[发明专利]基于半径导向卡尔曼的参数自适应偏振态跟踪和均衡方法

权利要求书

1.一种基于半径导向卡尔曼的参数自适应偏振态跟踪和均衡方法，其特征在于，包括以下步骤：

S1、进行偏振态跟踪及信道均衡；

S2、进行自适应卡尔曼滤波算法，算法的每次迭代更新分为预测和更新两个阶段，在预测阶段，自适应卡尔曼滤波算法根据先验值预测当前时刻的滤波器参数；在更新阶段，自适应卡尔曼滤波算法根据半径导向的方式计算出误差函数，通过变分贝叶斯近似的方法进行多次卡尔曼更新对噪声协方差进行调整并修正滤波器参数，该修正值作为下一时刻的先验值；

其中，

在步骤S2中，

对于自适应卡尔曼滤波算法每次迭代运算包括以下方程：

a.预测方程：

S^-(n)＝S(n-1) (2)

P^-(n)＝P(n-1)+Q(n) (3)

Z_out(n)＝M(n)S^-(n) (4)

其中S为状态向量，M为测量矩阵，P为误差协方差矩阵，Q为过程噪声协方差矩阵，ρ为遗忘因子；

b.更新方程：

初始化：

S⁰(n)＝S^-(n) (7)

P⁰(n)＝P^-(n) (8)

ε⁰(n)＝ε^-(n)＝(rZ_out(n)/|Z_out(n)|-Z_out(n)) (9)

k次更新：

K^k+1(n)＝P^-(n)M^H(n)(M(n)P^-(n)M^H(n)+R^k(n))^-1 (13)

S^k+1(n)＝S^-(n)+K^k+1(n)ε^-(n) (14)

P^k+1(n)＝P^-(n)-K^k(n)M(n)P^-(n) (15)

ε^k+1(n)＝(rZ_out(n)/|Z_out(n)|-M(n)S^k+1(n)) (16)

最终输出：

S(n)＝S^k(n) (19)

P(n)＝P^k(n) (20)

其中，K为卡尔曼增益，R为测量噪声协方差矩阵，ε为误差信号，r为最接近输出信号的标准信号模值。

2.根据权利要求1所述的基于半径导向卡尔曼的参数自适应偏振态跟踪和均衡方法，其特征在于：在步骤S1中，

其中，Z_out(n)，△ω，θ(n)，ξ(n)，J(n)，Z_in(n)，W(n)为n时刻的发送信号，频率偏移，相位噪声，加性白噪声，琼斯矩阵，接收信号，蝶形滤波器的抽头向量，为使用卡尔曼滤波算法对半径导向蝶形卡尔曼滤波器参数的进行迭代更新，估计出每个时刻最理想的逆琼斯矩阵，从而达到偏振态跟踪和信道均衡的效果。

3.根据权利要求2所述的基于半径导向卡尔曼的参数自适应偏振态跟踪和均衡方法，其特征在于：在步骤S2中，半径导向蝶形卡尔曼滤波器的盲均衡算法主要框架由状态方程和测量方程组成。

4.根据权利要求1所述的基于半径导向卡尔曼的参数自适应偏振态跟踪和均衡方法，其特征在于：在步骤S2中，设测量噪声成独立的高斯分布，则测量噪声协方差由两个独立的伽马分布组成，则测量噪声协方差为：