1、通信信號處理作業水聲信道盲均衡算法綜述 班 級：Y150502 姓 名：龐永麗 學 號：S1505047 水聲信道盲均衡算法綜述摘要：簡述了水聲信道盲均衡算法的研究背景，概述了基于Bussgang類盲均衡算法、基于高階譜類盲均衡算法、基于神經網絡類盲均衡算法的研究現狀，并指出了其今后的發展方向。關鍵詞：盲均衡；Bussgang；高階譜；神經網絡一、 研究背景隨著陸地資源逐漸地枯竭，人們把目光投向了資源豐富的海洋，海洋在人類的活動中占有越來越重要的地位。而在對海洋進行的每一項軍事與民用開發活動中，都離不開通信與數據傳輸。山于海水是電的導體，光波與電磁波在海水中衰減都很大，傳播距離十分有限，聲波成

2、為水下無線通信唯一的有效手段。在有限帶寬的水聲信道中通信時，多徑傳播會導致嚴重的碼間干擾，而碼間干擾會嚴重影響通信的質量，因此必須米用自適應均衡技術以克服。傳統的自適應均衡算法和結構的研究已經比較成熟，但是傳統的自適應均衡技術存在一些難以克服的缺點。(1) 一旦信道的特性發生改變，自適應均衡器就需要重新發送訓練序列，更新均衡器的抽頭系數，不利于實時通信。(2) 傳統的自適應均衡技術在進行正式通信前要發送訓練序列訓練均衡器的抽頭系數，但是有些場合比如潛艇間的軍事通信，根本無法獲得訓練序列，這時，自適應均衡技術便無能為力。(3) 每建立一個新的通信就要重新發送新的訓練序列更新抽頭系數。因此在一對多

3、的通信中，一旦某個節點和服務器的通信因為某種因素中斷時，其他節點和服務器的通信也將受到影響。這些缺點和不足導致了傳統自適應均衡技術已不能滿足現代通信的要求，特別是帶寬有限的水聲信道的通信要求。盲均衡技術不需要在通信之前發送訓練序列，直接利用接收信號的高階統計量進行均衡，因而通用于水聲信道，所以很多專家和學者開始重視盲均衡技術的研究。與傳統自適應均衡技術不同，盲均衡是一種利用接收信兮高階統計量的本身自適應的均衡技術，能夠根據接收到信號的統計信息恢復出原始的發送信號。在帶寬有限的水聲信道中，盲均衡技術能夠節省帶寬，從而有更多的帶寬可以用來通信，提高了通信的效率，而且在傳統自迅應均衡技術無能為力的情

4、況下，盲均衡技術依然可以有效地工作，以保證正常的通信。綜上所述，盲均衡器因不需要訓練序列，應用范圍更為廣泛。因此本文選取盲均衡作為研究對象。二、 研究現狀自日本學者Y.Sato在 1975 年首次提出了“自恢復均衡”的概念后，各國學者紛紛投入到該項研究，根據不同的應用背景，運用到心得數學理論和優化方法，提出了多種盲均衡算法，大致分為以下幾類。2.1 基于Bussgang技術的盲均衡算法Bussgang算法是先建立一個誤差函數(或代價函數)，使得理想系統對應于該目標函數的極小值點，然后采用某種自適應算法尋找誤差函數的極值點。當目標函數達到極值點后，系統也就成為期望的理想系統。最早的Bussgan

5、g算法是Y.Sato4提出的適用于PAM系統的Sato算法。 A.Benveniste5在研究Sato算法的基礎上，于1980年提出了BGR算法，把Sato算法推廣到QAM系統。 1980年D.N.Go-dard6又提出了Godard算法，它是通過調節均衡器的抽頭增益使代價函數為最小，其代價函數由傳輸信號的高階統計特性來構造。當代價函數中的p為2時，Godard算法變為常量模板算法7。該算法韌性好，代價函數僅與接收信號的幅值有關，而與相位無關，但存在著收斂速度慢，有誤收斂現象等，使其應用受到一定限制。 1990年O. Shalvi和Wein-stein3創立了SW理論，證明在系統輸入輸出平均功

6、率相等的約束條件下，系統輸入、輸出的峰態相等是系統為理想系統的充要條件。該理論揭示了系統輸入、輸出之間的一般規律，即輸出信號的峰態總是小于輸入信號的峰態。 1987年G. Picchi和G.Prati8提出Stop-and-Go算法。該算法結合了判決法和Sato算法的優點，具有計算簡單，收斂速度快，殘差小等特點。但代價函數中出現了待定參數，它由實驗確定，因而不易得到它的最佳值，使得應用受到限制。近幾年來，一些學者對原有的算法進行了一系列的改進，文獻26提出相應的收斂性能好、實用性強的基于不同誤差函數的常數模算法，聯合盲均衡算法，以及基于空間分集的盲均衡算法。文獻27提出了一族新Bussgnag

7、類盲均衡算法統一形式的代價函數，該代價函數具有明確的數學意義，包括了經典的Deciiso-niDercted算法，Sato算法，CMA算法及其變種。根據該代價函數，可以設計出新類型的Bussgang盲均衡算法，這種算法明顯提高了收斂速度。文獻28提出一類新的Bussgang指數拓展多模算法，進一步降低傳統Bussgang類盲均衡算法收斂時的穩態。文獻29提出一種適用于高階QAM系統的新 Bussgang類多模盲均衡算法。將新的代價函數與星座匹配誤差函數結合，給出一種瞬時雙模切換混合算法，然后設計了一種基于判決圓的模式切換準則，從而達到進一步有效降低新算法穩態誤差的效果。這些算法對補償信道的非理

8、想特性，改善接收效果，提高通信質量具有重要的理論意義和實用價值。2.2 基于高階譜的盲均衡算法高階譜盲均衡算法充分利用了高階譜含有系統的幅度特性和相位特性這一特點，可以直接從系統接收信號 (即盲均衡器的輸入信號)的高階累積量中獲得信道參數。其關鍵是建立信號的高階累積量與信道參數之間的關系方程，然后 以解方程的方式獲得信道參數。1991年DHatzinakos和C.L.NikiasLg首次提出了基于多譜的盲均衡算法，稱為TEA算法，它能保證全局收斂性，但運算量較大。該算法的提出為研究非最小相位信道盲均衡算法開辟了一條新的途徑。同年，B.Porat和BFriedlander13也提出了兩種基于二階

9、和四階累積量的QAM系統盲均衡算法。1993年F.C.Zheng11，12等提出了PAM系統的二階和四階累積量算法。 J.Gadzow13于1996年首次提出歸一化累積量的概念，并證明系統輸入輸出歸一化累積量幅度相等是實現盲均衡的充要條件。由于累積量階的選擇幾乎是任意的，因而實際的充要條件不是一個而是一簇。 J.Gadzow理論意味著同時利用兩種高階累積量就可以解決盲均衡問題。從現有算法來看，對于對稱性信號，由于奇數階累積量為零，一般采取對稱到反對稱變換11,12、偶數階累積量14-17、歸一化累積量13、倒譜9,18等算法。對于非對稱性信號，采用奇數階累積量或利用循環平穩性19,20等來進行

10、均衡。2.2 基于神經網絡理論的盲均衡算法神經網絡理論的盲均衡算法從原理上主要有兩種。一種是基于傳統代價函數的方法，首先選擇一個網絡結構，提出一個代價函數，并且根據這個代價函數確定權值的遞推方程(此方程中包含有輸入和輸出信號的特性)；然后，通過求代價函數的極小值來達到調整權值的目的。另一種是根據網絡的能量函數構造權值，即從現階段神經網絡的研究來看，神經元及神經網絡本身都可以用簡單的電子線路來實現，并且每一種神經網絡都有自己的能量函數和狀態方程。可以證明，當網絡中的任何一個神經元的狀態發生變化時，能量函數都將減小，即網絡系統總是朝著能量減小的方向變化，最終進入穩定狀態。根據能量函數的這一特性，將

11、原有的代價函數經過適當變化后，作為網絡的能量函數，再根據新的能量函數設計網絡的狀態方程，這就對原有網絡進行了改造，可以達到所要求的目的。基于神經網絡的盲均衡算法目前主要有基于前饋神經網絡和高階譜的盲均器21，基于多層神經網絡與高階累積的盲均衡器22，基于遞歸神經網絡的盲均衡器23,24，以及基于細胞神經網絡的盲均衡器25等。近年來，一些學者提出一些新的基于神經網絡的盲均衡技術。文獻30提出了模糊神經網絡控制的混合小波神經網絡(FHWNN)盲均衡算法.該算法在小波神經網絡輸入層之前級聯一個橫向濾波器,將橫向濾波器的節點輸出分為實部和虛部兩路經過小波神經網絡后再合成為一路復數信號;利用模糊神經網絡

12、(FNN)設計的模糊規則控制小波函數的尺度因子和平移因子的迭代步長,以提高步長控制的精度;通過常數模代價函數分別獲得橫向濾波器和小波神經網絡的權系數迭代公式.該算法具有較快的收斂速度和較小的穩態誤差,較好地克服了收斂速度與均方誤差之間的矛盾.文獻31提出一種能夠自適應調節BP神經網絡動量項的盲均衡算法。該算法根據盲均衡過程中誤差函數的變化情況,自適應調節BP神經網絡的動量項,充分發揮動量項在避免網絡訓練陷于較淺的局部極小點的優勢。該算法在穩定性及收斂性能上均優于固定動量BP神經網絡盲均衡算法。文獻32為解決無線分集相干光接收機的電域自適應盲均衡的特定問題,根據動力學驅動反饋神經網絡(DDRNN

13、)的特點,提出一種基于同相部分與正交部分振幅激勵的DDRNN盲均衡方法.文獻33提出了一種采用差異進化算法進行網絡參數初始化方法。結合常數模盲均衡算法設置適應度函數,并將尺度因子和平移因子以及網絡連接權值進行實數編碼,以接收數據對網絡進行優化設計,獲得一組漸近最優的網絡初始化參數,在此基礎上以傳統梯度下降算法對信號進行均衡接收，該算法效提高了均衡性能。三、 研究方向一種算法是否具有實用價值主要取決于其性能 ：一是收斂速度要快，這決定能否用于實時系統；二是能否獲得最優解，也就是代價函數有無凸性；三是算法實現的復雜程度 。根據以上分析，盲均衡算法應在以下方面進一步進行研究：(1) 基于Bussga

14、ng技術的盲均衡算法，應重點對代價函數的凸性進行研究，它是保證全局收斂的先決條件。同時，還應考慮運算量小，收斂速度快。 (2) 基于高階譜理論的盲均衡算法，應重點利用通信中有關的先進技術來提高輸出信噪比并跟蹤水聲信道的響應，同時尋求運算量 小的盲均衡算法，并使其走向實用化。(3)基于神經網絡理論的盲均衡算法，應對各種神經網絡模型進行研究，在此基礎上，提出適用于盲均衡的神經網絡模型，并嘗試地用于水聲信道均衡中。參考文獻1Proakis JG.Digital communications (3rd Edition) M.America: McGraw Hill,1995: 48-123.2張賢達,

15、保錚.通信信號處理M.北京:國防工業出版社,2000: 229-232.3Shalvi O. New criteria for blind deconvolution of non-minimum phase systems (channels)J.IEEE Trans on IT,1990,36:312-321.4Sato Y.Amethod of self-recovering equalization for multiple amplitude modulation schemesJ.IEEE Trans Communication,1975,23: 679-682.5Benvenis

16、te A.Blind equalizersJ.IEEE Trans on communication,1984,23: 871-883.6Godard D N. Self-recovering equalization and carrier tracking in two-dimensional data communication systems J. IEEE Trans on communication,1980,28: 1 867-1 875.7Treichter J R. A new approach to multi-path correction of constant mod

17、ulus signalsJ.IEEE Trans ASSP,1983,31: 459-471.8Picchi G,Prati G.Blind equlization and carrier recovering using a“ stop-and-Go” Decision-Directed-algorithmJ.IEEE Trans on communication,1987, 35: 877-887.9Hatzinakos D,Nikias C L.Blind equalization using a tricepstrum based algorithmJ.IEEE Trans commu

18、nication,1998,39:669-682.10Porat B,Friedlander B.Blind equalization of digital communication channels using high-order momentsJ.IEEE Trans on signal process,2000,39: 522-526.11Zheng F C. Cumulant based deconvolution and identification: several new families of linear equalizersJ.Signal Processing,201

19、3,30: 199-219.12 Zheng F C. Blind equalization of multilevel PAM data for non-minimum phase via second and fourth-order cumulantsJ.Signal Processing,2011, 31: 313-323.13Cadzow J.A blind deconvolution via cumulant extremaJ.IEEE Trans on signal processing,2010,13: 24-42.14Pan R,C L Nikias C L.The comp

20、lex cepstrum of higher order cumulants and non-minimum phase system identificationJ. IEEE Trans on signal processing,2003,36: 186-305.15Mendel J M.Tutorial on higher-order statistics (spectra) in signal processing and system theory: theoretial results and some applicationsJ.Proc of IEEE,2011,79: 278

21、-305.16Huet C,LeRoux J.Blind system identification using fourthe order spectral analysis of complex signalsC.4th IEEE Signal Processing Workshop on HOS ,Banff,Canada,2000: 189-193.17Huet C,LeRoux J.Linear system blind identification based on fourth order spectral analysisJ.IEEE Trans on signal pro-c

22、essing ,2013,77: 209-228.18趙成林,劉澤民,周正.一種應用三階倒譜的盲均衡新算法J.北京郵電大學學報,2000,272: 16-21.19Li Y,Ding Z. Blind channel identification based on second-order cyslostationary statistics C. ICASSP 93,Minneapolis,1999: 81-87.20Lang Tong.Blind sequence estimationJ.IEEE Trans on communication,2008, 43: 2 986-2 995.21Mo S,Shafai B.Blind equalization using higher order cumulants and neural networkJ.IEEE Trans on signal processing ,1994, 42: 3 209-3 217.22梁啟聯,周正.基于多層神經網絡的盲均衡算法J.北京郵電