[发明专利]一种消除脉冲噪声的最小均方误差线性均衡方法

权利要求书

1.一种消除脉冲噪声的最小均方误差线性均衡方法，其特征在于：其步骤如下所述：

S1：接收机第n(n＞0)时刻的接收信号为：

其中，M为时延路径的总长度，h_k(k∈{0,1,...,M-1})为第k条时延路径的衰落系数，x_n,n＞0为发射机第n时刻的发送符号，并且假设x_n＝0,n≤0，w_n服从均值为0、方差为的高斯分布，g_n服从均值为0、方差为的高斯分布，b_n服从伯努利分布，且P(b_n＝1)＝p,P(b_n＝0)＝1-p,，P(·)表示括号内的事件发生的概率；

S2：根据均值x‾n=E(xn)=Σx∈βx·P(xn=x),]]>方差vn=Σx∈β|x-E(xn)|2·P(xn=x),]]>β为调制符号集合，获取每个时刻的v_n，其中，E(·)表示随机变量的数学期望；

S3：设第n时刻最小均方误差线性均衡器的抽头系数为c_n,k,k＝-N₁,1-N₁,...,N₂，总长度为N＝N₁+N₂+1，同时，取N个接收符号，其中(·)^T表示矩阵或向量的转置）作为最小均方误差线性均衡器的输入，并且假设z_n＝0,n≤0，则均衡器第n时刻输出对x_n的估计符号为：x^n=E(xn)+Cov(xn,zn)Cov(zn,zn)-1(zn-Hx‾n),]]>其中，Cov(x,y)表示向量x与y的协方差矩阵，即Cov(x,y)＝E(xy^H)-E(x)E(y^H)，(·)^H表示矩阵或向量的共轭转置，(·)^-1表示矩阵的求逆，x‾n=x‾n-M-N2+1x‾n-M-N2+2...x‾n+N1T,]]>

S4：为使第n时刻的均衡器输出符号独立于P(x_n＝x)，使v_n＝1，则第n时刻均衡器输出的估计符号变为：

x^n=x‾n+vnsH[(σw2+pσi2)IN+HVnHH]-1(zn-Hx‾n),]]>

其中，s=H01×(N2+M-1)101×N1T,]]>I_N为N×N的单位矩阵，

Vn=Diagvn-M-N2+1vn-M-N2+2...vn+N1,]]>Diag(·)表示将长度为l的向量变为l×l的方阵，且向量元素位于方阵的对角线上,并且，假设均衡器的抽头系数向量为cn=cn,N2*cn,N2-1*...cn,-N1*T,]]>则

cn=[(σw2+pσi2)IN+HVnHH]-1s;]]>

S5：假设的概率密度函数服从均值为μ_n,x，μ_n,x定义为方差为定义为Cov(x^n,x^n|xn=x)]]>的高斯分布，则：

μn,x=cnH(E(zn|xn=x)-Hx‾n+x‾ns)=x·cnHs]]>

σn,x2=cnHCov(zn,zn|xn=x)cn]]>

=cnH(σw2IN+HVnHH-vnssH)cn]]>

=cnHs(1-sHcn)]]>

通过高斯分布的概率密度函数可计算得到；

S6：根据x‾n=Σx∈βx·P(xn=x),]]>vn=Σx∈β|x-x‾n|2·P(xn=x),]]>代入P(xn=x)=p(x^n|xn=x)]]>可以获得新的第n时刻的和v_n值，可以用于更新第n+1时刻的均衡器抽头系数；

S7：对每个时刻均衡器输出的估计符号进行解调，恢复出原始的二进制比特信息序列。