当前课程知识点:移动通信原理 > 第八章 分集与均衡 > 8.3 均衡技术 > 8.3 均衡技术
下面我们来讲
这一章的第二个关键技术
也就是均衡技术
均衡技术其实它的基本概念
同学们也在通信原理里面
学习过一些
它的主要思想
是我们通过接收端的一些算法
去补偿信道的一些非理性特性
在现代的信道当中
由于带宽有限
会引入码间干扰
我如何去补偿码间干扰呢
我们就可以采用了
均衡技术
所以均衡是对抗码间干扰的
重要的手段aian
这是它的基本的出发点
咱们在均衡技术发展的历程当中
实际上是经过了一个螺旋式上升
过程
早期的像60年代
以前五六十年代的均衡技术
主要就是一些频域均衡
并且是模拟技术
模拟的频域均衡技术
那么它的基本思想
我们可以画个示意图给大家看看
假设说我这个信道是非理想的
比如说信道
比如说长这样
这就是信道的传递特性
你看长这个样子
那么我们就在接收端
去设计一个它的逆滤波器
也就是说
我设计一个hf的导数
相应的滤波器
因为它的样子就长
这个样子它就不是往上鼓的
而是往下凹的
这两个滤波器相乘
显然
级联到一起去
就能完全补偿了
信道相应
频域传递
函数不理想
这种因素就变成完全平坦的
理想低通滤波器的传递特性
那这样就能够消除由于信道非
理想
所引用的码间干扰
当然大家注意
这样的一种方法
是在频域做的
就是我要去设计一个滤波器
可是当年在模拟电路的手段
去搭出了一个精确的这种频域
滤波器
是很难的
尤其是说
再比如说我在信道响应当中
如果我有些零线点
那么你所设计出来滤波器
它就应当有无限大的一个误差
这是不可能做不到的
所以频域均衡在60年代以后
随着数字技术的兴起
就慢慢的被人遗忘了
或者说慢慢的不受重视
很多学者就开始转向了做
数字的实际均衡算法
所以持续均衡算法
就是在70年代以后兴起
但是到了2000年以后
随着4G技术的发展
那么数据技术发展以后
人们发现
随着信号的带宽越来越宽
支持的数据速率越来越高
特别是采用率越来越高的话
这时域均衡器的超头数越来越多
我要是设计一个时域滤波器
以前就几十个抽头
现在变成几百个
甚至上千个
因为滤波器它的计算复杂度
就会抽头数目的平方成正比
你抽头是不是越多
模型越复杂
到最后就没法做了
并且滤波器的收敛性稳定性不太
好
考虑到
我们可以把时域上的卷积
换成了频域上的相乘
就用FRT变换
来把时域卷积换频域相乘
所以在最近这20年
频域均衡
又重新兴起了
但是这不是一个简单的模拟
频域均衡
变成了数字化的
有快速算法的
频域均衡
所以它的发展的过程
大致上在信号处理意义上
是这样的一个过程
我们再看一下
均衡器的分类
如果我们按照均衡器的结构
大致上来讲
时域均衡器
我们可以把它划分为两大类
就时域均衡
所以划分为线性均衡器
和非线性均衡性
这样两大溜 线性均衡器当中
我们按照不同的准则
又能够把它划分为是
迫零
均衡器
和MMSE均衡器
迫零均衡器
它所对应的准则
应当是峰值
失真
准则
MMSE当然我们不用提了
MMSE就是最小均方误差准则
所以对线性均衡进行只能这两类
那么对于非线性均衡器
它类别也不少
最基本的非线性均衡器呢
我们称为是判决反馈均衡器
叫DFE
DFE的含义指的是
如图所示
如图所示
如图所示
也就是说是判决反馈的均衡器
它是先判
然后反馈
它有一个反馈支路
因为中间加了判决
所以它是个非线性操作
我们把它归为非线性均衡器
那么进一步的扩展
应当可以用的
比如说
最大似然序列均衡器
这是这种最佳的均衡器
最大似然性的均衡器
那么当然还有各种各样的变种
我们就不再一一列举了
那么我们重点给大家讲讲线性
均衡器
大家看这就是一个
线性均衡器的基本结构
所谓线性均衡器
其实就是一个滤波器
只不过滤波器的系数
我们要进行优化
它的结构都是长这个样子
这就是一个FIR滤波器结构
那么它有很多个抽头
我们看以中间位置为参考
这是0时刻
还有左半 有右半
假设说
最大的延时单元
我们每过一个采样间隔
有一个延时
这是一个延时
一个采样间隔一个延时
假设说
最多我们考虑 N阶延时
那么实际上这个抽头
一共就应当有2N+1个抽头
就这个1就对应的是这个
0时刻
那么并且一般来讲
这是5对称的左右
是对称结构
这就是FIR滤波器结构
这个滤波器的系数
我们怎么来进行优化呢
我们讲点概念
因为限于时间
我们主要讲点概念
一般来说我们需要考虑
滤波器系数调整
首先我们要确定调整的准则
你依据什么样的准则
来进行的滤波器系数的调整
那么最常用的准则是两种
一种我们称为是峰值失真准则
另外一种
我们称为
是最小均方误差准则
MMSE准则
那么我们分别来讨论一下
就给大家解释一下
峰值失真和这两个准则的含义
我们先看峰值失真准则
所谓峰值失真准则
其实这个概念
还得来自于
通信原理当中的
码间干扰的基本概念的理解
那么简单给大家解释一下
因为涉及到细节性
是比较花时间的
我们只能简单讲
峰值失真准则
我们可以把它理解为
是一种
点优化准则
最小均方误差准则
我们可以理解为是区间
优化准则
什么含义呢
所谓点优化就指的是说
峰值失真准则
它只通过调整
滤波器的操作系数
它只关心
最佳采样时刻的
码间干扰呢
最小
其他位置上它不关心
所以这就是所谓的峰值失真准则
比如说画个图
比如说我们采用的是
深一间滚健滤波器的脉冲信号
大家看它应当是有脱尾的
对吧
这个是当前时刻的
就是最佳采样时刻
在这个地方
假设说我们现在有码间干扰
也就是意味着它的前后的码
比如说
因为码源
在最佳采样时刻
不是过0点
这个位置
这就是后面一个符号呢
对当前这个符号呢
就有码间干扰
假设说我们看前一个符号
也在这儿有过零点
随便画的
好
那么前一个符号
在最佳采样位置
也有破零点
对不对
如果我们只关注最佳采样时刻
你能不能想一些办法
通过
调整滤波器的系数
也就是均衡器的系数
能够把相邻的这两个符号
它在当前这个符号
最佳采样时刻码间干扰
能消到最小
原则上讲
那么所有的符号
它的波形都是无限长的
也就是说呢
前后
当前时刻的前和后的
所有符号的码间干扰
就在当前时刻
最佳采样时刻的码间干扰全消掉
那就最优了
但是工程上我们可以证明
如果你想把所有的
前后相邻符号的码间
干扰全消掉
那么我们需要一个无穷多个抽头的
横向滤波器就滤波器
这都是性能系数
也达到无穷多个
我们是做不到的
工程上
我们只能做有限的抽头滤波器
比如说前面有N个
后面有N个
我们的目的就是有限目的
我们只想消除前N个后N个符号
对当前这个符号的码间干扰
假如我们能消掉
那么剩下的
前在前面的第N
加一个后
在后面的N加一个
以后的符号
对当前的符号的码间干扰
还有但是已经非常小了
就已经能够满足正常通信
或者高质量通信的需求
所以对于峰值失真而言
其实它应当指的是
最佳采样时刻
这一点上的
码间干扰
导致的信号的失真
最小化了
所以这就是它的含义
也就是所谓峰值失真准则的含义
它是一个点
这一点是哪一点最佳采样时刻
然后我们再看均方误差最小化
准则
准则的意思是说
我不比点
我不可能最佳采样时刻
我看的是说
我知道
理想的
无码间干扰的
波形是什么样子
比如说我这无码间干扰波型
是长这样
XT然后我们现在是有码间干扰
对吧
接收信号
波形是yt
我们把接收信号波形
与滤波器的冲击响应
比如WT做卷积
就做滤波就是做均衡
均衡之后
我希望让输出的波形
在整个波形存在的持续时间当中
与真实的波形
就与理想波形
它们的误差
相当于一段时间里面
整个区间上的误差的平方
然后取平均
放到最小
我不看这一点
我看整个区段上
都得小
都要小
它是一个区间最小化
那么这就是这两个准则的出发点
这两个出发点是不一样的
如果是前者
也就是峰值失真最小化准则
我们稍微再给大家做一点引申
峰值失真最小化的准则
它引出来的算法
抽头系数调整的算法
归根到底
其实是要解方程的
通过解方程来求出来
整个最佳采样时刻的
信号的失真
达到最小的
最佳的操作系数
那么这个解方程
其实最终
就变成了
我们在信号处理领域当中
最通用的一类算法
这类算法我们就称为是
迫零算法
英文的我们写为是什么
ZF算法
全称叫zero
force
所以缩写
就用这两个英文单词的首字母
合并
就迫零算法就ZF算法
那么我们后面会给大家介绍
M
还有IBM
这些技术当中
所用到的算法
那么它的基本概念
都来自于呢这个地方
峰值失真最小化
所引出来的迫零算法
限于时间
我们在后面再给大家展开讲算法
的细节
我们看最小均方误差算法
最小均方误差算法
我们也讲讲它的技术的来源
MMSE算法
在MMSE准则下
你让抽头系数达到最小化
这原则上讲
是一种自适应滤波算法
那么滤波算法的最早的
这个发端
其实是来自于美国数学家
那是非常有名的一位科学家
还是控制论的奠基人
实际上他也是信息论的奠基人之一
那么维纳在二战期间
其实参加了美国军方的一些保密
项目
干什么呢
它主要研究一个问题
就是我打出去的炮弹
怎么能够呢让炮弹的落点呢
尽量的准确
给打偏了
因为我们炮弹在
炮弹出膛了
之后
从炮管打出去
出膛了以后
炮弹它实际上受到了空气阻力
所以它不是一个标准的抛物线
有时候风速还有出速
都会对
甚至包括温度
都会对炮弹的着弹点
会有影响
那么如何去控制它
那么维纳通过研究具体的工程
问题
最后提出了一整套的
自适应滤波的方法
那么今天我们就从这些
方法没那
这是我们应当给我算出来
那么理论上
它已经建立了
最优的滤波理论
工程上
我们不能直接去求解滤波器
因为滤波器的计算法度比较高的
我们可以采用递推
或者迭代的方法
去求解滤波器的系数
那么具体而言
递推或者迭代的算法呢有两类
一类我们称为是
最小均方差算法
简称叫LMS 另外一类我们
叫做递归
最小二乘算法叫RLS 那么这两类
算法
是我们经常用到的两类
递归式的
线性均衡算法
LMS算法
它其实是一种随机梯度下降算法
我稍微给大家讲一讲
其实 LMS算法是非常
重要
我们略微做一点阐发
因为它所用到的思想
实际上就是一种
梯度搜索的思想
你比如说
我这儿画一个二次曲线
我们问
二次曲线
它的最优点在哪
显然应当是在这
可能在最低点在这个地方
而现在我们的初值
是在这个位置
怎么去找到最优点呢
我就求它的梯度
一步一步找求梯度
一步一步找
最后求多次梯度就找到了
这就是个迭代递推的过程
只要你是具有全局最优解的
你比如说二次函数
我们通过这种随机梯度下降算法
就必然能收敛到的最优点
因为我们考虑的问题
是一个线性问题
所以这是一个线性的
随机梯度下降算法
假如我们把这个思想
稍微扩展一点
如果我们现在处理的是
在这个算法计算过程当中
我们引入非线性算子的话
它就变成了一个非线性的
随机梯度下降算法
那么这个时候
LMS算法
就变成了
在深度学习当中
也就是人工智能最热门的
机器学习理论的
深度学习理论当中的
卷积神经网络
所以其实
信号处理
和人工智能是密切关联的
我们这儿讲的LMS算法
这个基本概念
实际上就是深度学习
或者是人工智能的
最基本的出发点
所以简单给大家提一下
那么RLS算法
这个算法
也具有非常强的
这个理论意义
因为它的理论背景
是另外一类重要的滤波算法
这类算法我们称为是
Kalman
滤波算法
这也是非常重要的一类
Kalman滤波算法
和维纳滤波算法
是两类非常经典的方法
如果大家有兴趣
可以查阅相关的专著
那么Kalman滤波算法
我们做一点简化
就变成RLS所谓递归最小
二乘方法
那么
我们可以把这两类算法的性能
做一点比较
胶片给这个示意图
是11个抽头的1个码间干扰的
信道
那么我们用两种不同的递归算法
最小均方误差准则下去优化
我们看优化的结果
那么这两条曲线都是收敛曲线
横坐标迭代
不长 纵坐标就是
均方误差
我们看收敛的比较慢
大家看 LMS算法
LMS算法大概的经过
100次迭代
才能够基本收敛
而收敛得比较快的是
RLS算法
大概只要经过10次迭代
就基本上能够梳理了
并且我们能够发现说是残余的
就收敛了之后的均方误差而言
RLS是小于LMS
就是说它的性能会更好
从理论上来讲
似乎好像RLS比 LMS
好得多
应当普遍采用RLS但其实
不然
为什么
虽然从性能上来讲
RLS
它的残余均方误差小
迭代速度要快
但是RLS有一个特别致命的
问题
就它的太灵敏
也就是说它不够健壮
我们用行话讲
它不够鲁棒
它就说bostnice意思不太好
也就是说稍微这个系统当中
有一点扰动或者抖动
那么RLS算法
就有可能发散
它不收敛
反之像LMS算法
它这种随机性下降n算了
它的鲁棒性或者健壮性很好
也许样本或者噪声当中
有一些大扰动
照样能够收敛
所以它的鲁棒信号
虽然性能稍差
收敛性慢
但是鲁棒信号
RLS性能好
收敛快
但是鲁棒性差
所以我们这两种算法都用
那么在特定的场合当中
用特定的算法
所以不好一概而论
说哪个算法
就一定比另外一个算法强
上述就是两种基本的线性均衡
算法
下面我们再简单给大家讲一讲
非线性算法
非线性均衡算法的
一种代表性的特例
判决反馈均衡器就DFE
算法
是特别有价值的一类算法
判决反馈均衡器
它是由两个结构构成大家观察
它有一个前馈滤波器在这
以及还有一个反馈滤波器在这
那么中间加了一个判决器
因为判决器要做硬判决
所以它是一个非线性的均衡性
它的基本思想是这样的
如果说
我们前馈滤波器是个线性的问题
先经过把接收到的信号
有码间干扰的信号
先经过了前馈滤波器
那么输出的信号
假设说他一经过
我能判准
我把它送达一个判决
就判准了
当前这个符号
采样
符号间隔的信号
我们已经知道了
那么我们就能够把判决的结果呢
送到反馈滤波器
当前这个符号
对后面符号的码间干扰
就能够重建出来
只要你判对了
你造成的不良影响
我们就能够预估出来
当下一个符号呢
我们把下一个符号输出了之后
就能够从下一个接收信号当中
把前一个符号产生的干扰
就减掉了
这样的话后一个符号
不就判断更准了
这是一个负反馈结果
大家看就是这样的一个
负反馈结果这个越来越好
就能够 信道当时的码间干扰
消除的很彻底
所以它的性能就变得非常的好
那么DFE
这种判决反馈均衡器
有特别重要的应用在哪
用呢
ADSL
ADSL是咱们
宽带接入的一种典型技术
像咱们家庭里面这种
拨号上网
就是宽带上
其实到目前为止
我们已经经过了三代技术
第一代技术
是
电话线调出去电话机
就以前我们这个叫
这个
电话线猫
那么在电话线上
最高只能传送56K比特每秒
后来就慢慢被淘汰
掉了
第二代技术
ADSL或者XDSL技术
它把带宽扩展了
我们靠ADSL在铜线上
可以支持到几十兆
就是少则可能两兆
高一点
后来进化到了5兆10兆
最后我们可以达到几十兆
甚至100兆的数据传输
那么现在我们已经进一步净化了
变成光纤
光纤入户的光纤
当户了
这个时候它的带宽可以更宽
数据速率可以更高
可以达到100兆以上
那么不管是哪一种技术
它就是有线通信方式
那么它的信道的质量是比较好的
虽然有码间干扰
但是我们可以通过DFE的方式
判决反馈均衡的方式
比较干净
彻底的消除掉
所以它的这个数据传输的速率
就变得到大幅度的提升
不过我需要指出的是
大家注意
判决反馈均衡器不能乱用
还是有好
有优势也是有缺陷的
判决反馈均衡性
它的优点就在于
它在高信噪的条件下
接收信号的取值
能估的比较准的场景下
它可以得到非常理想的结果
所以判决反馈均衡器
它只适用于高信噪比的场景
它是一个锦上添花的作用
反之如果你
是在低信噪比场景当中
比如说典型的是移动通信环境
这个信号质量很差
低
信噪比环境当中
你看不准
判不准的话
你重建出来的干扰也是错的
然后你底下的话
不仅没有把
原来的干扰抵消掉
还其实你加上
还额外加上另外一部分干扰
所以就越判越错
越抵消越差
那么还不如不判
因此判决反馈均衡器
绝对不能够应用于
低信噪比环境
由于低信噪比环境会引入
典型的错误传播现象
所以判决反馈均衡器
只能适用于高信噪比的场景
这就是它的特点
简单给大家说明一下
还有一类技术
这类技术
我们是按照收发队伍引入的
正因为判决反馈均衡器的
它有缺陷
因为它有错误传播现象
所以人们就琢磨说是
有没有可能在低信噪比环境
也用呢
但错误传播是不可避免的
因为看不准
那么我们看接收机和发射机是
对偶的
它为什么会判错
是因为我接触到的信号就很差
所以反馈也是
判决结果是错的反馈就无效了
那么我们根据队伍性
可不可以我们在发送端
因为发送的所有的信号
都是自己发的
当然你知道
假如我能够预先知道
信道多径信道的相互干扰的情况
我要发射机
如果知道多径的分布情况
我发信号的时候
就会预先抵消
这种技术
我们就称为是预均衡技术
预均衡技术
假如通过这样的预先均衡
那么事先就把信道当中的干扰
消掉了
接收机不就很简单
然后信号质量还好
并且因为预均衡的话
发射机所有的这些信号
都是自己发
自己知道
不存在错误传播
所以我们相当于是说
可以把DFE从收端
搬到发端
那就变成了这样的一种基础
两位学者的姓名首字母缩写
我们现在称为 THP
THP预均衡技术
大家看它的结构
它也有一个反馈支路
对
它要就干扰体系了
在这个地方做干扰体系
它与DFE是完全类似的
但是它能够有效的
克服错误传播的现象
理论上来讲
THP
在不存在错误传播的时候
是等价于DFE
假如存在错误传播的话
那么THP
比DFE要好
但是可惜的是
THP其实也是有一些问题
因为THP要求
发射器要完全已知
准确的听到响应信息
可是发射机其实是没有办法
确知信达响应信息的
因为只有接收机才能够检测
估计能显示信息
然后把检测和估计的结果
通过反馈电路
再反馈到发射器这一端
不管是检测
还是反馈
总不可避免的
会引入一些误差
所以THP在信到剧烈变化
就是时变性很大
信道当中
它也会受到一定的性能限制
它不是无限制的好
那么THP的概念
我们就讲这么多
最后我们再简单的讲一讲
频域均衡技术
前面我们已经提到过
频域均衡
频域均衡
现在是在4G当中
用
OFDM系统当中
经常用这一类技术
那么它的基本思想
其实主要是
克服时域均衡计算
复杂性的问题
因为我们知道
时域上的这种延时
那么横向滤波器
它其实就是个滤波
滤波的本质就是卷积
而卷积的计算复杂度
如果我们知道
给定这个滤波器
抽头是N
那么卷积的复杂度
或者滤波的计算法
就是N方
N方都是比较高的
如果说N=10还好
N到100
100的平方就1万了
假如N要等于1000
1000个抽头就没法做了
硬件事件非常困难
房子太高了
那么对于你卷积操作来讲
我们按照卷积定理可以知道
可以采用快速复列变换
把时域的卷积
换成频域的相乘
这个时候它的计算复杂度
因为有快速忽略变化的快速算法
所以就能从N方
降到N乘logn
所以这就是频域均衡
它的好处
可能降低复杂度
并且是时频队伍
时域均衡能达到的效果
采用频域均衡
也能得到一致的结果
所以性能一致法度又低
而现在
时欲均衡抽头数太多
所以因为这三者的因素
在4G之后的
宽带移动通信系统当中
我们普遍的采用的OFDM系统
那么就采用了
快速复列
变换支持的频域均衡算法
这样可以获得呢性能和复杂度
之间
比较好的折中
那么大家看家里面给的示例
这个就是 OFDM
频域均衡结合的一个基本方案
那么限于时间关系
请大家自己看看
我们不再展开讲
我们在后面的章节当中
会详细的介绍
-1.1 前言
--1.1 前言
-1.2 移动通信发展的回顾
-1.3 第四代移动通信技术
-1.4 第五代移动通信技术
-1.5 未来移动通信技术
-第一章 作业
--第一章 作业
-2.1 移动信道的特点
-2.2 三类主要快衰落
-2.3 传播类型与信道模型的定量分析
-2.4 无线信道模型
-第二章 作业
--第二章 作业
-3.1 多址技术的基本概念
-3.2 移动通信中的典型多址接入方式
-3.3 码分多址CDMA中的地址码
-3.4 伪随机序列(PN)和扩频码的理论基础与分析
-第三章 作业
--第三章 作业
-4.1 语音压缩编码
-4.2 移动通信中的语音编码
-4.3 图像压缩编码
-4.4 我国音视频标准
-第四章 作业
--第四章 作业
-5.1 概述
--5.1 概述
-5.2 保密学的基本原理
-5.3 GSM系统的鉴权与加密
-5.4 IS-95系统的鉴权与加密
-5.5 3G系统的信息安全
-5.6 B3G与4G系统的信息安全
-第五章 作业
--第五章 作业
-6.1 移动通信系统的物理模型
-6.2 调制/调解的基本功能与要求
-6.3 MSK/GMSK调制
-6.4 π/4-DQPSK调制
-6.5 3π/8-8PSK调制
-6.6 用于CDMA的调制方式
-6.7 MQAM调制
-第六章 作业
--第六章 作业
-7.1 信道编码的基本概念
-7.2 线性分组码
-7.3 卷积码
--7.3 卷积码
-7.4 级联码
--7.4 级联码
-7.5 Turbo码
-7.6 交织编码
--7.6 交织编码
-7.7 ARQ与HARQ简介
-7.8 信道编码理论上的潜在能力与最大编码增益
-7.9 GSM系统的信道编码
-7.10 IS-95系统中的信道编码
-7.11 CDMA2000系统的信道编码
-7.12 WCDMA系统的信道编码
-第七章 作业
--第七章 作业
-8.1 分集技术的基本原理
-8.2 RAKE接收与多径分集
-8.3 均衡技术
--8.3 均衡技术
-8.4 增强技术与应用
-第八章 作业
--第八章 作业
-9.1 多用户检测的基本原理
-9.2 最优多用户检测技术
-9.3 线性多用户检测技术
-9.4 干扰抵消多用户检测器
-第九章 作业
--第九章 作业
-10.1 OFDM基本原理
-10.2 OFDM中的信道估计
-10.3 OFDM中的同步技术
-10.4 峰平比(PAPR)抑制
-第十章 作业
--第十章 作业
-11.1 多天线信息论简介
-11.2 空时块编码(STBC)
-11.3 分层时空码
-11.4 空时格码(STTC)
-11.5 空时预编码
-11.6 MIMO技术在宽带移动通信系统中的应用
-第十一章 作业
--第十一章 作业
-12.1 引言
--12.1 引言
-12.2 多功率控制原理
-12.3 功率控制在移动通信中的应用
-12.4 无限资源的最优分配
-12.5 速率自适应
-第十二章 作业
--第十二章 作业
-13.1 标准化进程
-13.2 HSPA系统
-13.3 EVDO系统
-13.4 LTE系统
-13.5 WiMax系统
-第十三章 作业
--第十三章 作业
-14.1 TDD原理
-14.2 TD-SCDMA
-14.3 UTRA TDD
-14.4 TD-HSPA
-第十四章 作业
--第十四章 作业
-15.1 移动网络的概念与特点
-15.2 从GSM/GPRS至WCDMA网络演讲
-15.3 第三代(3G)移动通信与3GPP网络
-15.4 从IS-95至CDMA2000网络演讲
-15.5 B3G与4G移动通信网络
-第十五章 作业
--第十五章 作业
-16.1 移动通信中的业务类型
-16.2 呼叫建立与接续
-16.3 移动性管理
-16.4 无线资源管理RRM
-16.5 跨层优化
-第十六章 作业
--第十六章 作业