周舟
国网湘西供电公司 湖南湘西 416000
摘要：自适应均衡是一种减少无线通信中符号间干扰(ISI)的方法，自适应算法要求已知训练序列来跟踪信道的时变特性，从而利用额外的带宽。在所有类型的传输(例如，不合作环境)中有训练序列也是不切实际的。盲算法是在没有训练序列的情况下跟踪信道时变特性的概念。然而，这会导致缓慢的收敛。本文探讨了自适应LMS算法和基于Sato的盲算法对PAM信号的性能。
关键词：无线通讯；适应算法；均衡技术
引言：符号间干扰(ISI)和热噪声是制约信息传输系统性能的两个主要因素。本质上，ISI是由发射滤波器、传输介质和接收滤波器中的色散产生的。在带限(频率选择性)时间色散信道中，ISIIS是由多径传播引起的。
1.无线通讯中适应算法
调制脉冲在时间上被展开成相邻的符号，扭曲了发送的信号，给接收机带来了信息误差。热噪声是在接收器的表面产生的。对于带宽有限的信道，ISI被认为是无线信道高速信息传输的主要缺点。一旦接收到的符号包含ISI和带内噪声，标准带限制滤波器无法恢复信息。符号间干扰将通过受害者均衡技术消除。用0.0006作为具有PAM信号的盲均衡的最佳步长值。在步长为0.015的情况下，自适应LMS算法的速度更快。但是我们的实验结果表明，0,0006的a太低，从而导致了缓慢的收敛。尽管0.6的值是支持更快收敛的最佳值，但超过这个值，它并不收敛于任何PAM符号。第四部分研究了PAM输入信号的自适应和盲均衡算法的性能。内部均衡器对预期信道幅值和延迟特性的平均范围进行补偿。均衡器算法程序、均衡器结构和多径辐射信道修正率是影响均衡器收敛时间扩展的三个主要因素。两个重要问题：不平等设计和具有均衡的脉冲序列，具有零ISI和零信道失真。这意味着，脉冲响应和均衡器脉冲响应的卷积应该相等，在滤波器范围和内的相反的采样点有一个在龙头中心，另一个为零。自动综合和自适应是估计滤波器系数的两种策略。在自动合成方法中，均衡器通常将接收到的时域参考信号与纯训练信号进行比较。这通常是保持在接收器和一个时域错误信号被确定。计算的误差信号是用于估计反滤波系数。在自适应滤波器综合方法中，均衡器计算支持均衡器输出与决策装置产生的可计算发射信号之间的区别的误差信号。[1]
2.浅析无线通讯中适应算法及均衡技术的应用
2.1自动均衡技术
与错误信号值对应的迭代，它们被重新优化为零误差。这种自动综合均衡方法的主要缺点是，在训练信号的相关开销中，至少要有滤波器抽头的长度。这需要进行培训，在启动时为筛选器提供服务，这可能是初始化开销的一部分。移动弱化信道可能是随机和时变的，均衡者应该跟踪信道的时变特性，因此称为自适应均衡器。自适应信道均衡是抑制未知信道中线性失真引起的码间干扰(ISI)的一种很好的工具。自适应滤波公式需要已知响应的数据，因此需要估计自适应方法所需的误差信号。在应用中，可以通过两种方式在接收端产生更好的信号。在第一种技术中，通过复制保存在接收机内的已知响应来检索发送的训练序列。这些同步化应该在传输训练序列和保持在收发器内的已知响应之间进行。在已知训练序列的情况下，采用自适应算法对均衡器系数进行修正，从而在数学上求出明显的最小二次误差性能曲面。第二种技术可能是一种决策导向的技术，在这种技术中，信息符号的顺序可以从均衡器中计算出来，而不是已知的训练序列，这一可计算的输出也是不可靠的，因此，这可能不允许抽头加权。[2]
2.2可调系数值
通常，误差估计的计算是借助输入向量和退避响应来完成的，它习惯于建立对可调滤波器系数值的控制。
在选择的滤波器结构上，可调系数也是以抽头权反射系数或旋转参数的方式进行的。但是，自适应滤波的各种应用之间的基本区别出现在提取所需响应的处理过程中。
训练和跟踪是自适应均衡器的两种一般操作方式。首先，一个传奇的训练序列-伪随机二进制信号的固定长度是由发射机.在此基础上，该均衡器可以在最小误码率(BER)检测中适应一个正确的权重。根据该训练序列，发送原始信息，自适应均衡器利用递归公式对信道进行估计，从而对滤波器系数进行估计，以补偿信道内多径产生的失真。均衡器需要定期准备，以保持有效的ISI消除。在数字通信系统中，用户信息通常被分割成短时间块或时隙。时分多址(TDMA)有线系统特别适合于均衡器。由于无线信道的时变特性，训练信号应该经常进行，这就占用了额外的信息量。在一些应用中，传奇训练序列需要最小均方误差(MSE)来适应均衡器，但这是不实际和昂贵的训练序列是很重要的。作为一个例子，在与900 MHz GSM习惯的步进中，每个148位帧中的26位被用作训练信号。[3]
抽头权值表示自适应滤波器系数，在每个采样时刻，通过比较在收发器上理解的指定响应，从而确定实际响应，从而确定错误。首次提出盲量化概念的人，在没有参考序列的地方提出盲量化概念，在所获得的误差的帮助下，滤波器将估计出需要修改抽头权值的方向，从而在自适应滤波器内实现自适应。设a[n]表示第n个发射的二进制符号的已知响应，因此均衡器的实际响应y[n]表示误差信号e[n]，表示为e[n]=a[n]-y[n]。[4]
尽管受过训练的策略有很多缺点，但它们通常是足够的。系统的吞吐量由于训练信号占用的时隙而下降。另一个缺点是训练信号在接收端并不是永远熟悉的，例如在极度不合作(监视)的环境中。最后，快速可变信道需要训练序列来训练均衡器。这将导致系统吞吐量范围内的更多减少。[5]
2.3盲算法
可以充分利用发射信号的特性，不需要训练序列，因为它们提供均衡器收敛，而不增加发射机的训练负担。这些流行的算法能够通过传输信号的特性恢复技术来获得均衡。一般来说，即使初始误码率很大，盲量化技术也能将系数自适应方法引导到最优滤波参数。一种盲均衡器能够完全利用输出样本和信息符号的基本统计特性来补偿通信信道的幅值和延迟失真。盲均衡器的主要优点是没有训练序列来计算抽头权系数，因此它的传输浪费了带宽。盲均衡适用于高速数字广播、数字移动通信系统、多点网络、有线电视和数字电视广播。
结束语：综上所述，与判决方向(DD)算法相结合，得到了QAM数据传输的替代盲量化方案。由于盲量化在降低开销和简化点到多点通信方面的潜在作用，引起了人们的极大兴趣。本文提出了一种仅针对实际信号和PAM的盲量化算法。然而，它的高级值扩张是简单的，这是由Godard导出的。
参考文献：
[1]杨小平. 基于导频的OFDM无线通讯系统快变信道估计算法研究[D]. 中国科学院大学,2012.
[2]李伶利. 无线通讯中适应算法与均衡技术的应用研究[J]. 信息系统工程,2015(4):131-132. DOI:10.3969/j.issn.1001-2362.2015.04.091.
[3]王文涛. 无线通讯网络基站选址优化问题建模及其算法研究[D]. 辽宁:东北大学,2012. DOI:10.7666/d.J0125782.
[4]刘锐. 传感器网络MAC层中负载自适应的时隙调度算法研究[D]. 湖北:华中师范大学,2009. DOI:10.7666/d.y1532870.
[5]陈永红,陈伟红,谢晓东. 基于OFDM技术的无线通讯系统的自适应传输和长距离预测[J]. 广东通信技术,2004,24(3):26-29,36. DOI:10.3969/j.issn.1006-6403.2004.03.006.
作者简介：周舟，性别：男，籍贯：湖南省吉首市，民族：土家族，职称：助理，学历：本科，出生年月：1984年10月14，研究方向：通信。