本發(fā)明涉及衛(wèi)星信道均衡技術(shù)，具體涉及一種衛(wèi)星信道多模盲均衡算法。

背景技術(shù)：

衛(wèi)星通信傳輸距離長，不受通信兩點間任何復(fù)雜的地理條件限制，不受兩點間任何自然災(zāi)害和人為事件的影響，被廣泛應(yīng)用于軍事通信、衛(wèi)星電視廣播等方面。然而在中繼衛(wèi)星通信系統(tǒng)中，頻率選擇性衰落較大，信道傳播時延較長，多普勒頻移嚴重，這些缺點在很大程度上影響了信號的傳輸質(zhì)量使得碼間干擾十分嚴重，甚至影響系統(tǒng)的正常工作。為了獲得理想的通信效果，需要改善傳輸特性，減小碼間干擾，因此需要對信道傳輸特性進行補償和矯正。

均衡器是一種應(yīng)用于通信系統(tǒng)接收端的起補償作用的濾波器，它能夠?qū)鬏斝诺肋M行補償，減小碼間干擾，提高數(shù)據(jù)傳輸?shù)臏蚀_性。

恒模算法(CMA)復(fù)雜度低，易于實現(xiàn)，然而步長較小時收斂速度慢收斂精度高，步長較大時收斂速度快但收斂精度較低。

決策指向算法(DD)的收斂速度遠遠高于Bussgang類算法，能夠很好的改善均衡器的收斂性能和誤差性能。然而如果信道變化較多，則會導(dǎo)致判決出錯率較高，進而使得算法無法收斂，因此決策指向算法往往應(yīng)用于已經(jīng)趨于收斂的均衡信號。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于為了提高衛(wèi)星信道的傳輸性能，提高均衡器的收斂性能和誤差性能；提供一種衛(wèi)星信道多模盲均衡算法。

為了達到上述目的，本發(fā)明通過以下技術(shù)方案實現(xiàn)：

一種衛(wèi)星信道多模盲均衡算法，所述算法包括：

將衛(wèi)星信號y(n)進行均衡化處理后生成離散時間信號z(n)，并對所述離散時間信號計算判決誤差絕對值|d(n)|；

當所述判決誤差絕對值|d(n)|>預(yù)設(shè)的最大誤差門限值C_max時，對所述判決誤差絕對值采用可變步長恒模算法進行處理；

當所述判決誤差絕對值|d(n)|<預(yù)設(shè)的最小誤差門限值C_min時，對所述判決誤差絕對值采用決策指向最小均方算法進行處理；

當所述預(yù)設(shè)的最小誤差門限值C_min<所述判決誤差絕對值|d(n)|<所述預(yù)設(shè)的最大誤差門限值C_max時，對所述判決誤差絕對值采用所述可變步長恒模算法、所述決策指向最小均方算法進行加權(quán)雙模處理。

較佳地，所述將衛(wèi)星信號進行均衡化處理后生成離散時間信號，并對所述離散時間信號計算判決誤差絕對值的步驟，具體包含：

將所述衛(wèi)星信號y(n)進行解調(diào)均衡處理后得到所述離散時間信號z(n)；

將所述離散時間信號z(n)通過最大似然判決后得到估計信號

根據(jù)下述公式計算所述判決誤差絕對值|d(n)|：

較佳地，所述當所述判決誤差絕對值|d(n)|>預(yù)設(shè)的最大誤差門限值C_max時，對所述判決誤差絕對值采用可變步長恒模算法進行處理的步驟，具體包含：

采用下述公式對所述判決誤差絕對值采用可變步長恒模算法進行處理的步驟：

f(n+1)＝f(n)-μ(n)_VS-CMAe(n)_VS-CMAy^*(n) (2)；

其中，f(n)為均衡器的抽頭系數(shù)，(·)^*表示復(fù)數(shù)的共軛，步長控制函數(shù) 第一誤差函數(shù)e(n)_VS-CMA＝z(n)(|z(n)|²-R)，k用于控制μ(n)取值的范圍，α和β用來控 制函數(shù)的形狀。

較佳地，所述當所述判決誤差絕對值|d(n)|<預(yù)設(shè)的最小誤差門限值C_min時，對所述判決誤差絕對值采用決策指向最小均方算法進行處理的步驟，具體包含：

采用如下公式對所述判決誤差絕對值采用決策指向最小均方算法進行處理：

f(n+1)＝f(n)-μ_DD-LMSe(n)_DD-LMSy^*(n) (3)；

其中，第二誤差函數(shù)迭代步長μ_；D-LMS為常量。

較佳地，所述當所述預(yù)設(shè)的最小誤差門限值C_min<所述判決誤差絕對值|d(n)|<所述預(yù)設(shè)的最大誤差門限值C_max時，對所述判決誤差絕對值采用所述可變步長恒模算法、所述決策指向最小均方算法進行加權(quán)雙模處理的步驟，具體包含：

采用如下公式對所述判決誤差絕對值進行加權(quán)雙模處理：

f(n+1)＝f(n)-[w(n)μ(n)_VS-CMAe(n)_VS-CMA+(1-w(n))μ_DD-LMSe(n)_DD-LMS]y^*(n) (4)；

其中，w(n)是加權(quán)函數(shù)，具體如下：

在符合本領(lǐng)域常識的基礎(chǔ)上，上述各優(yōu)選條件，可任意組合，即得本發(fā)明各較佳實例。

本發(fā)明的積極進步效果在于：

本發(fā)明公開的一種衛(wèi)星信道多模盲均衡算法，首先，將衛(wèi)星信號進行均衡化處理后生成離散時間信號，并將所述離散時間信號計算判決誤差絕對值；其次，當所述判決誤差絕對值>預(yù)設(shè)的最大誤差門限值時，對所述判決誤差絕對值采用可變步長恒模算法進行處理；再次，當所述判決誤差絕對值<預(yù)設(shè)的最小誤差門限值時，對所述判決誤差絕對值采用決策指向最小均方算法進行處理；最后，當所述預(yù)設(shè)的最小誤差門限值<所述判決誤差絕對值<所述預(yù)設(shè)的最大誤差門限值時，對所述判決誤差絕對值采用所述可變步長恒模算 法、所述決策指向最小均方算法進行加權(quán)雙模處理。本發(fā)明相比于現(xiàn)有技術(shù)對傳統(tǒng)的恒模算法(CMA，Constant Modulus Algorithm)進行改進，通過引入非線性的殘留誤差函數(shù)來控制CMA算法的步長，以實現(xiàn)可變步長的CMA算法。本發(fā)明公開的方法具有更小的殘留誤差和更快的收斂速度，并且使得碼間干擾較小，對于時變信道的追蹤能力加強。

附圖說明

圖1為本發(fā)明一種衛(wèi)星信道多模盲均衡算法的整體流程示意圖。

圖2為本發(fā)明一種衛(wèi)星信道多模盲均衡算法的結(jié)構(gòu)圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

如圖1、圖2所示的一種衛(wèi)星信道多模盲均衡算法，包括：

S1，將衛(wèi)星信號y(n)進行均衡化處理后生成離散時間信號z(n)，并對離散時間信號計算判決誤差絕對值|d(n)|。該步驟具體如下：

如圖2所示，盲均衡系統(tǒng)中x(n)為發(fā)送序列，h(n)為信道的沖擊響應(yīng)，N(n)為噪聲序列，衛(wèi)星信號y(n)為接收序列同時又是盲均衡系統(tǒng)的輸入信號。

則，

將衛(wèi)星信號y(n)進行解調(diào)均衡處理后得到離散時間信號z(n)。

則，

將離散時間信號z(n)通過最大似然判決后得到估計信號

根據(jù)下述公式計算判決誤差絕對值|d(n)|：

本發(fā)明公開的方法，在算法迭代初期或信道特性變化較大時，采用較大的步長以保證收斂速度；當算法收斂后，減小步長以保證收斂精度。依據(jù)這個原則，我們使用一種步長因子和殘留誤差之間的非線性函數(shù)來控制步長。

S2，判斷誤差絕對值|d(n)|與預(yù)設(shè)的最大誤差門限值C_max、預(yù)設(shè)的最小誤差門限值C_min之間的關(guān)系，對應(yīng)執(zhí)行步驟S2.1，S2.2以及S2.3。

S2.1，當判決誤差絕對值|d(n)|>預(yù)設(shè)的最大誤差門限值C_max時，對判決誤差絕對值采用可變步長恒模算法(VS-CMA)進行處理。

在本步驟中，具體操作如下：

判決誤差d(n)為：

令

我們可以推出：

其中ζ(n)是獨立同分布且均值為零的高斯噪聲。因此可以推導(dǎo)出：

其中w(n)為權(quán)重誤差向量。

在VS-CMA實施過程中，逐漸趨向于f^T(n)，這樣權(quán)重誤差向量w(n)也會趨向于零，殘留誤差也會減小。當算法收斂后，d(n)適合用來控制步長的值。然而由于ζ(n)的存在，d(n)對于干擾信號十分敏感。對于一些不穩(wěn)定的信道，d(n)可能因為某個較大的干擾信號發(fā)生劇烈變化。這種情況下，我們 不能直接使用d(n)去控制步長，否則步長將過大，使得算法收斂無法得到保證。因此，本發(fā)明中使用一個非線性函數(shù)，并使d(n)成為非線性函數(shù)的一個因子，以確保步長大小會受到殘留誤差的影響，同時控制步長在一個合理的范圍內(nèi)變動。

采用下述抽頭系數(shù)的迭代公式對判決誤差絕對值采用可變步長恒模算法進行處理的步驟：

f(n+1)＝f(n)-μ(n)_VS-CMAe(n)_VS-CMAy^*(n) (2)；

其中，f(n)為均衡器的抽頭系數(shù)，(·)^*表示復(fù)數(shù)的共軛，步長控制函數(shù) 第一誤差函數(shù)e(n)_VS-CMA＝z(n)(|z(n)|²-R)，

k用于控制μ(n)取值的范圍，使得μ(n)可以調(diào)節(jié)算法的收斂速率。α和β用來控制函數(shù)的形狀，當α和β取不同值的時候，μ(n)能夠?qū)崿F(xiàn)不同的曲率半徑。

在本實施例中，當d(n)取值減小時，則μ(n)的值會變?。划攄(n)的值增加時，則μ(n)的值也會變大。

S2.2，當判決誤差絕對值|d(n)|<預(yù)設(shè)的最小誤差門限值C_min時，對判決誤差絕對值采用決策指向最小均方(DD-LMS)算法進行處理。

DD-LMS算法的基本原理與最小均方算法(LMS)相同。當已知訓(xùn)練序列時，采用過濾器的輸出和預(yù)期的接收值之間的均方誤差作為代價函數(shù)，即：

定義R＝E[y^T(n)y(n)]為代表均衡器輸入序列的L*L維自相關(guān)矩陣；定義為代表均衡器的互相關(guān)矩陣，則代價函數(shù)(3-1)變?yōu)椋?/p>

根據(jù)最小均方誤差準則，使得J(n)對f(n)的梯度為0，因此有：

則可推出最佳的應(yīng)該滿足：

LMS算法使用均衡器輸出序列與理想響應(yīng)序列之間的平方誤差代替均方誤差作為代價函數(shù)。使得：

采用最速下降法，即沿代價函數(shù)梯度向量的反方向來調(diào)整均衡器抽頭系數(shù)向量。抽頭系數(shù)的迭代公式為：

DD-LMS算法的誤差定義為判決器接受信號與判決的輸出信號之間的差值。

則根據(jù)式(3-6)，采用如下抽頭系數(shù)的迭代公式對判決誤差絕對值采用決策指向最小均方算法進行處理：

f(n+1)＝f(n)-μ_DD-LMSe(n)_DD-LMSy^*(n) (3)；

其中，第二誤差函數(shù)迭代步長μ_DD-LMS為常量。

本發(fā)明采用DD-LMS算法與VS-CMA算法的結(jié)合實現(xiàn)，在均衡處理開始時，由于判決誤差絕對值大于預(yù)設(shè)的最大誤差門限值C_max，則VS-CMA的收斂性能可以很好地被利用。當均衡器工作一段時間后，信道眼圖張開，則可切換使用DD-LMS算法獲得更快的收斂速度和更小的穩(wěn)態(tài)誤差。

S2.3，當預(yù)設(shè)的最小誤差門限值C_min<判決誤差絕對值|d(n)|<預(yù)設(shè)的最大誤差門限值C_max時，對判決誤差絕對值采用可變步長恒模算法、決策指向最小均方算法進行加權(quán)雙模處理。具體如下：

采用如下公式對判決誤差絕對值進行加權(quán)雙模處理：

f(n+1)＝f(n)-[w(n)μ(n)_VS-CMAe(n)_VS-CMA+(1-w(n))μ_DD-LMSe(n)_DD-LMS]y^*(n) (4)；

其中，w(n)是加權(quán)函數(shù)，具體如下：

上述加權(quán)函數(shù)是一個關(guān)于殘留誤差絕對值的非線性函數(shù)。它滿足了當判決誤差絕對值|d(n)|接近下限值C_min時w(n)趨于0，加權(quán)誤差中e(n)_DD-LMS所占比例趨于1；當判決誤差絕對值|d(n)|接近上限值C_max時w(n)趨近于1-e^-γ，加權(quán)誤差中e(n)_VS-CMA所占比例趨于1-e^-γ。加權(quán)函數(shù)保證了兩種模式之間平滑的轉(zhuǎn)換，從而更加有效的結(jié)合兩種模式的優(yōu)點。

則本發(fā)明結(jié)合切換雙模和權(quán)重雙模的最終抽頭系數(shù)迭代公式如下：

雖然以上描述了本發(fā)明的具體實施方式，但是本領(lǐng)域的技術(shù)人員應(yīng)當理解，這些僅是舉例說明，本發(fā)明的保護范圍是由所附權(quán)利要求書限定的。本領(lǐng)域的技術(shù)人員在不背離本發(fā)明的原理和實質(zhì)的前提下，可以對這些實施方式做出多種變更或修改，但這些變更和修改均落入本發(fā)明的保護范圍。