一族新Bussgang类盲均衡算法.pdf

万方数据
咖㈤毗㈤е詏ァ呻))5(I+n)ly(2P1)一族新类盲均衡算法许军汪芙平王赞基Bussgang7第卷第期年月电子与信息学报(北京摘要:该文提出了一族新类盲均衡算法统一形式的代价函数,该代价函数具有明确的数学意义,包括DecisionDirectedSatoCMABussgang盲均衡算法,该文据此设计了两种新型的盲均衡算法,仿真实验验证了这两种新算法的收敛性能。关键词:盲均衡:随机梯度法;代价函数中图分类号:A文章编号:———,;Sato[1]得到了迅速的发展。根据在何处对数据进行非线性变换,盲12JBussgang的无记忆变换函数在自适应均衡器的输出端:高阶或循环统计量算法,非线性变换在自适应均衡器的输入端:非线性均衡器,非线性变换存在于均衡器的内部。类盲均衡算法根据设计的非线性代价函数,采用随机梯度法,对均衡器系数进行调整。该方法原理简单,计算复杂度低,在实际BussgangDecision-算法,算法,惴ǎ琈算法等。算法中采用判决结果作为目标输出,该算法有最佳的收ISI01Sato针对藕牛籆算法是应用得最多的类算法;针对藕诺奈忍蟛钗侍猓杓屏薓算法。为加快算法的收敛,可以将算法和其他算法结合起来使SGCMADD类算法种类较多,通过设计不同的代价函数可以得到不同的算法。本文首先提出一族新类算法统一的代价函数形式,并说明了其数学意义。通过分析可以看到算法,SatoCMA也指明了设计新型类盲均衡算法的一种方法。根据该代价函数,本文推出了两种新类型的盲均衡算法,仿真实验验证了这两种算法的收敛性能。考虑离散线性卷积系统其中为观察信号,为发送的独立同分布随机序列,是系统冲激响应。盲均衡的目的是根据观察到的信号,估计出滤波器。等价于求出逆滤波器,使得分类算法设计非线性无记忆函数夕,以其输出作为目标输出,采用随机梯度法,迭代求取逆滤波器。2+12]—他琲,,⋯,礼一其中7窍咝员浠缓ü杓撇煌南∥,;收到,改回(20060003032)V0130No100ct2008EngineeringTsinghuaAbstractTlli8.—convergence築
万方数据
B=2(3)Vm2E)_h)+}(7)o"AM有礼磺掣,显然我们:一咖‘,一≯『‘’e(n)=c(n1)pV(1)瑈籸仃籭得到夕捎檬,式直接设计可,3Bussgang(())S()其中硎竟查睢T谝话闱榭鱿拢鲈不连续,并且可能VJ(n)=2((())())x(n)E{(()78911(y(n)))2}Sato4Bussgang(!())=7sgn(real(y(n)))real(y(n))5H(z)=[(-00050oo)+(o009+0030j)z+(-0024—.】电子与信息学报第卷类算法有两种主要的设计方法设计代价CMA例如算法,采用式迭代。类算法种9(!(n))指导标准。本文采用设计代价函数的方法,设计一族新的盲均衡算法。定义距离函数,其数学意义为到某二维几何图S()近的点。定义代价函数:C(7)采用瞬时梯度向量作为梯度向量的估计值,得到滤波器权向量的更新形式为p(8)(9)(3)(4)(())(!())S法不同,可以得到不同类型的子方法。敉夹蜸取为信