一种基于凸组合的MQAM信号的并行软切换盲均衡方法与流程

本发明涉及脉冲噪声环境下的信号处理技术领域，特别是一种基于凸组合的mqam信号的并行软切换盲均衡方法。

背景技术：

由于带限、多径效应原因，信号在传输过程中会受到码间干扰的影响，导致信号失真，需要对信号进行均衡处理。且长距离传输时，容易受到复杂电磁环境干扰、雷暴、多用户等自然与人为因素的干扰，信道中噪声呈现出不规则的强脉冲特性。因此在脉冲噪声环境下对信号的均衡处理是信号处理领域的重要研究内容之一。

传统的盲均衡算法的研究大多基于理想高斯噪声，但在脉冲噪声中算法，由于无法抑制噪声中的脉冲分量，大多性能表现不佳甚至完全失效。目前应用较为广泛的分数低阶常模算法(flom-cma)是高斯噪声模型的常模算法(cma)的改进算法，具有实现简单、收敛速度快等优点，但是对于mqam信号，未利用信号的相位特征，无法矫正信号的相位旋转，且精度不高。而判决引导p范数算法(dd-lmp)类似于判决引导最小均方算法(dd-lms)，仅在信号眼图张开时才能达到较高的收敛精度。目前盲均衡系统的主要矛盾是收敛速度与收敛精度间的矛盾，传统的双模组合算法的切换模式依赖于预先设定的判决门限值，无法充分发挥不同算法的优点，使得算法在解决实际问题时性能不佳，无法在保证均衡系统收敛速度的前提下，降低信号剩余码间干扰，可靠性较差。

技术实现要素：

本发明的目的在于提供一种基于凸组合的mqam信号的并行软切换盲均衡方法，以提高实际通信系统中的信号传输可靠性。

实现本发明目的的技术解决方案为：一种基于凸组合的mqam信号的并行软切换盲均衡方法，包括以下步骤：

步骤1，初始化阶段：首先设计基于凸组合的mqam信号并行自适应切换盲均衡方法中的初始参数，生成含有脉冲噪声的均衡系统输入信号r(n)；

步骤2，均衡算法1迭代阶段：第n次迭代时，采用改进的分数低阶常模算法，即flom-mcma，对输入信号r(n)进行均衡处理，输出结果y1(n)，根据flom-mcma误差代价模型更新均衡权向量w1(n)；

步骤3，均衡算法2迭代阶段：第n次迭代时，采用判决引导p范数算法，即dd-lmp，对输入信号r(n)进行均衡处理，输出结果y2(n)，根据dd-lmp误差代价模型迭代更新均衡权向量；

步骤4，凸组合阶段：根据联合参数λ(n)对步骤2和步骤3中两种算法的输出信号y1(n)和y2(n)进行凸组合，得到凸组合输出信号y(n)，根据凸组合参数误差代价模型迭代更新联合参数w2(n)；

步骤5，判决输出阶段：将步骤4中凸组合输出信号y(n)通过判决器，得到判决输出

进一步地，步骤1所述的初始化阶段，具体过程如下：

步骤1.1、分别采用中心抽头初始化设置flom-mcma与dd-lmp算法的长度为m的初始均衡权向量w1(n)与w1(n)，以及迭代步长μ1与μ2；

步骤1.2、设置凸组合联合参数的初始值λ(0)和组合迭代步长με；

步骤1.3、生成含有脉冲噪声的输入信号r(n)：

其中，h为长度为l的传输信道冲激响应，s(n)为独立同分布的平稳mqam复信号，v(n)为服从于sαs稳定分布的脉冲噪声。

进一步地，步骤2所述的均衡算法1迭代阶段，具体过程如下：

步骤2.1、第n个信号点迭代时，根据此时的均衡权向量w1(n)，计算第n点的flom-mcma输出y1(n)：

式中y1(n)为flom-mcma均衡输出信号，r(n)为均衡系统输入信号；

步骤2.2、根据mqam复信号s(n)的相位和幅度信息，确定flom-mcma的实部模值rr和虚部模值ri，计算公式分别为：

其中sr(n)与si(n)分别表示s(n)的实部和虚部；

然后根据公式(5)计算算法的迭代误差：

其中，c1(n)为flom-mcma算法用于迭代均衡权向量的误差，e1,r(n)＝||y1,r(n)|^p-rr|与e1,i(n)＝||y1,i(n)|^p-ri|分别表示实部与虚部的模值误差，y1,r(n)与y1,i(n)分别表示y1(n)的实部和虚部，q为分数阶矩；

步骤2.3、根据步骤2.2中计算的迭代误差c1(n)，采用最速梯度下降法，得到计算公式为：

w1(n+1)＝w1(n)-μ1c1(n)r^*(n)(6)

其中μ1为flom-mcma的迭代步长，r(n)为均衡系统输入信号；

使用公式(6)计算第n+1个信号点的flom-mcma均衡权向量w1(n+1)，并继续进行迭代。

进一步地，步骤3所述的均衡算法2迭代阶段，具体过程如下：

步骤3.1、第n个信号点迭代时，根据此时的均衡权向量w2(n)，计算第n点的dd-lmp输出y2(n)：

其中y2(n)为dd-lmp均衡输出信号，r(n)为均衡系统输入信号；

步骤3.2、将步骤5中得到均衡系统判决输出作为期望信号，根据公式：

计算得到第n点的dd-lmp的误差c2(n)，其中y2(n)为dd-lmp均衡输出信号，p为分数低阶矩；

步骤3.3、根据步骤3.2中计算的迭代误差c2(n)，采用最速梯度下降法，得到计算公式为：

w2(n+1)＝w2(n)+μ2pc2(n)r^*(n)(9)

其中μ2为dd-lmp的迭代步长，p为分数低阶矩，c2(n)位dd-lmp算法迭代误差，r(n)为均衡系统输入信号；

使用公式(9)计算第n+1个信号点的dd-lmp均衡权向量w2(n+1)，并继续进行迭代。

进一步地，步骤4所述的凸组合阶段，具体过程如下：

步骤4.1、第n个信号点迭代时，根据公式(10)对步骤2.1和步骤3.1中flom-mcma和dd-lmp的输出y1(n)和y2(n)进行凸组合，得到凸组合输出信号y(n)：

y(n)＝y1(n)λ(n)+y2(n)[1-λ(n)](10)

其中λ(n)为联合参数；

步骤4.2、将判决输出作为期望信号，根据公式(11)计算得到第n点的系统误差e(n)：

步骤4.3、根据步骤4.2中得到的系统误差e(n)，使用迭代公式(12)计算第n+1点的联合参数的辅助计算参数：

ε(n+1)＝ε(n)+μεre{e(n)[y1(n)-y2(n)]^*}λ(n)[1-λ(n)](12)

其中，ε(n)为第n点的辅助参数，με为联合参数迭代步长，e(n)为整个系统的误差，y1(n)为flom-mcma均衡输出，y2(n)为dd-lmp均衡输出，λ(n)为联合参数；

步骤4.4、根据步骤4.3中得到的辅助参数ε(n)，使用公式(13)计算得到第n+1点的联合参数λ(n+1)：

其中，辅助参数ε(n)的取值范围为ε(n)∈[-4,4]。

进一步地，步骤5所述的判决输出阶段，判决器的表达式为：

其中，q[·]为判决运算规则，y(n)为步骤4中输出的凸组合输出信号，si为mqam星座图中与y(n)欧式距离最小的星座点，为整个盲衡系统在第n点的输出信号。

本发明与现有技术相比，其显著优点为：(1)充分利用了mqam信号的相位信息，分别计算信号实部与虚部的分数低阶模值，对flom-cma算法进行了改进，能够有效的校正mqam信号的相位旋转；(2)采用凸组合的方式将flom-mcma与dd-lmp两种不同模式的均衡算法结合，有效的发挥了flom-mcma算法收敛快与dd-lmp算法精度高的优势；(3)采用最陡梯度下降法，根据判决误差迭代计算联合参数，控制不同算法模式间的自适应切换，使系统始终工作在性能较好的盲均衡算法模型下，避免了由于人为设定的切换阈值不准确带来的误差。

附图说明

图1为本发明脉冲噪声下基于凸组合的mqam信号并行软切换盲均衡方法的原理示意图。

图2为本发明实施例中在脉冲噪声下对mqam信号均衡结果与不同算法的对比图，其中(a)是使用flom-cma算法均衡后的星座图，(b)是使用改进的flom-mcma算法均衡后的星座图，(c)是本发明方法均衡后的星座图。

图3为本发明实施例中使用本发明中联合参数变化曲线图。

图4为本发明实施例中使用本发明均衡后的稳态剩余码间干扰图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细说明。

图1为本发明的结构示意图，其中r(n)为均衡系统输入信号；w1(n)为flom-mcma的均衡权向量；w2(n)为dd-lmp算法的的均衡权向量；y1(n)为flom-mcma均衡输出；y2(n)为dd-lmp均衡输出；λ(n)为联合参数；c1(n)为flom-mcma迭代误差；c2(n)为dd-lmp算法迭代误差；e(n)为整个系统的误差；y(n)为凸组合输出信号；为整个盲均衡系统的输出信号；

本发明基于凸组合的mqam信号的并行软切换盲均衡方法，凸组合两种不同类型的盲均衡算法，根据上一个点的判决误差信息，采用联合参数来控制各个算法输出在系统输出中所占的比重，从而实现自适应切换，具体步骤如下：

步骤1，初始化阶段：首先设计基于凸组合的mqam信号并行自适应切换盲均衡方法中的初始参数，生成含有脉冲噪声的均衡系统输入信号r(n)；

步骤1.1、分别采用中心抽头初始化设置flom-mcma与dd-lmp算法的长度为m的初始均衡权向量w1与w2，以及迭代步长μ1与μ2；

步骤1.2、设置凸组合联合参数的初始值λ(0)与组合迭代步长με；

步骤1.3、生成含有脉冲噪声的输入信号r(n)：

其中，h为长度为l的传输信道冲激响应，s(n)为独立同分布的平稳mqam复信号，v(n)为服从于sαs稳定分布的脉冲噪声。

步骤2，均衡算法1迭代阶段：第n次迭代时，采用改进的分数低阶常模算法(flom-mcma)对输入信号r(n)进行均衡处理，输出结果y1(n)，根据flom-mcma误差代价模型更新其均衡权向量w1(n)；

步骤2.1、第n个信号点迭代时，根据此时的均衡权向量w1(n)，计算第n点的flom-mcma输出y1(n)：

上式中y1(n)为flom-mcma均衡输出信号，r(n)为均衡系统输入信号；

步骤2.2、根据mqam复信号s(n)的相位和幅度信息，确定flom-mcma的实部模值rr和虚部模值ri，计算公式分别为：

其中sr(n)与si(n)分别表示s(n)的实部和虚部；

然后根据公式(5)计算算法的迭代误差：

c1(n)＝q|e1,r(n)|^q-1sgn[e1,r(n)]sgn[y1,r(n)]+jq|e1,i(n)|^q-1sgn[e1,i(n)]sgn[y1,i(n)](5)

其中，c1(n)为flom-mcma算法用于迭代均衡权向量的误差，e1,r(n)＝||y1,r(n)|^p-rr|与e1,i(n)＝||y1,i(n)|^p-ri|分别表示实部与虚部的模值误差，y1,r(n)与y1,i(n)分别表示y1(n)的实部和虚部，q为分数阶矩；

步骤2.3、根据步骤2.2中计算的迭代误差c1(n)，采用最速梯度下降法，得到计算公式为：

w1(n+1)＝w1(n)-μ1c1(n)r^*(n)(6)

其中μ1为flom-mcma的迭代步长，r(n)为均衡系统输入信号；

使用公式(6)计算第n+1个信号点的flom-mcma均衡权向量w1(n+1)，并继续进行迭代。

步骤3，均衡算法2迭代阶段：第n次迭代时，采用判决引导p范数算法(dd-lmp)对输入信号r(n)进行均衡处理，输出结果y2(n)，根据dd-lmp误差代价模型迭代更新其均衡权向量w2(n)；

步骤3.1、第n个信号点迭代时，根据此时的均衡权向量w2(n)，计算第n点的dd-lmp输出y2(n)：

其中，y2(n)为dd-lmp均衡输出信号，r(n)为均衡系统输入信号；

步骤3.2、将步骤5中得到均衡系统判决输出作为期望信号，根据公式：

计算得到第n点的dd-lmp的误差c2(n)，其中y2(n)为dd-lmp均衡输出信号，p为分数低阶矩；

步骤3.3、根据步骤3.2中计算的迭代误差c2(n)，采用最速梯度下降法，得到计算公式为：

w2(n+1)＝w2(n)+μ2pc2(n)r^*(n)(9)

其中μ2为dd-lmp的迭代步长，p为分数低阶矩，c2(n)位dd-lmp算法迭代误差，r(n)为均衡系统输入信号；

使用公式(9)计算第n+1个信号点的dd-lmp均衡权向量w2(n+1)，并继续进行迭代。

步骤4，凸组合阶段：根据联合参数λ(n)对步骤2和步骤3中两种算法的输出信号y1(n)和y2(n)进行凸组合，得到凸组合输出信号y(n)，根据凸组合参数误差代价模型迭代更新联合参数w2(n)；

步骤4.1、第n个信号点迭代时，根据公式(10)对步骤2.1和步骤3.1中flom-mcma和dd-lmp的输出y1(n)和y2(n)进行凸组合，得到凸组合输出信号y(n)：

y(n)＝y1(n)λ(n)+y2(n)[1-λ(n)](10)

其中λ(n)为联合参数；

步骤4.2、将判决输出作为期望信号，根据公式(11)计算得到第n点的系统误差e(n)：

步骤4.3、根据步骤4.2中得到的系统误差e(n)，使用迭代公式(12)计算第n+1点的联合参数的辅助计算参数：

ε(n+1)＝ε(n)+μεre{e(n)[y1(n)-y2(n)]^*}λ(n)[1-λ(n)](12)

计算第n+1点的联合参数的辅助计算参数，其中ε(n)为第n点的辅助参数，με为联合参数迭代步长，e(n)为整个系统的误差，y1(n)为flom-mcma均衡输出，y2(n)为dd-lmp均衡输出，λ(n)为联合参数；

步骤4.4、根据步骤4.3中得到的辅助参数ε(n)，使用公式(13)计算得到第n+1点的联合参数λ(n+1)：

为了保证λ(n)始终在区间[0,1]内取值，限制辅助参数ε(n)的取值范围为ε(n)∈[-4,4]；

步骤5，判决输出阶段：将步骤4中凸组合输出信号y(n)通过判决器，得到判决输出

判决器的表达式为：

其中，q[·]为判决运算规则，y(n)为步骤4中输出的凸组合输出信号，si为mqam星座图中与y(n)欧式距离最小的星座点，为整个盲衡系统在第n点的输出信号。

实施例1

为了验证本发明的有效性，通过仿真实验比较flom-cma、flom-mcma与本发明的均衡系统。实验中采用在α＝1.8的sαs分布来模拟脉冲噪声，设置广义信噪比为20db且信道冲激响应为：

h＝[-0.005-0.004j,0.009-0.3j,-0.0024-0.104j,0.864+0.52j,-0.218+0.273j,0.049-0.074j,0.016+0.2j]

假设传输信号为16qam，数据长度n＝10000；盲均衡器均采用长度为m＝9，中心抽头系数为1的初始滤波器，即w1(1)＝w2(1)＝[0,0,0,0,1,0,0,0,0]^t；联合参数初始值λ(1)＝0.5,ε(1)＝0；flom-cma与flom-mcma的迭代步长设为μ＝1.5×10^-3；本实施例中两种均衡器的迭代步长分别为μ1＝1.5×10^-3，μ2＝1.5×10^-4；联合参数迭代步长为uε＝80；两种算法中的分数阶均为p＝q＝0.8。

图2为不同方法下的均衡输出星座图，其中(a)是flom-cma算法输出星座图，(b)是flom-mcma算法输出星座图，(c)是本发明方法的输出星座图。由星座图可以看出，在相同的脉冲噪声条件下，flom-cma算法无法矫正信号的相位旋转，flom-mcma算法星座图收敛程度不佳，本发明方法输出星座更加紧凑，恢复出的信号更加准确。

图3为本发明方法中联合参数λ(n)的变化曲线，仿真实验中，在第5000点处改变信道冲激响应，即h1＝h^*，如图所示，均衡系统在1700点左右完成收敛，系统工作的初始阶段，为了迅速降低信号的稳态误差，联合参数λ(n)趋近于1，系统工作在flom-mcma模式；当信号的稳态误差降低到一定程度后，信号眼图张开，联合参数λ(n)趋近于0，系统工作在dd-lmp模式，完成自适应切换。而当在第5000点信道环境突变时，本发明算法自适应的通过迭代联合参数，控制均衡系统模式切换，使系统始终工作在性能较好的盲均衡模式下。

图4为不同方法在相同脉冲噪声条件下经过100次蒙特卡洛实验后的剩余码间干扰收敛曲线。同样的脉冲噪声环境下，flom-cma算法与flom-mcma算法大约在1500点左右开始收敛，稳态时剩余码间干扰为-15db到-20db之间；本发明方法在均衡过程中，1500次迭代之前与flom-mcma算法性能相近，此时联合参数λ(n)趋近于1，系统工作在flom-mcma模式，当眼图张开后，λ(n)值逐渐减小，算法开始切换，最终工作在dd-lmp模式下，剩余isi进一步减小。由图4可以看出，在保证收敛速度相近的前提下，对比flom-cma算法与flom-mcma算法，本发明的盲均衡系统收敛时将剩余码间干扰降低了17db左右。

综上所述，本发明在保证均衡收敛速度较快的前提下，降低了收敛时的稳态剩余误差，提高了在复杂电磁环境下mqam信号均衡系统的鲁棒性，具有较高的实用价值。