张福洪，朱芳英

(杭州电子科技大学通信工程学院， 杭州310018)

数字通信系统中，为了克服码间干扰，正确恢复发送序列，须在接收端采用均衡器。盲均衡技术不需要借助训练序列，仅利用接收序列本身的先验知识来均衡信道，使其输出序列尽可能的逼近发送序列[1]。目前，盲均衡技术可以分为三类：BUSSGANG类算法、基于高阶或循环统计量算法和非线性均衡算法。第一类算法中的常模算法(CMA)[2]通过对接收信号取模运算将二维QAM信号映射到一维空间，然后在一维空间确定代价函数，这类算法实现简单，得到了广泛的应用，但是运算中损失了信号的相位信息。由于高阶累积量HOC(Higher OrderCumulants)[3]对高斯噪声有很强的抑制效果，引起了许多学者的关注。上述前两种均衡算法都采用梯度搜索方法获得最优解，但梯度算法易陷入局部收敛，难以获得全局最优。最近，有人把遗传算法应用于盲均衡问题[4]中，但遗传算法易陷入局部最优，不能获得全局最优的性能。本文提出基于粒子群算法的盲均衡技术，在较少的迭代次数下即可获得全局最优的性能，仿真结果表明，本文算法有较好的性能。

1 盲均衡代价函数

盲均衡原理框图如图1所示。

图1 盲均衡原理框图

对于一个稳定的、可逆的线性卷积系统，盲均衡的输入序列为：

式中r(n)为观测信号， h(n)为非最小相位的线性时不变系统， w(n)为加性高斯白噪声， “*”表示信号的卷积。

在不考虑加性高斯白噪声的情况下，均衡器的输出信号为：

盲均衡的目的就是使