, …Ip 最大似然估计： 有ISI和AWGN信道的最佳接收机 匹配滤波器对输入脉冲h(t)的响应xn-m 也是h(t)的自相关 等价的相关度量： 所有度量计算共有项，舍去 匹配滤波器输出 yn 可见，解调器（匹配滤波器）的输出受ISI的恶化影响 代入 有ISI和AWGN信道的最佳接收机 假设：ISI影响有限个数目的符号： |n|L时，xn=0 因此可以将输出的ISI看作有限状态机的输出 含有ISI的 信道输出 用状态网格图表示 最大似然估计：接收序列yn的情况下，通过网格的最有可能的路径 采用维特比算法搜索 处理方法： 维特比搜索算法的度量： 递推公式 具有ISI信道的离散时间模型 通过带限线性滤波器信道的通信 考虑到： C( t ) 级联结构 具有抽头增益系数为{xk}的等效离散时间横向滤波器 表示成 h*( -t ) g( t ) 发送机以1/T速率发送离散时间符号 接收端匹配滤波器的抽样输出也是离散时间信号，样值速率1/T 横跨时间间隔2LT的横向滤波器 输出的噪声序列是相关的。 模型的特点： 输入、输出都是离散序列； 噪声{vk} 的均值为零，自相关函数： （连续时间系统的等效离散时间模型） 通过带限线性滤波器信道的通信 L次多项式 根：?1, ?2, …?L 因为： 且X(z)的2L个根对称 希望：对噪声序列{vk}进行白化处理。白化滤波器的设计： 抽样自相关函数 {xk} 的z变换： 若?是一个根，那么1/?*也是一个根 L次多项式 根：1/?*1, ?*2, …?*L 因式分解： 结果： 一个适当的噪声白化滤波器具有z变换： 有2L种 选择唯一的 ，它与X(z)零点相对应的极点在单位圆外。 通过带限线性滤波器信道的通信 {?k}：高斯白噪声序列 序列{yk}通过滤波器 的输出序列vk： 匹配滤波器 + 抽样器 + 噪声白化滤波器的级连 白化匹配滤波器 最终，经过对噪声白化处理后，等效离散时间白噪声滤波器模型： 白化处理 当信道冲激响应随时间缓慢变化时，反映在抽头系数{fk}随时间缓慢变化 采用这个模型来研究ISI的补偿—— 均衡技术，均衡算法 * 离散时间白噪声滤波器模型的Viterbi算法 输入是M元信息符号； 在状态网格中采用Viterbi算法，计算通过网格的最可能的路径。 可以实现最优化检测； 计算复杂性随时间长度呈指数增长； 实现过于昂贵 要点： 信道滤波器有ML个状态，建立状态网格； MLSE的优缺点： 通过带限线性滤波器信道的通信 状态由L个最近的输入确定 在ISI覆盖L+1个符号的情况下（即：有L个ISI 干扰分量）