[发明专利]盲均衡装置及方法、数据调制系统及方法

说明书

技术领域

本发明涉及数据调制领域，尤其涉及盲均衡装置及方法、数据调制系统及方法。

背景技术

从1975年Sato首次提出不需要训练序列实现信道均衡的自恢复算法。至今，信道盲均衡领域的研究一直非常活跃，并取得了大量的理论和实践研究成果。盲均衡算法总体上可以分为三类：基于神经网络和Volterra级数的非线性盲均衡算法、基于高阶统计量或循环平稳统计量的盲均衡算法、Bussgang族盲均衡算法。

非线性盲均衡算法主要用于非线性失真较为严重的场合。神经网络能够逼近任意复杂的非线性系统，鲁棒性强，可以采用并行分布式处理方法进行大量运算，在盲均衡领域有着良好的应用前景，缺点是系统过于复杂，成本高。Volterra级数对无记忆和记忆非线性系统有着强大的建模能力，用于均衡领域时有着很强的均衡能力，缺点是收敛过程太慢。信号的高阶谱同时包含有信号的幅度信息和相位信息，高阶矩算法可以仅利用接收信号序列辨识信道特性，进而实现信道均衡。但它存在两个主要问题：一是多数基于高阶统计量的自适应盲均衡算法存在局部收敛问题；而且收敛速度很慢，需要观测的样本点过多。基于二阶循环统计量的盲均衡算法针对高阶统计量算法的缺点提出，它减少了观测数据，提高了自适应算法的速度。Bussgang类盲均衡算法在均衡器的输出端进行某种非线性变换，产生期望信号的估计值，并设计适当的代价函数，利用随机梯度算法寻找代价函数的最小值点，实现自适应均衡过程。Bussgang算法的几个著名特例有：

Sato算法、BGR算法、Stop and Go算法、决策指向算法和Godard算法。Sato算法是最早的盲均衡算法，是针对脉冲幅度调制(Pulse Amplitude Modulation,PAM)提出的。随后，Benveniste和Goursat将Sato算法推广到正交调幅(Quadrature Amplitude Modulation,QAM)中，提出BGR算法。当盲均衡算法收敛后，信道眼图张开，就可以利用决策指向算法控制均衡器工作，Stop and go算法由Picchi和Prati提出，该算法将决策指向算法和Sato算法相结合，依据判决误差决定均衡器的权系数是否进行自适应更新。Godard算法中的一个特例是恒模算法(Constant Modulus Algorithm,CMA)，由Godard和Treichter分别独立提出，其代价函数由传输信号的高阶统计特性构造。

数字通信由于多经和信道带限的影响必须进行均衡。当通信仅发生在单一发射机和单一接收机之间时，它们建立一定的协议训练均衡器是可能的。但是对于多点通信或广播系统，训练是不可接受的必须委任盲均衡。在各种盲均衡算法中，恒模算法(CMA)是一种重要的盲信道均衡方法，已经广泛地应用于数字通信系统中，这种算法隐含地利用了接收信号的高阶统计量。CMA只与接收信号的幅值有关，对载波相位偏移不敏感，稳健性好；在稳态条件下，其均方误差要小于其它Bussgang算法。继CMA算法之后出现了很多改进算法，主要从提高算法的收敛速度，降低均衡器的稳态剩余误差以及使其具有载波相位恢复能力等方面进行改进。为了使算法具有载波相位恢复能力，提出了简化星座图算法(Reduced Constellation Algorithm,RCA)和修正恒模算法(Modefied Constant Modulus Algorithm,MCMA)，对信号的实部和虚部分别构造代价函数，在实现均衡的同时，也具有载波相位恢复功能。针对CMA算法均衡后稳态误差大的缺点，提出了多模盲均衡算法(Multi-modulus Algorithm,MMA)。MMA将星座图按照某种规则分成几个区域，提高了对高阶QAM信号的均衡性能。由于将实部和虚部分开计算误差项，算法同时具有相位恢复的功能。