BRPI0101198B1 - Processo concorrente para desconvolução autodidata de sinais digitais - Google Patents

Description

Relatório Descritivo de Patente de Invenção Método e Sistema de DesconvqluçAo Cega de um Sinal Digital Campo da Invenção A presente invenção descreve um método e sistema concorrente para desconvolução cega de sinais digitais para redução e eliminação da interferência intersimbólíca nos sinais digitais, problema este decorrente do efeito dispersivo de qualquer canal de transmissão prático. Mais especificamente, a desconvolução é realizada por dois filtros cujos dois sinais resultantes da filtragem de cada filtro definem conjuntamente o sinal de saída do processo desconvoiutor. A presente invenção situa-se no campo da engenharia de telecomunicações.

Antecedentes da Invenção O processo concorrente para desconvolução autodidata de sinais digitais aqui descrito destina-se a reduzir e possivelmente eliminar o problema de interferência intersimbólíca em sinais digitais, problema este decorrente do efeito dispersivo de qualquer canal de transmissão prático. O Processo Concorrente para Desconvolução Autodidata de Sinais Digitais implementado através do Equalizador Concorrente, apresenta uma habilidade em atingir efi cientemente, sob mesma situação operacional, uma condição muito mais próxima da condição zero forcing, ou equivalente, do que os demais equalizadores utilizados no atual cenário. Este cenário inclui o universalmente utilizado - e consagrado - Equalizador CMA. Isto permite que o Equalizador Concorrente seja utilizado para desconvoluir canais com sinalização mais densa do que o estado tecnológico atual permite. Assim, o uso do Equalizador Concorrente para desconvolução autodidata de sinais digitais possibilitará um aumento na velocidade de transmissão para aqueles sistemas digitais que têm sua velocidade máxima restringida pela operação do equalizador.

Do que se depreende da literatura pesquisada, não foram encontrados documentos antecipando ou sugerindo os ensinamentos da presente invenção, de forma que a solução aqui proposta possui novidade e atividade inventiva frente ao estado da técnica.

Sumário da Invenção O processo tem o seguinte princípio de funcionamento: a desconvolução é realizada por dois filtros, aqui denominados V e W, cujos dois sinais resultantes respectiva mente da filtragem de cada filtro definem conjunta mente o sinal de saída y do processo desconvolutor. Os coeficientes do filtro V são adaptados através de métodos de gradiente, ou equivalentes, baseados em uma função de custo que mede uma dispersão estatística de y. Os coeficientes do filtro W são adaptados através de métodos de gradiente, ou equivalentes, baseados em uma função de custo que mede uma distância de y ao símbolo mais próximo do alfabeto digital. A atualização dos coeficientes dos filtros W e V é tal que a atualização dos coeficientes de W depende da atualização dos coeficientes de V através de uma função não linear. Os resultados obtidos demonstram que o processo ora descrito apresenta um desempenho comparativo superior com relação aos processos usualmente adotados para a solução deste problema, sendo que o rol de possíveis aplicações e/ou aparelhos a serem protegidos aplicações e/ou aparelhos passíveis de terem o seu desempenho melhorado pelo uso do Processo Concorrente para Desconvolução Autodidata de Sinais Digitais inclui, mas não esgota: Processamento Espaço Temporal {utilizado, por exemplo, em Antenas Inteligentes, Sensores Inteligentes, etc...); Sistemas de telecomunicações digitais em geral (telefonia celular, televisão digital, rádio digital, etc...);

Sistemas de telemetria; Sistemas de sensoríamento remoto; Sistemas de localização/medição geodésica (GPS, etc..}; Sistemas de auxílio à navegação;

Sistemas de prospecçio sísmica por reflexão/retração de ondas; Sistemas de armazenamento em meio magnético; Sistemas de RADAR; Sistemas de SONAR.

Assim, é um objeto da presente invenção um método para desconvolução cega de um sinal digital compreendendo as etapas de a) submeter dito sinal digital para, simultaneamente, um filtro adaptativo V e um filtro adaptativo W, cada um dos filtros adaptativos apresentando coeficientes e saídas; b) atualizar os coeficientes do dito filtro adaptativo W de acordo com os coeficientes do dito filtro adaptativo V por meio de uma função não-linear; e c) adicionar as saídas dos ditos filtros adaptativos V e W, de modo a gerar um sinal de saída resultante.

Em uma configuração preferencial, os coeficientes do dito filtro adaptativo V são ajustados por métodos de gradiente ou métodos equivalentes, com base na minimização de uma função de custo que mede uma dispersão estatística do dito sinal de saída.

Em uma configuração preferencial, os coeficientes do dito filtro adaptativo W são ajustados por métodos de gradiente ou métodos equivalentes, com base na minimização de uma função de custo que mede a distância a partir do referido sinal de saída a um símbolo do alfabeto digital mais próximo. É ainda um objeto adicional da presente invenção, um sistema para desconvolução cega de um sinal digital compreendendo: a) meios para submeter um sinal digital para, simultaneamente, um filtro adaptativo V e um filtro adaptativo W, cada um dos filtros adaptativos apresentando coeficientes e saídas;

b) meios para a atualização dos coeficientes do dito filtro adaptativo W de acordo com os coeficientes do dito filtro adaptativo V por meio de uma função não-linear, e c) meios para adicionar as saídas dos ditos filtros adaptativos V e W, de modo a gerar um sinal de saída resultante.

Em especial, o dito filtro adaptativo V é diferente do dito filtro adaptativo W e a dita desconvolução cega ocorre através de uma ação simultânea dos ditos pelo menos diferentes filtros adaptativos V e W, os sinais de saída dos referidos pelo menos filtros adaptativos VeWem conjunto definindo o sinal de saída do referido sistema de desconvolução.

Opcional mente, os coeficientes de pelo menos um dos ditos filtros adaptativos V e W são ajustados por métodos de gradiente ou métodos equivalentes, com base na mínimização de uma função de custo que mede uma dispersão estatística do sinal de saída do referido sistema.

Em uma configuração alternativa, os coeficientes de pelo menos um dos ditos filtros adaptativos V e W são ajustados por métodos de gradiente ou métodos equivalentes, com base na mínimização de uma função de custo que mede a distância a partir do sinal de saída do dito sistema para um mais próximo símbolo do alfabeto digital.

Estes e outros objetos da invenção serão imediatamente valorizados pelos versados na arte e pelas empresas com interesses no segmento, e serão descritos em detalhes suficientes para sua reprodução na descrição a seguir.

Breve Descrição das Figuras A Figura 1 mostra o diagrama simplificado em banda base representando o processo de remoção da ISI pelo equalízador concorrente em um sistema de transmissão digitai. A Figura 2 mostra o diagrama esquemâtico do equalízador concorrente o qual implementa o processo concorrente para a Desconvolução Autodidata de Sinais Digitais, A Figura 3 mostra a caracterização do canal M4, com a Fig. 3a |e<n)j;

Fig. 3b Zc(n)em graus; Fig. 3c zeros de C(z)e Fig. 3d zeros de c™(z> - δ e cIM|,AIV) - *. A Figura 4 mostra a caracterização do canal M9, com a Fig. 4a |c(n)|;

Fig. 4b Zc(n)em graus; Fig. 4c zeros de C(z) e Fig. 4d zeros de cPAV> - δ e C'™(z) - *. A Figura 5 mostra a caracterização do canal M14, com a Fig. 5a |c(n)|;

Fig. 5b Zc(n)em graus; Fig. 5c zeros de C(z) e Fig. 5d zeros de cPAR(z) - δ e C^z) - *. A Figura 6 mostra a caracterização do canal C1, com a Fig. 6a |c(n)|;

Fig. 6b Zc(n)em graus; Fig. 6c zeros de C(z)e Fig. 6d zeros de cPAR(z) - δ e C^AJ^z) - *. A Figura 7 mostra resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal M14, modulação 16-QAM (/ = 1,32), SNR=35 dB com os parâmetros: A/a=100000, η =1x10'3, ηv=1x10'3 η^ΙχΙΟ'3, L=LC=16 e ξ = 6, com a Fig. 7a Γ(CMA), Fig. 7b Ψ (CONC), Fig. 7c isi(i) e Fig. 7d mse(í) . A Figura 8 mostra resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal M9, modulação 64-QAM (7 = 1,380953), SNR=35 dB com os parâmetros:A/a=100000, η =1x10~3, ην=1χ10'3 η w=1x10'2, L=Lc=16 e ξ = 2. A Figura 9 mostra resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal C1, modulação 256-QAM (7 = 1,395295), SNR=35 dB com os parâmetros: A/a=100000, η =1x10~4, ην=1χ10' 4 η^Ιχίσ3, L=LC= 128 βξ = 63 . A Figura 10 mostra resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal M4, modulação 16-QAM (7 = 1,32), SNR=35 dB com os parâmetros: Na=3000Q, η =1x10~3, ην=1χ10~3 nw=1x10'2, L=Lc=16 e£=8 , com a Fig. 10a Γ(CMA), Fig. 10b Ψ (CONC), Fig. 10c isi(i) e Fig. 10d mse(í) . A Figura 11 mostra resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal M4, modulação 64-QAM (7 = 1,380953), SNR=35 dB com os parâmetros: A/a=30000, η =1x10'3, ηv=1x10'3 í]w=1x10'2, L=LC=16 βξ = 6, coma Fig. 11a Γ(CMA), Fig. 11b Ψ (CONC), Fig. 11c isi(i) e Fig. 11 d mse<í). A Figura 12 mostra a representação gráfica da função de transferência H{f) do filtro raised-cosine do sistema ATSC 8-VSB, A Figura 13 mostra o gráfico de lv(i) para N =64 e a = 0,1.15.

A Figura 14 mostra os resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal especificado na Tabela 4 com f = 0Hz, incluindo o efeito do filtro raised-cosine, com a Fig. 14a: y(Mí(n), Fig. 14b: >·<,*, (n), Fig. 14c: mse^oo e Fig. 14d: mse,,.«·<»).

A Figura 15 mostra os resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal especificado na Tabela 4 com f = 10Hz, incluindo o efeito do filtro raised-cosine, com Fig. 15a: y™,(n), Fig. 15b: y(f«4n). Fig- 15c: msf,w,(io e Fig. 15d: MSF^-(n). A Figura 16 mostra resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal especificado na Tabela 4 com f = 20 Hz, incluindo o efeito do filtro raised-cosine, com a Fig. 16a: yt.m(n), Fig. 16b: ywín), Fig. 16c: msewe Fig. 16d: mse„™ <n).

A Figura 17 mostra os resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal especificado na Tabela 4 com f = 50Hz, incluindo o efeito do filtro raised-cosine, com a Fig. 17a: yt„„(n), Fig. 17b: ytDNí;<n), Fig, 17c: MSEtM,<n) e Fig. 17d: A Figura 18 mostra os resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal especificado na Tabela 4 com f =100 Hz, incluindo o efeito do filtro raised-cosine, com a Fig. 18a: y™4n), Fig. 18b: yt(Wt.(n), Fig. 18c: MSF^ín) e Fig. 18d: Descrição Detalhada da Invenção Definição do Problema cuja Solução é Obtida através do Processo Concorrente para Desconvolução Autodidata de Sinais Digitais. A solução para o problema de superposição de raios de propagação e sua variação dinâmica no canal de transmissão de um sistema digital será um dos maiores desafios para o avanço tecnológico desta área nos próximos anos.

Em comunicações móveis esse fenômeno indesejado é caracterizado pelos parâmetros de delay spread, angle spread e Doppler spread, os quais determinam o nível e a dinâmica de superposição entre os símbolos do sistema, superposição esta que ocorre como consequência da transmissão da informação através do canal.

Em particular, a superposição de símbolos ocorre como consequência da natureza dispersiva do canal de transmissão de qualquer sistema digital prático, dispersão esta que implica em a resposta impulsiva c(n) do canal assumir valores não nulos ao longo de vários intervalos amostrais [1], Um canal não dispersivo apresenta uma resposta c(n) ao impulso £(n) caracterizada por um único impulso j(n-nd) que ocorre nd>0 instantes amostrais após o instante inicial. A dispersão do canal pode ser melhor compreendida sob o ponto de vista da convolução [2] da sequência s(n) de símbolos enviada pelo transmissor digital com a resposta impulsiva c(n) do canal. Se o canal for não dispersivo (situação ideal não encontrada na prática devido à alta velocidade de transmissão dos símbolos digitais dos sistemas atuais) a sequência de símbolos u(n) recebida pelo receptor digital será uma réplica de s(n) a menos de uma constante de ganho G e de um atraso nd >0, i.e., u(n) = G s(n-nd).

Se o canal for dispersivo, cada amostra de u(n) será uma soma ponderada das amostras passadas, ponderação esta definida por c(n)^ £(n-nd).

Desta maneira, a dispersão de canal pode ser associada ao conceito de reverberação, já que o valor de cada amostra é interferido por “ecos” de amostras já ocorridas. Daí, portanto, decorre o conceito da grandeza denominada Interferência Entre Símbolos ou ISI (Inter Symbol Interference), cujo valor mede o quanto os símbolos de um sistema de transmissão digital se superpõem uns aos outros como decorrência da dispersão do canal [1 ][3], Como reverberação é um fenômeno natural e inevitável a todo e qualquer canal de transmissão prático, a comunidade científica contornou o problema através de sistemas compensadores de reverberação denominados Equalizadores. Equalizadores são usual mente colocados entre o receptor digital e o canal de tal forma que a resposta impulsiva combinada h(n) do Equalizador em série com o canal tenda para ò'(n - nLl), anulando, assim, a dispersão do canal [1 ]. A Figura 1 mostra o diagrama simplificado do processo de compensação da reverberação realizado pelo Equalizador.

Da Figura 1, note que h(n) é o resultado da convolução da resposta impulsiva do canal 20 c(n) com a resposta impulsiva do Equalizador 30 f{n), i.e., h(n) = c(ii)* f(n) [2]. Como a sequência de símbolos y(n) recebida pelo receptor digital 40 é o resultado da convolução de s(n) com h(n), e como o Equalizador 30 atua no processo de forma a que h(n) -»<J(n-nd), o processo de desconvolução do canal 20- também chamado de processo de equalização do canal 20 [2][3] - resulta em y(n)-> s(n-nd). Ou seja, o processo de desconvolução efetuado pelo Equalizador 30 faz com que y(n), ao contrário do sinal u(n) recebido do canal 20, seja uma réplica da sequência s(n) originalmente transmitida, a menos de um atraso de nd amostras. Sempre que o processo de desconvolução atingir um estado tal que h(n)->£(n-nd) diz-se que o Equalizador 30 atingiu a condição (ou situação) ZF (zero forcing), quando então, 1S1 —> 0 [1], Em muitas situações práticas, devido a fatores diversos, como ruído e características peculiares do canal, a condição ZF não é completa mente alcançada, mas apenas aproximada pelo Equalizador 30. Um destes casos é aquele em que o Equalizador 30 opera em uma situação de MMSE (Minimum Mean Squared Error), a qual não é exatamente a situação ZF, mas, para os fins práticos e operacionais de um Equalizador operando nesta condição, a substitui. Não importando o meio do canal de transmissão (eletromagnético, acústico, etc...), devido à tendência de os sistemas digitais transmitirem os símbolos digitais a uma velocidade cada vez mais alta para que as demandas de mercado sejam atendidas, a reverberação, mesmo a níveis baixos, é suficiente para deteriorar a performance do sistema porque o intervalo de duração dos símbolos é pequeno se comparado com o intervalo de duração da reverberação. Mais recentemente surgiu um fator adicional que complica ainda mais o avanço das comunicações digitais: O mercado de telecomunicações vem apresentando uma alta razão de crescimento da demanda por maior complexidade (e portanto volume) de informação a ser um transmitida. O sistema de 3a Geração de Telefonia Celular baseado no conceito de "software radio" (em fase de desenvolvimento por vários fabricantes [4]) é um exemplo típico desta demanda. Ocorre que esta razão de crescimento de demanda é bem maior do que a razão de crescimento da velocidade de operação (clock) dos circuitos digitais que compõem o sistema digital, velocidade esta limitada pelo estado do avanço tecnológico na área de micro eletrônica e semicondutores. Ainda, é importante lembrar que todos estes fatores limitantes ocorrem em um contexto de pouca disponibilidade para alocação de bandas espectrais, especialmente em baixas frequências.

Assim, para que esta maior demanda por volume de informação possa ser atendida, a solução encontrada é aumentar o "vocabulário" de símbolos digitais de um sistema (denominado de constelação ou alfabeto do sistema) de forma que a maior complexidade de informação possa ser compensada por um "vocabulário" mais elaborado capaz de representar o maior volume de informação dentro do mesmo intervalo de tempo. Ou seja, uma constelação mais densa permite que a velocidade de transmissão não seja reduzida pela maior complexidade - i.e., entropia [1][3] - da informação, visto que o maior número de símbolos disponíveis compensa a necessidade de emitir muitos símbolos em sequência, situação que ocorrería para uma constelação menos densa.

Ocorre que, para um mesmo número de "letras" disponíveis, um "vocabulário" extenso forçosamente apresenta maior número de "palavras" ou símbolos semelhantes entre si do que um "vocabulário" mais simples. E esta maior semelhança entre os símbolos da constelação de um sistema digital que utiliza uma constelação mais densa torna-se um sério problema para a performance do sistema quando o canal é dispersivo. Isto decorre do fato de que a mínima ISI torna os símbolos ininteligíveis sob o ponto de vista digital devido à maior semelhança intrínseca entre eles. Em termos técnicos, a distância que diferencia os símbolos entre si torna-se reduzida, ficando mais difícil a identificação do símbolo efetivamente recebido. Assim, o desempenho do Equalizador de canal de um sistema digital torna-se fator crucial no desempenho do sistema como um todo. É importante ressaltar que os sistemas emergentes de comunicações celulares de faixa larga, como os sistemas de 3a Geração, preveem o uso de arranjos de antenas inteligentes nas rádio-bases e, possivelmente, nos terminais receptores. Essas antenas inteligentes são controladas por algoritmos de processamento digital denominados de “Espaço-Temporais”, essencialmente equivalentes aos algoritmos de equalizadores aqui referidos e/ou descritos.

Um equalizador é dito ser autodidata quando efetua a desconvolução autodidata do canal, isto é, quando o equalizador dispensa totalmente a necessidade de que seja conhecida no receptor a sequência s(n) originalmente transmitida. Ao contrário, os equalizadores não autodidatas necessitam que s(n) seja conhecida no receptor como referência - na melhor das hipóteses por um curto intervalo de tempo - para que a condição ZF, MMSE ou outra equivalente, possa ser alcançada. Os equalizadores autodidatas, ou não supervisionados, são também conhecidos como equalizadores cegos (blind equalizers), pela maneira como atingem a condição ZF, MMSE, ou outra equivalente [1], A vantagem de um equalizador autodidata sobre um não autodidata é, portanto, óbvia sob o ponto de vista de diminuição da banda passante necessária. 0 Processo Concorrente para Desconvolução Autodidata de Sinais Digitais, objeto deste requerimento de patente, é implementado através de um sistema equalizador autodidata cuja arquitetura caracteriza-se por ser concorrente. Portanto, nos referiremos doravante ao equalizador que implementa o Processo Concorrente para Desconvolução Autodidata de Sinais Digitais como “Equalizador Concorrente”. A arquitetura inédita do Equalizador Concorrente - e o modo de operação intrínseco a esta arquitetura - permite a desconvolução de forma eficiente de sinais digitais com constelações muito mais densas do que permitem os tipos de equalizadores autodidatas usualmente empregados nos sistemas digitais atuais. Além disso, o Equalizador Concorrente permite que a variação temporal dinâmica no canal, resultante, por exemplo, do deslocamento relativo entre transmissor e receptor digital seja significativamente maior que a maior velocidade de deslocamento usualmente permitida. O Equalizador Concorrente. A Figura 2 mostra o diagrama do Equalizador Concorrente. A partir de sua inicialização, o vetor de pesos V = [v0 X ··· VL_J é atualizado por algum algoritmo baseado em métodos de Gradiente, como por exemplo, Gradiente Estocástico [3], RLS (Recursive Least Square) [3], ou outro equivalente, objetivando minimizar a função de custo JD, ou outra função de custo que meça dispersão. Da mesma forma, a partir de sua inicialização, o vetor de pesos w = [w0 Wl ··· WL1f é atualizado por algum algoritmo baseado em métodos de Gradiente, visando minimizar a função de custo JQ, ou outra que meça uma distância da saída y do Equalizador ao símbolo mais próximo do alfabeto A, símbolo este dado por Q{y}, onde o operador Q{·} representa a operação de quantização com referência aos símbolos do alfabeto.

Na Figura 2, Y“E{lAl4}/E{iAr} é a constante de dispersão estatística para uma ordem de dispersão de P=2. Cada bloco z 1 introduz o atraso de uma amostra. e{·} é o operador que retorna a média estatística do argumento. O operador {·}τ resulta na transposição do vetor/matriz argumento e o operador]· | retorna a norma Euclidiana do argumento. Utilizou-se o operador | · |2 como medida de distância visto que os símbolos s do alfabeto A são frequentemente números complexos (quando, por exemplo, a sinalização é M- QAM, M-PSK, [1] etc...). Portanto, o custo computacional da operação |· |2 fica reduzido fazendo-se |· |2 = s· s\ onde o operador {·}* representa a conjugação do argumento. No entanto, qualquer operador que expresse comprimento - no contexto de distância - do argumento pode ser utilizado. O método de Gradiente mostrado na Figura 2 é o Gradiente Estocástico, mas qualquer método equivalente é passível de ser utilizado.

No diagrama representado na figura 2, são utilizadas ainda as seguintes denominações ro ri ' ' ' rL-1 1 ^ ^ So ,S1 ’ ' ' ' ’ 5Λ/ί-1^ é o alfabeto composto por M símbolos digitais; e as Equações: Equação (1): 2 Q{ y} = arg min | y- s. | , sk eA , k = 0,1, . . . M- 1 , (1) Equação (2): (2), que é a constante de dispersão para P=2.

Note que Jd é uma dispersão estatística de ordem P [5] e que inerentemente utiliza estatísticas de ordem superior do conjunto de saídas y do equalizador [6]. Embora o Equalizador Concorrente possa operar para qualquer valor inteiro de P, para efeito de simplificação da descrição que segue, adotaremos P=2. JD é calculado pela Equação (3): (3) Observe que Jq mede o quadrado da norma Euclidiana entre a saída do equalizador e o símbolo do alfabeto mais próximo. Note também que, pela definição das funções de custo, se Jq é minimizada, obrigatoriamente JD também o será. No entanto, a recíproca não é verdadeira. Jq é calculado pela Equação (4): (4) Para que o processo de minímízação de Jq não destrua a estabilidade da delicada dinâmica do processo de minimização de JD> pois ambos compartilham a mesma variável comum y, é estabelecido um elo entre eles, conforme mostrado na Figura 2. Este elo permite que o processo de Jd informe quão equilibrado ele se encontra ao processo de Jq. O equilíbrio do processo de JD deve ser entendido não somente associado ao conceito de estabilidade, mas também associado ao grau do efeito resultante desta estabilidade, isto é, ao grau em que o processo de minimização de Jd simultaneamente minimiza já que o equalizador é concebido para operar de modo concorrente. Este critério é crucial, visto que a minimização de JD, por definição, não necessariamente minimiza JQ. Este elo consiste em um operador não linear que inibe o processo de Jq quando o processo de minimização de Jq simultaneamente não minimiza Jq. Assim, embora compartilhem a variável de saída comum y - o que torna os processos concorrentes devido à arquitetura resultante - ao processo de JQ somente é permitido interferir de modo cooperativo no processo de minimização de Jq.

Tabela 1 descreve o procedimento gerai adotado quando o Equalizador Concorrente é aplicado à equalização de um canal sob amostragem fracionária T/2 [1]. A Tabela 1 é um sumário geral das operações realizadas pelo Equalizador Concorrente para implementar o Processo Concorrente para Desconvolução Autodidata de Sinais Digitais quando aplicado à equalização de canal» no caso em que p = 2. Note que em uma comunicação contínua, o valor de R, pode ser considerado infinito.

Da Tabela 1, note que o fator [t -Dy]gera o seguinte comportamento durante a operação do Equalizador Concorrente: W somente ê atualizado se, ao se atualizar V, a variável de saída y permanece no mesmo nível de quantização Q(y{. Uma atualização em V que não altere o nível de quantízação Q implicitamente significa uma atualização provavelmente correta» já que esta é a condição esperada após a convergência do equalizador.

Portanto, o fator [l -DQ] controla a atualização de W em concordância com a operação concorrente do sistema: O processo de minimização de JQ somente é ativado quando o processo de minimização de JD simultaneamente minimiza Jq. Como os filtros W e V conjuntamente influenciam a saída y, o fator [l - D<j] evita qualquer interferência não cooperativa do processo de minimização de Jq que possa desequilibrar o processo de minimização de JD.

Testes Comparativos sob Cana! Estático - Resultados Obtidos.

Objetivando testar o Equalizador Concorrente em situações mais próximas possíveis da operação real, utilizaremos nesta descrição os modelos de canais disponíveis na base de dados da Universidade de Ríoe, localizada em Houston, Texas, USA, Esta base de dados ê conhecida como Signal Processing Information Base (SPIB) [8] e pode ser acessada em http://spib.rice.edu/. A SPIB tem sido bastante utilizada como referência em muitos trabalhos recentes que procuram evitar o cunho de serem apenas acadêmicos. Informações adicionais, incluindo estudos e artigos com base na SPIB, podem ser encontradas no site do Blind Equalization Research Group (BERG) [9] em http://backhoe.ee.cornelI.edu/BERG/, pertencente à Universidade de Cornell, localizada em Ithaca, New York , USA. A operação do Equalizador Concorrente sob canal dinâmico é abordada na Seção 4.

Os modelos de canais de microondas a serem utilizados podem ser acessados em http://spib.rice.edu/spib/microwave.html. Estes modelos constituem a resposta ao impulso, medida em campo, de diversos canais de microondas reais, IVSuíto embora aqui seja apresentada a caracterização completa de cada canal, tanto no domínio tempo como no domínio frequência, informações adicionais podem ser obtidas em [10], [11] e [12]. A resposta ao impulso dos canais de microondas da SPIB é obtida sob uma razão de amostragem alta, da ordem de dezenas de megabauds por segundo, resultando em respostas impulsivas com centenas de amostras. Isto permite que cada pesquisador decime a sequência resultante por um fator adequado ao seu caso de particular interesse, sem que se perca informação significativa. A grande maioria dos trabalhos raramente utiliza uma resposta impulsiva de canal com mais de algumas dezenas de amostras. Nesta descrição, para que se mantenha termo de comparação com recentes trabalhos na área [6] [7] [13], os canais de microondas SPIB serão décima dos para 16 amostras. A Tabela 2 identifica os canais SPIB utilizados e estabelece a respectiva designação a ser doravante aqui adotada. Por exemplo, ao referir se ao canal M4 nesta descrição, entenda-se: o canal cuja resposta ao impulso resulta da decimação para 16 amostras da sequência de amostras do arquivo chan4,mat da base de dados SPIB referente a canais de microondas.

Para que a localização dos zeros da função de transferência FIR de um canal SPIB não seja alterada, utiliza-se decimação no domínio frequência [2][7]. Especificamente, o número de amostras em um arquivo SPIB é estendido para a próxima potência inteira de 2 mediante o acréscimo de amostras nulas em sequência. A seguir é aplicada a FFT {FFT - Fast Fourier Transform) sobre a sequência estendida e a resultante sequência no domínio frequência é decimada para 16 amostras. Aplica-se então a IFFT (IFFT - In verse Fast Fourier Transform) [2] sobre a sequência decimada no domínio frequência resultando em uma sequência de 16 amostras no domínio tempo, correspondente ã resposta impulsiva decimada. Caso fosse utilizada decimação no domínio tempo, seriam gerados efeitos de alíasing [2], alterando, em especial, a posição das raízes refletidas e das raízes próximas ao círculo de raio unitário no domínio frequência z, desfigurando assim as características dos canais SPIB, Outro tipo de modelo de canal utilizado nesta descrição é o representativo de canais para TV a cabo, os quais podem ser acessados em http://spib.nce.edu/spib/cable. html. A razão de amostragem utilizada para estes canais da SPIB é a usualmente utilizada em decodifica d ores de TV a cabo práticos. Assim, para que se mantenha termo de comparação com trabalhos na área, estes canais não serão decímados. A Tabela 3 identifica o canal de TV a cabo SPIB utilizado e estabelece a respectiva designação a ser doravante aqui adotada. Por exemplo, ao referir se ao canal C1 nesta descrição, entenda-se: o canal cuja resposta ao impulso é dada pela sequência de amostras do arquivo chanl.mat da base de dados SPIB referente a canais de TV a cabo.

Na presente descrição, os canais M4, M9, M14 e C1 são caracterizados por: 1- Módulo [c(n)| efase Zc(n) (em graus) da resposta impulsiva c(n) resultante da amostragem fracionária T/2 da resposta ao impulso c(t) do canal. 2- O lugar no plano z dos zeros da função de transferência C(z) do canal. 3- O lugar no plano z dos zeros das funções de transferências C™(z) e CΙΜΙ’ΛΚ (z) dos sub canais (amostragem fracionária T/2 implica em sub canais par e ímpar [6][7]). A avaliação do desempenho do Equalizador Concorrente será feita com referência a um equalizador do tipo CMA (Constant Modulus Algorithm) [1][7]. O Equalizador CMA FIR transversal é talvez o mais amplamente utilizado e testado na implementação de equalizadores autodidatas atuais [14], pois, em sistemas práticos, seu desempenho tem sido com provada mente superior aos demais equalizadores autodidatas presente mente em uso [6] [7]. Os critérios de desempenho adotados baseiam se nos seguintes resultados de simulação: 1- Gráfico da constelação Γ na saída y do Equalizador CMA após a convergência, tendo como referência a constelação do alfabeto A da fonte, sendo A representado no gráfico pelo conjunto de símbolos + . 2- Gráfico da constelação Ψ na saída y do Equalizador Concorrente após a convergência, tendo como referência a constelação do alfabeto A da fonte, sendo A representado no gráfico pelo conjunto de símbolos + . 3- Gráfico comparativo das curvas ISI(í) para os dois equalizadores, i = 0,2,” Nn -1 , onde Na é o número total de amostras recebidas por amostragem fracionária T/2 do canal, e ISI(i) é a medida de " r e v e r be r aç io ” no s i nj&l noe npstartbi z /pd obtida de calculada para este instante. Hk representa a k-è si ma componente do vetor H , vetor este que contém os coeficientes da resposta ao impulso h(n) combinada do equalizador e canal. 4- Gráfico comparativo das curvas MSEtl) para os dois equalizadores, i = 0,2, * ■ % Ν;ι —1, sendo MSE(i) o erro médio quadrático entre a saída equalizada y e a sequência originai transmitida s, considerando-se para a média o intervalo de amostras que inclui o instante i e as L+ L -1 amostras anteriores ao mesmo. L. é a dimensão da dispersão do canal definida pelo número de amostras não nulas na resposta ao impulso c(n) do canal.

Adicional mente, este gráfico mostra a reta horizontal NT que define o nível de MSE máximo permissivel para que a transferência ao consagrado Equalizador DD (Direct Decision) [1]|[6J[7] seja possível. O Equalizador DD

atua após a convergência do Equalizador CMA objetivando reduzir o MSE residual (MSE de regime permanente} do último. No entanto, o Equalizador DD somente poderá convergir se o MSE de regime permanente do Equalizador CMA tiver atingido um valor menor do que o indicado pela reta horizontal NT [7]. A sequência que representa a fonte de informação s a ser transmitida através do canal possui média zero, variância unitária, distribuição uniforme, e apresenta independência estatística entre amostras. O ruído adicionado na entrada do equalizador é Gaussiano, de média zero, espectralmente branco e com variância definida pela SNR (Signai To Notse Ratio) [1], Alguns autores sugerem que a dimensão do equalizador L seja feita maior que a dimensão da dispersão de canal U, objetivando que os graus extras de liberdade assim obtidos permitam a minímízação do ganho de ruído do equalizador [15]. No entanto, objetivando minimizar custo de hardware a nível de implementação, adotaremos L= L. nas simulações que seguem. A inicialização do vetor que define o filtro do Equalizador CMA e do vetor V do Equalizador Concorrente segue a estratégia denominada single spike [7], que consiste em inicializar os vetores com 1 + jO na posição ξ, 0<ξ < L-l , mantendo nulos os elementos nas demais posições. Em [7] é mostrado que o valor ótimo de ξ depende da posição do pico da resposta ao impulso do canal |c(n)|, denominado cursor do canal. No entanto, como c(n) não é conhecida a priori, a prática universalmente aceita é fazer-se ξ = L/2. Se o equalizador não converge com Ç = L/2, é usual o sistema receptor fazer algumas poucas tentativas em torno de ξ = L/2 até o equalizador convergir, isto é, ξ = L/2 ±λ, λ =1,2,··· [16]. Adotaremos tal heurística no caso de falha de convergência inicial, podendo os casos em que houve necessidade de aplicá-la serem identificados por ξ φ L/2. O passo de adaptação do filtro do Equalizador CMA é η, e os passos de adaptação dos filtros do Equalizador Concorrente são ην e ^w. Estes parâmetros são experimentalmente ajustados objetivando atender o compromisso entre rápida convergência e baixo MSE de regime permanente.

Com variância unitária na fonte de informação s, para 16-QAM e 64-QAM, η apresenta melhores resultados na vizinhança do valor lxlO 3, e para 256-QAM, em torno de lxlO-4. Estes resultados concordam com os experimentos envolvendo modulação 16-QAM e 256-QAM em [7].

Nos gráficos que seguem, considera-se como indicação de bom desempenho os seguintes eventos: 1- 0 grau em que os pontos da constelação da saída y do equalizador (F ou Ψ) concentram-se em torno dos símbolos + do alfabeto A. Sobre desempenho ideal, este gráfico mostraria todos os pontos da saída y projetados no cruzamento das retas que definem os símbolos + do alfabeto A. 2- A rapidez com que a curva ISI(i) decresce com / e quão baixo e invariante é o valor de ISI(i) após a convergência (ISI de regime permanente). 3- A rapidez com que a curva MSEfl) de cresce com / e quão baixo e ínvariante é o valor de MSE(i) após a convergência (MSE de regime permanente).

Seguem os resultados das simulações elucidativas do desempenho comparativo entre o Equalizador CMA e o Equalzador Goncorrente. A Figura 7 mostra resultados comparativos entre o Equalizador GMA e o Equalizador Concorrente (CONC) para o canal M14, modulação 16-QAM =1.32), SNR=35 dB com os parâmetros: Na= 100000, η= 1x ÍQ qv=1x10'3 qw=1x1Gí2, L=LC=16 e£ = 6. A Figura 8 mostra resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal M9, modulação 64-QAM (y = 1380953), SNR=35 dB com os parâmetros: We=100000, η= 1x ÍQqv=1x10' 3 qw=1x10‘2, L=LC=16 e ξ = 2, com a Fig, 8a Γ (CMA), Fig. 8b Ψ (CONC), Fig, 8c isi<h e Fig. 8d mse<í) . A Figura 9 mostra resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal C1, modulação 256-QAM (y = 1395295), SNR=35dB com os parâmetros: JVa=100000, η= 1x ÍQqv=1x10'4 qw=1x10'3, L=LC=128 e ç = 6Z, com a Fig. 9a Γ (CMA), Fig, 9b Y (CONC), Fig. 9c isí(í) e Fig. 9d MSEtj) . A Figura 10 mostra resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal M4, modulação 16-QAM (f = 1.32), SNR=35dB com os parâmetros: Wa=30G00, η- 1x ÍQ qv=íx1(f3 qw=1xiaê, L=LC=16 e4=8, com a Fig. 10a Γ (CMA), Fig. 10b Ψ (CONC), Fig. 10c is ui) e Fig. 10d mse(í) - A Figura 11 mostra resultados comparativos entre o Equalizador CMA e o Equalizador Concorrente (CONC) para o canal M4, modulação 64-QAM (y = 1.380953), SNR=35dB com os parâmetros: Na=30000, η= 1x ÍQqv=1x10'3 A7w=1x10'2, L=LC=16 e£ = 6, coma Fig. 11a Γ(ΟΜΑ), Fig. 11b Ψ (CONC), Fig. 11c isi(i) e Fig. 11 d mse(í).

Note que, em nenhum dos primeiros três exemplos mostrados (Figuras 7, 8 e 9), o Equalizador CMA atinge um MSE suficientemente baixo para que a transferência para o Equalizador DD seja efetuada com sucesso. Estes são casos típicos em que o popular e consagrado Equalizador CMA-DD falharia em alcançar seu objetivo. Para os três referidos exemplos, o Equalizador Concorrente não só suplantou o nível de MSE para transferência como atingiu um nível de MSE muito menor e mais invariante do que o Equalizador CMA. A mesma observação vale para a ISI comparativa entre os equalizadores. O Equalizador Concorrente ultrapassa a performance do Equalizador CMA mesmo naquelas situações em que o CMA atinge o MSE de transferência, como, por exemplo, é mostrado na Figura 10 para modulação 16-QAM. Observe também que, para o mesmo canal e para modulação 64-QAM, o Equalizador CMA atinge um MSE de regime apenas marginal, conforme mostra a Figura 11.

Observe nos exemplos mostrados que, naqueles exemplos para os quais o canal gira a constelação recebida, o Equalizador Concorrente é capaz de corrigir este efeito, enquanto que o Equalizador CMA não possui esta capacidade. Esta é uma particularidade do Equalizador Concorrente que permite a simplificação do sistema de sincronismo. É importante ressaltar ainda que, ao realizar a equalização conjuntamente com a recuperação de fase da portadora e/ou do instante de amostragem de símbolo, o Equalizador Concorrente apresenta uma inércia e um tempo de resposta menores que os do Equalizador CMA seguido de um corretor de fase (corretor de giro). Esta é uma característica decisiva para o bom desempenho do Equalizador Concorrente em canais variantes no tempo. É importante reiterar que, não somente quanto ao MSE o Equalizador Concorrente supera a performance do Equalizador CMA, mas também quanto à ISI. Em todos os casos, o Equalizador Concorrente atingiu rapidamente um patamar de ISI muito menor e mais invariante do que o Equalizador CMA. Este comportamento do Equalizador Concorrente demonstra que a sua melhor performance com relação ao Equalizador CMA independe do giro imposto pelo canal à constelação recebida, visto que a ISI é definida a partir do módulo da resposta ao impulso h(n). Na hipótese de, nos exemplos anteriores, um sistema para correção do giro da constelação recebida ser acrescentado previamente a ambos equalizadores, a performance do Equalizador CMA não seria alterada quanto à ISI devido à invariância à fase deste equalizador [7], enquanto que a performance do Equalizador Concorrente tendería a melhorar.

Testes Comparativos sob Canal Dinâmico - Resultados Obtidos.

No conjunto de simulações que segue, o desempenho do Equalizador Concorrente é avaliado com referência ao Equalizador CMA, ambos operando sob variação temporal no canal, situação que caracteriza a operação sob canal dinâmico. O objetivo é determinar a sensibilidade de ambos equalizadores com relação à velocidade de variação do canal. Para tanto, a análise que segue baseia-se nos canais sugeridos por M. Gosh [17], cujo referido trabalho estuda o sistema de televisão digital ATSC 8-VSB proposto pela Advanced Television Systems Committee [18] quanto ao desempenho de equalização. O sistema digital ATSC 8-VSB foi proposto nos EUA em 1993, visando substituir o veterano sistema analógico NTSC para broadcast de sinais de televisão. Utilizando o mesmo canal com largura de 6MHz do sistema NTSC, o ATSC 8-VSB foi concebido para que apresente performance superior, mesmo sob altos níveis de interferência, ruído e efeitos de multipercurso [19], Como esta descrição considera todos os sinais em banda-base [1], para efeito desta simulação é suficiente utilizar como fonte de informação s o gerador do alfabeto 8-VSB dado por A = {-1.53,-1.09,-0.66,-0.22, 0.22, 0.66, 1.09, 1.53 } para representação das oito possíveis amplitudes de sinal (8-PAM) geradas em banda-base por um transmissor 8-VSB. Visto que o codificador de canal do transmissor ATSC 8-VSB “randomiza” com distribuição uniforme o sinal de banda-base por questões de eficiência de transmissão [20], a fonte s apresenta distribuição probabilística uniforme com independência estatística entre amostras. Note também, da definição do alfabeto A, que a variância de s é unitária. Assume- se variância unitária para s como representação parcial do efeito do sistema de CAG presente em qualquer sistema digital. O modelo de canal dinâmico adotado neste estudo é o sugerido em [17] e encontra-se especificado na Tabela 4. A coluna “Atraso [amostras]” é obtida pela divisão dos valores na coluna “Atraso [^s]” pelo intervalo de amostragem fracionária T/2 do receptor, onde 1/T = Fs = 10.76MHz é a razão de amostragem dos símbolos no transmissor ATSC 8-VSB [19][18], considerando como amostra de índice 0 aquela com menor atraso. A variável inteira n representa o índice do n-ésimo regressor de canal recebido, ou o índice do n-ésimo símbolo enviado pelo transmissor e, portanto, apresenta espaçamento temporal T associado ao intervalo entre as amostras indexadas. A constante real f representa a velocidade de variação temporal para cada tipo de canal dinâmico a ser considerado. Por exemplo, 0.05Hz< f < 0.5Hz modela canais dinâmicos resultantes da reflexão de sinal por um alto edifício cuja estrutura esteja balançando em sua frequência natural de oscilação mecânica (por ação do vento, etc...), e 2Hz< f<5Hz modela canais com desvanecí mento rápido e periódico (fíutter) gerados pela reflexão de sinal por aeronaves em movimento e em baixa altitude [17].

Portanto, da Tabela 4, a resposta impulsiva obtida por amostragem fracionária T/2 do canai dinâmico em questão tem sua representação no domínio z dada ela Equação (5) (5) O sistema ATSC S-VSB inclui um filtro de banda-base (filtro de Nyquist) do tipo raised-cosine com um rolí-off de 11.5% [18][17], Como este filtro afeta o sinal de banda-base, o modelo de canal a ser considerado deve incluir o efeito deste filtro na avaliação de desempenho do equalizador. O filtro raised-cosine do sistema ATSC 8-VSB é um filtro analógico que apresenta função de transferência H(f) conforme Figura 12. A resposta impulsiva discreta obtida por amostragem fracionária T/2 da resposta impulsiva contínua de filtro analógico definido pelo gráfico da Figura 12 é dada pela Equação (6) e é representada graficamente na Figura 13. (6) Na Equação (6) N =64 é o número de amostras consideradas neste estudo para a resposta impulsiva lirt(í), e α = 0.115 é o parâmetro que define o roil-off de 11.5% do filtro no domínio frequência. A variável inteira i representa o índice da í-ésima amostra recebida do canal e, portanto, apresenta espaçamento temporal T/2 associado ao intervalo entre as amostras indexadas, No conjunto de simulações que segue, o efeito do filtro raised-cosme é incluído efetuando-se a convolução da resposta impulsiva do canal definida por (1) com a resposta impulsiva do filtro raísed-cosine dada por (2), Portanto, a dimensão U- da dispersão do canal global ? incluindo o efeito do filtro raised-cosine ? ê dada pela soma da dimensão da dispersão do canal com a dimensão N da dispersão do filtro, isto é, L = 427+64 = 491, Os critérios de desempenho adotados baseiam-se nos seguintes resultados de simulação: 1- Gráfico da saída yc ΜΛ(η) do Equalizador CMA, onde n é o índice do n-ésimo regressor de canal recebido, tendo como referência a constelação do alfabeto A da fonte, sendo A representado no gráfico pelo conjunto de retas tracejadas, 2- Gráfico da saída ytw- (n) do Equalizador Concorrente, tendo como referência a constelação do alfabeto A da fonte, sendo Λ representado no gráfico pelo conjunto de retas tracejadas. 3- Gráfico da curva MSE0[A(ti) do Equalizador CMA, sendo MSErM,4n) o erro médio quadrático entre a saída y<u.Tn) e Qf , Qn é o operador que representa o quantizador 8-VSB, considerando-se para a média o intervalo de amostras que inclui o instante n e as L -1 amostras anteriores ao mesmo. Adicional mente, este gráfico mostra a reta horizontal NT que define o nível de MSE máximo permissível para que a transferência para o Equalizador DD seja possível. 4- Gráfico da curva MSEtOH-(n) do Equalizador Concorrente, sendo MSEt,w(n) o erro médio quadrático entre a saída >w(n) e (>[/>+<:«/(n)}, considerando-se para a média o intervalo de amostras que incluí o instante n e as L,..l amostras anteriores ao mesmo. Adicional mente, este gráfico também mostra a reta horizontal NT.

Adotou-se SNR= 100 dB visto que o objetivo é medir a sensibilidade do equalizador às variações de canal e não a sensibilidade ao ruído. Como o canal varia, considerou-se ser razoável adotar uma dimensão do equalizador L que exceda em 50% a dimensão L =491 da dispersão do canal global, isto é, adotou-se L=738 . A inicialização do vetor v , tanto para o Equalizador CMA como para o Equalizador Concorrente, segue a usual técnica single spike, que, nesta simulação, consiste em inicializar v com o valor 1.0 na posição ξ = 65, mantendo nulos os elementos nas demais posições. Os passos de adaptação foram fixados em ί/ = 2χΙ0"4 para o Equalizador CMA e em /;v=2xl0^ e η* = 2x10 3 para o Equalizador Concorrente, Seguem nas figuras 14 a 18 as simulações do desempenho comparativo entre o Equalizador CMA e o Equalizador Concorrente ambos operando sob canal dinâmico para as velocidades de variação f =0Hz (canal estático), f =1 Oílz, í = 20Itz, f = 50Hz e f =100Hz.

Os resultados experimentais sob operação com canal dinâmico demonstram que o Equalizador Concorrente apresenta performance superior à do Equalizador CMA na tarefa de desconvoiuir canais que apresentem variações temporais rápidas.Note que, ao contrário do Equalizador Concorrente, para f =50Hz e f =! OOIIz o Equalizador CMA não consegue atingir e manter o nível de MSE necessário para a transferência ao Equalizador DD, Note também que, para todos os casos, o nível de MSE de regime atingido pelo Equalizador Concorrente é muito menor e mais invariante quando comparado ao atingido pelo Equalizador CMA. Estes resultados sugerem que o Equalizador Concorrente poderá contribuir bastante para a melhora do desempenho de sistemas digitais móveis.

Os versados na arte valorizarão os conhecimentos aqui apresentados e poderão reproduzir a invenção nas modalidades apresentadas e em outros variantes, abrangidos no escopo das reivindicações anexas.

Referências bibliográficas [1]-John G, Proakís, Digital Communications, 3rd ed.,McGraw-Hill, 1995. [2] - Robert D. Strum and Donald E. Kirk, First Principies of Discrete Systems and Digital Signal Processing, Addison-Wesley, 1989. [3] - Simon Haykin, Adaptative Filter Theory, 3rd ed., Prentice Hall, Upper Saddle River, N.J., 1996. [4] - European Comission DGXIII-B - Software Radio Technology http://www.de.infowing.org/ACTS/ANALYSIS/CONCENTRATION/MOBILITY/sw r.htm [5] - Papoulis, Probability, Random Varaibles and Stochastic Processes, McGraw-HilI, 1965 [6] - J.P. LeBlanc, “Effects of Source Distributions and Correlation on Fractionally Spaced Blind Constant Modulus Algorithm Equalizers, P.h.D.

Thesis, Cornell University, lthaca,N.Y., USA, August 1995. m- [8] - SPIB - Signal Processing Information Base http://spib.rice.edu/spib/microwave.hmtl, http://spib.rice.edu/spib/cable.html [9] - Blind Equalization Research Group - Cornell University - Ithaca, N.Y., USA http://backhoe.ee.cornell.edu/BERG/. [10] - C.R. Johnson, Jr. et. al., On Fractionally-Spaced Equalizer Design for Digital Microwave Radio Channels” Proc. of the 29th Asilomar Conference, Pacific Groove, Calif., November 1995. [11] - J.R. Treichler, I. Fijalkow, C.R.Johnson, Jr., “Fractionally Spaced Equalizers: How Long Should They Really Be?” IEEE Signal Processing Magazine, vol. 13, No.3, pp. 65-81, May 1996. [12] - T.J. Endres, S. D. Halford, C.R. Johson, Jr., G. B. Giannakis, “Blind Adaptative Channel Equalization Using Fractionally-Spaced Receivers: A

Comparison Study”, Proc. Conf. on Info. Sciences And Systms, Princeton, N.J., March 1996. [13] - W. Chung, “Geometric Understading of the Constant Modulus Algorithm: Adaptative Blind Equalization and Cross-Polarized Source Separation”, M.S. Thesis, Cornell University, Ithaca N.Y., USA, May 1999. [14] - S. Haykin, Blind Deconvolution, Prentice-Hall, 1994. [15] - K. Abed-Merain, Ρ. Duhamel, D. Gesbert, P. Loubaton, S.

Mayrargue, E. Moulines e D. Slock, “Prediction Error Methods for Time- DomainBlindldentification of Multichannel FIR Filters”, Proc. International Conference on Acoustics, Speech and Signal Processing, pp. 1968-1971, Detroit, USA, May 1995). [16] - Simon Haykin,Unsupervised Adaptative Filtering, Wiley, N.Y., 1999. [17] - M.Gosh, “Blind Decision Feedback Equalization for Terrestrial Television Receivers”,Proceedings of ΙΕΕΕ,νοΙ. 86, no.10, October 1998. [18] - ATSC Standard A/53, ATSC Digital Television Standard. [19] - ATSC Document A/54, Guide to the User of the ATSC Digital Television Standard. [20] - F. C. C. De Castro, M. C. F. De Castro, Μ. A. C. Fernandes and D.

S. Arantes, “8-VSB Channel coding Alaysis for DTV Broadcast”, IEEE

Transactions on Consumer Electronics, vol. 16, no. 3, pp. 539-547, August 2000.

Reivindicações Método e Sistema de DesconvqluçAo Cega de um Sinal Digital

Claims (7)

1. Método para desoonvolução cega de um sinal digital caracterizado por compreender as etapas de: a) submeter dito sinal digital para, simultaneamente, um filtro adaptativo V e um filtro adaptativo W, cada um dos filtros adaptatívos apresentando coeficientes e saídas; b) atualizar os coeficientes do dito filtro adaptativo W de acordo com os coeficientes do dito filtro adaptativo V por meio de uma função não- linear, e c) adicionar as saídas dos ditos filtros adaptatívos V e W, de modo a gerar um sinal de saída resultante.

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os coeficientes do dito filtro adaptativo V são ajustados por métodos de gradiente ou métodos equivalentes, com base na mínimização de uma função de custo que mede uma dispersão estatística do dito sinal de saída.

3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os coeficientes do dito filtro adaptativo W são ajustados por métodos de gradiente ou métodos equivalentes, com base na mínimização de uma função de custo que mede a distância a partir do referido sinal de saída a um símbolo do alfabeto digital mais próximo.

4. Sistema para desoonvolução cega de um sinal digital, caracterizado por compreender: a) meios para submeter um sinal digital para, simultaneamente, um filtro adaptativo V e um filtro adaptativo W, cada um dos filtros adaptatívos apresentando coeficientes e saídas; b) meios para a atualização dos coeficientes do dito filtro adaptativo W de acordo com os coeficientes do dito filtro adaptativo V por meio de uma função não-linear, e c) meios para adicionar as saídas dos ditos filtros adaptativos V e W, de modo a gerar um sinal de saída resultante.

5. Sistema, de acordo com a reivindicação 4, caracterizado pelo fato de que o dito filtro adaptativo V é diferente do dito filtro adaptativo W e a dita desconvolução cega ocorre através de uma ação simultânea de pelo menos dos ditos diferentes filtros adaptativos V e W, os sinais de saída dos referidos pelo menos filtros adaptativos V e W em conjunto definindo o sinal de saída do referido sistema de desconvolução.

6. Sistema, de acordo com a reivindicação 4, caracterizado pelo fato de que os coeficientes de pelo menos um dos ditos filtros adaptativos V e W são ajustados por métodos de gradiente ou métodos equivalentes, com base na minimização de uma função de custo que mede uma dispersão estatística do sinal de saída do referido sistema.

7. Sistema, de acordo com a reivindicação 4, caracterizado pelo fato de que os coeficientes de pelo menos um dos ditos filtros adaptativos V e W são ajustados por métodos de gradiente ou métodos equivalentes, com base na minimização de uma função de custo que mede a distância a partir do sinal de saída do dito sistema para um símbolo do alfabeto digital mais próximo.