盲均衡(blind equalization)是1993年公布的电子学名词。盲均衡是指均衡器能够不借助训练序列 ,而仅仅利用所接收到的信号序列即可对信道进行自适应均衡。
近年来,数字通信技术得到了迅猛发展和广泛应用,成为信息学科中最活跃的领域之一。但在信号传输过程中,由于耦合效应以及多址干扰等因素的 影响,使得信道传输特性极其复杂,产生了码间干扰和信道间干扰。为了减小误码率,提高通信质量, 需要使用均衡技术,以补偿信道,消除码间干扰。
自适应均衡技术日益暴露出自身的不足和缺陷, 主要有以下几点:
1)由于训练序列的存在,降低了通信系统传输 的有效信息率。
2)对于一个快速时变信道,必须频繁地发送训 练序列,以便更新信道估计。
3)在点对点通信网中,如果一个分支信道暂时 失效后要恢复工作,就必须重新均衡该分支接收机,这就有可能中断与其他分支信道的通信。
4)在通信系统中,由于信道上的干扰或其他因 素的影响,有可能使接收机无法跟踪,从而出现通信 中断。为了重新建立通信,就需要发送端再发送训练 序列,这就要求系统增加反馈信道,以传送“请求训 练信号”,使得系统变得复杂,难以实现。
5)在一些特殊情况下,不可能发送训练信号, 如信息截获和侦察系统等。
因此,盲均衡技术应运而生,它能够不借助训练 序列,仅利用接收序列本身的先验信息,便可均衡信 道特性,使均衡器的输出序列尽量接近发送序列。
一、盲均衡技术的原理及准则
盲均衡技术原理
二、盲均衡技术的发展
(1)基于Bussgang技术的盲均衡算法
Bussgang算法是先建立一个误差函数(或代价 函数),使得理想系统对应于该目标函数的极小值 点,然后采用某种自适应算法寻找误差函数的极值 点。当目标函数达到极值点后,系统也就成为期望的 理想系统。
(2)基于高阶谱理论的盲均衡算法
高阶谱盲均衡算法充分利用了高阶谱含有系统 的幅度特性和相位特性这一特点,可以直接从系统 接收信号(即盲均衡器的输入信号)的高阶累积量中 获得信道参数。其关键是建立信号的高阶累积量与 信道参数之间的关系方程,然后以解方程的方式获 得信道参数。
(3)基于神经网络理论的盲均衡算法
基于神经网络理论的盲均衡算法从原理上主要 有两种。一种是基于传统代价函数的方法,首先选择 一个网络结构,提出一个代价函数,并且根据这个代 价函数确定权值的递推方程(此方程中包含有输入 和输出信号的特性);然后,通过求代价函数的极小 值来达到调整权值的目的。另一种是根据网络的能 量函数构造权值,即从现阶段神经网络的研究来看, 神经元及神经网络本身都可以用简单的电子线路来 实现,并且每一种神经网络都有自己的能量函数和 状态方程。
三、盲均衡算法的研究方向
一种算法是否具有实用价值,主要取决于其性 能:一是收敛速度要快,这决定能否用于实时系统; 二是能否获得最优解,也就是代价函数有无凸性;三 是算法实现的复杂程度。
根据以上分析,盲均衡算法应在以下方面进一 步进行研究:
1)基于Bussgang技术的盲均衡算法,应重点 对代价函数的凸性进行研究,它是保证全局收敛的先决条件。同时,还应考虑运算量小,收敛速度快。
2)基于高阶谱理论的盲均衡算法,应重点寻求 运算量小的盲均衡算法,使其走向实用化。 3)基于神经网络理论的盲均衡算法,应对各种 神经网络模型进行研究,在此基础上,提出适用于 盲均衡器的神经网络模型。