CMA盲均衡器---从理论仿真到FPGA实现

引言

       恒模算法(Constant modulus algorithm:CMA)作为一种信道自适应均衡算法在通信与信号处理领域具有很好的应用潜力和前景。相较于RLS和LMS等其他自适应均衡器而言,CMA不需要训练序列,极大的节省了通信带宽资源,可以有效地滤除信道噪声,获取更好的通信质量。本文针对CMA盲均衡算法进行了理论分析,Matlab仿真和FPGA实现。

1、理论分析

          在前面的博文中我们对常见的几种MIMO均衡算法(CMA,LMS,RLS)理论进行了详细介绍,这里不再赘述,见链接:MIMO均衡算法(CMA,LMS,RLS)原理介绍

          这里主要介绍一下CMA算法的基本流程:

  • 初始化滤波器长度,权值及遗忘因子,根据具体调制信号类型确定R值
  • 执行卷积,输出滤波结果
  • 计算误差
  • 根据误差动态调整权值

2、Matlab仿真

         根据如前所述的算法原理,我们利用Matlab算法仿真工具对该算法进行了仿真,相应代码及注释如下:

% 恒模盲均衡算法(CMA)
function [y,e,w]=CMA(x,M,mu,R)
%% 参数定义
% 输出参数:
% y: 输出信号
% e: 误差输出 
% w: 最终滤波器系数

% 输入参数:
% x: 输入信号
% M:滤波器长度
% mu: 因子
% R: 常数值
%% 
% step1: 算法初始化
% 滤波器系数
w = zeros(1,M);
w((M+1)/2) = 1;
% 输入向量长度
N=length(x);
% 执行CMA
m = 1;
for n = M:2:N 
    % 倒序输入
    filter_in = x(n:-1:n-M+1);
    % 计算输出
    y(m) = w*filter_in;
    % 误差计算
    e(m) = y(m)*(abs(y(m))^2 - R);
    % 滤波器系数更新
    w = w - mu*e(m)*filter_in';
    m = m + 1;
end
end
%% 生成单个码元
clear all
close all
clc
Ts = 10e-9; % 码元周期,以秒为单位,倒数为传输速率
N_sample = 8; % 单个码元抽样点数
dt = Ts / N_sample; % 抽样时间间隔
N = 2^15; % 码元数
t = 0 : dt : (N * N_sample - 1) * dt; % 序列传输时间
dt1 = Ts; % 抽样时间间隔
t1 = 0 : dt1 : (N-1) * dt1; % 序列传输时间
gt0 = -ones(1, N_sample);% NRZ
gt1 = ones(1, N_sample); 
%% 生成随机序列
RAN = load("tx_OOK_bite.mat"); % 随机0 1序列
RAN = RAN.PRBS;
figure(1);
subplot(5,1,1);
plot(t1,RAN);
axis([0,1000*dt,-1.5,1.5]);
title('原始随机序列');
se1 = [];
for i = 1 : N % 生成序列
   if RAN(i)==1
       se1 = [se1 gt1];
   else
       se1 = [se1 gt0];
   end
end
%% 8倍过采样序列
subplot(5,1,2);
plot(t,se1);
axis([0,1000*dt,-1.5,1.5]);
title('8倍过采样序列');
%% 通过高斯信道
noise = 0.2*randn(1,length(se1));
se1_addnoise = se1 + noise;
subplot(5,1,3);
plot(t,se1_addnoise);
axis([0,1000*dt,-1.5,1.5]);
title('加噪声后序列');
%% 盲均衡
% 数据降为2倍过采样
resample_data = se1_addnoise(1:4:end);
M = 15;
mu = 0.001;
% 对于NRZ信号,R = 1
R = 1;
[y,e,w] = CMA(resample_data',M,mu,R);
subplot(5,1,4);
plot(t1(1:end-7),y);
axis([0,1000*dt,-1.5,1.5]);
title('均衡后序列');
%% 判决
y(y >= 0.5) = 1;
y(y <= -0.5) = 0;
result = [y' RAN(1:N-7)'];
subplot(5,1,5);
plot(t1(1:end-7),y);
axis([0,1000*dt,-1.5,1.5]);
title('判决后序列');
RAN = repmat(RAN,1,4);
BER = BER(y,RAN);

       如下所示为CMA算法在调制格式为OOK信号时各处理阶段的对应的波形图,CMA对其他的高阶调制格式也适用,只是不同调制格式对应的R值不一样,R值的具体计算方法我在前面博文的理论介绍过程中也已经给出,如果想把CMA算法应用到高阶调制格式中,可以自行参考相关内容对上述程序进行微调。

  • 13
    点赞
  • 99
    收藏
    觉得还不错? 一键收藏
  • 15
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 15
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值