基于RLS算法在通信系统中自适应均衡技术的研究.docVIP

基于RLS算法在通信系统中自适应均衡技术的研究 [摘 要] 在高速无线通信系统中，信号的多径传输会导致严重的码间串扰，严重限制了传输速率的提高，而均衡技术是克服多径干扰的主要技术之一。当前的高速数字通信系统中，普遍采用了自适应均衡技术，其优化目标是收敛速度快、均衡效果好 [关键词] RLS自适应算法 判决反馈均衡技术 无线通信系统仿真 1.引言 高速无线信道是时变的，具有多径延迟、衰落等特性。当数据信号在HF信道传输时，主要受乘性干扰和加性干扰影响，加性干扰造成的错码主要采用差错控制技术来解决。乘性干扰导致码间串扰，对固定特性的信道，可以采用收发匹配滤波器来消除，但对于时变的短波信道，信道的参数是变化的，必须采用自适应均衡技术，即必须自适应调节均衡器的抽头系数以跟踪信道变化。采用训练序列对均衡器的抽头系数进行训练直到收敛，然后自动跟踪。均衡器结构和自适应算法必须有利于抽头系数的快速收敛和稳定跟踪，并且尽可能降低运算的复杂度 2.自适应均衡技术原理 均衡技术是指各种用来处理码间干扰的算法和实现方法。主要在移动通信环境中对抗多径传播时延造成的码间干扰。见图1所示 图1均衡原理 2.1 判决反馈均衡器 判决反馈均衡器由前馈和反馈两节组成，在原理上相当于线性均衡器后加了个反馈部分。前馈节为一个线性滤波器,反馈节由检测判决器和反馈横向滤波器构成。反馈滤波器的输入信号是前馈滤波器的输出，其作用是根据字符估计减去码间干扰部分，抵消信道的后尾失真。前馈部分和反馈部分分别有Nf和Nb个抽头，均衡后的输出为： 判决反馈均衡器是非线性的，其反馈部分根据判决器的判决结果减去码间干扰部分，只要判决无误，就不会引入噪声。较低误码率时，依然可以有效工作，实际上在训练阶段结束时，大多数情况下可以满足这一要求，当然误码率较高时，会造成误码传播，总的来说，选择判决反馈均衡器能够较好地消除码间串扰 2.2自适应均衡算法 2.2.1 LMS算法 根据最小均方误差准则，最佳权系数向量w应使非线形误差函数为最小。LMS算法是以梯度估值来替代最速下降法中的理论情况下的梯度真值的算法，梯度估计的方法是以误差信号每一次迭代的瞬时平方值来替代其均方值，从而得到LMS算法权系数向量更新的以下公式：w(k+1)=w(k)+2ue(k)x(k) 2.2.2 RLS算法 LMS算法的代价函数为瞬时平方误差，RLS算法的代价函数是平方误差的加权和。RLS总是采用新的准则，在每一个时刻对所有已输入信号而言，重新评估使其误差的平方和最小，因此具有更精确的含义，属于精确分析法。RLS算法的代价函数如下： 式中称为遗忘因子 RLS算法步骤如下： 步骤一：初始化： 步骤二：更新，依次循环计算下列各式： 3.自适应均衡技术在高速无线通信系统中的性能仿真 3.1 LMS算法自适应线性均衡器的性能仿真 基于建立高速无线的多径信道的信道模型，对LMS算法不同的步长因子进行性能仿真，在图中只给出了三个步长因子的比较，可以得出当步长因子较大时收敛速度很快，但是步长因子过大有会导致振荡，达不到最小均方误差点，所以必须选择合适的收敛因子 图 LMS自适应线性均衡器不同收敛因子比较 3.2 RLS算法自适应线性均衡器的性能仿真 基于建立高速无线的多径信道的信道模型，对LMS算法、RLS类算法进行了仿真比较，目的是验证在该信道模型下不同算法的收敛速度和稳定性能，用以选择合适的自适应滤波算法 如图所示，通过对仿真图形的分析可知,RLS算法与LMS算法相比较，RLS算法的收敛速度快且稳定性较好。从收敛速度和稳态特性两个方面考虑，RLS算法是比较理想的均衡算法 图 LMS和RLS均衡学习曲线 3.3 RLS算法判决反馈自适应均衡器性能仿真 基于建立高速无线的多径信道的信道模型，采用基于RLS算法的反馈判决均衡器。串行调制解调系统采用的反馈判决均衡器共有10个抽头，其中前馈滤波器抽头5个，反馈滤波器抽头5个。基于Matlab仿真，使π/4－DQPSK调制信号通过本文所建立的信道模型，选用多径信道，比较加自适应均衡器前后的星座图，以验证自适应均衡器的性能。图为信号均衡前后的星座图 图 均衡前后星座图比较 分析仿真图形，在没有经过均衡的信号空间图中，信号在空间上分布凌乱，在经过均衡后的信号空间图中，信号在空间的分布有一定的特点，只需要划定八个相位空间，则信号就能被较好的解调出来，较均衡前，解调信号的误码率有很大的降低 四、结论 从以上的分析中可以知道：采用算法与采用LMS算法相比，在收敛速度上有很大优势，但是并不能说明RLS算法比LMS算法在任何