12211143钟振阳均衡实验调研报告.docx
- 文档编号:16778308
- 上传时间:2023-07-17
- 格式:DOCX
- 页数:7
- 大小:20.60KB
12211143钟振阳均衡实验调研报告.docx
《12211143钟振阳均衡实验调研报告.docx》由会员分享,可在线阅读,更多相关《12211143钟振阳均衡实验调研报告.docx(7页珍藏版)》请在冰点文库上搜索。
12211143钟振阳均衡实验调研报告
12211143钟振阳均衡实验调研报告
实验原理基本实验原理1、均衡技术是为了克服符号间干扰。
在无线信道中会形成多种不同的传输路径。
从不同传输路径到达接收机的信号错位叠加,引起符号间干扰,而降低系统性能。
为处理符号间干扰,信道均衡技术应运而生。
均衡技术是怎么消除符号间干扰的呢?
数字基带的频率选择性信道下,经过多径到达接受机的信号为:
(1)均衡器满足,即均衡器可补偿信道的影响,使得滤波器保持奈奎斯特滤波器特征,消除了符号间干扰。
最小线性二乘关于均衡器参数的基本方程如下:
(2)其中A为一右移循环的矩阵,由接受序列的一部分构成。
x为均衡器的参数,为一维列矩阵。
最终均衡滤波器参数为:
(3)其中最小平方误差:
(4)直接最小二乘均衡器利用最小二乘估计算法和接收训练序列直接设计均衡器参数,我们可得到直接最小二乘均衡器。
这里引入均衡器的延迟参数。
为训练序列,则为了克服噪声随机特性带来的影响,一般要求求解均衡器参数的线性约束关系的数目大于均衡器待求参数的个数即。
最后由上式(3)代入计算的滤波器参数。
(5)实验内容概述所谓均衡的过程也就是输入序列与均衡器参数卷积的过程。
本实验的重点在如何间接生成均衡器的参数。
实现的公式的核心:
。
其中b为训练序列。
A由输入序列生成。
X为均衡滤波器参数。
实验大致过程如下:
根据输入序列生成右移一次循环矩阵,即toeplitz矩阵。
根据公式得到均衡器参数和最小平方误差。
得到的均衡器参数与接收序列做卷积,完成对接收信号的均衡。
student_equalization.vi这里将滤波器参数与输入序列做卷积即可。
注意删去信道延迟的影响。
student_direct_equalizer.viVI当中有两个子VI。
其中,student_toeplitz.vi是构建toeplitz矩阵的功能模块,中的矩阵Y即为toeplitz矩阵;student_LLSE.vi完成LS估计算法。
根据,式(5),即下式,我们对矩阵A做观察:
有Lf+Nt-1输入数据,其中从Nd-Lf时刻到Nd时刻为第一行输入,从Nd时刻到Nd+Nt-1时刻为第一列输入。
且第一行输入的数据是反向的。
程序图的功能主要分为,截断分割,截取长度,生成矩阵,计算参数四个部分。
这里主要讲前两个。
首先对接受到的输入序列做一个字Nd时刻的分割处理。
矩阵第一行:
分割完序列后得到序列y[0]…y[nd],反向之后,根据参数equalizerlength即Lf截取,得到y[nd]..y[nd-Lf]。
矩阵第一列:
从延迟Nd时刻之后的分割得到序列,截取Nt。
注意Nt为训练序列长度的一半。
图SEQ图\*ARABIC1输入序列处理程序图
student_toeplitz.vi在得到第一行的输入与第一列的输入之后。
我们就可以生成这样的toeplitz矩阵了。
student_toeplitz.vi:
产生mn的抽头矩阵输入Row1-D矩阵第一行(长度为n)Column1-D矩阵第一列(长度为m)输出ToeplitzArray2-Dmn抽头数组根据对矩阵A的观察,toeplitz矩阵实际上是一个一位一位逐渐右移的矩阵。
这里的实现方法是直接调用一个构建特殊矩阵的vi——CreateSpecilaMatrix.vi。
当type输入为2的时候,这是一个可以构建toeplitz矩阵。
图SEQ图\*ARABIC2生成toeplitz矩阵student_LLSE.vi构建完矩阵之后,根据公式
(2),计算需要矩阵求逆。
采用最小二乘法。
根据下述公式搭建程序图。
具体计算的时候却遇到了麻烦,对于矩阵求逆的过程不知道如何实现。
图SEQ图\*ARABIC3最小线性二乘法计算程序图实验结果矩阵生成图SEQ图\*ARABIC4矩阵生成输入矩阵第一行和矩阵第一列,可以得到一个右移一位的矩阵,即toeplitz矩阵。
发送接收情况图SEQ图\*ARABIC5収端与发端星座图収端可以分辨出QPSK的星座图,但是存在噪声。
受到信道中噪声的干扰。
均衡器不同长度的比较图SEQ图\*ARABIC6不同均衡器长度下的星座图均衡器length依次是7,10,14。
均衡器长度为7的时候星座图的各点清晰可见,但当均衡器长度为10和14的时候,噪声很大。
事实证明,并不是均衡器越长,均衡效果越好。
均衡方式的比较图SEQ图\*ARABIC7不同均衡方式的星座图分别是无均衡,直接均衡和间接均衡方式。
间接均衡比直接均衡星座图更清晰,噪声更小。
经对比可以看出,无均衡器时效果最差,直接均衡的效果不如间接均衡。
遇到的问题及解决方法原理上的问题关于训练序列均衡算法的核心公式是:
AX=b最初受到比较了的迫零均衡的影响,对于矩阵b简单地理解成了[...,0,0,0,1,0,0,0,...],长度由均衡器长度决定。
但是在实际的实验过程中,发现在最小线性二乘法中无论是矩阵A还是矩阵b,都是由输入序列决定的。
不同的是构成矩阵A的输入序列是以延迟Nd时刻后的数值,向前向后截断所得。
为训练序列。
均衡技术究竟对抗了什么?
由上图得到的理解均衡技术本应该是对抗信号的在某些频段的深衰弱的。
但是这与ISI有什么关系呢?
ISI,即InterSymbolInterference,符号间干扰是指同一信号由于多径传播在接收端的相互重叠而产生的干扰。
实际上,实验中对抗符号间干扰更主要还是依靠Nyquist滤波器,Nyquist准则保证,接收端接收到的信号在其他的抽样时刻刚好衰减到零,从而不会影响到判决。
在时域上,这是一个sinc函数,其他的抽样时刻,刚好对应的是sinc函数的过零点。
理想的Nyquist的滤波器,因为时域上是一个Sinc函数,频域上就是一个方波。
但是因为理想的方波信号实际上是不可能生成的,并且sinc函数的衰减又非常的缓慢,一旦发生误差,实际产生的ISI依然是非常大的。
这时候,就引进了升余弦滤波器,他在频域上的方波突变的两边做了一个平滑处理,与左右升余弦的频谱叠加在更大的一个区间上保证Nyquist特性,同时加快信号衰减。
均衡技术与其说,是直接地对抗ISI,不如说是协助升余弦滤波器,保证他的Nyquist特性,从而保证ISI可以被对抗。
均衡技术补偿信道影响,从而保证了Nyquist特性。
QPSK发送端的星座图生成在BPSK的算法的程序图中,生成星座图实际上是一个相移的过程。
在实现中,采用的是将输入转化为10进制,乘以再加上。
那就得到了0,1分别对应相移,。
0映射到0+i1映射到0-i但是QPSK调制的方式采用相同的程序图方式的话,先转化为10进制,乘以再加上。
得到的映射关系会如下:
00映射到0.707+0.707i01映射到0.707-0.707i10映射到-0.707-0.707i11映射到-0.707+0.707i但是这种情况下,00与11星座图映射的点是相邻的,一旦刚好处在两点的中间区域,对于判决会是一个很大的问题。
QPSK的数字调制方式,比起BPSK的调制方式,需要采取数组重新排序,使得相邻两个星座图映射的二进制比特只差别一位。
QPSK星座图的映射方式如下:
00映射到0.707+0.707i01映射到0.707-0.707i10映射到-0.707+0.707i11映射到-0.707-0.707i均衡器的信道估计常规均衡与盲均衡不同,需要进行一定的信道估计,但是实验之前对于信道估计的方式却不明白。
实际上常规均衡的训练阶段,系统发送一个已知的比特序列,在接受端的失真信号与未失真信号作比较,这给我们提供了用语均衡的信道冲击响应的信息。
但是基于训练序列的信道估计技术存在以下问题,频谱效率下降,因为训练序列不传输任何的有用的信息。
因为寻列序列必须很短使得他对噪声极为敏感。
训练序列发送之后的信道变化,这种方法没有办法检测。
实验中的问题矩阵生成最初对于矩阵的观察:
实际上是一个Lf+Nt-1长的序列上,加一个Lf长的窗口,从右到左,逐渐移动窗口,并在输出的时候做反向。
从功能上理解这个这个矩阵并不复杂。
但是通过矩阵的运算实际上是很难实现的。
如果使用数组去完成的话,这样子的思路下,便与子VItoeplitz.vi要求的输入矩阵第一行和矩阵第一列没有关系了。
最后在以往做过这个实验的同学下的提醒下,我们找到了这个可以自动生成特殊的矩阵的现有VI,CreateSpecilaMatrix.vi。
选择type2,就可以完成满足条件的矩阵。
实际上,很多复杂的计算在LABVIEW内部其实都有现有的模块可以完成算法。
QPSK接收端星座图生成在观察収端星座图的时候,一度BER高达0.46,生成的星座图非常混乱,无论判决成10,00,10还是11,几乎是靠猜的。
提高发送端的捕捉时间不能很好地解决问题,同时还让内存不堪重负。
解决方法是提高,发送端的SNR(信噪比)由原来的5db到50db。
其他原理发送端的前面板参数
图SEQ图\*ARABIC8前面板的部分参数上图是部分的前面板参数,分别决定了数字调制的方式,脉冲成型滤波器的内容,脉冲成型滤波器的参数,和滤波器的长度。
本实验可以采用的数字调制方式只有QPSK一种。
但参数选择还提供了FSK,QAM,PAM等。
FSK,即使用不同的频率去映射不同的比特。
PAM调制,PAM调制是以脉冲信号的幅度携带信息的一种调制方式,用基带信号m(t)去改变脉冲的幅度,使数字脉冲携带基带信号的信息。
其传输误码主要来自信道中的干扰噪声使传输信号的幅度改变,使解调端判决器产生误判。
QAM,正交振幅调制。
是数字信号的一种调制方式,在调制过程中,同时以载波信号的幅度和相位来代表不同的数字比特编码,把多进制与正交载波技术结合起来,进一步提高频带利用率。
QAM是用两路独立的基带信号对两个相互正交的同频载波进行抑制载波双边带调幅,利用这种已调信号的频谱在同一带宽内的正交性,实现两路并行的数字信息的传输。
这部分参数的第二部分是成型滤波器的选型和系数。
主要有升余弦滤波器和升根余弦滤波器等。
升余弦滚降信号用来消除码间串扰,实际实现时采用的方式是由发送端的基带成行滤波器和接收端的匹配滤波器两个环节公共实现。
与理想的Nyquist滤波器相比,更容易生成,并且加快了信号的时域衰减。
当发端成形滤波器用根升余弦滤波器,接收端同样用根升余弦滤波器匹配滤波时,
除了能够在一定程度上满足Nyquist特性意外,还可以完成了匹配滤波器的作用,保证信噪比最大。
匹配滤波器指滤波器的性能与信号的特性取得某种一致,使得信噪比最大。
即当信号与噪声同时进入滤波器时,它使信号成分在某一瞬间出现尖峰值,而噪声成分受到抑制。
对最佳线性滤波器的设计有两种准则:
一种是使滤波器输出的信号波形与发送信号波形之间的均方误差最小,由此而导出的最佳线性滤波器称为维纳滤波器;
另一种是使滤波器输出信噪比在某一特定时刻达到最大,由此而导出的最佳线性滤波器称为匹配滤波器。
収端的基本过程収端流程包括匹配滤波,同步,信道估计,均衡,条带控制(去掉头尾的控制信息)和解码。
均衡实验中,匹配滤波的目的是为了保证信噪比的最大化,由此在収端可以更有效的接收到信号。
Synchronize:
目的是为了找到packet的头和尾。
往往packet的头和尾也是比特流的控制信息,但实际上,他们并不传输任何的有用的信息。
将他当做有用信息进行解码会造成很大的误差。
信道估计,最常用的方法是,发送一个已知的比特序列,在接受端用失真信号与未失真信号作比较,这给我们提供了用于均衡的信道冲击响应的信息。
然后在完成均衡,补偿信道的影响,使得信号的Nyquist特性可以保持,对抗ISI。
条带控制,即去掉packet中用于控制的头部和尾部,最后对packet进行解码。
在编码端有信源编码和信道编码两类,信源编码是为了数据压缩,PCM编码属于信源编码。
信道编码是为了抗噪,最为简单的方法有线性分组码和卷积码。
发端的基本过程发端的基本流程包括调制,加控制信息和脉冲成型滤波。
调制的过程是将基带的信号搬移到高频上,因为低频的资源是相当有限的,并且需要利用高频的射频特性。
加上控制信息一方面是为了可以在接受接收端可以有效的定时同步信息。
本实验采用的脉冲成型滤波是升余弦滤波器,为的是保证Nyquist特性,可以对抗ISI。
同时加快信号的衰减,使得判决时刻和Nyquist特性的过零点有误差的时候,ISI也不会很大。
最小线性二乘法与最小准方误差准则的比较在无线课上更主要学习的是,迫零均衡和MMSE最小均方根误差准则。
迫零均衡可以最有效的对抗ISI,但是对噪声具有极大的方法作用,成为有色噪声就是麻烦。
MMSE算法MMSE的优化目标是为了使基于接收数据的估计值和目标数据的均方误差最小化。
考虑了噪声因素,性能比ZF算法好,非理想环境下,性能比ZF更好。
MLSE算法用于接收到的数据块长度一定,并且数据、噪声(干扰)的统计特性未知或者非平稳的情况,其优化目标是使得基于该数据块的估计与目标数据块间加权的欧几里德距离最小。
相较于MMSE,MLSE简单易行,计算复杂度不高,不需要信道统计特性和系统噪声统计特性这两个先验信息,非常适用于实际系统,但对噪声和频率同步误差较为敏感,在信噪比较小时估计准确度不高。
思考题1、在已经学过的内容中,还有那些技术可以减少由符号间干扰带来的误码?
它们是如何做到的?
答:
OFDM技术。
该技术将宽带信号分成很多较窄的子带信号进行传播,每个子带信号由于信号带宽的变窄,使得同一信号经过多径传播后在一个脉冲周期内产生的重叠部分增多,从而可以有效地降低由于多径传播产生的符号间干扰。
OFDM技术的优势:
频谱效率高由于FFT处理使各子载波可以部分重叠,利用正交性避免干扰。
带宽扩展性强由于OFDM系统的信号带宽取决于使用的子载波的数量,带宽可以再很大的范围内变化。
抗多径衰落由于OFDM将宽带传输转化为很多子载波上的窄带传输,每个子载波上的信道可以看作水平衰落信道。
OFDM技术的问题:
但是时延色散会使子载波间的正交性丧失,从而引起子载波间干扰ICI。
2、时延色散除了会产生符号间干扰,还能带来什么影响?
答:
频率选择性衰落。
产生频率选择性衰弱的原因:
如果多路信号的相对时延与一个符号的时间相比不可忽略,那么当多路信号迭加时,不同时间的符号就会重迭在一起,造成符号间的干扰。
这种衰落称为频率选择性衰落,因为这种信道的频率响应在所用的频段内是不平坦的。
不同频率的衰弱是不不同的。
3、分别从时域和频域两个方面描述均衡器的工作原理。
答:
时域均衡时域均衡是直接从时间响应考虑,使包括均衡器在内的整个系统的冲激响应满足无码间串扰条件,即接收信号在采样时刻上无符号间干扰。
频域均衡频域均衡是从频率响应考虑,其信道特性不变,使包括均衡器在内的整个系统的总传输函数满足无失真传输条件。
4、除了最小二乘法,确定均衡器系数的方法还有哪些?
它们的基本原理是什么,性能如何?
答:
迫零算。
ZF算法是使得信道和均衡器组合的传输函数完全平坦,通过强迫信道和均衡器组合冲激相应的抽样值在除了零以外的抽样时刻取值为零,使均衡器的输出端失真最小。
但是均衡器对噪声都有很大的放大作用,ZF完全不考虑噪声的影响,很多情况下后果并不好。
可同时在实现时,抽头个数通常是有限的(截断),造成了均衡器输出端残余的码间干扰。
最小均方误差准则。
MMSE的优化目标是为了使基于接收数据的估计值和目标数据的均方误差最小化。
考虑了噪声因素,性能比ZF算法好盲均衡。
盲均衡与常规均衡的区别在没有训练阶段和信号估计,利用发送信号的已知统计特性来估计信道和数据。
比如最大恒模算法是基于希望信号和均衡器输出的误差最小化。
5、请对利用最小二乘算法计算均衡器系数的计算复杂度做简单的分析。
答:
相较于最小均分误差准则,最小二乘算法简单易行,计算复杂度不高,不需要信道统计特性和系统噪声统计特性这两个先验信息,非常适用于实际系统,但对噪声和频率同步误差较为敏感,在信噪比较小时估计准确度不高。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 12211143 钟振阳 均衡 实验 调研 报告
![提示](https://static.bingdoc.com/images/bang_tan.gif)