一种基于QAM调制方式的自适应均衡算法制造技术

本发明专利技术公开了一种基于QAM调制方式的自适应均衡算法，它包括如下子步骤：S1：数据发送端发送包含训练序列的信号；S2：帧同步模块确定一帧数据开始位置和训练序列位置；S3：信道估计模块根据训练序列计算IIR滤波器系数，A．训练序列计算未完成，IIR滤波器对训练序列信号进行滤波，降低信号相关性，LMS均衡算法采用较大迭代步长对训练序列信号进行均衡计算；B．训练序列计算完成，IIR滤波器使用确定的系数对信号进行滤波，降低信号相关性，LMS均衡算法采用较小迭代步长对信号进行均衡计算。使得均衡器算法在QAM调制下有较小计算复杂度和良好的均衡效果，满足实际工程应用的需要。

【技术实现步骤摘要】

本专利技术涉及无线通信基带信号解调技术，特别是对抗多径的均衡技术，特别是一种基于QAM调制方式的自适应均衡算法。
技术介绍
随着现代通信的发展，数据通信业务剧增，需要在有限的频带上传输更大容量的数字信息。正交幅度调制(QAM)是一种高频带利用率的调制技术，调制信号的幅度和相位都携带有数据信息，因此该调制技术得到了日益广泛的应用。然而，通信介质传输的信息符号总会由于信道非理想特性而产生幅度、相位失真以及符号串扰，同时受到加性噪声的干扰，主要表现为多径衰落和多普勒衰落，而均衡技术可以尽可能减少多径衰落的影响，最大限度的提高通信系统的性能。由于信道是时变的，均衡通常采用自适应技术跟踪信道的变化，在各种自适应算法中，现有算法各有优缺点，LMS算法复杂度较低，但其收敛速度慢；RLS最大的缺点是运算量大，需要求逆矩阵；CMA不需要发送端发送训练序列，对发送信号相位不敏感，但算法剩余误差较大；MLSE算法性能最佳，但结构复杂，运算量大，不适合在高阶QAM调制方式下应用。本专利针对LMS算法进行改进，在不明显增加计算复杂度条件下，加快其收敛速度。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于QAM调制方式的自适应均衡算法，使均衡器算法在QAM调制下有较小计算复杂度和良好的均衡效果，满足实际工程应用的需要。本专利技术的目的是通过以下技术方案来实现的:一种基于QAM调制方式的自适应均衡算法，它包括如下子步骤:S1:数据发送端发送包含训练序列的信号；S2:帧同步模块确定一帧数据开始位置和训练序列位置；S3:信道估计模块根据训练序列计算IIR滤波器系数，A.训练期间，IIR滤波器对接收信号进行滤波，降低信号相关性，LMS均衡算法采用较大迭代步长对接收信号进行均衡计算；B.训练完成，IIR滤波器对接收信号进行滤波，降低信号相关性，LMS均衡算法采用较小迭代步长对接收信号进行均衡计算。该算法使用的LMS均衡器采用可变抽头滤波器，随着时间推移，抽头系数不断变化，最后趋近于最优值。所述的训练序列为Μ进制伪随机码。所述的较大迭代步长为0.003，较小迭代步长为0.0001875ο所述的LMS均衡算法以最小均方误差为目标函数，控制均衡器系数变化，其系数公式为:ff (k) = W(k_l) + μ (k) e* (k) X (k)其中W(k)为第k次得到的滤波器系数;W(k_l)为第k-1次得到的滤波器系数；μ (k)为迭代步长；e*(k)为第k次计算误差的共轭；X(k)为输入信号。本专利技术的有益效果是:本专利技术提供了一种基于QAM调制方式的自适应均衡器，该均衡器计算复杂度低，收敛速度快，能适应从QPSK到256QAM各种调制方式，并有良好的均衡效果，改善接收信号的失真程度，使畸变的信号接近规则的调制信号，克服符号间干扰，降低误码率，改善通信系统的可靠性。【附图说明】图1为均衡算法流程图；图2为自适应滤波器一般结构图；图3为IIR滤波器结构图；图4为均衡前星座信号示意图；图5为均衡后星座信号示意图。【具体实施方式】下面结合附图进一步详细描述本专利技术的技术方案，但本专利技术的保护范围不局限于以下所述。如图1所示，一种基于QAM调制方式的自适应均衡算法，它包括如下子步骤:S1:数据发送端发送包含训练序列的信号；S2:帧同步模块确定一帧数据开始位置和训练序列位置；S3:信道估计模块根据训练序列计算IIR滤波器系数，A.训练期间，IIR滤波器对接收信号进行滤波，降低信号相关性，LMS均衡算法采用较大迭代步长对接收信号进行均衡计算；B.训练完成，IIR滤波器对接收信号进行滤波，降低信号相关性，LMS均衡算法采用较小迭代步长对接收信号进行均衡计算。该算法使用的LMS均衡器采用可变抽头滤波器，随着时间推移，抽头系数不断变化，最后趋近于最优值。所述的训练序列为Μ进制伪随机码。所述的较大迭代步长为0.003，较小迭代步长为0.0001875ο所述的LMS均衡算法以最小均方误差为目标函数，控制均衡器系数变化，其系数公式为:ff (k) = ff (k-1) + μ (k) e* (k) X (k)其中W(k)为第k次得到的滤波器系数;W(k_l)为第k-1次得到的滤波器系数；μ (k)为迭代步长；e*(k)为第k次计算误差的共轭；X(k)为输入信号。由于实际信道特性的时变性，要求信道均衡器必须跟踪信道响应的时变性，不断更新均衡器的抽头系数，这种能跟随信道变化的均衡器称为自适应均衡器。自适应均衡器也采用滤波器实现，只是滤波器系数处在不断变化中。自适应滤波器一般结构如图2所示。LMS算法收敛速度是指对于恒定输入，当迭代算法的迭代结果已经充分接近最优解时，即已经收敛时，算法所需的迭代次数。一般来说快速的收敛算法可以快速地适应稳定的环境。算法的收敛速度主要是由两个参数来决定:步长μ (k)和特征值分散。步长μ (k)是均衡器系数公式中μ (k)，为了降低算法复杂度，μ (k)通常设定为常数；而特征值分散反映了信号通过信道后的接收信号的相关程度。接收信号的相关程度越弱，特征值越集中，算法收敛速度越快。为消除接收信号相关性，在均衡器前插入一 IIR滤波器，该滤波器为信道滤波器的逆滤波器，滤波器结构如图3所示。其中为bO，_bl……，-b(L-l)滤波器系数，与信道冲击响应有关，b0 = (h⑹)\bl = h(l)，b2 = h⑵……，b(L-l) = h(L-l),由于信道是时变的，可能使IIR滤波器不稳定，故在IIR反馈结构中加入判决模块，其作用是限制反馈信号的幅度值，因为该滤波器是信道的逆滤波器，不考虑噪声影响其输出应为QAM星座图上的点，判决模块输出就是与输入最近的星座点，经过滤波器后信号相关性很弱，再输入到均衡器中处理。均衡器采用LMS算法，为提高算法收敛速度，在发送数据之前增加了训练序列，并使用较大步长，训练序列结束时，均衡器系数接近最优值，改用较小步长。使用MATLAB/S頂ULINK仿真信号星座图，调制方式:256QAM，信道冲击响应:，SNR:40dB。由图4和图5可已看出均衡前信号星座杂乱无章，根本无法完成解调，均衡后信号星座清晰可辨，能顺利完成解调，仿真也表明此时误符号率为0。该算法计算复杂度低，收敛速度快，能适应从QPSK到256QAM各种调制方式，并有良好的均衡效果。【主权项】1.一种基于QAM调制方式的自适应均衡算法，其特征在于:它包括如下子步骤: 51:数据发送端发送包含训练序列的信号； 52:帧同步模块确定一帧数据开始位置和训练序列位置； 53:信道估计模块根据训练序列计算IIR滤波器系数， A.训练期间，IIR滤波器对接收信号进行滤波，降低信号相关性，LMS均衡算法采用较大迭代步长对接收信号进行均衡计算； B.训练完成，IIR滤波器对接收信号进行滤波，降低信号相关性，LMS均衡算法采用较小迭代步长对接收信号进行均衡计算。2.根据权利要求1所述的一种基于QAM调制方式的自适应均衡算法，其特征在于:该算法使用的LMS均衡器采用可变抽头滤波器，随着时间推移，抽头系数不断变化，最后趋近于最优值。3.根据权利要求1所述的一种基于QAM调制方式的自适应均衡算法，其特征在于:所述的训练序列为Μ进制伪随机码。4.根据本文档来自技高网...

【技术保护点】
一种基于QAM调制方式的自适应均衡算法，其特征在于：它包括如下子步骤：S1：数据发送端发送包含训练序列的信号；S2：帧同步模块确定一帧数据开始位置和训练序列位置；S3：信道估计模块根据训练序列计算IIR滤波器系数，A.训练期间，IIR滤波器对接收信号进行滤波，降低信号相关性，LMS均衡算法采用较大迭代步长对接收信号进行均衡计算；B.训练完成，IIR滤波器对接收信号进行滤波，降低信号相关性，LMS均衡算法采用较小迭代步长对接收信号进行均衡计算。

【技术特征摘要】

【专利技术属性】
技术研发人员：舒勇，王博，李美丽，
申请(专利权)人：成都泰格微电子研究所有限责任公司，
类型：发明
国别省市：四川;51