多模盲均衡算法的一种最速下降优化实现方法
基于判决引导的双模式盲均衡算法
doi:10.3969/j.issn.1003-3114.2023.04.015引用格式:王国开,魏华,卢恒.基于判决引导的双模式盲均衡算法[J].无线电通信技术,2023,49(4):704-709.[WANG Guokai,WEI Hua,LU Heng.Dual-mode Blind Equalization Algorithm Based on Decision-directed[J].Radio Communications Technology,2023,49(4):704-709.]基于判决引导的双模式盲均衡算法王国开,魏㊀华∗,卢㊀恒(成都信息工程大学通信工程学院,四川成都610225)摘㊀要:为提高无线通信系统传输效率,减小传输过程中的码间干扰(Inter-Symbol Interference,ISI)带来的影响,提出了一种可应用于高阶正交幅度调制(Quadrature Amplitude Modulation,QAM)信号无线通信系统的盲均衡算法,该算法以修正恒模算法(Modified Constant Modulus Algorithm,MCMA)和判决引导(Decision-Directed,DD)算法为基础,在均衡的第一阶段使用MCMA 算法,并根据数据可靠性进行判决引导,迫使均衡器抽头朝着正确的方向进行调整,通过实部和虚部的并行处理,加快收敛速度;在均衡的第二阶段使用DD 算法,以获得更好的稳态性能㊂仿真结果表明,提出算法相较于已有相关算法在近似的收敛速度下有着更好的稳态性能㊂关键词:盲均衡;正交幅度调制;判决引导;双模式中图分类号:TN911.5㊀㊀㊀文献标志码:A㊀㊀㊀开放科学(资源服务)标识码(OSID):文章编号:1003-3114(2023)04-0704-06Dual-mode Blind Equalization Algorithm Based on Decision-directedWANG Guokai,WEI Hua ∗,LU Heng(School of Communication Engineering,Chengdu University of Information Technology,Chengdu 610225,China)Abstract :In order to improve the transmission efficiency of wireless communication system and reduce the impact of inter-code in-terference during transmission,a blind equalization algorithm is presented,which can be applied to high-order Quadrature AmplitudeModulation (QAM)signal wireless communication system.Based on Modified Constant Mode Algorithm (MCMA)and Decision-Directed (DD)algorithm,MCMA algorithm is used in the first phase of equalization,and decision guidance is based on data reliability.Theequalizer tap is forced to adjust in the right direction to speed up convergence through parallel processing of real and imaginary parts.In the second phase of equalization,DD algorithm is used to obtain better steady-state performance.Simulation results show that the pro-posed algorithm has better steady-state performance under approximate convergence speed than existing correlation algorithms.Keywords :blind equalization;QAM;decision-directed;dual mode收稿日期:2023-03-25基金项目:中国科学技术部科学研究基金(2019YFB1706800)Foundation Item :Scientific Research Foundation of Ministry of Scienceand Technology,China (2019YFB1706800)0 引言随着数字通信需求的不断增长,需要在有限带宽的信道上进行高速数据传输,由于无线传输存在多径效应的影响,导致接收信号会存在码间干扰(Inter-Symbol Interference,ISI)[1]㊂在无线通信系统中,信道均衡是降低由带宽有限信道或多径传播引起的ISI 最为普遍的技术[2]㊂传统的自适应均衡方法通过定期发送训练序列,在接收端与期望信号进行对比从而实现均衡器的训练㊂在基于训练序列的均衡中,最小均方算法(Least Mean Square,LMS)和最小二乘算法(Recursive Least Squares,RLS)是其中最重要的两种算法[3-4]㊂但是基于训练序列的均衡方法在进行通信传输时由于需要定期发送训练序列,会导致传输效率较低㊂研究表明,在全球移动通信系统(Global System for Mobile Communications,GSM)中,大约有18%的带宽用于发送训练序列[5-6]㊂盲均衡技术无需训练序列即可对信道特性进行补偿和跟踪,可以有效地保存通信带宽,提高通信效率[7]㊂在1975年,Sato [8]首次提出了盲均衡的概念,仅利用一些已知先验信息来实现均衡㊂该方法避免了传输训练序列,而且均衡效果较好,在目前得到了广泛的研究㊂1980年,Godard [9]提出了恒模算法(Constant Modulus Algorithm,CMA),由于CMA 具有计算简单和收敛性良好的优点[10],在盲均衡技术中得到了广泛的应用㊂但该算法收敛速度慢㊁稳态残差大,不能校正相位偏移[11]㊂1995年OH 等人在文献[12]中提出了修正恒模算法(Modified ConstantMode Algorithm,MCMA),MCMA 在CMA 的基础上利用将同相和正交分量分开处理的思想,实现了相位的恢复㊂同年,文献[13]在MCMA 算法的基础上引入判决引导(Decision-Directed,DD)算法,提出了双模式MCMA +DD 算法,相近的收敛速度下获得了比MCMA 更好的稳态性能㊂2001年欧阳喜等人[14]提出了一种基于数据可靠性判决引导DD-CMA,通过判断CMA 均衡时方向是否可靠实现只朝着可靠的方向均衡,加快收敛速度的同时获得了较小的稳态残差㊂根据数据可靠性判决引导的思想,2007年戴明增等人[15]实现了一种基于数据可靠性的DD-MCMA,在获得较小稳态残差的同时恢复相位了旋转㊂1㊀盲均衡模型和性能指标1.1㊀盲均衡模型盲均衡系统模型如图1所示㊂其中s (n )=s R (n )+j s I (n )为调制后信源发送序列,h 为信道脉冲响应,g (n )为加性高斯白噪声,X (n )=[x (n ),x (n -1), ,x (n -L +1)]Τ为均衡器输入数据,W (n )=[w 0(n ),w 1(n ), ,w L -1(n )]Τ为均衡器抽头系数,y (n )=W TX 为均衡器输出,s ~(n )为系统输出㊂式中L 为均衡器抽头个数,T 表示转置㊂图1㊀盲均衡系统模型框图Fig.1㊀Block diagram of blind equalization system model原始二进制bit 流通过调制器生成信源发送序列s (n ),由于信号在无线传输过程中会受到多径和噪声的干扰,多径效应引起的ISI 是导致通信系统接收端误码的主要原因之一,为减小多径效应带来的影响,在接收端加入均衡器,通过均衡算法将不同码元间的相互干扰降到最低,提高传输效率㊂盲均衡算法利用已知的统计信息和系统接收端接收信号构造代价函数J ,将代价函数J 最小化,从而求得最佳的均衡器抽头系数,实现对接收信号的均衡㊂1.2㊀性能指标星座图聚集程度和剩余ISI 是均衡算法的两个主要评价指标㊂由于接收信号受到信道影响,星座点散布在调制点附近,距离较远则会误判,产生误码,通过均衡使得输出星座点集中,降低误判概率,星座点集中程度越高,则均衡算法效果越好㊂剩余ISI 可以反映相邻码元对于当前码元的影响㊂剩余ISI 越低,则受到相邻码元的干扰越弱,均衡算法效果越好㊂以均衡后星座图表现和剩余ISI 作为盲均衡算法的性能评价指标㊂其中剩余ISI 定义如下[16]:ISI =ði |h (i ) W (i )|2-|h (i ) W (i )|2max|h (i ) W (i )|2max,(1)式中: 表示卷积运算,|h (i ) W (i )|max 为所有h (i ) W (i )的绝对值的最大值㊂2㊀现有相关算法介绍2.1㊀MCMAMCMA 将同相和正交分量分开处理,在同相和正交分量上分别选取各自模值,通过均衡使得输出信号朝着模值靠拢㊂MCMA 的代价函数为:J MCMA =Ε{(y 2R (n )-R 2R )2+(y 2I (n )-R 2I )2},(2)式中:Ε{㊃}表示计算期望值,R R =Ε{|s R (n )|4}Ε{|s R (n )|2},R I =Ε{|s I (n )|4}Ε{|s I (n )|2}分别表示同相和正交方向的模值㊂其误差函数如下:e MCMA (n )=e MCMA,R (n )+j e MCMA,I (n )=y R (n )(y 2R (n )-R 2R )+j y I (n )(y 2I (n )-R 2I ),(3)式中:e 表示盲均衡算法的误差项㊂采用梯度下降法进行迭代,抽头系数更新公式为:W (n +1)=W (n )+μMCMA e MCMA X ∗(n ),(4)式中:μMCMA 为算法迭代步长,∗表示取共轭㊂2.2㊀DD算法DD算法通过判决器对均衡器输出进行判决,判决结果为距离均衡器输出点最近位置的星座点,利用判决结果和均衡器输出信号的差值来引导均衡器参数调整㊂DD算法的代价函数为:J DD=E{(y(n)-s~(n))2},(5)式中:s~(n)=argmin y(n)|-|s k(n) ,(k=1, 2, ,M),M为调制阶数㊂argmin y(n)|-|s k(n) 表示使得 y(n)|-|s k(n) 最小的s(n)㊂误差信号为:e DD(n)=y(n)-s~(n)㊂(6)抽头更新公式为:W(n+1)=W(n)+μDD e DD X∗(n)㊂(7)与CMA相比,DD算法具有更快的收敛速度和更小的稳态残差,但在接收眼图不开放时缺乏鲁棒性,经常导致发散或假收敛[17]㊂2.3㊀DD-MCMA双模式盲均衡算法由于MCMA存在朝着错误方向迭代的风险,引入基于判决引导的MCMA㊂MCMA的思想为将同相分量和正交分量数据分开处理,迭代靠近各自方向的统计量,在迭代时,添加一个迭代方向正确性的判断,即该次迭代后均衡器输出在靠近统计量的同时是否在朝着判决点靠近,如果是,则可以认为是朝着正确的方向进行,此次迭代保留;否则此次迭代不可靠,迭代舍弃,采用上一次抽头系数继续进行下一次迭代㊂即:当|y2(n)-s~(n)|>|y1(n)-s~(n)|时:W(n+1)=W(n)+μMCMA e MCMA X∗(n),(8)否则:W(n+1)=W(n),(9)式中:y1(n)为原始第n点均衡输出,y2(n)为使用误差更新后均衡输出,s~(n)为判决点㊂3㊀改进算法基于判决引导的修正恒模算法可以根据判决结果引导均衡器抽头朝着正确的方向进行调整,因此可以不用担心抽头系数误调整,但其收敛速度和稳态性能仍有待提高㊂基于此,提出了基于判决引导的双模式盲均衡算法(Decision-Directed Modified Constant Modulus Algorithm Decision-Directed,DD-MCMADD)㊂在迭代开始时,MCMA迭代的同时进行可靠性判断,通过对实部和虚部的分开处理,实现快速收敛㊂在达到判决条件后,更换为稳态残差更小的DD算法,由于使用DD算法时数据已经比较可靠,因而不用再对其进行可靠性判决,在快速收敛的同时可以进一步实现更好的稳态性能㊂均衡初期,均衡器输出点较为散乱,即y(n)∉D k时(D k为调制点附近半径为d的圆),采用基于判决引导的MCMA进行迭代㊂首先使用当前抽头系数进行均衡,得到n点均衡结果:y1(n)=WΤ(n)X(n)㊂(10)利用当前输出结果进行抽头更新:W(n+1)=W(n)+μMCMA e MCMA X∗(n)㊂(11)计算抽头更新后均衡器对第n点输出结果:y2(n)=WΤ(n+1)X(n)㊂(12)分别判断抽头更新后均衡器对第n点输出实部和虚部与判决点距离是否减小,若减小,则更新抽头系数,否则抽头系数不进行更新:W(n+1)=W(n)+μMCMA e~MCMA X∗(n)=W(n)+μMCMA(f R(n)e MCMA,R+j f I(n)e MCMA,I)X∗(n),(13)式中:f R(n)=1,㊀|y R,2(n)-s~R(n)|>|y R,1(n)-s~R(n)|,0,㊀㊀㊀㊀㊀㊀㊀其他{f I(n)=1,㊀|y I,2(n)-s~I(n)|>|y I,1(n)-s~I(n)|0,㊀㊀㊀㊀㊀㊀其他{㊂当均衡器输出信号在判决区内(y(n)ɪD k),则使用DD算法进行抽头系数迭代:W(n+1)=W(n)+μDD e DD X∗(n)㊂(14) 4㊀计算机仿真为验证提出算法的性能,使用计算机进行模拟仿真,以图1所示结构搭建仿真模型,信道参数来自文献[18]的无线通信信道,h=[-0.005-0.004j 0.009+0.030j-0.024-0.104j0.854+0.520j -0.218+0.273j0.049-0.074j-0.016+0.020j]㊂均衡器抽头长度L为13,抽头系数初始化为中间为1,其余为0㊂仿真模型中,信源信号经信道影响后加入高斯噪声,再经过均衡器进行均衡,通过系统输出误差进行均衡器的抽头系数调整,最后输出均衡结果㊂对比了本文DD-MCMADD和文献[12]中MC-MA㊁文献[15]中DD-MCMA在64-QAM和256-QAM 解调时的性能表现㊂其中,64QAM信号信噪比为30dB,MCMA和DD算法步长分别为3.2ˑ10-6和1ˑ10-6㊂256QAM信号信噪比为35dB,MCMA和DD算法步长分别为3.5ˑ10-7和1ˑ10-7㊂两种调制方式下MCMA和DD的判决门限d均为0.35㊂最后,展示了100次蒙特卡洛仿真中随机一组均衡器输出星座图和剩余ISI迭代过程如图2和图3所示㊂(a)64QAM-MCMA均衡输出㊀㊀(b)64QAM-DD-MCMA均衡输出(c)64QAM-DD-MCMADD均衡输出㊀㊀(d)256QAM-MCMA均衡输出(e)256QAM-DD-MCMA均衡输出㊀㊀(f)256QAM-DD-MCMADD均衡输出图2㊀均衡器迭代8000次后输出星座图Fig.2㊀Output constellation after8000iterations of equalizer图3㊀ISI迭代过程Fig.3㊀ISI iteration process㊀㊀通过仿真结果可以得到,MCMA算法可以恢复相位旋转,低阶时可以实现均衡目的,但遇到高阶信号时,不能实现均衡㊂本文算法在同等的条件下,相较于MCMA和DD-MMA,在收敛速度相近的情况下有着更小的剩余ISI和更好的星座收敛表现㊂5 结论本文提出了一种新的基于判决引导双模式盲均衡算法,第一阶段通过并行判断MCMA算法均衡后的输出实部和虚部是否可靠,避免了错误方向的运算,实现快速收敛,在第二阶段联合DD算法,达到更小的稳态均方误差㊂该算法保留了MCMA可以恢复相位旋转的优点㊂相较于MCMA㊁DD-MCMA,在同等条件下有着更好的性能表现㊂参考文献[1]㊀LIU F,WEN S Y.Dual-mode Multi-modulus Algorithmsfor Blind Equalization of QAM Signals[C]ʊ20102ndIEEE International Conference on Information Manage-ment and Engineering.Chengdu:IEEE,2010:681-684.[2]㊀WANG L,WEN H.Soft Decision Adjusted Modulus Algo-rithm for Blind Equalization[C]ʊ2022IEEE10th JointInternational Information Technology and Artificial Intelli-gence Conference(ITAIC).Chongqing:IEEE,2022:1881-1884.[3]㊀KAVITHA V,SHARMA parison of Training,Blindand Semi Blind Equalizers in MIMO Fading SystemsUsing Capacity as Measure[C]ʊIEEE International Con-ference on Acoustics,Speech,and Signal Processing.Philadelphia:IEEE2005:589-592.[4]㊀SILVA N A,PINTO A N.Role of Amplifiers Gain on theAchievable Information Rate of M-ary PSK and QAMConstellations[J].Optics Communications,2017,383:215-222.[5]㊀CHAPIN J M,LEHR W H.Mobile Broadband Growth,Spectrum Scarcity,and Sustainable Competition[EB/OL].(2011-09-25)[2023-02-15].https:ʊwww.re-/publication/228166625_Mobile_Broad-band_Growth_Spectrum_Scarcity_and_Sustainable_Com-petition.[6]㊀PROAKIS J G.Intersymbol Interference in Digital Com-munication Systems[M].Hoboken:John Wiley&Sons,Inc.,2003.[7]㊀DARIUSH K,NURI D V,SULEYMAN S K.Adaptive andEfficient Nonlinear Channel Equalization for UnderwaterAcoustic Communication[J].Physical Communication,2017,24:83-93.[8]㊀SATO Y.A Method of Self-recovering Equalization forMultilevel Amplitude-modulation Systems[J].IEEETransactions on Communications,1975,23(6):679-682.[9]㊀GODARD D.Self-recovering Equalization and CarrierTracking in Two-dimensional Data Communication Sys-tems[J].IEEE Transactions on Communications,1980,28(11):1867-1875.[10]张艳萍,郭业才,刘金铸.适用于16QAM信号的水声信道载波恢复盲均衡算法[J].系统仿真学报,2008,20(1):156-157.[11]LYU Z,FENG B,TAN L.An Improved Dual-mode BlindEqualization Algorithm for QAM Signals[C]ʊ20226thInternational Conference on Robotics and Automation Sci-ences(ICRAS).Wuhan:IEEE,2022:283-287. [12]OH K N,CHIN Y O.Modified Constant Modulus Algo-rithm:Blind Equalization and Carrier Phase Recovery Al-gorithm[C]ʊProceedings IEEE International Conferenceon Communications ICC 95.Seattle:IEEE,1995:498-502.[13]OH K N,CHIN Y O.New Blind Equalization TechniquesBased on Constant Modulus Algorithm[C]ʊProceedingsof GLOBECOM 95.Singapore:IEEE,1995:865-869.[14]欧阳喜,葛临东.一种新的基于数据可靠性判决引导的CMA盲均衡算法[J].通信学报,2001(5):125-128.[15]戴明增,刘顺兰.一种新的基于数据可靠性判决引导盲均衡算法[J].杭州电子科技大学学报,2007(2):41-44.[16]SHALVI O,WEINSTEIN E.New Criteria for Blind Decon-volution of Nonminimum Phase Systems(Channels)[J].IEEE Transactions on Information Theory,1990,36(2):312-321.[17]WU Z,HUANG Z,WANG Z.Research of Blind Equaliza-tion Technology of Coherent Optical Communication Basedon Decision Optimization[C]ʊProceedings of the20212nd Information Communication Technologies Conference(ICTC).Nanjing:IEEE,2021:139-144.[18]PICCHI G,PRATI G.Blind Equalization and CarrierRecovery Using a Stop-and-Go Decision-directed Algorithm^[J ].IEEE Transactions on Communications,1987,35(9):877-887.作者简介:㊀㊀王国开㊀成都信息工程大学硕士研究生㊂主要研究方向:无线通信技术与应用㊂㊀㊀(∗通信作者)魏㊀华㊀博士,成都信息工程大学副教授,硕士生导师㊂主要研究方向:无线通信技术与应用㊂㊀㊀卢㊀恒㊀成都信息工程大学硕士研究生㊂主要研究方向:无线通信技术与应用㊂。
基于修正模判决的多模盲均衡算法研究
基于修正模判决的多模盲均衡算法研究
郭业才;王南南
【期刊名称】《计算机应用研究》
【年(卷),期】2014(31)8
【摘要】在通信领域中,多径传播效应和多普勒效应会使信号发生码间干扰和相位偏转,严重影响通信质量.模判决多模盲均衡算法(MDMMA)虽然在一定程度上克服了接收信号的幅度畸变,但无法纠正相位旋转.因此提出了一种修正模判决的多模盲均衡算法(MMDMMA),该算法定义了新的代价函数更新权向量迭代式,通过提取传输信号的相位信息来纠正接收信号的相位旋转,通过使用变泄漏因子准确跟踪时变信号,并通过使用判决反馈盲均衡结构性能,进一步减少码间干扰.仿真实验表明,该算法较MDMMA算法,剩余码间干扰降低了约15 dB,输出信号星座图更加紧凑,且相位旋转得到了纠正.
【总页数】3页(P2454-2456)
【作者】郭业才;王南南
【作者单位】南京信息工程大学电子与信息工程学院,南京201144;南京信息工程大学电子与信息工程学院,南京201144
【正文语种】中文
【中图分类】TN911;TP301.6
【相关文献】
1.含软判决引导的修正恒模盲均衡算法 [J], 窦高奇;高俊
2.一种分数间隔解相关修正判决反馈盲均衡算法研究 [J], 王晓东
3.基于点判决域的多模盲均衡算法及其FPGA实现 [J], 张晓娟;关明明;吴长奇
4.基于模因算法的多模盲均衡算法 [J], 郭业才;彭舒;张苗青;蔡力坚
5.卫星信道判决反馈模糊控制多模盲均衡算法 [J], 孙志
因版权原因，仅展示原文概要，查看原文内容请购买。
盲均衡优缺点总结
盲均衡优缺点总结什么是盲均衡盲均衡（Blind Equalization）是在没有接收到已知的参考信号的情况下，通过对接收信号进行处理，以恢复原始发送信号的一种信号处理技术。
盲均衡主要应用于通信领域中的数字通信系统中，用于对信道传输的数字信号进行补偿，减小信道传输的失真和损耗。
在数字通信系统中，信道是信号传输中的关键环节。
信道的复杂性和不确定性会对信号进行干扰和失真，导致接收端无法正确地恢复传输的信息。
在这种情况下，盲均衡技术就能够发挥作用，通过对接收信号进行处理，消除信道引起的失真和干扰，提高信号的准确性和可靠性。
盲均衡的优点无需事先知道信道信息盲均衡的最大优点是不需要事先知道信道的特性和参数。
在实际应用中，由于信道的复杂性和变化性，很难获得准确的信道信息。
而盲均衡技术能够在不知道信道信息的情况下，通过对接收信号进行处理，自动地补偿信道的失真和干扰，使得接收端能够准确地恢复发送信号。
灵活适应不同信道盲均衡技术具有很强的适应性，可以适应不同复杂性和变化性的信道。
在数字通信系统中，信道的特性和参数可能会发生变化，如多径效应、频率选择性衰落等。
通过适当的算法设计和优化，盲均衡技术能够适应不同的信道环境，对信号进行准确的补偿和恢复。
提高传输性能盲均衡技术能够显著提高数字通信系统的传输性能。
在信道的影响下，接收信号可能会受到失真和干扰，导致传输的信息无法正确恢复。
通过使用盲均衡技术，可以恢复信号的准确性，减小误码率，提高信号的传输质量和可靠性。
特别是在高速率和长距离的通信系统中，盲均衡技术能够更好地应对复杂信道环境带来的挑战。
盲均衡的缺点计算复杂度高盲均衡算法通常需要进行大量的计算，计算复杂度较高。
由于需要通过对接收信号进行处理，从中提取原始信号的特征并进行补偿，因此在实际应用中需要投入较高的计算资源。
尤其是对于复杂的信道环境和高速率的通信系统来说，计算复杂度更高，需要更强的计算能力支持。
容易受到噪声干扰盲均衡技术在恢复原始信号时，容易受到噪声的干扰。
一种新的双模盲均衡算法
ｏ ｓｒｔ ｈ ｔｔｅ ｐ ｏ ｅ ｌｏ ｔ ｍ ａ ｃ ｉ ｖ ｅｐ ａ ｅ ｒ ｃ ｖ ｒ ｆ ｃｉｅｙ ａ ｄ ｓ ｅ ｄ ｕ ｈ ｏ ｖ ｒ ｅ ｃ ａｅ ａ ｄ ｎ ｔａｅ ｔａ ｈ ｍｐ ｓ ｄ ａｇ ｒ ｈ ｃ ｎ ａ ｈ ｅ ｅｔ ｈ ｓ ｅ ｏ ｅｙ ｅｆ ｔ ｌ ｎ ｐ ｅ ｐ ｔ ｅ ｃ ｎ ｅｇ ｎ ｅ ｒｔ ｎ ｉ ｈ ｅ ｖ
系 统 设计 提 供 参 考 。 关键词： 均衡 ； 盲 双模 常 模 算 法 ； 收敛 速 度
中图 分 类号 ：Ｎ １ ． Ｔ ９ １５ 文献 标 识码 ： Ａ
Ａ ｗ Ｎｅ Ｄｕａ ｏ ｉ ｄ Ｅｑ ａ ｉ ａ ｉ ｎ Ａｌ ｏ ｉｈｍ ｌＭ ｄｅ Ｂｌｎ ｕ ｌ ｔｏ ｇ ｒ ｔ ｚ
摘要 ： 研究通信系统 ， 针对消除多径传播引起的码 间干扰问题， 广泛采用盲均衡算法 ， 但有稳态误差大、 收敛速度慢及 盲相 等 缺点。为了克服 Ｃ ＭＡ的缺点 ， 在修 正常模算法（ ＭＡ） ＭＣ 的基础上 ， 根据正交调幅 （ Ａ 信号星座 图分 布的特 点， Ｑ Ｍ） 提出了一 种新的双模盲均衡算法 ， 根据信号在星座图上分布区域的不 同， ＭＣ Ａ和判决引导 （ Ｄ） 法之间切换 ， 在 Ｍ Ｄ 算 以充分利用 ＭＣ — ＭＡ与 Ｄ Ｄ算法进行仿真。仿真结果表明算法能有效的恢复信号的相位 ， 提高收敛速度 ， 极大的降低稳 态均方误差 ， 为通信
ｍ ｄ ｉ ｏ ｓ ｎ ｏｕ ｓ ｌ ｒｈ （ Ｍ ｏｉｅ ｃｎｔ ｔ ｄｌ ｇ ｉ ｍ ＭＣ Ａ）ａｄｄｃ ｉ ｉ ｃ ｄ（ Ｄ）ａ ｏｉｍ ａｃｒｉｇｈ ｇ ｎ ｈｒ ｔｅ ｆｄ ａ ｍ ｕ ａ ｏｔ ｎ ｅｉｏ ｄｒ ｔ Ｄ ｓｎ ｅｅ ｌ ｒｈ ｃｏｄ ｅ ｅｉ ｓ ｅｅ ｈ ｇ ｔ ｎｔ ｒ ｏ ｗ
一种改进的MCMA盲均衡算法
一种改进的MCMA盲均衡算法
刘顺兰;王琳
【期刊名称】《杭州电子科技大学学报》
【年(卷),期】2012(032)001
【摘要】为提高盲均衡的收敛速度、进一步降低码间干扰,该文以修正常数模算法为基础,提出了基于停止与前进算法的改进修正常数模算法。
并对新算法进行了计算机仿真,结果表明：该新算法克服了常数模算法稳态误差大的缺点,纠正了常模算法存在的相位旋转问题,提高了修正常模算法收敛速度且降低了稳态误差。
【总页数】4页(P31-34)
【作者】刘顺兰;王琳
【作者单位】杭州电子科技大学通信工程学院,浙江杭州310018;杭州电子科技大学通信工程学院,浙江杭州310018
【正文语种】中文
【中图分类】TN911.7
【相关文献】
1.一种基于MCMA的双模切换变步长的盲均衡算法 [J], 朱行涛;刘郁林;敖卫东
2.一种基于stop-and-go改进的MCMA盲均衡算法 [J], 张艳萍;董方
3.一种加速MCMA-DD算法收敛速度的盲均衡改进算法 [J], 刘洋;刘东升;王斌
4.改进MCMA盲均衡算法 [J], 钟华;金国平;郑林华;崔健
5.面向毫米波应用的一种改进的常数模盲均衡算法 [J], 王瑜
因版权原因，仅展示原文概要，查看原文内容请购买。
基于卷积神经网络的盲信道均衡
基于卷积神经网络的盲信道均衡一、引言随着无线通信技术的发展，信道均衡成为了无线通信领域中一个重要的研究课题。
在无线通信系统中，由于多径效应、时变特性和信号衰减等因素，接收到的信号往往会受到严重的干扰，导致信号失真。
为了恢复原始信号，需要采用信道均衡技术。
传统的信道均衡方法，如最小均方误差(LMS)算法和最大似然序列估计(MLSE)算法，虽然在一定程度上能够实现信道均衡，但它们通常需要已知的信道状态信息，且在非线性和复杂信道环境下性能受限。
近年来，随着深度学习技术的快速发展，基于卷积神经网络(CNN)的盲信道均衡技术受到了广泛关注。
CNN作为一种强大的特征提取工具，能够自动学习信道的特性，无需信道状态信息即可实现信道均衡。
本文将探讨基于卷积神经网络的盲信道均衡技术，分析其原理、优势以及在实际应用中的挑战。
二、卷积神经网络基础卷积神经网络是一种前馈神经网络，它能够通过卷积层自动提取输入数据的特征。
CNN的核心是卷积层，它由多个卷积核组成，每个卷积核负责提取输入数据的一个局部特征。
卷积层的输出是多个特征图(feature map)，每个特征图代表了输入数据的一个特定特征。
CNN的优势在于其参数共享和局部连接的特性。
参数共享意味着同一个卷积核在输入数据的不同位置使用相同的权重，这大大减少了网络的参数数量，降低了计算复杂度。
局部连接则意味着每个卷积核只与输入数据的一个局部区域相连接，这使得网络能够捕捉到局部特征，对于图像和信号处理等任务非常有效。
三、基于卷积神经网络的盲信道均衡3.1 盲信道均衡问题盲信道均衡是指在不知道信道状态信息的情况下，通过接收到的信号来估计并补偿信道的影响。
这是一个具有挑战性的问题，因为信道的特性通常是未知的，且可能随时间变化。
传统的盲信道均衡方法，如盲辨识和盲均衡技术，通常需要复杂的算法和大量的计算资源。
3.2 卷积神经网络在盲信道均衡中的应用基于卷积神经网络的盲信道均衡技术利用CNN强大的特征提取能力，通过训练网络来学习信道的特性，从而实现信道均衡。
多麦克风降噪
课程设计任务书学生姓名：专业班级：指导教师：工作单位：武汉理工大学题目: 基于LMS 算法的多麦克风降噪初始条件：具备数字信号处理，模拟电子技术，Matlab等学科的知识。
要求完成的主要任务:给定主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声，实现语音增强的目标，得到清晰的语音信号。
(1)阅读参考资料和文献，明晰算法的计算过程，理解LMS算法基本过程；(2)主麦克风录制的语音信号是LMSprimsp.wav，参考麦克风录制的参考噪声是LMSrefns.wav.用matlab指令读取；(3)根据算法编写相应的MATLAB程序；(4)算法仿真收敛以后，得到增强的语音信号；(5)用matlab指令回放增强后的语音信号；(6)分别对增强前后的语音信号作频谱分析。
时间安排：第18周：理论讲解；第19周：理论设计，实验室安装调试以及撰写设计报告；地点：鉴主15通信工程实验室，鉴主13通信工程专业实验室；第20周：答辩；地点：鉴主15楼研究室。
指导教师签名：年月日系主任（或责任教师）签名：年月日目录摘要.................................................................................................................................................... I Abstract .. (II)1前言 (1)2 自适应滤波技术 (2)2.1 最佳滤波准则 (2)2.2 自适应噪声抵消原理 (3)2.3 自适应滤波器结构 (5)2.4 多麦克风降噪系统 (6)3 LMS 算法及应用 (7)3.1 基本LMS 算法简介 (7)3.2 LMS 算法原理 (8)3.2.1 LMS 算法过程 (8)3.2.2 梯度)(k 的近似计算 (10)3.2.3 收敛因子μ的选择 (11)3.3 基本LMS 算法的性能 (12)3.3.1 LMS 算法的特点 (12)3.3.2 LMS 算法的改进 (13)3.4 基于最小均方误差准则的自适应噪声抵消 (14)4 LMS 多麦克风降噪主程序 (15)4.1程序流程图 (15)4.2 LMS 多麦克风降噪主程序 (16)5 运行结果及分析 (18)5.1 程序运行结果 (18)5.2 结果分析 (20)5 设计总结和感想 (21)参考文献 (22)附录：源程序 (23)摘要随着社会工业生产的不断进步，各种噪声污染越来越严重。
基于LMS算法的多麦克风降噪
课程设计任务书学生姓名：专业班级：指导教师：工作单位：信息工程学院题目: 基于LMS 算法的多麦克风降噪初始条件：●MATLAB软件●数字信号处理基础知识要求完成的主要任务:给定主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声，实现语音增强的目标，得到清晰的语音信号。
（1）阅读参考资料和文献，明晰算法的计算过程，理解LMS算法基本过程；（2）主麦克风录制的语音信号是LMSprimsp.wav，参考麦克风录制的参考噪声是LMSrefns.wav.用matlab指令读取；（3）根据算法编写相应的MATLAB程序；（4）算法仿真收敛以后，得到增强的语音信号；（5）用matlab指令回放增强后的语音信号；(6）分别对增强前后的语音信号作频谱分析。
指导教师签名：2012 年月日系主任（或责任教师）签名：2012 年月日摘要随着社会工业生产的不断进步，各种噪声污染越来越严重。
目前普遍采用的模拟降噪方法已不能满足要求，未来的研究将朝着以数字信号处理器及相关算法为技术支撑的数字降噪技术发展。
滤波器设计在数字信号处理中占有极其重要的地位，Matlab功能强大、简单易学、编程效率高,深受广大科技工作者的欢迎。
特别是Matlab还具有信号分析工具箱,不需具备很强的编程能力,就可以很方便地进行信号分析、处理和设计。
利用MATLAB信号处理工具箱可以快速有效地设计各种数字滤波器。
在过去的几十年中，基于多麦克风的噪声消除问题一直是人们关注的课题。
而在众多算法中，基于LMS算法更新滤波器权值的广义旁瓣消除器结构应用最为广泛。
多麦克风降噪设计主要是通过自适应滤波器来实现的。
文中采用LMS 算法在MATLAB 中实现了自适应滤波器的设计与实现。
在MATLAB 中建立了数字降噪系统模型，并且针对该模型利用MATLAB 语言进行编程，仿真结果表明此设计实现了对信号中混有的环境噪声进行降噪，并且效果远远高于模拟降噪技术。
关键词：MATLAB，语音增强，LMS算法，多麦克风AbstractWith the social progress of industrial production, all kinds of noise pollution is more and more serious. The current widespread use of the simulation of the noise reduction method can not meet the requirement has, and further research will toward to digital signal processor and related algorithm for technical support digital noise reduction technology development.Filter design in digital signal processing plays an extremely important role,. Matlab is powerful, easy to learn, programming efficiency, which was welcomed by the majority of scientists. Matlab also has a particular signal analysis toolbox, it need not have strong programming skills can be easily signal analysis, processing and design. Using MATLAB Signal Processing Toolbox can quickly and efficiently design a variety of digital filters. In the past few decades, based on the noise of the microphone is always the people to pay attention to eliminate the subject. And in numerous algorithm, LMS algorithm based on the generalized update filter weight value side-lobe eliminate most widely used the structure. More noise reduction design mainly through the microphone to realize adaptive filter. This article apply LMS algorithm in MATLAB realize adaptive filter, the design and implementation. In MATLAB established digital noise reduction system model, and the model for use of MATLAB language programming, the simulation results show that the designed to signal mix in some environmental noise noise reduction, and the effect is far higher than analog noise reduction technology.Keywords：MATLAB，Speech enhancement, LMS algorithm, microphone目录摘要 (I)ABSTRACT ...................................................................................................... I I 目录 (1)2原始语音信号采集与处理 (3)2.1语音信号的采样理论依据 (4)2.1.1采样频率 (4)2.1.2采样位数 (4)2.1.3采样定理 (4)2.2语音信号的采集 (5)2.3语音信号的时频分析 (5)2.4语音信号加噪与频谱分析 (7)3基于LMS自适应滤波器的设计 (9)3.1基本LMS算法 (9)3.2自适应噪声抵消原理 (14)3.3基于最小均方误差准则(LMS)的自适应噪声抵消 (15)3.4LMS算法程序 (17)4 滤波并比较滤波前后信号的波形及频谱 (19)4.1验证所设计的自适应滤波器 (19)4.2对主麦克风音频信号滤波 (22)4.2.1程序流程图 (22)4.2.2 LMS自适应滤波 (23)4.3调试分析 (27)心得体会 (29)参考文献 (31)附录：源程序 (33)1前言多麦克风降噪是降噪技术的一个重要应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要 ： 盲 均衡算 法 的传 统实 现方 式大都 基于 随机梯度 下 降法 ， 随机梯度 法 实现简 单 的代价 是较
慢 的收敛 速度 和较 大 的稳 态误差 。文 章基 于实用 性 的考 虑 ， 采 用批 数据处 理方 式 ， 给 出 了多模
盲均衡 算法 的一种 最速下 降实现 方法 ， 该方 法在每 次迭代 过程 中不 需要产 生均衡 器输 出， 而是
第 １ ４卷 第 ６期
２ ０ １ ３年 １２月
信 息 工 程 大 学 学 报
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ
Ｖｏ １ ．１ ４ Ｎｏ ． ６ Ｄｅ ｃ ． ２ Ｏ１ ３
（ Ｓ Ｇ Ｄ）ｍｅ ｔ ｈ ｏ ｄ ．Ｓ ＧＤ ｈ ａ ｓ ｌ ｏ ｗ ｃ ｏ ｍｐ ｌ ｅ ｘ ｉ ｔ ｙ ａ ｔ ｔ ｈ ｅ ｃ ｏ ｓ ｔ ｏ ｆ ｓ ｌ ｏ ｗ ｅ ｒ ｃ ｏ ｎ ｖ ｅ ｒ ｇ ｅ ｎ ｃ ｅ ａ ｎ ｄ ｇ ｒ ｅ ａ ｔ ｅ ｒ ｓ ｔ ｅ ａ ｄ ｙ － ｓ ｔ ａ ｔ ｅ
Ｗ ＡＮＧ Ｄａ — ｌ ｅ ｉ ．ＹＡＮＧ Ｂｉ ｎ．Ｗ Ｕ Ｙｉ ｎ ｇ
（ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ，Ｚ ｈ ｅ ｎ ｇ ｚ ｈ ｏ ｕ ４ ５ ０ ０ ０ １ ，Ｃ ｈ ｉ ｎ ａ ）
ｃ ｏ ｎ ｖ ｅ ｒ ｇ ｅ ｎ ｃ ｅ ｓ ｐ ｅ ｅ ｄ ａ ｎ ｄ ｌ ｅ ｓ ｓ ｓ ｔ ｅ ａ ｄ ｙ — ｓ ｔ ａ ｔ ｅ ｅ ｒｏ ｒ ｓ 。Ｔ ｈ ｅ ｎ ｏ ｖ ｅ ｌ ｍｅ ｔ ｈ ｏ ｄ ｗｉ ｌ ｌ ｏ ｎ ｌ ｙ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ａ ｉ ｆ ｘ ｅ ｄ ｐ ｒ ｏ － ｃ ｅ ｓ ｓ ｉ ｎ ｇ ｄ ｅ ｌ ａ ｙ ｐ ｉ ｐ ｅ ｌ ｉ ｎ ｅ，ｍ ａ ｋ ｉ ｎ ｇ ｉ ｔ ｗｅ ｌ ｌ ｓ ｕ ｉ ｔ ｅ ｄ ｏｒ ｆ ｂ ｏ ｔ ｈ ｉｘ ｆ ｅ ｄ ａ ｎ ｄ ｖ ａ ｒ ｉ ａ ｂ ｌ ｅ ｌ ｅ ｎｇ ｔ ｈ ｐ ａ ｃ ｋ ｅ ｔ ｔ ｒ ａ ｎ ｓ ｍｉ ｓ ｓ ｉ ｏ ｎ ｓ ． Ｋｅ ｙ ｗｏ ｒ ｄｓ： ｂ ｌ ｉ ｎ ｄ ｅ ｑ ｕ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ； ＭＭＡ； ｓ ｔ ｅ ｅ ｐ ｅ ｓ ｔ ｄ ｅ ｓ ｃ ｅ ｎ ｔ ； ｂ ａ ｔ ｃ ｈ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ
直 接利用 接 收数据 的统计 量和 当前均 衡器 系数来 估 计代 价 函数 的最速 下 降方 向， 具 有 收敛速 度快， 稳态误 差小 的特 点 ； 可 以实 现 流水 线 武 的实 时处 理 ， 适 合 包 长 固定 或 可 变 的信 号 传 输
场合。
关键 词 ： 盲均衡 ； 多模 盲均衡 算 法 ； 最速 下 降； 批处理
Ａｂｓ ｔ ｒ ａ ｃ ｔ： Ｂｌ ｉ ｎ ｄ ｅ ｑ ｕａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍｓ ａ ｒ ｅ ｇ ｅ ｎ ｅ ｒ ａ ｌ ｌ ｙ ｏ ｐ ｔ ｉ ｍｉ ｚ ｅ ｄ ｖ ｉ ａ ｓ ｔ ｏ ｃ ｈ ａ ｓ ｔ ｉ ｃ ｇ ｒ ａ ｄ ｉ ｅ ｎ ｔ ｄ ｅ ｓ ｃ ｅ ｎ ｔ
中图分类 号 ： Ｔ Ｎ ９ １ １ ． ５ 文献标 识码 ： Ａ 文章编 号 ： １ ６ ７ １ － ０ ６ ７ ３ （ ２ ０ １ ３ ） ０ ６ — ０ ６ ８ ０ ０６ －
Ｓｔ ｅ ｅ ｐ ｅ ｓ ｔ Ｄｅ ｓ ｃ ｅ ｎ ｔ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ Ｉ ｍｐｌ ｅ ｍｅ ｎｔ ａ ｔ ｉ ｏ ｎ ｆ ｏ ｒ Ｍ ｕｌ ｔ ｉ ｍｏ ｄ ｕｌ ｕ ｓ Ｂｌ ｉ ｎ ｄ Ｅｑ ｕ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ
ｂ ａ ｓ ｅ ｄ ｏ ｎ ｅ ｑ ｕ ａ ｌ ｉ ｚ ｅ ｒ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ａ ｎ ｄ ｐ ｒ ｅ — ｃ ｏ ｍｐ ｕ ｔ ｅ ｄ ｃ ｈａ ｎ ｎ ｅ ｌ ｏ ｕ ｔ ｐｕ ｔ ｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ｓ ， ｗｈ ｉ ｃ ｈ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｉ ｎ ｈｉ ｇ ｈ ｅ ｒ
ＤＯ Ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ６ ７ １ ０６ － ７ ３ ． ２ ０ １ ３ ． ０ ６ ． ０ ０ ７
多模 盲均 衡 算 法 的一 种 最 速下 降优 化 实 现方 法
王 大 磊 ，杨 宾 ，吴 瑛
（ 信 息 工 程 大学 ， 河南 郑州 ４ ５ ０ ０ ０ １ ）