[发明专利]非高斯噪声下多进制正交调幅信号多模盲均衡方法及系统

权利要求书

1.一种非高斯噪声下多进制正交调幅信号多模盲均衡方法，其特征在于，所述非高斯噪声下多进制正交调幅信号多模盲均衡方法包括：定义样本集，将多级信号样本转换为单级；定义决策阈值，判断当前接收的瞬时信号是否属于样本集，如果不属于集合范围，过滤样本；如果属于集合，则进行迭代运算；对修正后的代价函数微分计算出梯度，根据梯度下降法方法计算出均衡器的迭代公式，将过滤后的样本代入计算，迭代更新均衡器并最小化代价函数。

2.如权利要求1所述的非高斯噪声下多进制正交调幅信号多模盲均衡方法，其特征在于，所述非高斯噪声下多进制正交调幅信号多模盲均衡方法具体包括以下步骤：

第一步，定义样本集Ω，将多级信号样本转换为单级；

第二步，定义决策阈值ζ，判断当前接收的瞬时信号x(n)是否属于样本集，如果不属于集合范围，过滤该样本；如果属于集合，则进行下一步的迭代运算；

第三步，对修正后的代价函数J_IMMA(w)微分计算出梯度，根据梯度下降法方法计算出均衡器的迭代公式，将过滤后的样本代入计算，迭代更新均衡器并最小化代价函数。

3.如权利要求2所述的非高斯噪声下多进制正交调幅信号多模盲均衡方法，其特征在于，所述定义样本集Ω，将多级信号样本转换为单级；从多级正交幅度调制(QAM)星座集中随机选择的发射信号s(n)，通过一个带存储器的信道传输，信道被建模为阶有限信道脉冲响应CIR滤波器这里的(g)^T代表转置；采用一个L阶的自适应盲均衡器w来对抗信道引起的码间干扰；然后，接收和均衡后信号被公式化为：

ξ(n)表示服从α稳定分布S_α(a,β,δ)的加性非高斯噪声，[·]^H表示共轭转置，[·]^*表示复数共轭，当设置不同的参数时，模拟高斯噪声和非高斯噪声；如果α＝2且β＝0，则分布S₂(a,0,δ)表示均值为a方差为2δ²的高斯分布；如果α＜2，ξ(n)变为非高斯噪声；此外，向量x(n)＝[x(n),x(n-1),…,x(n-L+1)]^T表示均衡器输入的信号序列，w＝[w(0),w(1),…,w(L-1)]^T为盲均衡器的抽头系数，[·]^T表示转置；另外，Re(·)和Im(·)分别表示实部和虚部，符号j表示虚数单位；盲均衡算法的目标是通过调整抽头系数使得y(n)＝Cs(n-τ)，其中C是一个常数，τ是时间延迟；

权重为w的盲均衡器的设计目标是最小化平均广义多模算法MMA代价函数；首先创建通用的基础代价函数J_MMA(w)：

J_MMA(w)＝E[|(Re(y(n))|^p-γ)²+(|Im(y(n))|^p-γ)²]

其中参数p是正数，常数是多模分散常数，|·|是绝对值；s(n)是发射信号，w为均衡器，y(n)为经过均衡器后的信号，E表示时间平均；首先定义样本集Ω，是最优均衡器：

其中，Z为正整数，则样本集Ω定义为：

其中，上述公式如果用虚部替换实部依然成立；将多级QAM信号转换为单级QAM信号；当均衡器收敛到最优均衡器时，的值趋近于

4.如权利要求2所述的非高斯噪声下多进制正交调幅信号多模盲均衡方法，其特征在于，所述定义决策阈值ζ，判断当前接收的瞬时信号x(n)是否属于样本集，如果不属于集合范围，过滤样本；如果属于集合，则进行下一步的迭代运算；

判断当前接收的瞬时样本x(n)是否属于集合，如果不属于集合范围，舍弃该样本不进行迭代；如果属于集合，将样本保存进行下一步的迭代运算；过滤出迭代第k步所用样本的集合Ω_k：