《基于LMS的自适应均衡技术的研究》-毕业论文（设计）.doc

昆明理工大学硕士研究生毕业论文 PAGE 2 第一章 绪 论 §1.1 自适应均衡技术的由来 在数字通信系统中，特别是高速数字传输系统中，均衡是一个很重要的问题，无论是通过公用电话交换网，或者是通过短波信道，微波信道和卫星信道，都需要使用均衡技术[6]。本节将对均衡技术做一简要回顾。 数字通信系统中，为了提高频带利用率和业务性能，满足高可靠性各种非话业务的无线传输，特别是为移动ISDN（综合服务数据网）的引入，都需要（几十至上百千比特每秒）高速移动无线数字信号传输技术。而在采用时分多址（TDMA）这种高速数字移动通信中，由于多径传播，不仅产生瑞利性衰落，且产生因延时分散而造成的频率选择性衰落，无疑会使电波传输特性恶化，造成接收信号既有单纯的电平移动，又伴随有波形失真产生，影响接收质量，且传输速率越高，多径传输所引起的码间干扰（ISI）就越严重。码间干扰被认为是在移动无线通信信道中传输高速率数据时的主要障碍。为了克服ISI引起的失真，在一个通信系统中常常使用称之为信道均衡的信号处理技术。均衡器的目的通过使用滤波器或其它技术来重建原始信号，去掉ISI的影响，从而提高数据传输的可靠性。 从广义上讲，均衡可以指任何用来削弱干扰的信号处理操作。在无线信道中，可以用各种各样的自适应均衡技术来消除干扰。由于移动衰落信道具有随机性和时变性，这就要求均衡器必须能够实时地跟踪移动通信信道的时变特性，而这种均衡器又称为自适应均衡器。 自适应均衡器一般包含两种工作模式，即训练模式和跟踪模式。首先，发射机发射一个已知的、定长的训练序列，以便接收机处的均衡器可以做出正确的设置。典型的训练序列是一个二进制伪随机信号或是一串预先指定的数据序列，而紧跟在训练序列之后被传送的是用户数据。接收机处的均衡器将通过递推算法来评估信道特性，并修正滤波器系数以对信道做出补偿。在设计训练序列时，要求作到即使在最差的信道条件下，均衡器也能通过这个序列获得正确的滤波系数。这样就可以在收到训练序列后，使得均衡器的滤波系数已经接近最佳值。而在接收用户数据时，均衡的自适应算法就可以跟踪不断变化的信道[9]。结果就是，自适应均衡将不断改变其滤波特性。 均衡器从调整至形成收敛，整个过程的时间跨度是均衡器算法、结构和多径信道变化率的函数。为了保证能有效地消除码间干扰，均衡器需要周期性地作重复训练。均衡器被大量用于数字通信系统中，因为在数字通信中用户数据是被分为若干段并被放在相应的时间段中传送。 在实际的数字传输系统中，使设计的均衡器能高速跟踪不断时变的信道，其中寻求高速的自适应算法是其实现的关键，因此研究好的自适应均衡算法和均衡器具有重要的理论和现实意义。 §1.2 自适应均衡技术的发展与研究现状 均衡技术最早应用于无线电通信领域，主要用于消除由于信道响应引起的码间干扰（ISI）。自从二十世纪六十年代初B.Widrow提出自适应信号处理的理论后，均衡技术也由早期的固定式均衡和预置式均衡进入了自适应均衡的阶段[9]，并且从此取得了巨大的发展。 二十世纪六十年代后期，基于最小均方误差（LMS）算法的自适应均衡就已经得到了描述[9]，这是一种典型的线性处理方法。此后，这一方法被广泛地应用于多种码间干扰（ISI）不是很严重的场合。随着通信技术的发展，人们发现这种线性均衡结构在很多应用领域的处理效果无法令人满意。随后，自适应均衡技术开辟了两条非线性的发展方向。其中之一就是判决反馈均衡器（DFE）[6]，另一个发展方向就是采用极大似然估计的思想对信息符号或序列进行检测的方法，即自适应极大似然序列估计（MLSE）。判决反馈均衡器与线性均衡方法相比其性能有很大的提高，这主要表现为它对于信号幅度畸变的良好补偿性能，并且避免了线性均衡增强噪声的现象，同时，这种均衡器对信号采样的相位不敏感[6]。所谓自适应极大似然序列估计（MLSE）方法实质是在基于维特比（Viterbi）算法的极大似然序列估计[6][26]的基础上采用自适应信道估计器为序列检测提供信道信息[26]。由于结合了自适应信道估计技术，使得这一方法获得了更为广阔的发展空间。从另一方面来看MLSE方法通过充分利用信道特性而获得了优良性能的同时也带来了其计算量随着信道的复杂度的提高急剧增长的问题[6][26]。 上述三种自适应均衡器的基本类型均是在二十世纪六十年代末到七十年代初期间提出的[6]。这三种基本类型构成了自适应均衡器的主要框架。之后，在此基础上自适应均衡技术无论是在结构上还是在算法上都取得了极大地发展。从均衡器的实现结构上看，主要包括横向和格型结构两种。用于实现均衡器学习的算法非常丰富，其中包括：最小均方误差（LMS）、递推最小二乘（RLS）算法、快速横向自适应滤波型（FTF）算法，即快速RLS算法、以及增益归一化FTF算法、平方根K