王 雷，吳長奇

(1.92785部隊，河北 秦皇島066200;2.燕山大學(xué) 信息學(xué)院，河北 秦皇島066004)

數(shù)字有線電視主要采用QAM調(diào)制方式，高階的QAM調(diào)制具有較高的頻帶率用率，已經(jīng)成為現(xiàn)代通信的重要手段。但是隨著調(diào)制階數(shù)不斷提高，給盲均衡增大了難度。恒模算法(CMA)［1］和修正的恒模算法(MCMA)［2］，由于只有單一模值進(jìn)行判決比較，對于4階以上具有多模值形式的QAM星座，收斂達(dá)不到最優(yōu)。在MCMA算法基礎(chǔ)上提出的雙模式盲均衡算法(MCMA+DD)［3-4］，要達(dá)到正好在眼圖打開轉(zhuǎn)化為DD判決算法，比較難于實現(xiàn)。而加權(quán)多模盲均衡算法(WMMA)［5］，雖然能實現(xiàn)算法模式的逐步轉(zhuǎn)變，但需要預(yù)先通過仿真設(shè)定權(quán)值門限，工作量太大。文獻(xiàn)［6］提出的改進(jìn)加權(quán)多模盲均衡算法(IWMMA)雖然不需要設(shè)定門限，但靜態(tài)多模盲均衡算法(FWMMA)［5］權(quán)值的得出本來就是通過多次仿真實驗得到，具有不確定性，而且對不同的信號還得提前計算理想權(quán)值，通用性差。因此，本文提出了一種改進(jìn)的加權(quán)多模盲均衡算法(MWMMA)，該算法引入Sigmoid函數(shù)的變形，通過均方誤差的逐步減小對指數(shù)冪進(jìn)行調(diào)整，實現(xiàn)MCMA模式通過多模逐步轉(zhuǎn)變?yōu)镈D模式。

1 系統(tǒng)模型

圖1是盲均衡系統(tǒng)的基帶等效模型。

發(fā)送信號通過信道后接收信號采樣序列為

圖1 盲均衡系統(tǒng)模型

式中:s(n)是原始發(fā)送QAM信號序列，且s(n)=sr(n)+jsi(n)，sr(n)和si(n)分別是信號的實部和虛部;h(n)是信道的沖激響應(yīng);v(n)是加性高斯白噪聲。y(n)是線性均衡器的輸出序列，其輸出關(guān)系可表示為

式中:y(n)=yr(n)+jyi(n);W(n)=(w0(n)，w1(n)，…，wM(n))T是均衡器抽頭系數(shù)向量，M是均衡器階數(shù)n)是判決器的輸出序列。

2 改進(jìn)的加權(quán)多模盲均衡算法

2.1 WMMA算法

文獻(xiàn)［5］提出了一種加權(quán)多模算法—WMMA(Weighted Multi-Modulus Algorithm)，這種算法引入判決符號的指數(shù)冪來調(diào)整代價函數(shù)中的模值，在均衡器系數(shù)迭代過程中自適應(yīng)修正模值，從而實現(xiàn)均衡模式轉(zhuǎn)變。其代價函數(shù)的形式為

式中，加權(quán)因子λr，λi∈［0，2］。實部和虛部的模值分別為

式中，參數(shù)η為遺忘因子，取0.99。

2.2 改進(jìn)的加權(quán)多模算法(MWMMA)

由于門限值選取不同得到的仿真結(jié)果也會不同，具有不確定性，而要得到最優(yōu)閾值狀態(tài)必須經(jīng)過大量仿真實驗，復(fù)雜度高，本文引入Sigmoid函數(shù)通過均方誤差的逐步減小，實現(xiàn)加權(quán)值λr和λi從0～2的轉(zhuǎn)變，使算法從MCMA逐步切換到DD。新的指數(shù)冪權(quán)值取值方法為

圖2 λ隨均方誤差變化圖

根據(jù)式(3)定義的代價函數(shù)，可以推導(dǎo)出均衡器抽頭系數(shù)更新公式為

3 算法仿真

為了評估本文均衡算法的性能，以有線電視常用的64QAM為處理信號，采用復(fù)信道模型為h=［-0.005-0.004j，0.009+0.030j，-0.024-0.104j，0.854+0.520j，-0.218+0.273j，0.049-0.074j，-0.016+0.020j］［7］;輸入信號序列為5 000個采樣;采用11抽頭系數(shù)的線性均衡器，初始化均衡器中心抽頭為1，其他為0;信噪比為20 dB，迭代步長為5×10-5。對CMA，MCMA，F(xiàn)WMMA，WMMA以及本文的MWMMA均衡算法進(jìn)行仿真，得到圖3～圖9。

圖3為信道輸入的64QAM星座圖;圖4為通過信道模型之后的星座圖，可以看出由于信道的非理想特性，已經(jīng)對輸入信號產(chǎn)生了嚴(yán)重的失真。圖5～圖9分別為運(yùn)用CMA，MCMA，F(xiàn)WMMA(λ(n)=0.700)，WMMA和MWMMA算法進(jìn)行仿真后的信號星座圖。通過比較可以看出，圖5的CMA算法不僅沒有對相位進(jìn)行調(diào)整，而且輸出后的星座圖收斂得最差;圖6的MCMA算法雖然對相位進(jìn)行了恢復(fù)，但是它也是基于一般單模理論進(jìn)行的均衡，均衡后星座點(diǎn)依然不夠集中;圖7為FWMMA均衡算法均衡后的信號星座圖，是文獻(xiàn)［5］通過大量仿真實驗得出的對64QAM信號均衡固定模式中的最優(yōu)模式，但它沒有最終轉(zhuǎn)變?yōu)镈D判決算法，還有優(yōu)化的空間;圖9是本文提出的改進(jìn)的加權(quán)算法，此算法均衡后星座點(diǎn)與前3種算法均衡后圖形相比收斂得很集中，均衡效果可以達(dá)到從實驗仿真得到的最佳閾值的WMMA均衡后的效果，如圖8所示。

為了比較穩(wěn)態(tài)性能，定義均衡器輸出端的剩余碼間干擾為

式中:h(n)表示信道系數(shù)向量;w(n)表示均衡器系數(shù)向量。通過仿真比較FWMMA(λ=0.700)，WMMA和MWMMA均衡后剩余碼間干擾，如圖10所示。FWMMA在2 300次迭代后剩余碼間干擾在-27 dB上下仍有較大波動;WMMA在迭代3 000次收斂到-42 dB上下;MWMMA在迭代2 500次收斂到-41 dB上下。通過比較可以看出，改進(jìn)的算法雖然不需要大量實驗預(yù)先確定閾值，但仍能實現(xiàn)較好的均衡效果。

圖10 剩余碼間干擾比較

為了驗證本文算法的通用性，應(yīng)用此算法對更高階的256QAM信號進(jìn)行均衡，迭代步長設(shè)定為3×10-6，其他標(biāo)準(zhǔn)不變。仿真結(jié)果如圖11～圖14所示?？梢钥闯霭l(fā)送信號(圖11)通過非理想信道后信號受到嚴(yán)重干擾(圖12)，經(jīng)過MWMMA算法均衡后輸出信號星座已經(jīng)收斂集中(圖13)，均衡的剩余碼間干擾在經(jīng)過3 600次迭代后也收斂到-42 dB上下，從仿真結(jié)果可以看出此算法適用于高階QAM信號。

4 結(jié)束語

針對數(shù)字有線電視常用的高階QAM信號特性，本文提出了對加權(quán)多模盲均衡的一種改進(jìn)算法。新算法引入Sigmoid函數(shù)，在不需要設(shè)定門限的條件下，實現(xiàn)從MCMA通過多模逐步轉(zhuǎn)變到DD算法，降低了仿真的工作量，而且通用性更強(qiáng)。通過對64QAM信號仿真表明:該算法能夠有效實現(xiàn)收斂，達(dá)到較小的剩余碼間干擾，適用于高階QAM信號。

［1］GODARD D N.Self-recovering equalization and carrier tracking in twodimensional communication systems［J］.IEEE Trans.Communications，1980，28(11):1867-1875.

［2］潘立軍，劉澤民.兩種改進(jìn)的盲均衡算法［J］.電路與系統(tǒng)學(xué)報，2006，11(2):140-144.

［3］PAPADIAS C B，SLOCK D T M.On the decision directed equalization of constant modulus signals［C］//Proc.1994 Conference Record of the 28th Asilomar Conference on Signals，Systems and Computers.［S.l.］:IEEE Press，1994，2:1423-1427.

［4］GUO Y C，HAN Y G，ZHOU Q X，et al.Decision circle based dual-mode constant modulus blind equalization algorithm［C］//Proc.the 8th International Conference on Signal Processing.Beijing:IEEE Press，2006，3:1-4.

［5］許小東，戴旭初，徐佩霞.適合高階QAM信號的加權(quán)多模盲均衡算法［J］.電子與信息學(xué)報，2007，29(6):1352-1355.

［6］薛偉，楊小牛，張朝陽.一種改進(jìn)的加權(quán)多模盲均衡算法［J］.系統(tǒng)仿真學(xué)報，2011，23(3):451-455.

［7］劉媛濤，葛林東，王彬.用于數(shù)字電視的盲均衡技術(shù)研究［J］.電視技術(shù)，2006，30(7):14-17.