APP下载

稀疏信道下基于稀疏贝叶斯学习的精简星座盲均衡算法

2016-10-13于宏毅胡赟鹏沈智翔

电子与信息学报 2016年9期
关键词:符号

张 凯 于宏毅 胡赟鹏 沈智翔



稀疏信道下基于稀疏贝叶斯学习的精简星座盲均衡算法

张 凯*于宏毅 胡赟鹏 沈智翔

(信息工程大学信息系统工程学院 郑州 450001)

针对稀疏信道的盲均衡问题,在精简星座均衡算法框架下建立线性模型,利用稀疏信道下均衡器固有的稀疏特性,引入具有稀疏促进作用的先验分布对均衡器系数加以约束,使用稀疏贝叶斯学习方法迭代求解均衡器系数得到最大后验估计值。该文提出的均衡方法属于数据复用类均衡算法的范畴,能够适用于数据较短的应用场合。与随机梯度方法相比,算法性能受均衡器长度影响较小,收敛后误符号率性能更好,仿真实验验证了算法的有效性。

数字通信;盲均衡;稀疏信道;精简星座算法;稀疏贝叶斯学习

1 引言

在数字通信系统中,作为克服符号间串扰的重要手段,盲均衡技术得到了广泛的研究。在众多盲均衡算法中,Bussgang类盲均衡算法是目前应用最广泛的一类盲均衡算法[1],其依据不同准则设计非线性代价函数,采用随机梯度法对均衡器系数进行调整,最具代表性[2]的有常模算法(Constant Modulus Algorithm, CMA)、精简星座算法(Reduced Constellation Algorithm, RCA)、多模算法(Multi-Modulus Algorithm, MMA)等。该类算法具有原理简单、易于实现等优点,但也存在收敛速度慢,需要较大的数据量,对步长因子及均衡器长度敏感等问题。在突发通信等数据量较短的应用场合,其应用受限。文献[3]提出了数据复用的思想,即重复使同一段接收数据进行迭代运算,该方法降低数据长度的要求,但其仍存在收敛速度慢、收敛特性不稳定且对步长因子和均衡器长度敏感等问题。……

登录APP查看全文

猜你喜欢

符号
幸运符号
学符号,比多少
“+”“-”符号的由来
灵魂的符号
怎样填运算符号
变符号
倍图的全符号点控制数
图的有效符号边控制数
趣填符号