寬帶衛(wèi)星通信信道均衡技術(shù)研究

蔣 劼

（重慶航天職業(yè)技術(shù)學(xué)院，重慶 400021）

0 引 言

衛(wèi)星通信頻段包括包含多個(gè)波段，通信容量最高可達(dá)200 Gb/s。當(dāng)前的衛(wèi)星通信要求實(shí)時(shí)處理和傳輸海量數(shù)據(jù)，星地間數(shù)據(jù)速率達(dá)數(shù)千兆位甚至更高，數(shù)據(jù)傳輸速率越來越高。寬帶衛(wèi)星通信系統(tǒng)有許多類型的寬帶濾波器用于限制信號(hào)帶寬和抑制噪聲[1]。升余弦濾波器最具代表性，其脈沖響應(yīng)會(huì)保持一定長(zhǎng)度的前后拖尾，以便獲得更好的濾波器效果。如果存在時(shí)序不匹配，則會(huì)加劇前后尾部之間的干擾，從而形成符號(hào)間干擾。另外，帶通濾波器的非線性相位也是產(chǎn)生符號(hào)間干擾的主要因素。消除符號(hào)間干擾是衛(wèi)星信道中高速傳輸數(shù)據(jù)的關(guān)鍵。均衡技術(shù)可以大大減少符號(hào)間的干擾，改善頻譜擴(kuò)展和非線性失真引起的信道失真，提升傳輸速率。因此，增加均衡器可以均衡失真的數(shù)字脈沖，有效地減少符號(hào)間的干擾。

1 符號(hào)間干擾消除原理

在數(shù)字基帶傳輸系統(tǒng)中，由于非理想信道的存在，符號(hào)間始終會(huì)存在干擾。因此，需要在基帶系統(tǒng)中插入某種類型的可調(diào)濾波器用于抵抗干擾，即均衡器。簡(jiǎn)單來說，就是在接收濾波器、判決器之間添加一個(gè)均衡器，如圖1所示。

如果d(t)是原始信號(hào)，而x(t)是復(fù)基帶脈沖響應(yīng)，即x(t)全面體現(xiàn)了收/發(fā)濾波器、信道的整體傳輸特性。若針對(duì)不同的信號(hào)頻率，傳統(tǒng)信道的響應(yīng)存在差異，會(huì)導(dǎo)致信號(hào)頻率衰減，而均衡器能有效減少信號(hào)頻率衰減，從而使接收頻譜的每個(gè)部分的衰減區(qū)域平整，相位趨于線性[2]。對(duì)于隨時(shí)間變化的信道，自適應(yīng)均衡器可以實(shí)時(shí)跟蹤信道隨時(shí)間變化的特性。

2 常見的均衡技術(shù)及均衡器類型

均衡技術(shù)包括線性均衡、非線性均衡兩種，它們之間最大的不同在于自適應(yīng)均衡器的輸出如何用于控制部分均衡器序列。通常，模擬信號(hào)y'(t)通過接收器中的判決器執(zhí)行幅度限制或門限操作，以確定信號(hào)的數(shù)字邏輯值y(t)。如y(t)沒有被用在均衡器的反饋邏輯中，則為線性均衡，反之則為非線性均衡?？善鸬骄庾饔玫臑V波器有多種，根據(jù)類型、結(jié)構(gòu)和算法，可以對(duì)常見均衡器進(jìn)行分類，具體如圖2所示。

圖1 帶均衡器的基帶系統(tǒng)

圖2 均衡器及其對(duì)應(yīng)算法分類

2.1 線性均衡器

線性均衡器可以用FIR濾波器實(shí)現(xiàn)。根據(jù)濾波器系數(shù)線性疊加接收信號(hào)的當(dāng)前值和過去值，并使用疊加后的總和作為輸出。如果單元、抽頭增益為模擬信號(hào)，則均衡器的波形輸出以符號(hào)速率被采樣傳輸至判決器[3]。然而，均衡器的采樣信號(hào)往往保存于移位寄存器中。線性均衡器也可以使用光柵濾波器來實(shí)現(xiàn)，其主要優(yōu)點(diǎn)包括收斂快、穩(wěn)定性高，且能夠靈活調(diào)節(jié)有效長(zhǎng)度。其主要缺點(diǎn)是結(jié)構(gòu)比線性FIR（有限長(zhǎng)單位沖激響應(yīng)）濾波器更復(fù)雜。

2.2 判決反饋均衡器

判決反饋均衡的基本原理是一旦識(shí)別并確定了一個(gè)信息符號(hào)，它就能消除該信息符號(hào)帶來的符號(hào)間干擾。該類均衡器可通過橫向?yàn)V波器實(shí)現(xiàn)，橫向?yàn)V波器包括前饋濾波器、反饋濾波器兩部分。反饋濾波器可通過系數(shù)調(diào)整，消除之前符號(hào)、當(dāng)前符號(hào)的干擾。預(yù)測(cè)判決反饋均衡也包含前饋濾波器。但是，反饋濾波器由檢測(cè)器的輸出和前饋濾波器的輸出之間的差異驅(qū)動(dòng)。由于它預(yù)測(cè)包含在前饋濾波器中的噪聲和符號(hào)間的剩余干擾，并在反饋延遲后減去檢測(cè)器的輸出，因此在此將反饋濾波器稱為噪聲預(yù)測(cè)器。由于前饋濾波器中抽頭的數(shù)量有限以及反饋濾波器的無窮大，因此預(yù)測(cè)判決反饋均衡的性能類似于常規(guī)判決反饋均衡。預(yù)測(cè)反饋均衡器中的反饋濾波器也可以用光柵結(jié)構(gòu)實(shí)現(xiàn)。此時(shí)，可以使用集成運(yùn)放負(fù)載RLS網(wǎng)格算法快速形成收斂。

2.3 自適應(yīng)均衡器

常規(guī)的均衡技術(shù)原理是通過對(duì)比分析訓(xùn)練序列、接收序列二者之間的差異，有針對(duì)性地調(diào)整抽頭系數(shù)，達(dá)到縮小誤差的目的，通過迭代計(jì)算獲得最理想的均發(fā)射序列估計(jì)值，調(diào)整之后的抽頭系數(shù)用于真正的通信。自適應(yīng)均衡器則是通過權(quán)重的調(diào)整提高輸入信號(hào)的質(zhì)量，縮小信號(hào)誤差，時(shí)信道性能大大提升。然而，自適應(yīng)均衡器也有其局限性，其需要在信號(hào)真正傳輸之前傳輸訓(xùn)練序列，利用訓(xùn)練序列學(xué)習(xí)權(quán)重，導(dǎo)致頻帶利用率降低。

2.4 盲均衡器

自適應(yīng)均衡器必須重復(fù)發(fā)送訓(xùn)練序列，以恢復(fù)和均衡具有時(shí)變信道特性的數(shù)據(jù)。盲均衡技術(shù)無須訓(xùn)練即可實(shí)現(xiàn)數(shù)據(jù)均衡，有效彌補(bǔ)了自適應(yīng)均衡技術(shù)的缺點(diǎn)。盲均衡算法根據(jù)先前輸入信息確定價(jià)值函數(shù)，再利用相關(guān)學(xué)習(xí)算法獲得價(jià)值函數(shù)最小值，以達(dá)到收斂的目的，使輸出序列接近傳輸順序列的最佳估計(jì)值。

3 含集成運(yùn)放負(fù)載RL反饋的盲均衡算法

3.1 盲均衡系統(tǒng)框架

盲均衡技術(shù)無須滿足信道盲均衡，不需要進(jìn)行訓(xùn)練，可以最大程度地還原信號(hào)。為了均衡并校正信道的傳輸特性，提高均衡能力，使調(diào)制識(shí)別信號(hào)更可靠，提高調(diào)制檢測(cè)網(wǎng)絡(luò)的檢測(cè)率，本文提出了具有集成運(yùn)放負(fù)載RL（集成運(yùn)放負(fù)載RL）反饋的盲均衡系統(tǒng)。該系統(tǒng)中通過衛(wèi)星信道發(fā)送的調(diào)制信號(hào)發(fā)送到地面站時(shí)，先線利用盲均衡系統(tǒng)最大限度地恢復(fù)信號(hào)，提高信噪比，再將還原后的信號(hào)發(fā)送至基于Saprk通用并行分布式計(jì)算框架的處理平臺(tái)，處理調(diào)制信號(hào)，訓(xùn)練調(diào)制信號(hào)模式識(shí)別網(wǎng)絡(luò)，經(jīng)過充分訓(xùn)練的調(diào)制信號(hào)模式識(shí)別網(wǎng)絡(luò)可經(jīng)由上行鏈路傳輸至衛(wèi)星，以進(jìn)行后續(xù)的調(diào)制信號(hào)模式識(shí)別。衛(wèi)星信道傳輸信號(hào)帶來的符號(hào)間干擾會(huì)影響調(diào)制信號(hào)識(shí)別效果。為了將存在符號(hào)間干擾的調(diào)制信號(hào)盡可能地重置為最初的調(diào)制信號(hào)，可以運(yùn)用包含集成運(yùn)放負(fù)載RL反饋的盲均衡算法，在調(diào)制信號(hào)進(jìn)入深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）之前，通過均衡技術(shù)減少諸如符號(hào)間干擾等因素對(duì)原始信號(hào)的干擾，提高調(diào)制信號(hào)的檢測(cè)精度。

采用盲均衡技術(shù)處理調(diào)制信號(hào)模式識(shí)別網(wǎng)絡(luò)時(shí)，信號(hào)的符號(hào)間干擾來自衛(wèi)星傳輸信道。帶集成運(yùn)放負(fù)載RL反饋的盲均衡算法運(yùn)用于符號(hào)間干擾消除。信號(hào)調(diào)制之后被壓縮保存于內(nèi)存，而Spark分布式并行平臺(tái)計(jì)算機(jī)平臺(tái)則用于并行計(jì)算和訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)DCNN，直到滿足完成條件為止，保存最佳訓(xùn)練模型，然后將測(cè)試數(shù)據(jù)輸入訓(xùn)練模型以預(yù)測(cè)信號(hào)的調(diào)制方式，評(píng)估模型準(zhǔn)確率。為了改善信號(hào)質(zhì)量有必要最大程度地還原原始信號(hào)，減少信號(hào)誤差，以便借助集成運(yùn)放負(fù)載RL反饋算法獲取信號(hào)。帶有集成運(yùn)放負(fù)載RL反饋的盲均衡器是基于長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）網(wǎng)絡(luò)的均衡器[4]。長(zhǎng)短期記憶網(wǎng)絡(luò)借助LSTM不但能學(xué)習(xí)信息的特性和關(guān)聯(lián)，還能調(diào)整信息之間的關(guān)系，以提高信號(hào)恢復(fù)的效果，達(dá)到理想的均衡效果。通過在學(xué)習(xí)期間輸入數(shù)據(jù)，可以將增強(qiáng)型學(xué)習(xí)應(yīng)用于盲均衡，以達(dá)到不需要訓(xùn)練序列的目的。檢索輸入數(shù)據(jù)后更新當(dāng)前模型，并將其用于評(píng)估當(dāng)前網(wǎng)絡(luò)的性能，確定下一個(gè)更新方向，進(jìn)行迭代更新，直到模型收斂為止。增強(qiáng)型學(xué)習(xí)算法需要明確的目標(biāo)。例如，均衡器的目標(biāo)是還原均衡數(shù)據(jù)，獲得傳輸序列的最佳估計(jì)值，然后基于該目標(biāo)執(zhí)行網(wǎng)絡(luò)更新。

3.2 含集成運(yùn)放負(fù)載RL反饋的盲均衡算法設(shè)計(jì)

常規(guī)的均衡算法根據(jù)現(xiàn)有的參數(shù)，借助訓(xùn)練序列在衛(wèi)星傳輸信道中傳輸信號(hào)，并將訓(xùn)練序列、接收序列進(jìn)行對(duì)比，分析其中的誤差，最終實(shí)現(xiàn)抽頭系數(shù)的優(yōu)化，減少偏差。常規(guī)均衡方法存儲(chǔ)抽頭系數(shù)以進(jìn)行實(shí)際通信，因此需要事先傳輸訓(xùn)練序列，占用的帶寬較多，導(dǎo)致微信通信信息傳輸性能受到影響。另外，該算法通常必須發(fā)送通信系統(tǒng)的訓(xùn)練序列，以實(shí)現(xiàn)信道環(huán)境的及時(shí)優(yōu)化?；诖?，無須訓(xùn)練序列的盲平衡方法應(yīng)用日益廣泛。帶有集成運(yùn)放負(fù)載RL反饋的盲均衡算法能顯著增強(qiáng)均衡能力，大大提高調(diào)制信號(hào)識(shí)別網(wǎng)絡(luò)中的可靠性及識(shí)別精度。

調(diào)制信號(hào)通過衛(wèi)星信道傳輸后，利用帶集成運(yùn)放負(fù)載RL反饋的盲均衡算法對(duì)其進(jìn)行處理，對(duì)比分析調(diào)制信號(hào)輸出與原始信號(hào)之間的偏差，最大限度地縮小差異，以提高均衡效果。將均衡處理之后的信號(hào)存儲(chǔ)于內(nèi)存，并在Spark分布式并行平臺(tái)上并行DCNN網(wǎng)絡(luò)訓(xùn)練，直到結(jié)果滿足訓(xùn)練終止條件為止[5]。預(yù)測(cè)當(dāng)前模型的精度并輸出預(yù)測(cè)調(diào)制模式，利用帶RL反饋的LSTME盲均衡器處理衛(wèi)星信道傳輸?shù)恼{(diào)制信號(hào)以獲取恢復(fù)后的調(diào)制信號(hào)，壓縮該調(diào)制信號(hào)，并將其存儲(chǔ)在內(nèi)存中，當(dāng)需要進(jìn)行資源調(diào)度時(shí)，可以利用流計(jì)算模塊對(duì)信號(hào)實(shí)施并行計(jì)算分析，將獲得的調(diào)制信號(hào)傳輸至DCNN網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，直至結(jié)果滿足訓(xùn)練終止條件為止，保存最理想的模型用于新的調(diào)制信號(hào)預(yù)測(cè)。帶有集成運(yùn)放負(fù)載RL反饋的盲均衡算法偽代碼如圖3所示。

圖3 含集成運(yùn)放負(fù)載RL反饋的盲均衡算法偽代碼

以寬帶衛(wèi)星調(diào)制信號(hào)圖作為輸入，通過4層長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM），再基于損耗函數(shù)求解迭代次數(shù)，計(jì)算當(dāng)前結(jié)果的值函數(shù)、存儲(chǔ)模型、調(diào)整權(quán)重，實(shí)施迭代偏置以獲得損耗函數(shù)的最低值以及迭代次數(shù)的最大值[6]。如迭代次數(shù)達(dá)到最大值，可利用測(cè)試集預(yù)測(cè)當(dāng)前模型的價(jià)值函數(shù)，即原始信號(hào)與恢復(fù)信號(hào)的偏差以及原始信號(hào)與均衡后的已調(diào)制最終輸出信號(hào)的變差。

4 結(jié) 論

衛(wèi)星通信信道環(huán)境不確定性因素較多，對(duì)信道均衡效果有較大影響，會(huì)降低調(diào)制信號(hào)識(shí)別精度。本文首先分析了現(xiàn)階段幾種主流均衡器，然后針對(duì)需實(shí)現(xiàn)傳輸訓(xùn)練序列的傳統(tǒng)均衡方法存在的帶寬浪費(fèi)、信息傳輸效率低下等問題進(jìn)行分析，并提出了含有集成運(yùn)放負(fù)載RL反饋的盲均衡算法。