造价通

反馈
取消

热门搜词

造价通

取消 发送 反馈意见

等化器可适性演算法(for MSE)

2022/07/16114 作者:佚名
导读:通讯传输等化器设计,很重要的就是要找出最佳的tap-delay-line filter系数,找出一组可以误差最小的系数。而在时变(time-invariant)通道中,通道状况随时在改变,所以在设计等化器时便要因应不同的通道状况,随时调整计算出使误差最小的系数,这种演算法变称为adaptive algorithms。 可适性(adaptive)演算法的好坏可由下列几项标准判定: 收敛速度:演算法在

通讯传输等化器设计,很重要的就是要找出最佳的tap-delay-line filter系数,找出一组可以误差最小的系数。而在时变(time-invariant)通道中,通道状况随时在改变,所以在设计等化器时便要因应不同的通道状况,随时调整计算出使误差最小的系数,这种演算法变称为adaptive algorithms。 可适性(adaptive)演算法的好坏可由下列几项标准判定:

收敛速度:演算法在经过多少次重复运算后可以相当接近最后想要的结果

每次重复运算(iteration)的计算量

错误调整(misadjustment)的大小

LMS演算法

LMS演算法通常包含两部分(由以下两者相互运作行程一回授(feedback loop)

率波程序(filtering process): 1.计算线系滤波器输出对输入信号的反应

2.比较输出信号和想要的信号(desire signal)得到预测误差

可适性程序(adaptive process):对于估测误差,自动调整等化器参数 d(n):为想得到的信号 u(n):等化器输入信号 y(n):等化器输出信号 w(n):可时变的tap-delay line filter系数

由于LMS演算法不需要事先求得u(n)的自相关函数(ACF)及u(n)和d(n)的交相关函数(CCF),因此在运算上简化许多,也由于w(n)是e(n)及u(n)的 函式(e(n)u(n)是随机程序),所以LMS演算法是一统计滤波器(stochastic filter)。

在设计LMS-based可适性滤波器时,如何决定step-size u使LMS演算法收敛是一项相当重要的议题 当0 u的最大特征值 RLS演算法 对每个n值,我们根据W[N]来估计新的最小平方差解,我们在用w(n)来寻找,来表示新的w(n 1)估计值时,希望避免LS演算法全部从头重做的情况,用RLS演算法的好处是我们不用将矩阵反置(inverse),如此一来可以节省运算POWER

演算法:

1.初始条件:P(0)=δ^(-1)˙I , w(0)=0 , δ是一大于零很小的常数

2. for n=1,2,.... 计算k(n),z(n),w(n)

LMS和RLS两者比较:

1.LMS 演算法的运算量少,为L 的等级(L为滤波器的长度),但收敛速度受到输入信号的统计特性所影响,需 花较多时间达到要求的收敛性能

2.RLS 演算法虽然 收敛速度快,但却需要 巨大的运算量,为L平方的等级。

等化器Decision feedback

DFE有个简单根本的假定:当我们已经正确地侦测到一个bit,我们可以利用由bit获得的知识及对通道响应的了解,进而计算出这个bit所造成的ISI。换句话说 我们可以决定这个bit后来收到讯号序列所造成的影响,并扣除这个bit对后面接收序列所造成的ISI。

DFE由一个 forward filter(转移函数E(z))及一个 feedback filter(转移函数D(z)))所组成。一但接收端RX对接收信号做出决策,其对之后信号所造成的影响(postcursor ISI)可以立刻算出,并且扣除。 DFE使用回授系统,所以有 Error propagation的现象

MMSE Decision feedback equalizer MMSE DFE的目标是借由在杂讯放大与残余ISI(residual ISI)间取得平衡,进而使均方误差最小化。由于DFE杂讯放大的情况和线性等化器不同,所以tap-delay-line等化器的系数也就不同。由于postcursor ISI不会造成杂讯放大,所以我们把目标放在使 杂讯及precursorISI的相加最小

等化器Zero Forcing DFE

如上面提到ZF等化器消除所有ISI,以致于导致有效通道是纯因果性(purely casual)。postcursor ISI在回授端会被扣除,其输出杂讯功率如下

等化器Maximum Likelihood

最大概似函数估测(MLSE)利用判定哪个符号(symbol)最类似接收到的信号,来对接收到的符号做决策。这个方法很类似循环码(convolution code)解码的过程 事实上,在延迟分散(delay dispersive)通道中可视为循环编码法(code rate 1/1),MLSE估计是是上述所有等化器中效能最好的。 MLSE接收到信号为其中n为高斯白杂讯,对于N个接收值的序列,接收讯号u的结合条件机率密度为

pdf(u│c,f)=MLSE只有在 可加性杂讯是白杂讯(white)时有最佳化结果,所以取样值在进入MLSE检测器前要先经过 noise-whitening滤波器

等化器比较

使位元错误率(BER)最小: MLSE等化器位元错误率比其他等化器都小 DFE错误率比线性等化器好 当通道转移函数(Transfer function)有 零是否可以应付 ZF等化器运算过程中把通道转移函数做倒数运算,所以等化器转移函数会产上 零点,MMSE及MLSE等化器都不会产生这个问题

计算量 线性等化器计算量和DFE计算量没有显著的差异 可适性演算法随者等化器长度线性、二次方甚至四次方的增加 当 通道的脉冲响应长度增加时,MLSE等化器运算量成 指数增加 能量消耗可由计算量推断出 对通道估测误差的敏感度 DFE对估测误差敏感度大于线性等化器 ZF等化器的敏感度大于MMSE等化器2100433B

*文章为作者独立观点,不代表造价通立场,除来源是“造价通”外。
关注微信公众号造价通(zjtcn_Largedata),获取建设行业第一手资讯

热门推荐

相关阅读