基于MLSE算法的GMSK均衡解调.pdfVIP

2011年 11月 西 安 邮 电 学 院 学 报 Nov．2011 第 16卷 第6期 JOURNALOFXI’ANUNIVERSITYOFPOSTSANDTELECOMMUNICATIONS Vo1．16No．6 基于MLSE算法的GMSK均衡解调 肖 露，李 波，陈文艺，陈 瑞 (西安邮电学院通信与信息工程学院，陕西 西安 710121) 摘要：为了克服高斯滤波最小频移键控 (GaussianFilteredMinimumShiftKeying，GMSK)调制信号经过移动通信 传输后存在的码间干扰，利用信道中已知训练序列的伪随机性，进行信道同步和信道估计，经过匹配滤波和改进 的Viterbi算法，使解调序列差错概率达到最小。以同步信道 突发为例，研 究基于最大似然序列估计 (Maximum LikelihoodSequenceEstimator，MLSE)均衡算法下的GMSK解调，并在JAKES信道下进行仿真，结果显示，这种 啪LsE均衡算法能很好的进行GMSK解调。 关键词：高斯滤波最小频移键控；码间干扰；最大似然序列估计；信道估计 中图分类号：TP311 文献标识码 ：A 文章编号：1007—3264(2011)06—0046—04 高斯滤波最小频移键控 (GaussianFiltered GMSK调制信号模型 MinimumShiftKeying，GMSK)调制信号以强抗干 扰能力和高频谱利用率等特性，在现代移动通信中 GMSK调制是在MSK调制前加一个高斯低通 获得广泛应用。对于应用于移动通信中的GMSK 滤波器。GMSK调制信号的表达式为 调制，接收端同时存在GMSK预滤波和多径效应引 ()一Acos[wct+ (￡)] (1) 起的码间干扰，因此，出于对算法复杂度和性能的综 通过高斯滤波后的调制相位 合考虑，通常采用最大似然序列估计 (Maximum ， —}。oo (￡)一2I‘[∑akg(r--nT)]如一 LikelihoodSequenceEstimator，MISE)均衡算法。 ～ 佃 ， 斗。。 文[1]最早提 出采用 Viterbi算法 (VA)来实现 2 ∑％f‘g(r一以)dr：∑a．q(t--nT,) MLSE均衡从而进行GMSK解调，因此，MLSE均 一 — 。。 ～ n — o 。 衡又叫Viterbi均衡。文[2]在此基础上提出了改进 其中g(￡)是高斯滤波器的矩形脉冲响应，q(￡)是的 积分，而 的Viterbi算法(MVA)，只包含匹配滤波和 Viterbi 算法，且都必须进行信道估计。 口一 1—2(IkoJ卜1) 移动通信中，常常在突发中添加位置固定的具 2 系统仿真模型 有 良好伪随机性的训练序列，如文[3]规定训练序列 系统仿真模型如图1所示。 自相关函数为单位阵的NB突发，MLSE均衡器利 用这一特性进行信道估计，从而进行 MISE均衡解 调[引。但是当训练序列伪随机性较差时，文[4]中的 MLSE均衡算法将无法实现。 本文将以训练序列伪随机性差的同步信道 (Synchr0nizati0nChannel，SCH)突发为例，通过对 训练序列进行信道的近似估计，利用MISE算法进