孟繁華

摘 要： 傳統(tǒng)自適應(yīng)信道均衡方法在對云計算下的信道信號傳輸過程進(jìn)行均衡控制時，通過訓(xùn)練在接收端調(diào)整均衡器，易導(dǎo)致信道信號傳播時因訓(xùn)練序列的插入出現(xiàn)傳輸滯后問題，使得通信中有效數(shù)據(jù)的傳輸率降低。因此，對云計算下的信道均衡選擇方法進(jìn)行研究與改進(jìn)，設(shè)計的信道均衡器包括濾波器模塊、調(diào)整模塊和辨識模塊。濾波器模塊對均衡器輸入信號進(jìn)行補償，獲取理想輸出信號的預(yù)測信號，確保辨識模塊依據(jù)預(yù)測信號，對云計算下的信道信號均衡情況進(jìn)行分析。辨識模塊采用辨識指導(dǎo)算法運算出誤差信號，并將誤差信號反饋到調(diào)整模塊中。調(diào)整模塊按照反饋的兩路誤差信號，采用濾波器的抽頭系數(shù)調(diào)整迭代公式，運算出濾波器抽頭的調(diào)整方向和潛在調(diào)整系數(shù)，再將潛在調(diào)整系數(shù)反饋到濾波器模塊中。分析了信道均衡器的運行原理，以及其采用改進(jìn)辨識指導(dǎo)算法進(jìn)行工作的過程。實驗結(jié)果表明，所設(shè)計的信道均衡器的誤碼率性能和收斂性能高，可確保信道具有較高的均衡性能。

關(guān)鍵詞： 云計算； 信道均衡； 選擇方法； 辨識指導(dǎo)算法

中圖分類號： TN911?34； TN911.5 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）06?0057?05

Abstract： The traditional adaptive channel equalization method is easy to cause the channel signal transmission lag， which makes the effectiverate data transmission rate reduced. Therefore， the channel equalization selection methods under cloud computing are studied and improved. The designed channel equalizer includs filter module， adjusting module and identification module. The filter module is used to compensate the signal from the equalizer to obtain the forecast signal of ideal output signal， so as to ensure that the identification module analyzes the channel signal equilibrium condition under cloud computing according to the predictive signal. The identification module adopts recognition guidance algorithm to compute the error signal， and feeds the error signal back to the adjusting module. The adjusting module adjusts the iterative formula by means of filter′s tap coefficients according to the two error signals， operate adjustment direction and potential adjusting coefficient of filter tap， and then feed the potential adjusting coefficient back to filter module. The operation principle of the channel equalizer and the work process of the channel equalizer with the improved identification guidance algorithm are analyzed. The experimental results indicate that the designed channel equalizer has high bit error rate performance and convergence performance， and can ensure the channel has high balance performance.

Keywords： cloud computing； channel equalization； selection method； identification guidance algorithm

0 引 言

隨著科學(xué)技術(shù)的不斷發(fā)展，多信道網(wǎng)絡(luò)通信技術(shù)在人們的生產(chǎn)和生活中具有較高的應(yīng)用價值。但是在云計算下的多信道傳輸過程中，存在數(shù)據(jù)量高和不確定性的問題，導(dǎo)致不同信道間存在一定干擾，使得信道信號傳輸誤差增加[1?4]。并且傳統(tǒng)自適應(yīng)信道均衡方法，對云計算下的信道進(jìn)行均衡控制過程中，通過訓(xùn)練在接收端調(diào)整均衡器，導(dǎo)致信道信號傳播時因訓(xùn)練序列的插入出現(xiàn)傳輸滯后問題，使得通信中有效數(shù)據(jù)的傳輸率降低。因此，尋求合理的方法，實現(xiàn)云計算下信道信號的均衡選擇，成為相關(guān)人員分析的熱點問題[5?6]。

文獻(xiàn)[7]提出盲序列估計法的信道均衡選擇方法，其通過最大似然估計算法對信道輸入序列進(jìn)行最佳預(yù)測，完成信道信號的合理控制，但是該方法的運算復(fù)雜度較高。文獻(xiàn)[8]分析了依據(jù)高階統(tǒng)計量的信道均衡方法，其從信道均衡器輸入信號的高階累積量中采集信道參數(shù)，塑造信號的高階累積量同信道參數(shù)間的關(guān)聯(lián)函數(shù)，再對該函數(shù)進(jìn)行求解獲取信道參數(shù)。但該方法運算量較高，并且需要依據(jù)大量的觀測數(shù)據(jù)進(jìn)行分析，抗噪性能較差。

為了解決上述問題，對云計算下的信道均衡選擇方法進(jìn)行研究與改進(jìn)。實驗結(jié)果表明，所設(shè)計的信道均衡器的誤碼率性能和收斂性能高，可確保信道具有較高的均衡性能。

1 云計算下的信道均衡選擇方法研究與改進(jìn)

1.1 云計算下的信道均衡器總體結(jié)構(gòu)設(shè)計

采用無線信道通信系統(tǒng)中的接收部件，可降低云計算下的多信道通信間的碼間串?dāng)_。云計算下的信道通信網(wǎng)絡(luò)包括16QAM 以及 QPSK兩種方法。因此，設(shè)置云計算下的信道均衡器的輸入數(shù)據(jù)為I，Q兩路數(shù)據(jù)，各路數(shù)據(jù)寬度是12 b。設(shè)計的信道均衡器包括濾波器模塊、調(diào)整模塊和辨識模塊，總體結(jié)構(gòu)圖如圖1所示。

分析圖1可得，云計算下的信道均衡器輸入數(shù)據(jù)時，向濾波器模塊和調(diào)整模塊同時輸入兩路12 b的I路和Q路輸入信號。濾波器模塊中的正交濾波器對兩路信號進(jìn)行補償處理，運算出兩路信號和以及信號差，同時將運算出的結(jié)果輸入到辨識模塊。辨識模塊輸出兩種信號：一種是信道均衡器的輸出信號，其由I，Q兩路輸出信號構(gòu)成；一種是運算出的I，Q兩路的誤差信號。兩路誤差信號傳遞到調(diào)整模塊，進(jìn)行調(diào)控處理，實現(xiàn)信道均衡控制。調(diào)整模塊的輸入信號還包括濾波器模塊的I，Q路濾波器中的各抽頭的輸入信號，可用IData In N和QData In N描述，其中，N用于描述第N+1個抽頭，其取值區(qū)間為[0，16]。調(diào)整模塊主要運算出新的濾波器抽頭系數(shù)，并將其傳遞到濾波器模塊中，完成抽頭系數(shù)的實時調(diào)整。

1.1.1 濾波器模塊的設(shè)計

濾波器模塊對均衡器輸入信號進(jìn)行補償，獲取理想輸出信號的預(yù)測信號，確保辨識模塊依據(jù)預(yù)測信號，對云計算下的信道均衡情況進(jìn)行分析。濾波器模塊對輸入信號和抽頭系數(shù)進(jìn)行乘法運算，并且對乘積進(jìn)行有效操作，實現(xiàn)輸入信號的補償。設(shè)計的濾波器模塊的結(jié)構(gòu)圖，如圖2所示。

圖2所示的濾波器由IFIR0，IFIR1，QFIR0，QFIR1四路17階FIR濾波器、18位加法器和18位減法器構(gòu)成。4路濾波器中存在兩組兩路濾波器，它們共享一組抽頭系數(shù)。其中，IFIR0同IFIR1濾波器的結(jié)構(gòu)相同，QFIR0同QFIR1濾波器的結(jié)構(gòu)相同。濾波器存在兩種輸入數(shù)據(jù)，一種是均衡器的I，Q路輸入信號，一種是調(diào)整模塊輸出的潛在調(diào)整系數(shù)。其中，I路輸入信號輸入IFIR0和QFIR0兩路濾波器，Q路信號輸入QFIR1和IFIR1兩路濾波器。而調(diào)整模塊輸出的潛在調(diào)整系數(shù)包括I路和Q路。各路潛在調(diào)整系數(shù)由17個數(shù)據(jù)（IAdapted Coef0～I(xiàn)Adapted Coef16 和QAdapted Coef0～QAdapted Coef16）構(gòu)成，這些數(shù)據(jù)可用于運算17階抽頭的實際抽頭系數(shù)。IFIR0 同 IFIR1濾波器的潛在調(diào)整系數(shù)都是IAdapted Coef0～I(xiàn)Adapted Coef16 ；而QFIR0同QFIR1濾波器的潛在調(diào)整系數(shù)都是QAdapted Coef0～QAdapted Coef16。設(shè)計IFIR0和IFIR1中間抽頭為主抽頭，其他為副抽頭。QFIR0，QFIR1濾波器中的抽頭都為副抽頭。設(shè)置主抽頭的抽頭系數(shù)為1，副抽頭的抽頭系數(shù)為0。I，Q路輸入信號通過4 路濾波器操作后可獲取4路信號，這些信號分別輸入到加法器和減法器，獲取I，Q路信號和I，Q路信號差，這些信號都輸入到辨識模塊中。

1.1.2 辨識模塊的設(shè)計

設(shè)計的辨識模塊采用改進(jìn)辨識指導(dǎo)算法運算出誤差信號，并且對濾波器的輸出信號進(jìn)行分析，將濾波器的輸出信號當(dāng)成總體均衡器的輸出信號。辨識模塊將誤差信號反饋到調(diào)整模塊中。辨識模塊的總體結(jié)構(gòu)圖如圖3所示。

通過圖3可得，辨識模塊的輸入信號為濾波器模塊輸出的I，Q路信號和以及I，Q路信號差的整數(shù)部分，以及復(fù)位信號和模式選擇信號。模式選擇信號用于描述云計算下的信道采用的調(diào)制方式，進(jìn)而得出合理的誤差信號。辨識模塊基于上述分析的輸入信號，采用改進(jìn)辨識指導(dǎo)算法運算出I路和Q路的誤差信號，并將誤差信號反饋到調(diào)整模塊中。辨識模塊中的關(guān)鍵部分為模式選擇模塊，并且還有數(shù)據(jù)擴(kuò)展模塊以及兩個減法器。

模式選擇模塊基于模式選擇信號采取改進(jìn)辨識指導(dǎo)算法，對輸入的I，Q信號和以及差進(jìn)行預(yù)測，將它們設(shè)置為規(guī)范值，并輸出I，Q兩路信號的預(yù)測值IPredictive以及 QPredictive，該兩個預(yù)測值則是均衡器的判決輸出，它們通過數(shù)據(jù)擴(kuò)展模塊進(jìn)行運算后，能夠擴(kuò)展成12 b的信號IPredictive Ext 以及QPredictive Ext。按照改進(jìn)辨識指導(dǎo)算法誤差計算公式，能夠獲取I路和Q路誤差信號，如下：

I路誤差信號=IPredictive Ext-（I，Q路信號和）

Q路誤差信號=QPredictive Ext-（I，Q路信號差）

1.1.3 調(diào)整模塊的設(shè)計

調(diào)整模塊按照某時刻均衡器濾波器中各抽頭相關(guān)的I路以及Q路輸入信號和兩路誤差信號，采用濾波器的抽頭系數(shù)調(diào)整迭代公式，運算出濾波器抽頭的調(diào)整方向，再運算出潛在調(diào)整系數(shù)，并將其反饋到濾波器模塊中。調(diào)整模塊的結(jié)構(gòu)圖如圖4所示。

圖4描述的調(diào)整模塊的輸入信號是濾波器各抽頭對應(yīng)的I路和Q路輸入信號。因為，設(shè)計的濾波器是17階的正交濾波器，因此，I，Q路濾波器的抽頭輸入信號分別是17個。其中，I路濾波器的中間抽頭為主抽頭。I，Q路的誤差信號也是調(diào)整模塊的輸入信號。調(diào)整模塊的輸入還包括時鐘信號和復(fù)位信號。調(diào)整模塊由調(diào)整方向運算模塊和調(diào)整系數(shù)運算模塊構(gòu)成。兩組17 個I路和Q路輸入信號和I，Q路誤差信號都輸入到調(diào)整方向運算模塊中，該模塊依據(jù)輸入的信號信息，運算出I路和Q路的調(diào)整方向，每路都存在17個調(diào)整方向（IAdjust0～I(xiàn)Adjust16 以及 QAdjust0～QAdjust16 ）。這些調(diào)整方向輸入到調(diào)整系數(shù)運算模塊中進(jìn)行分析，獲取I路以及Q路濾波器的潛在調(diào)整系數(shù)（IControlparameters0～16 和QControlparameters0～16），這些調(diào)整系數(shù)則是調(diào)整模塊的輸出信號，這些輸出信號反饋到濾波器模塊中，對濾波器抽頭系數(shù)進(jìn)行調(diào)整，實現(xiàn)云計算下信道資源的均衡選擇。

1.2 云計算下的信道均衡器控制原理

設(shè)計的信道均衡器的盲均衡原理結(jié)構(gòu)圖見圖5。

2 實驗分析

為了驗證本文提出的信道均衡選擇方法的有效性，需要進(jìn)行相關(guān)的實驗分析。均方畸變誤差低于-15 dB時，10次實驗的平均訓(xùn)練結(jié)果如表1所示，本文方法的訓(xùn)練代數(shù)和塑造時間都低于混合免疫方法，具有較高的優(yōu)越性。不同信道均衡器的均方畸變誤差波動曲線如圖6所示。從圖6中可以看出，采用本文方法訓(xùn)練信道均衡器的過程同混合免疫方法相比，收斂效率高并且平穩(wěn)，具有較低的均方畸變誤差。

不同方法在信噪比一致的情況下，信道均衡的誤碼率性能如圖7所示。能夠看出本文均衡器的誤碼率性能優(yōu)于混合免疫方法，本文方法增強(qiáng)了接收機(jī)的誤碼率性能。

當(dāng)信噪比不同，迭代次數(shù)一致時，本文均衡器和基于混合免疫方法的均衡器的誤碼率性能如圖8所示，從圖8中可以看出兩種方法的誤碼率都低于0.1，當(dāng)?shù)螖?shù)相同時，本文方法的誤碼率性能優(yōu)于混合免疫方法，說明本文方法具有較高的收斂性能。

實驗過程中隨機(jī)產(chǎn)生信道數(shù)為8，圖9和圖10描述了混合免疫方法和本文方法在不同信噪比情況下的信道均衡性能。分析圖9和圖10可得，本文方法在信噪比高于35 dB后，剩余的幅度失配和剩余相位失配保持穩(wěn)定，而混合免疫方法的剩余幅度失配以及剩余相位失配一直在變化，說明本文方法下的信道具有較高的均衡性能，可滿足云計算下的信道資源均衡分配需求。

3 結(jié) 論

本文對云計算下的信道均衡選擇方法進(jìn)行研究與改進(jìn)，設(shè)計的信道均衡器包括濾波器模塊、調(diào)整模塊和辨識模塊。濾波器模塊對均衡器輸入信號進(jìn)行補償，獲取理想輸出信號的預(yù)測信號，確保辨識模塊依據(jù)預(yù)測信號，對云計算下的信道信號均衡情況進(jìn)行分析。辨識模塊采用辨識指導(dǎo)算法運算出誤差信號，并將誤差信號反饋到調(diào)整模塊中。調(diào)整模塊按照反饋的兩路誤差信號，采用濾波器的抽頭系數(shù)調(diào)整迭代公式，運算出濾波器抽頭的調(diào)整方向和潛在調(diào)整系數(shù)，再將潛在調(diào)整系數(shù)反饋到濾波器模塊中。分析了信道均衡器的運行原理，以及其采用改進(jìn)辨識指導(dǎo)算法進(jìn)行工作的過程。實驗結(jié)果表明，所設(shè)計的信道均衡器的誤碼率性能和收斂性能高，可確保信道具有較高的均衡性能。

參考文獻(xiàn)

[1] 謝勝軍，蔡利平.云計算環(huán)境下多信道均衡方法研究與仿真[J].計算機(jī)仿真，2015，32（6）：204?207.

[2] 周漪，時軍艷.移動云計算中的時變通信信道估計算法[J].科技通報，2015，31（10）：169?171.

[3] 孫凌宇，冷明，朱平，等.云計算環(huán)境下基于禁忌搜索的負(fù)載均衡任務(wù)調(diào)度優(yōu)化算法[J].小型微型計算機(jī)系統(tǒng)，2015，36（9）：1948?1952.

[4] 楊石，王艷玲，王永利.云計算環(huán)境下基于蜜蜂覓食行為的任務(wù)負(fù)載均衡算法[J].計算機(jī)應(yīng)用，2015，35（4）：938?943.

[5] 周源，馮文龍，黃夢醒.云計算環(huán)境下中間件的負(fù)載均衡機(jī)制研究[J].計算機(jī)工程與設(shè)計，2014，35（4）：1188?1192.

[6] 汪蓉.云計算環(huán)境下虛擬機(jī)資源均衡調(diào)度方法探析[J].湖北科技學(xué)院學(xué)報，2015，35（10）：4?6.

[7] 陳冬林，姚夢迪，鄧國華.多實例云計算資源市場下超額預(yù)訂決策方法[J].計算機(jī)應(yīng)用，2016，36（1）：113?116.

[8] 黃冬梅，隨宏運，賀琪，等.云計算環(huán)境下基于數(shù)據(jù)關(guān)聯(lián)度的海洋監(jiān)測大數(shù)據(jù)布局策略[J].計算機(jī)工程與科學(xué)，2015，37（11）：1989?1996.