基于因子图的信道均衡研究

【摘要】：通信技术是为信息服务的,通信技术的发展是为了更加高效、高质量、安全可靠地传递和交换各种形式的信息。在任何通信系统中,信道特性对通信系统的性能有至关重要的影响,尤其在高速或无线通信中,由于信道特性不理想会造成严重的码间干扰,导致信号波形失真。信道均衡技术可以补偿信道的衰落特性,减少或消除码间干扰。 在平均错误概率最小准则下,信道均衡最佳算法是最大后验概率(MAP)算法,但是该算法复杂度非常高。目前,对于信道均衡算法的研究主要集中在降低MAP算法的复杂度及在均方误差(MSE)准则下寻找接近MAP性能的均衡算法,本文研究内容主要基于后者。因子图作为一种图像化分析工具,越来越受到人们的关注,它可以形象得表示系统模型和函数,将全局函数分解为局部函数,利用和积算法转化为边界函数问题,采取了分而治之的策略,能够有效降低算法复杂度,已被广泛应用到很多领域。 本文在因子图的基础上对信道均衡进行了研究,利用因子图实现了三种信道均衡算法,详细介绍了用于因子图的和积算法,并深入研究了其用于均衡算法的消息传递方法,并与传统基于滤波器的均衡算法比较,通过仿真对比分析了基于因子图的信道均衡性能。本文研究内容主要有以下几方面： 1)介绍了具有ISI的通信系统模型。重点分析了码间干扰产生的原因,并给出了无码间干扰的条件,介绍了两种基于传统滤波器的信道均衡算法,即LMS算法和DFE算法,给出性能仿真图,以便与后面基于因子图的均衡算法比较。 2)介绍了因子图及和积算法。利用Forney型因子图(FFG)详细介绍了如何利用和积算法求边界问题,给出了具体的消息传递规则,说明了因子图的优点。 3)利用因子图实现了三种均衡算法,即无约束线性均衡算法、约束线性均衡算法和判决反馈均衡(DFE)算法,详细介绍了如何利用和积算法将其转化为边界问题,进而按照消息传递规则进行符号估计。这三种算法都利用了LMMSE准则,即假设符号的估计值是观测值的线性函数以降低复杂度。无约束线性均衡算法估计符号时考虑了整个观测值向量,而约束线性均衡算法只考虑了一部分观测值,本文针对低信噪比下两种均衡算法由于受噪声影响MSE较大的问题提出一种通过降低噪声对符号估计的影响进一步降低MSE的算法,仿真结果证明了这一点。最后,利用因子图实现了DFE算法,从当前被估计的符号中消除先前已判决符号的干扰,仿真结果证明其性能优于约束线性均衡算法。