一種基於rls和lms聯合算法的信道均衡方法及均衡器的製造方法
2023-06-06 00:49:46
一種基於rls和lms聯合算法的信道均衡方法及均衡器的製造方法
【專利摘要】本發明涉及一種基於RLS和LMS聯合算法的信道均衡方法及系統，所述方法包含：步驟101）採用RLS均衡算法基於訓練數據訓練均衡器的抽頭係數，直到均衡器達到收斂，假設對訓練數據進行第Nc次迭代時均衡器達到收斂；步驟102）迭代接收的用戶數據的第「j」位，並將迭代得到的誤差值加窗，計算固定長度的滑動窗口內的數據的平均誤差自相關估計；步驟103）將得到的平均誤差自相關的估計值與預先設置的閾值比較，選擇一種均衡算法，所述均衡算法包含：RLS均衡算法和LMS均衡算法；步驟104）採用選中的均衡算法對第j位用戶數據進行均衡，更新j=j+1，然後返回步驟102），直到接收的所有用戶數據均處理完成。本發明的方案在時變信道中性能較優，且能夠達到實時性的需求。
【專利說明】一種基於RLS和LMS聯合算法的信道均衡方法及均衡器
【技術領域】
[0001] 本發明涉及通信領域，特別涉及自適應均衡技術中的遞歸最小二乘（Recursive LeastSquare，RLS)和最小均方（LeastMeanSquare,LMS)均衡器技術。具體涉及根據信 道變化自適應地選擇不同的均衡技術。
【背景技術】
[0002] 在通信中的自適應均衡領域中，LMS均衡和RLS均衡是應用最廣的兩種技術。LMS 算法通過最小化均方誤差得到，算法簡單，複雜度較低，但是它的收斂較慢，在快速時變信 道中經常不能達到收斂，性能較差。RLS算法通過使平方誤差的加權和最小得到，彌補了 LMS算法收斂慢的不足，相比較LMS算法，大大降低了訓練序列的長度，獲得更高的有效數 據速率。另外，RLS算法適於跟蹤快速變化的信道，不受信道特性的影響，在收斂過程中的 每一點都是最優解。然而，RLS算法的算法複雜度較高，與信道長度的平方呈正比。
[0003] 由於水聲信道多徑時延較長，可達幾十ms，信道長度可擴展至幾十甚至上百個符 號，這時使用RLS算法複雜度較高，雖然RLS算法性能較好，但在對實時性要求較高的系統 中是不實用的。另一方面，雖然LMS算法有線性的複雜度，但是它在時變信道中的性能卻迅 速衰退，達不到系統對性能的要求。
【發明內容】
[0004] 本發明的目的在於，為了克服RLS均衡器複雜度較高的缺點，提供一種更為實用 RLS-LMS聯合算法。
[0005] 為了實現以上目的，本發明提供了一種基於RLS和LMS聯合算法的信道均衡方法， 所述方法包含：
[0006] 步驟101)採用RLS均衡算法基於訓練數據訓練均衡器的抽頭係數，直到均衡器達 到收斂，輸出達到收斂時數據的軟判決信息和誤差信息，並假設對訓練數據進行第N。次迭 代時均衡器達到收斂；
[0007] 其中，N。彡M且M為訓練數據的長度；
[0008] 步驟102)迭代接收的用戶數據的第"j"位，並將迭代得到的誤差值加窗，計算固 定長度的滑動窗口內的數據的平均誤差自相關估計；
[0009] 其中，j的取值範圍為：[Ne+l，L]，L為接收端接收的用戶數據的總長度，且用戶數 據包含訓練數據和未知數據；
[0010] 步驟103)將得到的平均誤差自相關的估計值與預先設置的閾值比較，選擇一種均 衡算法，所述均衡算法包含：RLS均衡算法和LMS均衡算法；
[0011] 步驟104)採用選中的均衡算法對第j位用戶數據進行均衡，更新j=j+l，然後返回 步驟102)，直到接收的所有用戶數據均處理完成。
[0012] 上述步驟101)進一步包含：
[0013] 步驟101-1)依據輸入矢量自相關矩陣的倒數與均衡器的觀測矢量得到增益向量 值，然後再依據得到的增益向量值得到第i位訓練數據的誤差值，最後再依據該位數據的 誤差值更新均衡係數矩陣W，完成一次迭代操作；具體公式為：
【權利要求】
1. 一種基於RLS和LMS聯合算法的信道均衡方法，所述方法包含： 步驟101)採用RLS均衡算法基於訓練數據訓練均衡器的抽頭係數，直到均衡器達到收 斂，輸出達到收斂時數據的軟判決信息和誤差信息，並假設對訓練數據進行第N。次迭代時 均衡器達到收斂； 其中，N。SM且M為訓練數據的長度； 步驟102)迭代接收的用戶數據的第"j"位，並將迭代得到的誤差值加窗，計算固定長 度的滑動窗口內的數據的平均誤差自相關估計； 其中，j的取值範圍為：[Ne+l，L]，L為接收端接收的用戶數據的總長度，且用戶數據包 含訓練數據和未知數據； 步驟103)將得到的平均誤差自相關的估計值與預先設置的閾值比較，選擇一種均衡算 法，所述均衡算法包含=RLS均衡算法和LMS均衡算法； 步驟104)採用選中的均衡算法對第j位用戶數據進行均衡，更新j=j+l，然後返回步驟 102)，直到接收的所有用戶數據均處理完成。
2. 根據權利要求1所述的基於RLS和LMS聯合算法的信道均衡方法，其特徵在於，所述 步驟101)進一步包含： 步驟101-1)依據輸入矢量自相關矩陣的倒數與均衡器的觀測矢量得到增益向量值，然 後再依據得到的增益向量值得到第i位訓練數據的誤差值，最後再依據該位數據的誤差值 更新均衡係數矩陣W，完成一次迭代操作；具體公式為：
e (i) =s (i) -ffHx W = ff+ke (i) * 其中，i表示接收端接收的用戶數據中的第i位訓練數據，i的值小於等於N。；P為輸入 矢量自相關矩陣的逆；λ為均衡器的記憶因子，取值在0?1之間；X表示長度為N的均衡 器的觀測矢量；k為Kalman增益向量；W為均衡器係數，e (i)表示第i位訓練數據的誤差； 步驟101-2)依據每次迭代輸出的誤差e (i)判斷均衡器是否達到收斂，即計算MSE (i) =IOlogltl (I e⑴12)，當連續兩次的差值"MSE⑴-MSE (i-Ι) "小於某個設定值時，判斷均衡 器已經達到收斂，否則認為均衡器沒有收斂，返回步驟101-1)繼續對下一位訓練數據進行 均衡或迭代。
3. 根據權利要求1所述的基於RLS和LMS聯合算法的信道均衡方法，其特徵在於，所述 步驟102)進一步包含： 步驟102-1)依據如下公式計算對用戶數據的第j次迭代後得到的誤差與上一次迭代 後得到的誤差的時間平均估計值： p(j) = β p(j-l) + (l-^ )e(j)e(j-l)* 其中，β為控制誤差自相關估計的質量的變量，且其取值在0?I之間，P(j)的初始值 為〇, e(j)表示接收的用戶數據的第j位數據的估計誤差； 步驟102-2)將得到的時間平均值在一個設定長度為M的滑動窗口中進行平均，進而得 到平均誤差自相關的估計值，公式如下：
其中，M為滑動窗口的長度；pw(j)為第j次迭代產生的平均誤差自相關的估計。
4. 根據權利要求1所述的基於RLS和LMS聯合算法的信道均衡方法，其特徵在於，所述 步驟103)依據如下公式選擇均衡算法：
其中，Pw(j)為第j次迭代得到的平均誤差自相關的估計值，T為設定的閾值，RLS表示 RLS均衡算法，LMS表示LMS均衡算法。
5. 根據權利要求1所述的基於RLS和LMS聯合算法的信道均衡方法，其特徵在於，所述 步驟104)進一步包含如下步驟： 若選擇的是RLS算法，則按照步驟101-1)進行用戶數據均衡，此時公式中的s (i)表示 均衡後數據的硬判決； 若選擇的是LMS算法，均衡器係數則按下式進行更新： e(j) = s (j)-ffHx ff = W+ μ xe (j) * 其中，μ表示LMS算法的步長，取值在0?I之間。
6. -種基於RLS和LMS聯合算法的信道均衡器，其特徵在於，所述均衡器包含： 均衡算法選取模塊，用於實時的依據信道狀況選擇均衡算法；和 均衡模塊，用於基於均衡算法選擇模塊選擇的某個算法對用戶數據進行均衡判決，輸 出判決結果。
7. 根據權利要求6所述的基於RLS和LMS聯合算法的信道均衡器，其特徵在於，所述均 衡算法選取模塊進一步包含： 均衡器收斂模塊，用於基於RLS均衡算法，以訓練數據訓練均衡器抽頭係數，直至均衡 器收斂為止得到均衡器的各初始抽頭係數； 平均誤差自相關估計模塊，用於基於最近兩次對用戶數據迭代後的誤差得到平均誤差 自相關估計，其中，針對第一次對用戶數據迭代後的平均誤差自相關估計基於最後一次對 訓練數據迭代得到的誤差和第一次對用戶數據得到的第一次誤差計算得到； 算法判決選擇模塊，用於將對每次用戶數據迭代得到的平均誤差自相關估計值與某一 設定的閾值進行比較判決，當平均誤差自相關估計值較大時選擇採用RLS均衡算法，反之 選擇LMS均衡算法。
8. 根據權利要求7所述的基於RLS和LMS聯合算法的信道均衡器，其特徵在於，所述均 衡器收斂模塊進一步包含如下子模塊： 更新均衡係數矩陣及誤差計算子模塊，用於依據RLS算法迭代用戶數據中的訓練數 據，輸出每一位訓練數據對應的誤差值並更新均衡係數；和 收斂判斷模塊，用於判斷均衡器是否達到收斂，如果已達到收斂，則執行平均誤差自相 關估計的步驟，否則，繼續採用RLS算法更新均衡器係數。
9. 根據權利要求7所述的基於RLS和LMS聯合算法的信道均衡器，其特徵在於，所述平 均誤差自相關估計模塊進一步包含： 時間平均估計子模塊，用於基於對每次用戶數據進行的最近迭代得到的兩個誤差計算 時間平均估計；和 平均誤差自相關估計計算子模塊，用於基於得到的時間平均估計和設定的滑動窗口的 長度得到平均誤差自相關估計值。
10. 根據權利要求9所述的基於RLS和LMS聯合算法的信道均衡器，其特徵在於，所述 平均誤差自相關估計計算子模塊具體採用如下公式計算平均誤差自相關估計：
其中，M為滑動窗口的長度，p(i)是對用戶數據進行第i次迭代得到的時間平均估計 值。
【文檔編號】H04L25/03GK104519001SQ201310461649
【公開日】2015年4月15日 申請日期:2013年9月30日 優先權日:2013年9月30日
【發明者】戚肖克, 李宇, 黃海寧 申請人:中國科學院聲學研究所