MIMO频率选择性信道自适应均衡

1、第33卷第3期电子科技大学学报V ol.33 No.3 2004年6月Journal of UEST of China Jun. 2004 ·学术论文与技术报告·MIMO频率选择性信道自适应均衡董 昕,龚耀寰(电子科技大学电子工程学院成都 610054【摘要】针对MIMO频率选择性信道提出了一种分数间隔的判决反馈均衡器,其优点是既对时间同步误差不敏感,又能在消除码间干扰的同时不引入噪声增益。同时比较了分别采用最小均方算法和恒模算法的分数间隔判决反馈均衡器,并通过仿真,分析了这两种算法的优缺点。在此基础上提出了一种改进的最小均方算法和恒模算法相结合的算法,改进后需要的训练序列

2、为LMS算法的1/3,其结果是误码率比恒模算法有明显的提高。关键词MIMO频率选择性信道; 分数间隔均衡; 判决反馈均衡; 最小均方算法; 恒模算法中图分类号TN911.5 文献标识码 AAdaptive Equalization of MIMO Frequency Selective ChannelsDong Xin,Gong Yaohuan(School of Electronic Engineering , UEST of China Chengdu 610054Abstract This article researches the combination of fractionall

3、y spaced equalizer (FSE and decision feedback equalizer(DFE applied in MIMO frequency selective channels. This kind of equalizer has low sensitivity to the receivers sampling phase, and it can eliminate the ISI without adding noise gain. This paper analyses and compares the FSE-DFE applying two adap

4、tive algorithms: least mean squares (LMS algorithm and constant modulus algorithm (CMA. Through the simulation results, their respective advantages and disadvantages are presented. Based on these algorithms, a new hybrid algorithm possessing the advantages of LMS and CMA is proposed. This algorithm

5、requires only a few training sequences and performs better than CMA.Key words MIMO frequency selective channels; fractionally spaced equalizer; decision feedback equalizer; least mean squares algorithm; constant modulus algorithm多输入多输出(Multiple Input & Multiple Output,MIMO系统是近年来无线通信领域的一个热门课题,它能在

6、不增加带宽的前提下成倍地提高通信系统的容量和频谱利用率1,2。其实现方式是在发射端和接收端都使用多个天线,而不是传统的单天线。由于多径效应引起的时延扩展,实际的MIMO信道为频率选择性信道,因此MIMO系统的自适应均衡技术的研究很迫切。本文将研究和比较几种基于分数间隔的判决反馈MIMO信道均衡器。1 MIMO信道模型假设MIMO信道是块内时不变的频率选择性信道,它有个发射天线和个接收天线,可用一个m×维n m n收稿日期:2004 03 01基金项目:国家863计划资助项目(2002AA123032作者简介:董昕(1979 ,女,硕士生,主要从事自适应信号处理,空时通信技术方面的研究

7、;龚耀寰(1938 ,男,教授,博士生导师,主要从事自适应信号处理,智能天线等方面的研究.电 子 科 技 大 学 学 报 第33卷226 的矩阵H 来描述MIMO 系统的信道特征,该矩阵中的任意一项代表从第ij h j 个发射天线到第个接收天线的等效子信道的冲激响应,并且是归一化的。而且MIMO 信道的每一个元素都是频率选择性的。在这个模型中,i ij h x 用来代表某一采样时刻个发射天线上发射出去的信号矢量,接收端天线接收到的信号矢量应该为n y v Hx y += (1式中 是均值为零,方差为的加性高斯白噪声。2v v 2 MIMO 自适应分数间隔判决反馈均衡器分数间隔判决反馈均衡器(F

8、SE-DFE的组成如图1所示3。这种均衡器包括前馈横式有限冲激响(FIR和反馈横式FIR 滤波器。前馈横式FIR 滤波器的抽头延时均等于均衡器输入信号采样间隔(k y T 的分数倍。若采用2倍频采样数字信号,则信道抽头间隔为T /2。反馈横式滤波器用于进一步抑制当前时刻之前的信息符号所产生的码间干扰。反馈横式FIR 滤波器的抽头延时均等于输入信号的采样间隔T 。(k y 图1 MIMO 自适应判决反馈均衡器框图3 分数间隔判决反馈均衡器自适应算法分数间隔判决反馈均衡器可采用各种非盲自适应算法和盲自适应算法4。本文介绍非盲自适应算法LMS和盲自适应算法CMA 的实现。分别为前馈和后馈滤波器的阶数

9、。 d f N N 和3.1 最小均方算法(LMS-FSE+DFE该算法需要使用训练序列,其前馈滤波器和后馈滤波器的抽头权值的迭代方程分别为(1( 0i i k i k k f f k f k y zz i +=+N (2 (1(k k j k j j z z zk d k d =+ 1d j N (3 3.2 恒模算法(CMA-FSE+DFE恒模算法是一种常用的盲算法。盲自适应均衡是一种本身自适应的均衡器,它不再需要训练序列来维持正常的工作。因此,在数字通信系统中不再发送训练序列,可以提高信道效率。由于理想调相或调频信号是恒定模的,因此均衡器的目标是使其输出信号的模值尽量靠近某个圆(一般是单

10、位圆。对于二进制信号也可有这样的要求,按此要求建立的误差函数为5(222CMA R z E J k = (4式中 ;表示求数学期望,其迭代方程为|/|242k k x x E R =E 22(1( 0i i k i k k f f k f k y z R z i +=+N (522(1(1j j k j k kd k d k z z R z j N +=d (63.3 改进算法(LMS+CMA- FSE+DFE根据非盲算法和盲算法的特点,可以采用混合算法,即在初始阶段采用非盲算法,到一定阶段后采用盲算法,如LMS-CMA 算法。该算法需要设定一定的门限值来控制何时由非盲算法转入盲算法,门限值的

11、设第3期 董 昕 等: MIMO 频率选择性信道自适应均衡 227定应该保证整个算法的收敛速度最快。4 MIMO 自适应均衡算法仿真及性能比较本文采用收发端均为2个天线的MIMO 系统来仿真上述三种自适应均衡算法。其输入为二进制随机序列+1, 1,取+1和1的概率相等都为1/2。前馈均衡器长反馈均衡器长。数据长度为1 000,分别采用LMS ,CMA 算法和改进算法。信道矩阵为,22=f N 10=d N n H 61,1n h = 0.645 5 0.322 7 0.645 5 0.322 7; = 0.614 0 0.368 42,1n h 1,2n h = 0 0.387 3 0.839

12、 1 0.322 7; = 0 0.257 9 0.614 0 0.884 2 0.442 1 0.257 92,2n h 5051015100200300400500CMALMS+CMALMSkm s e /d B 100LMS+CMA LMS10110210310424681CMASNR /dBB E R 0图2 分数间隔均衡器学习曲线 图3 分数间隔均衡器误码率与信噪比特性5 结 论由本文的MIMO 信道分数间隔判决反馈均衡器的仿真可以看出,LMS 比CMA 算法的收敛特性好,收敛较快且收敛后的均方误差较小,误码率也较小。但LMS 算法需要训练序列,从而降低了数据传输效率。而CMA 算法

13、不需要训练序列,在这个意义上来说CMA 算法比LMS 算法要好。由LMS 和CMA 两种算法推出的混合算法的收敛性能比单纯采用CMA 算法好,误码率也较小。该算法仅需要150次训练序列即可收敛,性能介于LMS 和CMA 算法之间,比较适合实际应用。参 考 文 献1 Telatar I E. Capacity of multi-antenna Gaussian channelsJ. European Trans. on Telecomm, 1999, 10: 585-595 2 Fochini G J, Gans M J. On limits of wireless communications

14、 in a fading environment when using multiple antennasJ. Wireless Personal Communications, 1998, 6: 311-3353 Tehrani A M, Hassibi B, Cioffi J M. Adaptive equalization of MIMO channelsC. Systems and Computers 1999, Conference Record of the Thirty-Third Asilomar Conference on, 1999, 1: 547-551 4 Shahid U H Q. Adaptive equalizationJ. Proc IEEE, 1985, 73(9: 1 349-1 3875 龚耀寰. 自适应滤波时域自适应滤波和智能天线M, (第二版. 北京: 电子工业出版