CN1599364A - 用于突发通信的数据均衡方法 - Google Patents

Abstract

本发明公开了一种用于突发通信的数据均衡方法。以解决现有联合信道跟踪与最大似然均衡方法在突发通信中难以实现的问题。其技术原理是：由信道参数的初估矢量，对接收到的基带畸变信号进行均衡处理，输出判决数据，以恢复出原始的发送信号。具体步骤为：根据信道参数的初估矢量₀和接收信号d_k(k＝1，2…)，对接收信号的信道参数矢量进行估计，得到估计矢量(μ_k)；由该矢量算出接收信号的路径分支度量增量λ_N(μ_k→μ_k+1)；再由该增量得出所有可能状态的路径分支度量Γ(μ_k+1)；由该路径分支度量找出具有最小分支度量的状态，并对最小分支度量的状态进行路径回溯，输出该时刻相应的判决信号。本发明降低了运算复杂度和存储空间，实现了突发通信信号的快速处理和高质量数据接收，可用于突发通信。

Description

用于突发通信的数据均衡方法

技术领域

本发明属于通信技术领域，特别是涉及一种用于突发通信的数据均衡方法，即基于降阶的联合信道跟踪与最大似然均衡方法D-PSP。

背景技术

突发通信是一种受到物理或电子干扰时的有效通信保障手段，它是常规通信的一种必要补充，当常规的通信方式受到诸如电子干扰、地震及核爆炸等影响而失效时，突发通信在这关键时刻就能发挥通信保障作用，因此在通信领域中具有特殊的重要地位。突发通信采用突发的方式传送信息，传输时间是随机的，持续时间短，可以在瞬间将信号传送完毕，因此具有抗干扰能力强、可靠性高、隐蔽性好等优点，适合于特殊环境下的民用和军用通信。长期以来，突发通信理论及其相关技术一直是一个特殊的通信领域，世界上主要的发达国家始终坚持这方面的研究工作，并已经形成了完善的突发通信体系，而我国也正在逐步开展这方面的关键技术研究。

典型的突发通信系统主要工作在短波、超短波及流星余迹等信道环境下。相对于一般通信系统，突发通信具有如下特点。

1.传输信道环境恶劣。由于突发通信主要利用电离层的反射或散射作用进行通信，传输信号会受到诸如多径传播、快速衰落及背景噪声等严重干扰，因此在接收端必须对数据进行均衡处理；

2.通信传输距离远。利用普通的全向天线或定向天线，通信距离要求达到1000～2000公里；

3.通信有效持续时间短。在突发通信情况下，为了保证有效数据通过率，通常要求系统在1-20ms的时间内进入稳定的工作状态。

鉴于以上特点，为了提高数据通过率，突发通信系统对于信道参数跟踪及信道均衡等关键技术的要求很高。

本发明就是在这样的背景下，结合突发通信条件和通信特点而展开的。突发通信信道具有突变性和随机性，一般以分组数据帧为单位进行传输，利用较短的传输帧头作为训练序列来捕获信道参数。在此基础上，根据捕获到的信道参数初估值启动后续的数据均衡。从突发通信机理可以看出，传输数据帧所用的突发信道可能与相邻帧的不同，所以数据的均衡处理应以数据帧为单位进行。

根据以上的通信机制，突发通信系统的结构如图1所示，其中接收机的数据处理运算主要由高速数字信号处理器DSP完成。可以看出，突发通信信号的传输过程为：发送信号x_k(k＝1，2…)首先经过编码成为s_k(k＝1，2…)以增强抗干扰能力，然后进行串/并变换成为I路、Q路两路信号，并根据星座映射成为基带调制信号。已调信号通过升余弦滤波器进行波形形成，再经过上变频变换为射频信号，通过天线发送至信道。传输信号经过多径效应与噪声的污染会产生信号畸变，所以在突发通信的接收端要对接收到的畸变信号进行均衡处理，恢复出原始的发送信号，具体的接收过程是：天线接收到的射频信号经过下变频和滤波处理，得到畸变的基带接收信号d_k(k＝1，2…)，首先根据接收到的训练序列，即传输帧头估计出信道参数的初估矢量 然后利用初始信道参数估计矢量

启动数据均衡单元，对传输帧头之后的有效信息数据进行均衡处理以恢复出原始的发送信号。均衡器输出的判决数据为s′_k(k＝1，2…)，经过解码后的最终输出为x′_k(k＝1，2…)。在准确估计信道参数的基础上，若采用的均衡方法具有理想的性能，则均衡器输出的判决数据s′_k(k＝1，2…)应等于s_k(k＝1，2…)，相应的解码输出x′_k(k＝1，2…)也等于原始发送信号x_k(k＝1，2…)，即可实现突发通信数据的可靠接收，如图1所示。

可见，数据均衡的性能直接决定着突发通信的系统性能。突发通信有效持续时间短，信道捕获、同步及频差校正所需数据开销对有效载荷数据通过率影响很大。因此，研究处理速度快、适合于突发信道特性、运算和存储开销都小的数据均衡方法已成为突发通信中必须要解决的关键技术。

目前，现有的各类通用均衡技术分为线性均衡和非线性均衡两类。线性均衡主要是指基于横向滤波器结构的线性均衡器；非线性均衡主要包括判决反馈均衡DFE、自适应均衡和最大似然均衡。

对于线性均衡而言，基于横向滤波器结构的线性均衡器结构简单、易于实现，但却无法抵消严重的信道畸变，达不到系统性能要求。

在非线性均衡中，也存在诸多问题。例如：①判决反馈均衡DFE通过从当前估计值中消除已判决信号引起的那部分符号间干扰，达到较好的均衡效果，但由于均衡器系数的更新取决于自适应算法的调整，因此无法跟踪信道的快速变化，甚至出现系数的不收敛情况，参见美国John G Prokies.《DigitalCommunication》[M].Beijing：Publishing House of Electronics Industry，1998及王军锋，张彬，宋国乡《基于小波变换的非线性信道判决反馈均衡算法》系统工程与电子技术，2002年12期等。②自适应均衡利用自适应滤波器的逆模拟原理，抵消多径信道产生的码间干扰，其收敛速度慢，且自适应算法的工作前提是信道参数统计特性不变。在突发通信环境下，信道特性的突变使信号具有非平稳性，其跟踪和收敛能力无从适应，无法达到突发通信系统的性能要求，参见美国Simon Haykin.Adaptive Filter Theory(Fourth Edition)[M].Beijing：Publishing House of Electronics Industry，2002.及徐明远，林华芳，邱恭安《基于LMS算法的自适应均衡系统的仿真研究》系统仿真学报，2003年02期等。③基于维特比(VITERBI)算法的最大似然均衡MLSE虽然具有好的接收性能，但由于前端的信道估计引入了判决延迟且计算复杂度大，因此，也无法满足突发通信的实时信号处理要求，参见美国John G Prokies.《DigitalCommunication》[M].Beijing：Publishing House of Electronics Industry，1998及宋梁，胡波，凌燮亭《基于快衰落信道的一种新型自适应MLSE接收器》电子学报，2002，30(5)：723-726。但在最大似然均衡基础上，基于逐幸存路径处理的联合信道跟踪与最大似然均衡方法PSP，将实时的信道跟踪引入到维特比算法(VA)的幸存路径处理中，克服了传统最大似然均衡的判决延迟问题，具有理论上最优的接收性能，参见意大利Riccardo Raheli，Andreas Polydoros，Ching-Kae Tzou.Per-survivor processing：A general approach to MLSE inuncertain environments [J].IEEE Trans on Comm，1995，43：354-364.然而，由于逐幸存路径处理PSP方法在进行信道跟踪和数据检测时，均需要ML的运算和存储空间，其中M为调制进制数、L为等效信道长度，工程上难以实现。针对这一情况，国内外现有技术主要采用以下三类方法进行简化：

第一类，是加拿大J.Omidi和Rollins分别提出对联合信道跟踪与最大似然均衡方法中用于信道估计的自适应模块方法，进行结构简化，以降低整体复杂度，参见加拿大J.Omidi，P.G.Gulak，and S.Pasupathy，Parallel Structuresfor Joint Channel Estimation and Data Detection Over Fading Channels[J]，IEEETransactions on Selected Areas of Communications，1998，16(5)：1616-1629.和加拿大Rollins，M.E.，Simmons，S.J.Simplified per-survivor Kalman processingin fast frequency-selective fading channels[J].IEEE Trans on Comm.，1997，45(5)：544-553。

第二类，是意大利G Castellini提出减少每一时刻信道跟踪的次数，在性能损失不大的情况下，仅对具有最小分支度量的状态进行一次幸存路径的信道跟踪，并将估计出的信道参数作为该时刻所有状态的共同信道参数即MSP方法，参见意大利G Castellini，F Conti，E Del，Re，L Pierucci.A continuouslyadaptive MLSE receiver for mobile communications：algorithm and performance[J].IEEE Trans on Comm，1997，45(1)：80-89.，或在此基础上组合使用PSP方法与MSP方法来减少运算量，参见韩国Jung Suk Joo，Seung Chul Hong，YongHoon Lee.Adaptive MLSE receiver：hybrid of per-survivor processing andtentative decision MLSE[J].Electronics Letters，2000，36(7)：678-680.。

第三类，是根据芬兰Zhenhong Li等将信道跟踪与最大似然检测联合并与判决反馈均衡相结合的方法，参见Zhenhong Li，Piirainen，O.，Mammela，A.Anew r educed-complexity a daptive P SP-MLSE receiver for GSM/EDGE systems[J].IEEE International Symposium on Personal，Indoor and Mobile RadioCommunications，2001(1)：124-128.，利用判决反馈均衡处理部分多径，等效减小联合检测方法处理的多径信道长度。

以上各种方法都是从联合信道跟踪与最大似然均衡方法PSP的局部模块或外部入手，力图通过简化局部算法或进行外部处理来减少该方法的运算量。然而，PSP方法的自身结构并未改变，仍需要大量的运算和存储空间，对于要求快速数据处理的突发通信系统而言仍然是难以实现的。

发明的技术内容

本发明的目的在于解决上述现有联合信道跟踪与最大似然均衡方法PSP存在的计算复杂度太大、在突发通信中难以实现的问题，根据突发通信信道随时间变化的特点及自适应编码调制的变速率通信机制，提供一种用于突发通信的基于信道跟踪的数据均衡方法D-PSP，以满足突发通信系统快速处理要求，实现对突发通信传输数据的可靠接收。

本发明的技术方案是这样实现的：

作为突发通信的关键技术之一，采用的均衡数据方法是与突发信道特性紧密联系的。如前所述，基于逐幸存路径处理的联合信道跟踪与均衡方法克服了传统均衡算法的信道估计延迟和误差传播问题，将信道参数矢量的实时跟踪与数据均衡结合在一起，具有最佳的接收性能。然而，它的算法复杂度和巨大的数据运算存储空间使其在实际的突发通信系统中难以实现。因此，本发明从突发通信原理出发，提出的用于突发通信的基于信道跟踪的数据均衡方法D-PSP，即一种基于降阶的联合信道跟踪与最大似然均衡方法。以在有效降低运算复杂度和存储空间的基础上，实现突发通信信号的快速处理和高质量数据接收，从而提高有效数据通过率，开辟新一代突发通信系统信号处理关键技术的新领域，为我国突发通信系统的开发和实现奠定坚实的技术基础。

如前所述，突发通信系统中，均衡部分的主要作用是根据信道参数的初估矢量 对接收到的基带畸变信号d_k(k＝1，2…)进行均衡处理，输出判决数据s′_k(k＝1，2…)以恢复出原始的发送信号。本发明利用突发信道特点，所提供的用于突发通信的基于信道跟踪的数据均衡方法D-PSP方法，其具体的实现步骤可分为以下四步：

第一步，根据信道参数的初估矢量 和接收信号d_k(k＝1，2…)，在每一个k时刻，采用自适应RLS方法对接收信号序列{d_k，d_k-1…d_k-(L-1)}所有可能状态μ_k的信道参数矢量进行估计，得到k时刻相应的信道参数估计矢量 其中L为突发信道长度；

第二步，根据得到的k时刻相应的信道参数估计矢量 通过公式 ${\mathrm{\λ}}_N({\mathrm{\μ}}_k\→{\mathrm{\μ}}_{k+1})={|d_{k+1}-\hat{h}\left({\mathrm{\μ}}_k\right){S^{\′}}_N^T\left({\mathrm{\μ}}_{k+1}\right)|}^2$ 计算出接收信号在k时刻到k+1时刻从所有可能状态μ_k转移到状态μ_k+1的路径分支度量增量λ_N(μ_k→μ_k+1)，式中：符号(·)^T代表转置运算，S′_N(μ_k+1)代表对于接收数据的判决序列{s′_k+1-(L-1)…s′_k，s′_k+1}，由下式获得

S′_N(μ_k+1)＝S′_N，Map(μ_k+1)+S′_N，Trace(μ_k+1)

其中，N(N＝1，2…L-1)为降低联合信道跟踪与最大似然均衡的阶数，S′_N，Map(μ_k+1)代表状态μ_k+1直接映射的L-N个信息码元的判决序列{s′_k+1-(L-N-1)，…s′_k，s′_k+1}，而S′_N，Trace(μ_k+1)代表通过分支路径回溯得到的其余N个信息码元的判决序列{s′_k+1-(L-1)，…s′_k+1-(L-N)}；

第三步，根据得到的路径分支度量增量λ_N(μ_k→μ_k+1)，在已有k时刻接收信号所有可能状态μ_k的路径分支度量Γ(μ_k)的基础上，利用公式 $\mathrm{\Γ}\left({\mathrm{\μ}}_{k+1}\right)=\underset{{\mathrm{\μ}}_k}{\min }[\mathrm{\Γ}\left({\mathrm{\μ}}_k\right)+{\mathrm{\λ}}_N({\mathrm{\μ}}_k\→{\mathrm{\μ}}_{k+1})]$ 求出k+1时刻接收信号序列{d_k+1，d_k…d_k-(L-2)}所有可能状态μ_k+1的路径分支度量Γ(μ_k+1)；

第四步，根据k+1时刻所有状态的路径分支度量Γ(μ_k+1)，找出具有最小分支度量的状态，通过对最小分支度量的状态进行路径回溯，输出该时刻相应的判决信号s′_(k+1)-δ，其中δ为系统判决深度。

上述方法中的第一步，所述的采用自适应RLS方法对k时刻接收信号序列{d_k，d_k-1…d_k-(L-1)}所有可能状态μ_k的信道参数矢量进行估计，是通过如下四式进行：

$e\left({\mathrm{\μ}}_k\right)=d_k-{\hat{h}}^{*}\left({\mathrm{\μ}}_{k-1}\right){S^{\′}}_N^T\left({\mathrm{\μ}}_k\right)----\left(1\right)$

$g\left({\mathrm{\μ}}_k\right)=\frac{p\left({\mathrm{\μ}}_{k-1}\right){S^{\′}}_N^T\left({\mathrm{\μ}}_k\right)}{w+{S^{\′}}_N^{*}\left({\mathrm{\μ}}_k\right)p\left({\mathrm{\μ}}_{k-1}\right){S^{\′}}_N^T\left({\mathrm{\μ}}_k\right)}----\left(2\right)$

$p\left({\mathrm{\μ}}_k\right)=\frac{1}{w}[p\left({\mathrm{\μ}}_{k-1}\right)-g\left({\mathrm{\μ}}_k\right){S^{\′}}_N^{*}\left({\mathrm{\μ}}_k\right)p\left({\mathrm{\μ}}_{k-1}\right)]----\left(3\right)$

$\hat{h}\left({\mathrm{\μ}}_k\right)=\hat{h}\left({\mathrm{\μ}}_{k-1}\right)+g\left({\mathrm{\μ}}_k\right)e^{*}\left({\mathrm{\μ}}_k\right)----\left(4\right)$

由以上(1)～(4)得出k时刻相应的信道参数估计矢量

式中符号(·)^*代表共轭运算，e(μ_k)为误差信号，即接收信号d_k与期望输出信号 ${\hat{h}}^{*}\left({\mathrm{\μ}}_{k-1}\right){S^{\′}}_N^T\left({\mathrm{\μ}}_k\right)$ 的差值，w为遗忘因子，g(μ_k)为卡尔曼Kalman增益矢量，p(μ_k)为相关矩阵，S′_N(μ_k)代表k时刻状态μ_k对于接收数据序列{d_k，d_k-1…d_k-(L-1)}的判决序列{s′_k-(L-1)…s′_k-1，s′_k}。在自适应RLS方法中，当k＝1开始启动第一次运算时，p(μ_k)的初始值p(μ₀)取单位矩阵，

的初值为信道参数的初估矢量，即 $\hat{h}\left({\mathrm{\μ}}_0\right)={\hat{h}}_0.$

上述方法中的第二步，所述的其余N个信息码元的判决序列S′_N，Trace(μ_k+1)通过分支路径回溯而得到，具体的回溯过程为：首先找出到达状态μ_k+1的前一时刻(即k时刻)状态μ_k，得出相应的判决信号s′_k+1-(L-1)；再向前找出到达状态μ_k的前一时刻状态(即k-1时刻)状态μ_k-1，得出相应的判决信号s′_k+1-(L-2)……类似地，一直找到(k+1)-N时刻的状态μ_(k+1)-N，得出相应的判决信号s′_k+1-(L-N)，从而获得N个信息码元的判决序列{s′_k+1-(L-1)，…s′_k+1-(L-N)}。

上述方法中的第四步，所述的对k+1时刻最小分支度量的状态μ_k+1进行路径回溯，其具体过程为：若系统判决深度为δ，首先找出到达状态μ_k+1的前一时刻(即k时刻)状态μ_k；然后再找出到达状态μ_k的前一时刻状态(即k-1时刻)状态μ_k-1……依次类推，一直找到(k+1)-δ时刻的状态μ_(k+1)-δ，对其进行码元判决，输出该时刻相应的判决信号s′_(k+1)-δ。

通过以上四步最终输出判决信号s′_(k+1)-δ，从而完成本发明的一次联合数据检测。然后返回步骤(1)，开始下一时刻的联合数据检测。依此类推，可以完成对于接收信号序列d_k(k＝1，2…)的均衡，最终输出图1所示系统相应的判决数据序列s′_k(k＝1，2…)，从而实现突发通信数据的最大似然可靠接收。

本发明具有如下效果：

(1)计算复杂度低

因本发明每一时刻对所有状态总的路径分支度量计算次数为Path(D-PSP)＝M·M^L-N＝M^L+1-N，而现有的PSP方法每一时刻所有状态路径分支度量总的计算次数为Path(PSP)＝M·M^L＝M^L+1，可见本发明降N阶方法的路径分支度量计算相对于现有的PSP方法减少了M^N倍。表1是不同算法对于每个码元处理的计算复杂度对照表，L为信道长度，M为调制进制数。其中C_CE表示一次信道估值的计算复杂度，由自适应RLS算法决定。由表1可以看出，PSP方法的复杂度最大，当M较大时另一现有技术MSP的复杂度明显大于本发明的方法。当信道估值复杂度C_CE和信道长度L确定时，调制进制数M越大，本发明方法的计算量更小。表2给出了16进制调制方式下，信道长度L为4，它是典型的突发通信情况时各种方法的复杂度比较，可见，本发明的方法在存储空间和计算复杂度两方面都有明显的下降。

               表1各种方法的计算复杂度比较

                加法        乘法     存储空间     信道估值

PSP方法        (L+1)M^L+1   LM^L+1   (2+L)M^L     M^L·C_CE

MSP方法        (L+M)M^L    LM^L     2M^L+L       C_CE

N阶D-PSP方法

               (L+1)M^L+1-N LM^L+1-N  (2+L)M^L-N    M^L-N·C_CE

N＝1，2…(L-1)

                表2 L＝4、M＝16时各种方法的计算复杂度比较

                          加法      乘法     存储空间   信道估值

          PSP方法         5·16⁵   4·16⁵   6·16⁴   16⁴·C_CE

          MSP方法         20·16⁴  4·16⁴   2·16⁴+4 C_CE

          1阶D-PSP方法    5·16⁴   4·16⁴   6·16³   16³·C_CE

          2阶D-PSP方法    5·16³   4·16³   6·16²   16²·C_CE

          3阶D-PSP方法    5·16²   4·16²   6·16     16·C_CE

在实际通信中，对于突发通信不同调制方式的数据帧，用本发明方法通过选择合适的降阶数N(N＝1，2…L-1)，能够有效控制联合最大似然均衡的运算复杂度和存储空间，使各帧数据处理具有大致相同的运算开销，从而可以充分利用系统有限的指令资源，很容易实现最佳的接收质量。

(2)系统性能好

本发明不但运算复杂度低、方法简单、易于实现，而且系统性能与采用现有的联合信道跟踪与最大似然均衡方法的系统性能接近。仿真实验表明，在正交相移键控(QPSK)调制方式下，本发明取不同的降阶数N，其信噪比E_s/N₀在10.5dB到11.3dB之间时，误码率分别达到1×10^-3，如图4所示；在16进制相移键控(16QAM)调制方式下，本发明取不同的降阶数N，其信噪比E_s/N₀在17.5dB到19dB之间时，误码率也分别达到1×10^-3，如图5所示。

附图说明

图1是突发通信系统结构图

图2a是现有的联合信道跟踪与最大似然均衡方法的原理图，

图2b是本发明的降阶联合信道跟踪与最大似然均衡方法的原理图

图3是本发明方法的实现流程图

图4是本发明在QPSK调制下，计算机仿真的系统误码率曲线图

图5是本发明在16QAM调制下，计算机仿真的系统误码率曲线图

具体实施方式

参照图1，已有突发通信系统的原理如背景技术所述。其中，均衡部分的主要作用是根据信道参数的初估矢量

对接收到的基带畸变信号d_k(k＝1，2…)进行均衡处理，输出判决数据s′_k(k＝1，2…)以恢复出原始的发送信号，实现数据的可靠接收。本发明利用突发信道特点，对联合信道跟踪与最大似然均衡方法PSP进行简化，提供一种基于降阶的联合信道跟踪与最大似然均衡方法，即数据均衡方法(D-PSP)方法，以获得相对最优的接收性能和最低的计算复杂度。

参照图2a，已有的联合信道跟踪与最大似然均衡方法的原理可用维特比(Viterbi)栅格图表示，其中CE代表信道跟踪运算，信道长度为L，每一个k时刻的M^L个状态μ_k包括μ_k，1，μ_k，2，…μ_k，ML，分别代表k时刻相应的L个接收数据序列{d_k，d_k-1…d_k-(L-1)}的所有可能的状态判决序列{s′_k，s′_k-1…s′_k-(L-1)}。在捕获到信道参数的初估矢量

的条件下，突发通信接收信号前后码元的判决具有很强的相关性，可以认为k时刻进入状态μ_k的路径代表的信道参数估计矢量 与出μ_k代表的信道参数估计矢量 几乎不变。若信道长度为L，则μ_k-1中有L-1个分量保留在μ_k中。

根据以上原理，直观地讲，在进入μ_k的信道估值基础上，如果降低状态的维数，也能较正确地估计出出μ_k的信道，这样做的优点是减小计算复杂度和运算存储空间。由于前后时刻的保留分量即保留的码元判决值为L-1个，所以本发明方法的降阶数N的最大取值为L-1，即N＝1，2…L-1。

参照图2b，相对于图2a本发明在每一个k时刻状态μ_k的个数减少为M^L-N个，即μ_k，1，μ_k，2，…μ_k，ML-N，它们仅代表L-N个判决码元序列{s′_k，s′_k-1…s′_k-(L-N-1)}，而其余N个判决码元序列{s′_k-(L-N)…s′_k-(L-1)}使用上一时刻的保留值，通过状态的路径回溯来获得。

参照图3，本发明给出了基于降阶的联合信道跟踪与最大似然均衡方法，即数据均衡方法(D-PSP)的具体实现流程，其过程为：

首先，对突发通信接收机进行系统的初始化，实现信号的捕获和同步，并获得初始信道参数估计矢量

然后，在此基础上对帧头之后的有效载荷数据d_k(k＝1，2…)进行基于降阶的联合信道跟踪与均衡处理，输出相应的判决数据s′_k(k＝1，2…)。设通信系统维特比结构的判决深度为δ，按如下步骤具体的实现：

(1)求出信道参数估计矢量

在突发通信系统实现信号的捕获和同步，并获得初始信道参数估计矢量之后，首先根据信道参数的初估矢量 和接收信号d_k(k＝1，2…)，在每一个k时刻，采用自适应的递推最小二乘RLS方法，通过以下四式对接收信号序列{d_k，d_k-1…d_k-(L-1)}所有可能状态μ_k的信道参数矢量进行估计，得到k时刻相应的信道参数估计矢量 即：

$e\left({\mathrm{\μ}}_k\right)=d_k-{\hat{h}}^{*}\left({\mathrm{\μ}}_{k-1}\right){S^{\′}}_N^T\left({\mathrm{\μ}}_k\right)$

$g\left({\mathrm{\μ}}_k\right)=\frac{p\left({\mathrm{\μ}}_{k-1}\right){S^{\′}}_N^T\left({\mathrm{\μ}}_k\right)}{w+{S^{\′}}_N^{*}\left({\mathrm{\μ}}_k\right)p\left({\mathrm{\μ}}_{k-1}\right){S^{\′}}_N^T\left({\mathrm{\μ}}_k\right)}$

$p\left({\mathrm{\μ}}_k\right)=\frac{1}{w}[p\left({\mathrm{\μ}}_{k-1}\right)-g\left({\mathrm{\μ}}_k\right){S^{\′}}_N^{*}\left({\mathrm{\μ}}_k\right)p\left({\mathrm{\μ}}_{k-1}\right)]$

$\hat{h}\left({\mathrm{\μ}}_k\right)=\hat{h}\left({\mathrm{\μ}}_{k-1}\right)+g\left({\mathrm{\μ}}_k\right)e^{*}\left({\mathrm{\μ}}_k\right)$

式中：符号(·)^*代表共轭运算，e(μ_k)为误差信号，即接收信号d_k与期望输出信号 ${\hat{h}}^{*}\left({\mathrm{\μ}}_{k-1}\right){S^{\′}}_N^T\left({\mathrm{\μ}}_k\right)$ 的差值，w为遗忘因子，g(μ_k)为卡尔曼(Kalman)增益矢量，p(μ_k)为相关矩阵，S′_N(μ_k)代表k时刻状态μ_k对于接收数据序列{d_k，d_k-1…d_k-(L-1)}的判决序列{s′_k-(L-1)…s′_k-1，s′_k}。在自适应RLS方法中，当k＝1开始启动第一次运算时，p(μ_k)的初始值p(μ₀)取单位矩阵， 的初值为信道参数的初估矢量，即 $\hat{h}\left({\mathrm{\μ}}_0\right)={\hat{h}}_0.$

(2)求出路径分支度量增量λ(μ_k→μ_k+1)

根据步骤(1)得到的k时刻所有状态μ_k相应的信道参数估计矢量 进一步计算出接收信号在k时刻到k+1时刻从所有可能状态μ_k转移到状态μ_k+1的路径分支度量增量λ_N(μ_k→μ_k+1)。对于降N阶D-PSP方法，其中计算所用到的信息码元的判决序列是通过深度为N的分支路径回溯得到的，具体的实施方式是：

在估计出

的基础上，通过下式计算出k时刻到k+1时刻降N阶D-PSP方法从状态μ_k转移到状态μ_k+1的路径分支度量增量λ_N(μ_k→μ_k+1)：

${\mathrm{\λ}}_N({\mathrm{\μ}}_k\→{\mathrm{\μ}}_{k+1})={|d_{k+1}-\hat{h}\left({\mathrm{\μ}}_k\right){S^{\′}}_N^T\left({\mathrm{\μ}}_{k+1}\right)|}^2$

式中符号(·)^T代表转置运算，S′_N(μ_k+1)代表对于接收数据的判决序列{s′_k+1-(L-1)…s′_k，s′_k+1}，由下式获得

S′_N(μ_k+1)＝S′_N，Map(μ_k+1)+S′_N，Trace(μ_k+1)

对于降N阶的D-PSP方法，其中S′_N，Map(μ_k+1)代表状态μ_k+1直接映射的L-N个信息码元的判决序列{s′_k+1-(L-N-1)，…s′_k，s′_k+1}，而S′_N，Trace(μ_k+1)则代表通过分支路径回溯得到的其余N个信息码元的判决序列{s′_k+1-(L-1)，…s′_k+1-(L-N)}，其分支路径的回溯深度为降阶阶数N，即

S′_N，Trace(μ_k+1)＝Path_trace[μ_k-N→μ_k]式中Path_trace[·]代表分支路径的回溯运算，具体的回溯过程为：首先找出到达状态μ_k+1的前一时刻(即k时刻)状态μ_k，得出相应的判决信号s′_k+1-(L-1)；再向前找出到达状态μ_k的前一时刻状态(即k-1时刻)状态μ_k-1，得出相应的判决信号S′_k+1-(L-2)……类似地，一直找到(k+1)-N时刻的状态μ_(k+1)-N，得出相应的判决信号s′_k+1-(L-N)，从而获得N个信息码元的判决序列{s′_k+1-(L-1)，…s′_k+1-(L-N)}。

(3)求出路径分支度量Γ(μ_k+1)

根据步骤(2)得到状态μ_k转移到状态μ_k+1的路径分支度量增量λ_N(μ_k→μ_k+1)，在已有k时刻接收信号所有可能状态μ_k的路径分支度量Γ(μ_k)的基础上，求出k+1时刻接收信号序列{d_k+1，d_k…d_k-(L-2)}所有可能状态μ_k+1的路径分支度量Γ(μ_k+1)，具体的实施方式是：

在计算出路径分支度量增量λ_N(μ_k→μ_k+1)的基础上，进一步求出状态μ_k+1的幸存路径分支度量函数Γ(μ_k+1)，它由到达状态μ_k+1的最小幸存路径状态决定，即

$\mathrm{\Γ}\left({\mathrm{\μ}}_{k+1}\right)=\underset{{\mathrm{\μ}}_k}{\min }[\mathrm{\Γ}\left({\mathrm{\μ}}_k\right)+{\mathrm{\λ}}_N({\mathrm{\μ}}_k\→{\mathrm{\μ}}_{k+1})]$

$=\underset{{\mathrm{\μ}}_k}{\min }[\mathrm{\Γ}\left({\mathrm{\μ}}_k\right)+{|d_{k+1}-\hat{h}\left({\mathrm{\μ}}_k\right){S^{\′}}_N^T\left({\mathrm{\μ}}_{k+1}\right)|}^2]$

(4)输出判决信号s′_(k+1)-δ

根据步骤(3)得到的k+1时刻所有状态μ_k+1的路径分支度量Γ(μ_k+1)，找出具有最小分支度量的状态，通过对最小分支度量的状态进行路径回溯，输出该时刻相应的判决信号s′_(k+1)-δ。具体的回溯过程为：若系统判决深度为δ，首先找出到达状态μ_k+1的前一时刻(即k时刻)状态μ_k，然后再找出到达状态μ_k的前一时刻状态(即k-1时刻)状态μ_k-1……依次类推，一直找到(k+1)-δ时刻的状态μ_(k+1)-δ，对其进行码元判决，输出该时刻相应的判决信号s′_(k+1)-δ。从而完成降N阶D-PSP方法的一次联合数据检测。

按照上述步骤可以完成k+1时刻基于降阶的联合信道跟踪与均衡D-PSP处理，输出相应的判决信号s′_(k+1)-δ。然后返回步骤(1)，开始下一时刻新的D-PSP联合数据检测……依次类推，完成对于接收信号序列d_k(k＝1，2…)的均衡，最终输出图1所示相应的判决数据序列s′_k(k＝1，2…)，从而在有效降低运算复杂度和存储空间的条件下，实现突发通信数据的最大似然可靠接收。

突发通信系统采用本发明方法后，其性能可通过如下计算机仿真实验给出。

实验1：

仿真信道采用CCIR推荐的Watterson模型，突发信道衰落率f_r与等效瑞利多径衰落信道的随机序列产生率f_c之间有以下关系式。

$f_r=1.47*\frac{4.4f_c}{2\mathrm{\π}(2m+1)\sqrt{2}}$

在突发通信典型的1Hz衰落率、信道长度L为4的信道条件下，仿真采用的数据传输速率为32kbps，每个码元采样5点，载波频率为40MHz，噪声为加性高斯白噪声，系统传输数据没有加交织和纠错编码处理，调制方式为QPSK时，仿真得出系统的误码率曲线如图4所示。为了便于比较，图4中还模拟了已知信道下的Viterbi均衡方法、PSP方法及MSP方法，因此可以把已知信道下的误码率曲线看作各种方法的性能上界。从图4中可见，QPSK调制方式下的一阶D-PSP方法性能与PSP方法接近，二阶D-PSP方法的误码率性能较PSP方法仅下降0.5dB左右。MSP方法在突发信道下的误码率性能介于D-PSP的二阶和三阶D-PSP方法之间，但其计算复杂度随着调制进制数M的增大而迅速增加。信噪比E_s/N₀在10.5dB到11.3dB之间时，D-PSP方法的误码率分别达到1×10^-3，经过码效率为1/2的卷积码或Turbo码编码之后系统误码率能够达到10^-6，从而可实现突发通信数据的可靠接收。

实验2：

类似于实验1，仿真信道也采用CCIR推荐的Watterson模型，且信道衰落率、信道长度、码元采样点、载波频率等系统仿真条件均相同。在16QAM的调制方式下，仿真采用的数据传输速率为64kbps，系统传输数据没有加交织和纠错编码处理，得到的误码率曲线如图5所示。为了便于比较，图5中也模拟了已知信道下的Viterbi均衡方法、PSP方法及MSP方法，因此可以把已知信道下的误码率曲线看作各种方法的性能上界。类似于图4的结果，从图5中可见，16QAM调制方式下的一阶D-PSP方法性能与PSP方法接近，二阶D-PSP方法的误码率性能较PSP方法仅下降0.8dB。MSP方法在突发信道下的误码率性能介于D-PSP的二阶和三阶D-PSP方法之间，但其计算复杂度随着调制进制数M的增大而迅速增加。当信噪比E_s/N₀在17.5dB到19dB之间时，D-PSP方法的误码率也分别达到1×10^-3，经过码效率为1/2的卷积码或Turbo码编码之后系统误码率能够达到10^-6。

上述两实验结果均证明，采用本发明的方法可确保突发通信的高质量数据接收。

Claims (4)

1.一种用于突发通信的数据均衡方法D-PSP，按如下步骤进行：

①由信道参数的初估矢量 和接收信号d_k(k＝1，2…)，在每一个k时刻，采用自适应RLS方法对接收信号序列{d_k，d_k-1…d_k-(L-1)}所有可能状态μ_k的信道参数矢量进行估计，得到k时刻相应的信道参数估计矢量 其中L为突发信道长度；

②由得到的k时刻相应的信道参数估计矢量 通过公式 ${\mathrm{\λ}}_N({\mathrm{\μ}}_k\→{\mathrm{\μ}}_{k+1})={|d_{k+1}-\hat{h}\left({\mathrm{\μ}}_k\right){S^{\′}}_N^T\left({\mathrm{\μ}}_{k+1}\right)|}^2$ 计算出接收信号在k时刻到k+1时刻从所有可能状态μ_k转移到状态μ_k+1的路径分支度量增量λ_N(μ_k→μ_k+1)，式中：符号(·)^T代表转置运算，S′_N(μ_k+1)代表对于接收数据的判决序列{s′_k+1-(L-1)…s′_k，s′_k+1}，由下式获得

S′_N(μ_k+1)＝S′_N，Map(μ_k+1)+S′_N，Trae(μ_k+1)

其中，N(N＝1，2…L-1)为降低联合信道跟踪与最大似然均衡的阶数，S′_N，Map(μ_k+1)代表状态μ_k+1直接映射的L-N个信息码元的判决序列{s′_k+1-(L-N-1)，…s′_k，s′_k+1}，而S′_N，Trace(μ_k+1)则代表通过分支路径回溯得到的其余N个信息码元的判决序列{s′_k+1-(L-1)，…s′_k+1-(L-N)}；

③由得到的路径分支度量增量λ_N(μ_k→μ_k+1)，在已有k时刻接收信号所有可能状态μ_k的路径分支度量Γ(μ_k)的基础上，利用公式 $\mathrm{\Γ}\left({\mathrm{\μ}}_{k+1}\right)=\underset{{\mathrm{\μ}}_k}{\min }[\mathrm{\Γ}\left({\mathrm{\μ}}_k\right)+{\mathrm{\λ}}_N({\mathrm{\μ}}_k\→{\mathrm{\μ}}_{k+1})]$ 求出k+1时刻接收信号序列{d_k+1，d_k…d_k-(L-2)}所有可能状态μ_k+1的路径分支度量Γ(μ_k+1)；

④由k+1时刻所有状态的路径分支度量Γ(μ_k+1)，找出具有最小分支度量的状态，通过对最小分支度量的状态进行路径回溯，输出该时刻相应的判决信号s′_(k+1)-δ，其中δ为系统判决深度。

2.根据权利要求1所述的方法，其中步骤①所述的采用自适应RLS方法对k时刻接收信号序列{d_k，d_k-1…d_k-(L-1)}所有可能状态μ_k的信道参数矢量进行估计，是通过如下四式得出k时刻相应的信道参数估计矢量

$e\left({\mathrm{\μ}}_k\right)=d_k-{\hat{h}}^{*}\left({\mathrm{\μ}}_{k-1}\right){S^{\′}}_N^T\left({\mathrm{\μ}}_k\right)$

$g\left({\mathrm{\μ}}_k\right)=\frac{p\left({\mathrm{\μ}}_{k-1}\right){S^{\′}}_N^T\left({\mathrm{\μ}}_k\right)}{w+{S^{\′}}_N^{*}\left({\mathrm{\μ}}_k\right)p\left({\mathrm{\μ}}_{k-1}\right){S^{\′}}_N^T\left({\mathrm{\μ}}_k\right)}$

$p\left({\mathrm{\μ}}_k\right)=\frac{1}{w}[p\left({\mathrm{\μ}}_{k-1}\right)-g\left({\mathrm{\μ}}_k\right){S^{\′}}_N^{*}\left({\mathrm{\μ}}_k\right)p\left({\mathrm{\μ}}_{k-1}\right)]$

$\hat{h}\left({\mathrm{\μ}}_k\right)=\hat{h}\left({\mathrm{\μ}}_{k-1}\right)+g\left({\mathrm{\μ}}_k\right)e^{*}\left({\mathrm{\μ}}_k\right)$

式中：符号(·)^*代表共轭运算，e(μ_k)为误差信号，即接收信号d_k与期望输出信号 的差值，w为遗忘因子，g(μ_k)为卡尔曼增益矢量，p(μ_k)为相关矩阵，S′_N(μ_k)代表k时刻状态μ_k对于接收数据序列{d_k，d_k-1…d_k-(L-1)}的判决序列{s′_k-(L-1)…s′_k-1，s′_k}；

当k＝1开始启动第一次运算时，p(μ_k)的初始值p(μ₀)取单位矩阵， 的初值为信道参数的初估矢量，即 $\hat{h}\left({\mathrm{\μ}}_0\right)={\hat{h}}_0.$

3.根据权利要求1所述的方法，其中步骤②所述的其余N个信息码元的判决序列S′_N，Trace(μ_k+1)通过分支路径回溯而得到的具体过程为：首先找出到达状态μ_k+1的前一时刻，即k时刻的状态μ_k，得出相应的判决信号s′_k+1-(L-1)；再向前找出到达状态μ_k的前一时刻状态，即k-1时刻的状态μ_k-1，得出相应的判决信号s′_k+1-(L-2)……类似地，一直找到(k+1)-N时刻的状态μ_(k+1)-N，得出相应的判决信号s′_k+1-(L-N)，从而获得N个信息码元的判决序列{s′_k+1-(L-1)，…s′_k+1-(L-N)}。

4.根据权利要求1所述的方法，其中步骤④所述的对k+1时刻最小分支度量的状态μ_k+1进行路径回溯的具体过程为：若系统判决深度为δ，首先找出到达状态μ_k+1的前一时刻，即k时刻的状态μ_k，然后再找出到达状态μ_k的前一时刻状态，即k-1时刻的状态μ_k-1……依次类推，一直找到(k+1)-δ时刻的状态μ_(k-1)-δ，对其进行码元判决，输出该时刻相应的判决信号s′_(k+1)-δ。

Images