王 雷,吳長(zhǎng)奇
(1.92785部隊(duì),河北 秦皇島066200;2.燕山大學(xué) 信息學(xué)院,河北 秦皇島066004)
數(shù)字有線電視主要采用QAM調(diào)制方式,高階的QAM調(diào)制具有較高的頻帶率用率,已經(jīng)成為現(xiàn)代通信的重要手段。但是隨著調(diào)制階數(shù)不斷提高,給盲均衡增大了難度。恒模算法(CMA)[1]和修正的恒模算法(MCMA)[2],由于只有單一模值進(jìn)行判決比較,對(duì)于4階以上具有多模值形式的QAM星座,收斂達(dá)不到最優(yōu)。在MCMA算法基礎(chǔ)上提出的雙模式盲均衡算法(MCMA+DD)[3-4],要達(dá)到正好在眼圖打開轉(zhuǎn)化為DD判決算法,比較難于實(shí)現(xiàn)。而加權(quán)多模盲均衡算法(WMMA)[5],雖然能實(shí)現(xiàn)算法模式的逐步轉(zhuǎn)變,但需要預(yù)先通過(guò)仿真設(shè)定權(quán)值門限,工作量太大。文獻(xiàn)[6]提出的改進(jìn)加權(quán)多模盲均衡算法(IWMMA)雖然不需要設(shè)定門限,但靜態(tài)多模盲均衡算法(FWMMA)[5]權(quán)值的得出本來(lái)就是通過(guò)多次仿真實(shí)驗(yàn)得到,具有不確定性,而且對(duì)不同的信號(hào)還得提前計(jì)算理想權(quán)值,通用性差。因此,本文提出了一種改進(jìn)的加權(quán)多模盲均衡算法(MWMMA),該算法引入Sigmoid函數(shù)的變形,通過(guò)均方誤差的逐步減小對(duì)指數(shù)冪進(jìn)行調(diào)整,實(shí)現(xiàn)MCMA模式通過(guò)多模逐步轉(zhuǎn)變?yōu)镈D模式。
圖1是盲均衡系統(tǒng)的基帶等效模型。
發(fā)送信號(hào)通過(guò)信道后接收信號(hào)采樣序列為
圖1 盲均衡系統(tǒng)模型
式中:s(n)是原始發(fā)送QAM信號(hào)序列,且s(n)=sr(n)+jsi(n),sr(n)和si(n)分別是信號(hào)的實(shí)部和虛部;h(n)是信道的沖激響應(yīng);v(n)是加性高斯白噪聲。y(n)是線性均衡器的輸出序列,其輸出關(guān)系可表示為
式中:y(n)=yr(n)+jyi(n);W(n)=(w0(n),w1(n),…,wM(n))T是均衡器抽頭系數(shù)向量,M是均衡器階數(shù)n)是判決器的輸出序列。
文獻(xiàn)[5]提出了一種加權(quán)多模算法—WMMA(Weighted Multi-Modulus Algorithm),這種算法引入判決符號(hào)的指數(shù)冪來(lái)調(diào)整代價(jià)函數(shù)中的模值,在均衡器系數(shù)迭代過(guò)程中自適應(yīng)修正模值,從而實(shí)現(xiàn)均衡模式轉(zhuǎn)變。其代價(jià)函數(shù)的形式為
式中,加權(quán)因子λr,λi∈[0,2]。實(shí)部和虛部的模值分別為
式中,參數(shù)η為遺忘因子,取0.99。
由于門限值選取不同得到的仿真結(jié)果也會(huì)不同,具有不確定性,而要得到最優(yōu)閾值狀態(tài)必須經(jīng)過(guò)大量仿真實(shí)驗(yàn),復(fù)雜度高,本文引入Sigmoid函數(shù)通過(guò)均方誤差的逐步減小,實(shí)現(xiàn)加權(quán)值λr和λi從0~2的轉(zhuǎn)變,使算法從MCMA逐步切換到DD。新的指數(shù)冪權(quán)值取值方法為
圖2 λ隨均方誤差變化圖
根據(jù)式(3)定義的代價(jià)函數(shù),可以推導(dǎo)出均衡器抽頭系數(shù)更新公式為
為了評(píng)估本文均衡算法的性能,以有線電視常用的64QAM為處理信號(hào),采用復(fù)信道模型為h=[-0.005-0.004j,0.009+0.030j,-0.024-0.104j,0.854+0.520j,-0.218+0.273j,0.049-0.074j,-0.016+0.020j][7];輸入信號(hào)序列為5 000個(gè)采樣;采用11抽頭系數(shù)的線性均衡器,初始化均衡器中心抽頭為1,其他為0;信噪比為20 dB,迭代步長(zhǎng)為5×10-5。對(duì)CMA,MCMA,F(xiàn)WMMA,WMMA以及本文的MWMMA均衡算法進(jìn)行仿真,得到圖3~圖9。
圖3為信道輸入的64QAM星座圖;圖4為通過(guò)信道模型之后的星座圖,可以看出由于信道的非理想特性,已經(jīng)對(duì)輸入信號(hào)產(chǎn)生了嚴(yán)重的失真。圖5~圖9分別為運(yùn)用CMA,MCMA,F(xiàn)WMMA(λ(n)=0.700),WMMA和MWMMA算法進(jìn)行仿真后的信號(hào)星座圖。通過(guò)比較可以看出,圖5的CMA算法不僅沒(méi)有對(duì)相位進(jìn)行調(diào)整,而且輸出后的星座圖收斂得最差;圖6的MCMA算法雖然對(duì)相位進(jìn)行了恢復(fù),但是它也是基于一般單模理論進(jìn)行的均衡,均衡后星座點(diǎn)依然不夠集中;圖7為FWMMA均衡算法均衡后的信號(hào)星座圖,是文獻(xiàn)[5]通過(guò)大量仿真實(shí)驗(yàn)得出的對(duì)64QAM信號(hào)均衡固定模式中的最優(yōu)模式,但它沒(méi)有最終轉(zhuǎn)變?yōu)镈D判決算法,還有優(yōu)化的空間;圖9是本文提出的改進(jìn)的加權(quán)算法,此算法均衡后星座點(diǎn)與前3種算法均衡后圖形相比收斂得很集中,均衡效果可以達(dá)到從實(shí)驗(yàn)仿真得到的最佳閾值的WMMA均衡后的效果,如圖8所示。
為了比較穩(wěn)態(tài)性能,定義均衡器輸出端的剩余碼間干擾為
式中:h(n)表示信道系數(shù)向量;w(n)表示均衡器系數(shù)向量。通過(guò)仿真比較FWMMA(λ=0.700),WMMA和MWMMA均衡后剩余碼間干擾,如圖10所示。FWMMA在2 300次迭代后剩余碼間干擾在-27 dB上下仍有較大波動(dòng);WMMA在迭代3 000次收斂到-42 dB上下;MWMMA在迭代2 500次收斂到-41 dB上下。通過(guò)比較可以看出,改進(jìn)的算法雖然不需要大量實(shí)驗(yàn)預(yù)先確定閾值,但仍能實(shí)現(xiàn)較好的均衡效果。
圖10 剩余碼間干擾比較
為了驗(yàn)證本文算法的通用性,應(yīng)用此算法對(duì)更高階的256QAM信號(hào)進(jìn)行均衡,迭代步長(zhǎng)設(shè)定為3×10-6,其他標(biāo)準(zhǔn)不變。仿真結(jié)果如圖11~圖14所示??梢钥闯霭l(fā)送信號(hào)(圖11)通過(guò)非理想信道后信號(hào)受到嚴(yán)重干擾(圖12),經(jīng)過(guò)MWMMA算法均衡后輸出信號(hào)星座已經(jīng)收斂集中(圖13),均衡的剩余碼間干擾在經(jīng)過(guò)3 600次迭代后也收斂到-42 dB上下,從仿真結(jié)果可以看出此算法適用于高階QAM信號(hào)。
針對(duì)數(shù)字有線電視常用的高階QAM信號(hào)特性,本文提出了對(duì)加權(quán)多模盲均衡的一種改進(jìn)算法。新算法引入Sigmoid函數(shù),在不需要設(shè)定門限的條件下,實(shí)現(xiàn)從MCMA通過(guò)多模逐步轉(zhuǎn)變到DD算法,降低了仿真的工作量,而且通用性更強(qiáng)。通過(guò)對(duì)64QAM信號(hào)仿真表明:該算法能夠有效實(shí)現(xiàn)收斂,達(dá)到較小的剩余碼間干擾,適用于高階QAM信號(hào)。
[1]GODARD D N.Self-recovering equalization and carrier tracking in twodimensional communication systems[J].IEEE Trans.Communications,1980,28(11):1867-1875.
[2]潘立軍,劉澤民.兩種改進(jìn)的盲均衡算法[J].電路與系統(tǒng)學(xué)報(bào),2006,11(2):140-144.
[3]PAPADIAS C B,SLOCK D T M.On the decision directed equalization of constant modulus signals[C]//Proc.1994 Conference Record of the 28th Asilomar Conference on Signals,Systems and Computers.[S.l.]:IEEE Press,1994,2:1423-1427.
[4]GUO Y C,HAN Y G,ZHOU Q X,et al.Decision circle based dual-mode constant modulus blind equalization algorithm[C]//Proc.the 8th International Conference on Signal Processing.Beijing:IEEE Press,2006,3:1-4.
[5]許小東,戴旭初,徐佩霞.適合高階QAM信號(hào)的加權(quán)多模盲均衡算法[J].電子與信息學(xué)報(bào),2007,29(6):1352-1355.
[6]薛偉,楊小牛,張朝陽(yáng).一種改進(jìn)的加權(quán)多模盲均衡算法[J].系統(tǒng)仿真學(xué)報(bào),2011,23(3):451-455.
[7]劉媛濤,葛林東,王彬.用于數(shù)字電視的盲均衡技術(shù)研究[J].電視技術(shù),2006,30(7):14-17.