[发明专利]基于多符号处理的Volterra均衡方法及系统

权利要求书

1.基于多符号处理的Volterra均衡方法，其特征在于，具体步骤如下：

S1、接收端采样信号Xt经过归一化处理得到均衡器归一化的接收端采样信号X；

S2、选取步长参数a，在训练集上利用自适应算法调整线性均衡器的抽头系数，得到训练好的线性均衡器；

S3、将需进行均衡的信号输入均衡器中，并对均衡器输出进行判决，实现信道均衡。

2.根据权利要求1所述基于多符号处理的Volterra均衡方法，其特征在于，步骤S1中，对信号进行归一化处理具体过程是：通过计算信号序列均值，并用信号序列中每个信号减去计算得出的均值而获得，

X(i)＝X_t(i)-X_t,mean (2)

式中，X_t(i)为接收端采样信号的第i个信号值，X_t,mean为接收端信号均值，cnt为接收端信号长度，将接收端每个采样信号减去公式(1)求得的信号均值，得到经过归一化处理的接收端特征序列X，X(i)为归一化的接收端特征序列对应第i个信号的特征值。

3.根据权利要求1或2所述基于多符号处理的Volterra均衡方法，其特征在于，步骤S2中，每隔步长参数a的距离为一个中心符号，输入Volterra均衡器的特征为中心符号的特征，输出为中心符号以及其前面(a-1)/2和后面(a-1)/2个符号的均衡结果，步长参数a＝2i+1(i＝1,2,3...)。

4.根据权利要求3所述基于多符号处理的Volterra均衡方法，其特征在于，步骤S2中，通过自适应算法更新特征权重。

5.根据权利要求4所述基于多符号处理的Volterra均衡方法，其特征在于，步骤S2中，所述的自适应算法选择最小均方算法或递归最小二乘算法。

6.基于多符号处理的Volterra均衡系统，其特征在于，具体包括如下模块：

归一化处理模块：接收端采样信号Xt经过归一化处理得到均衡器归一化的接收端采样信号X；

信道均衡模块：利用自适应算法，在训练集上调整Volterra均衡器的抽头系数，得到训练好的Volterra均衡器，将需进行均衡的信号输入到Volterra均衡器中，并对Volterra均衡器输出进行判决，实现信道均衡；

误码率计算模块：根据均衡结果与发送端信号对比，通过获得判决错误的符号占测试集符号的比例计算误码率。

7.根据权利要求6所述基于多符号处理的Volterra均衡系统，其特征在于，归一化处理模块中，对信号进行归一化处理的过程通过计算信号序列均值，并用信号序列中每个信号减去计算得出的均值获得的，

X(i)＝X_t(i)-X_t,mean (4)

式中，X_t(i)为接收端采样信号的第i个信号值，X_t,mean为接收端信号均值，cnt为接收端信号长度，将接收端每个采样信号减去公式(1)求得的信号均值，得到经过归一化处理的接收端特征序列X，X(i)为归一化的接收端特征序列对应第i个信号的特征值。

8.根据权利要求6或7所述基于多符号处理的Volterra均衡系统，其特征在于，每隔步长参数a的距离为一个中心符号，输入VNLE的特征为中心符号的特征，输出为中心符号以及其前面(a-1)/2和后面(a-1)/2个符号的均衡结果，步长参数a＝2i+1(i＝1,2,3...)。

9.根据权利要求8所述基于多符号处理的Volterra均衡系统，其特征在于，信道均衡模块中，通过自适应算法更新特征权重。

10.根据权利要求9所述基于多符号处理的Volterra衡系统，其特征在于，信道均衡模块中，选用RLS自适应算法，更新特征权重的具体过程如下：

S21、初始化权重向量w(n)；

S22、根据当前的权重向量与训练标签，计算误差向量e(n)：

e(i)＝d(i)-w^T(i-1)x(n) (5)

其中e(i)是i时刻的误差向量，d(i)是i时刻的标签；

S23、根据步骤S22中获得的误差向量e(n)，更新增益向量k(n)、权重向量w(n)以及相关矩阵的逆矩阵P(n)；

w(i)＝w(i-1)+k(i)e(i) (7)

其中forget为遗忘因子，P(n)为输入信号相关矩阵的逆矩阵；k(i)为i时刻的增益向量，w(i)为i时刻的权重向量；

S24、在训练集上重复步骤S22、S23，得到最终的权重向量w(n)。