本发明涉及无线通信领域，特别涉及一种自适应盲均衡方法、系统、计算机设备及可读存储介质。
背景技术：
随着通信技术的持续不断的发展，人民对信息的诉求日益提高。为了能够进一步提高太赫兹通信技术速率，接收端解调器需要并行处理多路信号。而高速的多路并行信号在实际的通信解调器中，会造成码间前后的拖尾的叠加，造成码间串扰，这就需要均衡技术来消除这些码间串扰，尽力恢复原始的信号。因此，在接收端解调器中设计并行处理多路信号的均衡器可以消除信道之间的干扰。
为了保证通信的高速率性，均衡器并行处理多路信号的过程也必须快速。但是，高速率的均衡器对硬件配置的要求很高，导致通信设备的成本较高。
技术实现要素：
基于此，有必要针对高速率的均衡器对硬件配置的要求很高，导致通信设备的成本较高的问题，提供一种自适应盲均衡方法、系统、计算机设备及可读存储介质。
一种盲均衡方法，用于对多路并行的输入信号进行均衡处理，所述方法包括：
获取依次迭代的多级预处理子模型；
获取依次迭代的多级后处理子模型；
利用所述依次迭代的多级预处理子模型对所述多路并行的输入信号进行处理，以得到多路预处理数据；其中，各所述预处理子模型用于对所述多路并行的输入数据按照预设顺序进行重新排列；
对所述多路预处理数据进行均衡滤波处理，以得到多路均衡数据；
利用所述依次迭代的多级后处理子模型对所述多路均衡数据进行处理，以得到多路输出信号；其中，各所述预处理子模型用于对所述多路均衡数据的排列进行还原。
在其中一个实施例中，所述预处理子模型包括预处理子矩阵；所述后处理子模型包括后处理子矩阵。
在其中一个实施例中，所述利用所述依次迭代的多级预处理子模型对所述多路并行的输入信号进行处理，以得到多路预处理数据的步骤为：
多路并行的输入信号与第一级所述预处理子模型中的预处理子矩阵进行卷积计算，其余所述预处理子模型中的预处理子矩阵分别与其上一级所述预处理子模型的输出数据进行卷积计算，最后一级所述预处理子模型输出所述多路预处理数据。
所述利用所述依次迭代的多级后处理子模型对所述多路均衡数据进行处理，以得到多路输出信号的步骤包括：
第一级所述后处理子模型的后处理子矩阵与所述多路均衡数据进行卷积计算，其余所述后处理子模型中的后处理子矩阵分别与其上一级所述后处理子模型的输出数据进行卷积计算，由最后一级所述后处理子模型的输出所述多路输出信号。
在其中一个实施例中，所述对所述多路预处理数据进行均衡滤波处理，以得到多路均衡数据的步骤包括：
所述多路预处理数据与初始均衡矩阵进行乘法运算，得到所述多路均衡数据。
在其中一个实施例中，所述利用所述依次迭代的多级后处理子模型对所述多路均衡数据进行处理，以得到多路输出信号的步骤之后包括：
对所述多路并行的输入信号进行延迟处理，得到多路延迟数据；
根据所述多路输出信号，计算误差系数；
根据多路延迟数据和所述误差系数计算自适应系数；
根据所述自适应系数调整所述初始均衡矩阵，得到更新均衡矩阵；
以所述更新均衡矩阵替换所述初始均衡矩阵对下一组多路并行的输入信号进行处理。
在其中一个实施例中，所述依次迭代的多级后处理子模型的后处理子矩阵构成后处理矩阵；
所述根据所述自适应系数调整所述初始均衡矩阵，得到更新均衡矩阵的步骤包括：
对所述后处理矩阵进行转置运算，得到系数矩阵；
根据所述自适应系数与所述系数矩阵计算所述更新均衡矩阵。
在其中一个实施例中，所述获取依次迭代的多级预处理子模型的步骤为：
根据所述多路并行的输入信号的路数获取依次迭代的多级预处理子模型；
获取依次迭代的多级后处理子模型的步骤为：
根据所述多路并行的输入信号的路数获取依次迭代的多级后处理子模型。
一种盲均衡系统，用于对多路并行的输入信号进行均衡处理，所述系统包括：
获取模块，用于获取依次迭代的多级预处理子模型；获取依次迭代的多级后处理子模型；
预处理模块，用于利用所述依次迭代的多级预处理子模型对所述多路并行的输入信号进行处理，以得到多路预处理数据；其中，各所述预处理子模型用于对所述多路并行的输入数据按照预设顺序进行重新排列；
均衡模块，用于对所述多路预处理数据进行均衡滤波处理，以得到多路均衡数据；
后处理模块，用于利用所述依次迭代的多级后处理子模型对所述多路均衡数据进行处理，以得到多路输出信号；其中，各所述预处理子模型用于对所述多路均衡数据的排列进行还原。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项实施例所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任一项实施例所述的方法的步骤。
上述盲均衡方法、系统、计算机设备及可读存储介质，利用所述依次迭代的多级预处理子模型对所述多路并行的输入数据进行分步处理。由于任一预处理子模型计算强度较小，因此运算速度较快。与其它处理方法相比，相同的运算速度下，所需要的硬件配置会比较低。同理，利用所述依次迭代的多级后处理子模型对所述多路均衡数据进行分步处理。由于任一后处理子模型运算速度较快，对多路均衡数据的处理速度较快。与其它处理方法相比，相同的运算速度下，所需要的硬件配置会比较低。因此，均衡器的系统在处理多路并行的输入信号时，通过各预处理子模型和各后处理子模型的处理，处理速度较快，但是所需要的硬件配置要求较低。这样可以使得均衡器的硬件配置不必要求过高，使通信设备保持较低的硬件成本，便可以实现快速的信号处理，从而实现高速通信。
附图说明
图1为第一实施例的盲均衡方法的示意图；
图2为第二实施例的盲均衡方法的流程示意图；
图3为后加子矩阵q2的示意图；
图4为后加子矩阵q4的示意图；
图5为预加子矩阵p2的示意图；
图6为预加子矩阵p4的示意图；
图7为第三实施例的盲均衡方法的流程示意图；
图8为应用图7所示的实施例的盲均衡方法的均衡器的示意图；
图9为多路并行输入信号均衡前星座图；
图10为多路并行输入信号均衡后星座图；
图11为一实施例的盲均衡系统的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
由于接收端解调器需要并行处理多路信号时，可在接收端解调器中设计并行处理多路信号的均衡器来消除信道之间的干扰。但因实际的信道是时变的，且器件的非线性影响是未知的。因此，可在均衡器上采用盲均衡算法，来抵消来自信道的干扰，使接收端能够收到无码间干扰的信号。以下就详细介绍本实施方式中的盲均衡方法。
图1为第一实施例的盲均衡方法的示意图。一种盲均衡方法，用于对多路并行的输入信号进行均衡处理。本实施例中，系统中预设了预处理模型、均衡模型和后处理模型。预处理模型用于对多路并行的输入信号按照预设顺序进行重新排列，可以按照各输入信号的数据类型进行分类，即预处理模型为均衡模型提供分类的输入数据，以提高均衡模型的运算速度。本实施例中，预处理模型包括预处理矩阵。即预处理模型为对多路并行的输入信号进行矩阵变换。
均衡模型用于对预处理模型的输出数据进行滤波处理。均衡模型包括初始均衡矩阵。均衡模型用于对预处理模型的输出数据进行矩阵变换。
后处理模型用于对均衡模型的多路输出数据的排列进行还原，使其排列方式与多路并行的输入信号的排列方式一致，保证均衡器各信道的输出信号正确。本实施例中，后处理模型是后处理矩阵。同样地，后处理模型是对均衡模型的输出数据进行矩阵变换。
本实施例中，假设输入信号是8路并行输入信号。一路输入信号为：
xn＝a(n)+jb(n)(1)
上式中，a(n)和b(n)均属于{±1,±3,...}，均衡器长度为n，接收到的送入均衡器的信息矢量为x(n)＝[xn,xn-1,...,xn-n+1,]t，
本实施例中，盲均衡方法可以应用于均衡器中。盲均衡方法包括：
步骤s120，获取依次迭代的多级预处理子模型。
具体地，均衡器系统(以下简称系统)将预处理模型分解为依次迭代的多级预处理子模型。各预处理子模型用于对其多路输入数据进行重新排列。对于任一预处理子模型，其模型强度小于预处理模型，其运算速度比预处理模型快，所需要的硬件配置会比预处理模型要求低。本实施例中，预处理子模型包括预处理子矩阵。
步骤s130，利用依次迭代的多级预处理子模型对多路并行的输入信号进行处理，以得到多路预处理数据。
具体地，各预处理子模型用于对多路并行的输入信号按照预设顺序进行重新排列。一个预处理子模型的输出数据作为后一个预处理子模型的输入数据。即各预处理子模型对多路并行的输入信号进行迭代运算，最终得到多路预处理数据。对于任一预处理子模型，具体是该预处理子模型的输入数据矩阵与该预处理子矩阵的乘法运算。
步骤s140，对多路预处理数据进行均衡滤波处理，以得到多路均衡数据。
具体地，均衡算法包括初始均衡矩阵hl。对于第一组多路并行数据而言，均衡算法中，具体是多路预处理数据与初始均衡矩阵进行乘法运算。即将多路预处理数据进行滤波处理，消除各信道之间的干扰，得到多路均衡数据。
步骤s150，获取依次迭代的多级后处理子模型。
具体地，与分解预处理模型类似，各后处理子模型用于对其多路输入数据的排列进行还原。对于任一后处理子模型，其模型强度小于后处理模型，处理速度依然较快，但其所需要的硬件配置会比后处理模型低。后处理子模型包括后处理子矩阵。
步骤s160，利用依次迭代的多级后处理子模型对多路均衡数据进行处理，以得到多路输出信号。
具体地，各预处理子模型用于对多路均衡数据的排列进行还原。一个后处理子模型的输出数据作为后一个后处理子模型的输入数据。即各后处理子模型对多路并行的输入信号进行迭代运算，最终得到多路后处理数据。对于任一后处理子模型，具体是该后处理子模型的输入数据矩阵与该后处理子矩阵的乘法运算。
上述盲均衡方法、系统、计算机设备及可读存储介质，利用依次迭代的多级预处理子模型对多路并行的输入数据进行分步处理。由于任一预处理子模型计算强度较小，因此运算速度较快。与预处理模型相比，相同的运算速度下，所需要的硬件配置会比较低。同理，利用依次迭代的多级后处理子模型对多路均衡数据进行分步处理。由于任一后处理子模型运算速度较快，对多路均衡数据的处理速度较快。与后处理模型相比，相同的运算速度下，所需要的硬件配置会比较低。因此，均衡器的系统在处理多路并行的输入信号时，通过各预处理子模型的处理，处理速度较快，但是所需要的硬件配置要求较低；对于各后处理子模型，则具有相同的效果，这样可以使得均衡器的硬件配置不必要求过高，使通信设备保持较低的硬件成本，便可以实现快速的信号处理，从而实现高速通信。
需要说明的是，上述步骤s150不局限于在步骤s140之后，比如也可以在步骤s120之后，只要在步骤s160之前即可。
图2为第二实施例的盲均衡方法的流程示意图。图3为后加子矩阵q2的示意图。图4为后加子矩阵q4的表达式示意图。图5为预加子矩阵p2的表达式示意图。图6为预加子矩阵p4的表达式示意图。
获取依次迭代的多级预处理子模型的步骤，即步骤s120包括：
步骤s121，根据多路并行的输入信号的路数获取依次迭代的多级预处理子模型。
具体地，如前述，预处理模型包括预处理矩阵。预处理子模型包括预处理子矩阵。将预处理矩阵分解为多级预处理子矩阵。预处理子矩阵可以是预处理子模型中的运算系数。预处理子模型即为对输入数据按照预处理子矩阵进行矩阵变换。例如，设预处理矩阵为qtat,其中q为系统预设的后加矩阵，a为系统预设的重排矩阵。按照路数8可以将后加矩阵分为两级后加子矩阵，分别为：
利用依次迭代的多级预处理子模型对多路并行的输入信号进行处理，以得到多路预处理数据的步骤，即步骤s130为：
步骤s131，多路并行的输入信号与第一级预处理子模型中的预处理子矩阵进行卷积计算，其余预处理子模型中的预处理子矩阵分别与其上一级预处理子模型的输出数据进行卷积计算，最后一级预处理子模型输出多路预处理数据。
具体地，8路输入信号x(n)构成矩阵x8。多路并行的输入信号同时先后经过预处理子算法的处理。即x8先与
进一步地，假设初始均衡矩阵为h8，将多路预处理数据与初始均衡矩阵进行乘法运算后得到的多路均衡数据为
获取依次迭代的多级后处理子模型的步骤，即步骤s150为：
步骤s151，根据多路并行的输入信号的路数获取依次迭代的多级后处理子模型。
具体地，如前述，后处理模型包括后处理矩阵。后处理子模型包括后处理子矩阵。将后处理矩阵分解为多级后处理子矩阵。后处理子矩阵可以是后处理子模型中的运算系数。后处理子模型即为对输入数据按照后处理子矩阵进行矩阵变换。例如，设后处理矩阵为pt,其中p为系统预设的后加矩阵。按照路数8可以将后加矩阵分为两级后加子矩阵，分别为：p2和p4。例如，p2和p4的表达式如图5和图6所示。相应地，两级后处理子矩阵中，第一级后处理子矩阵为
利用依次迭代的多级后处理子模型对多路均衡数据进行处理，以得到多路输出信号的步骤，即步骤s160为：
步骤s161，第一级后处理子模型的后处理子矩阵与多路均衡数据进行卷积计算，其余后处理子模型中的后处理子矩阵分别与其上一级后处理子模型的输出数据进行卷积计算，由最后一级后处理子模型的输出多路输出信号。
具体地，上述多路均衡数据
这样，系统采用了短卷积的方法。因为短卷积是研究利用较少的乘法器处理，算法强度缩减。也就是在增加加法器等弱运算的条件下，减少乘法运算，因此对均衡器硬件要求不高，并且还能保持较高地运算速度。
需要说明的是，根据路数将预处理矩阵分解的预处理子矩阵的级数不限于两级，也可以根据需求分解为多级，比如三级。同理，后处理矩阵也可以分解的多级，比如三级。
图7为第三实施例的盲均衡方法的流程示意图。如图7所示，利用依次迭代的多级后处理子模型对多路均衡数据进行处理，以得到多路输出信号的步骤，即步骤s160之后包括：
步骤s171，对多路并行的输入信号进行延迟处理，得到多路延迟数据。
具体地，系统预设了延迟系数。系统根据延迟系数对多路并行的输入信号进行延迟，假设多路延迟数据为x*(n)。
步骤s172，根据多路并行的输出信号与多路输出信号，计算误差系数。
具体地，系统根据步骤s160或步骤s161中得到的多路输出信号。假设第一组多路输出信号为y(n)，均衡器的一组自适应系数为：
w(n)＝[w0(n),w1(n),...,wn-1(n)]t(3)
则
y(n)＝wt(n)x(n)(4)
根据多路输出信号y(n)，误差系数为：
e(n)＝y(n)(rc2-|y(n)|2)(5)
上式中rc是调制常数。
步骤s173，根据多路延迟数据和误差系数计算自适应系数。
具体地，基于随机梯度法的自适应系数的更新方程为：
w(n+1)＝w(n)+ue(n)x*(n)(6)
上式中，w(n+1)为x(n)的下一组并行输入信号的自适应系数，u为自适应更新步长参数。u可以为经验参数，比如u＝4×10-4。即，本实施例中，随着多组并行输入信号的输入，自适应系数也在不断更新。
本实施例中，令n＝k，设多路并行输入信号的路数为l，a是弛豫超前系数，自适应系数更新的方程表示为：
通过弛豫超前变化中的求和近似，式(7)可以近似为如下形式：
而多路并行输入信号经过延时d，式(7)可以改成如下形式：
本实施例中，取n＝16，l＝8，a＝1/4，则式(8)为：
式(10)中，将各项展开为：
即式(10)中的自适应更新系数可以展开为式(11)求解。
步骤s174，根据自适应系数调整初始均衡矩阵，得到更新均衡矩阵。
具体地，首先系统对后处理矩阵pt进行转置运算，得到系数矩阵p。即系数矩阵就是预加矩阵。其次，根据自适应系数与系数矩阵计算更新均衡矩阵。即对自适应系数w(n+1)与系数矩阵p进行乘法运算，得到更新均衡矩阵。
步骤s175，以更新均衡矩阵替换初始均衡矩阵对下一组多路并行的输入信号进行处理。
具体地，用hl+1代替hl。即下一组多路并行输入信号的均衡矩阵为hl+1。如此持续地对源源不断的输入信号进行处理。
经过以上的处理流程，实现了自适应均衡器。自适应均衡器抵消来自信道的不确定性，避免了均衡器的有限长度的截断和定时采样时刻的偏差造成码间前后的拖尾的叠加，从而避免了造成码间串扰，尽力地恢复原始的信号。
图8为应用图7所示的实施例的盲均衡方法的均衡器的示意图。本实施例中，均衡器包括预处理模块210、均衡处理模块220、后处理模块230、延时模块240、误差计算模块250、自适应系数更新模块260和均衡矩阵处理模块270。
预处理模块210用于执行上述步骤s130。均衡处理模块220用于执行上述步骤s140。后处理模块230用于执行步骤s160。延时模块240用于执行步骤s171。误差计算模块250用于执行步骤s172。自适应系数更新模块260用于执行步骤s173。均衡矩阵处理模块270用于执行步骤s174。
图9为多路并行输入信号均衡前星座图，即为多路并行输入信号未应用盲均衡方法处理前的星座图。图10为多路并行输入信号均衡后星座图，即为多路并行输入信号应用盲均衡方法处理后的星座图。对比图9和图10，可以看出，经过自适应均衡器，多路输出信号比多路并行输入信号的信噪比较大。误码率较小。
一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，其特征在于，处理器执行计算机程序时实现上述任一项实施例的方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现上述任一项实施例的方法的步骤。
图11为一实施例的盲均衡系统的示意图。一种盲均衡系统，用于对多路并行的输入信号进行均衡处理，系统包括：
获取模块110，用于获取依次迭代的多级预处理子模型；获取依次迭代的多级后处理子模型；
预处理模块120，用于利用依次迭代的多级预处理子模型对多路并行的输入信号进行处理，以得到多路预处理数据；其中，各预处理子模型用于对多路并行的输入数据按照预设顺序进行重新排列；
均衡模块130，用于对多路预处理数据进行均衡滤波处理，以得到多路均衡数据；
后处理模块140，用于利用依次迭代的多级后处理子模型对多路均衡数据进行处理，以得到多路输出信号；其中，各预处理子模型用于对多路均衡数据的排列进行还原。
上述自适应盲均衡系统，利用依次迭代的多级预处理子模型对多路并行的输入数据进行分步处理。由于任一预处理子模型计算强度较小，因此运算速度较快。与预处理模型相比，相同的运算速度下，所需要的硬件配置会比较低。同理，利用依次迭代的多级后处理子模型对多路均衡数据进行分步处理。由于任一后处理子模型运算速度较快，对多路均衡数据的处理速度较快。与后处理模型相比，相同的运算速度下，所需要的硬件配置会比较低。因此，均衡器的系统在处理多路并行的输入信号时，通过各预处理子模型的处理，处理速度较快，但是所需要的硬件配置要求较低；对于各后处理子模型，则具有相同的效果，这样可以使得均衡器的硬件配置不必要求过高，使通信设备保持较低的硬件成本，便可以实现快速的信号处理，从而实现高速通信。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。