[发明专利]一种异步协作通信系统的自适应均衡算法

说明书

本发明公开了一种异步协作通信系统的自适应均衡算法，该算法结合了粒子群优化算法，对传统LMS算法进行了改进，实现步骤为：建立异步协作通信系统模型；获取接收信号；利用粒子群算法和LMS算法对均衡器抽头系数进行训练；重复第二步和第三步直到达到规定的训练次数。本发明和传统LMS算法相比，在训练阶段有着更好的收敛性能；在检测阶段信噪比足够高时有着更好的误比特率性能。用于无线通信领域。

技术领域

本发明属于无线通信技术领域，涉及一种异步协作通信系统的自适应均衡算法，具体涉及一种改进的LMS自适应均衡算法。

背景技术

多输入多输出(MIMO)系统的收发两端都配备了多根天线，具有空间分集增益，但同时也增加了设备的体积、重量和功耗，这使得MIMO技术的应用受到了限制。协作通信技术利用中继节点的天线形成虚拟的MIMO系统，同样可以获得空间分集增益。

在实际情况下，协作通信系统中的中继节点的分布具有随机性，各中继节点转发的信号往往异步地到达目的节点，产生符号间干扰。接收端可以采用均衡技术来消除符号间干扰。在实际情况下也往往无法事先得到信道信息，这时可以采用自适应均衡技术，通过发送已知的训练序列不断地训练均衡器的抽头系数。

常用的自适应均衡算法有LMS算法和RLS算法。LMS算法具有简单，稳定性好的优点，缺点是收敛速度慢；RLS算法有着较快的收敛速度，但其运算量很大。

发明内容

本发明的目的是针对异步协作通信系统自适应均衡技术中的LMS算法收敛速度慢的问题，提供一种异步协作通信系统的自适应均衡算法，是改进的LMS算法，该算法结合了粒子群优化算法，在迭代过程中利用粒子群算法寻找最优解，同时利用LMS算法来避免粒子群算法可能导致的局部收敛问题。

为实现上述目的，本发明采取的技术方案是，一种异步协作通信系统的自适应均衡算法，包括如下步骤：

步骤1：建立异步协作通信系统模型，该模型包括1个源节点，1个目的节点，2个中继节点，每个节点装配一根天线，系统采用循环前缀来消除块间干扰；

步骤2：获取接收信号r＝Hs+υ，其中s为发送信号，是长度为k的列向量，H为信道矩阵，其维度为k×k，υ为加性高斯白噪声；

其中信道矩阵H为循环矩阵，其第1行的表达式为：

其中，τ是两个中继之间的相对时延，T_s为符号周期，且相对时延是符号周期的整数倍。其中S是源节点，R是中继节点，D是目的节点。

步骤3：利用粒子群算法和LMS算法对均衡器抽头系数w进行训练，其中w是长度为k的行向量：

步骤3.1：对于粒子群算法，初始化x＝0,v＝0,gbest＝d，其中x是粒子的位置，v是粒子的速度，gbest是全局最优，d是参考信号；

步骤3.2：接收信号r进入均衡器进行处理，均衡后的信号r_eq＝Wr，其中W为k×k循环矩阵，其第一行为w，令个体最优pbest＝r_eq；

步骤3.3：按以下公式更新粒子的速度和位置：

v＝ωv+c₁ξ(pbest-x)+c₂η(gbest-x)

x＝x+v

其中ω是惯性权重，c₁,c₂是加速度常数，ξ,η是(0,1)区间上的随机数；

步骤3.4：计算误差e＝d-x；

步骤3.5：按以下LMS公式更新均衡器抽头系数：