论文部分内容阅读
盲均衡是指能够不借助训练序列,仅利用接收序列本身的先验信息,就能均衡信道特性,使均衡器的输出序列尽量接近发送序列。它的研究内容丰富,本文研究了基于信号检测理论的盲均衡算法,该算法从原理上分为基于最大似然序列估计、最小错误概率估计、贝叶斯估计、最大后验概率估计四种盲均衡算法。 本文所作的主要工作 1)简要分析了盲均衡的基本原理,系统归纳了信号检测的基本理论,如判决准则、参数估计和具有码间干扰的最佳接收。 2)详细研究了基于最小错误概率的盲均衡算法。本文在李道本提出的代价函数的基础上,做了一些改进,即错误概率采用迭代的方式得出,权值的迭代采用LMS-牛顿梯度算法。仿真结果表明,该算法不仅比原始算法有快的收敛速度,而且有小的稳态剩余误差。 3)深入分析了基于最大似然序列估计的盲均衡算法。本文就目前此类算法计算复杂度大、实时实现困难的问题,提出新的基于分组实现的最大似然序列估计的盲均衡算法,该算法采用分组的方式,使得Viterbi算法进行串行计算,于是,计算复杂度由指数增长变为线性增长。另外,采用软判决的方式,使得信号的输出形式以最大似然的形式输出,减少了信号的差错传播。仿真结果表明,新的算法比传统的算法有好的性能和小的稳态剩余误差,并且大大减少了计算复杂度。