[发明专利]基于多模算法的低复杂度高斯-牛顿盲均衡方法及系统

说明书

本发明属于无线通信中盲均衡技术领域，公开了一种基于多模算法的低复杂度高斯‑牛顿盲均衡方法及系统，构建基础代价函数，设置参数并对函数作一阶泰勒展开，替换代入得到新的代价函数表达式；对代价函数求导得到梯度表达式梯度为时代价函数取最小值，计算得到此时的参数值；根据和均衡器之间的关系构建迭代公式，最优化均衡器并最小化代价函数。本发明可以快速稳定的减少码间干扰和信道间干扰，能够不借助训练序列就能够获得理想的通信效果，在非合作通信系统中具有重要意义。本发明可以有效实现迭代更新寻找到最优的盲均衡器，减少码间干扰和信道间干扰，且计算量小收敛速度快，具有快速稳定的收敛性。

技术领域

本发明属于无线通信中盲均衡技术领域，尤其涉及一种基于多模算法的低复杂度高斯-牛顿盲均衡方法及系统。

背景技术

目前，盲均衡技术是提高通信系统可靠性的重要技术之一，用于解决信道的多径效应带来的码间干扰问题。在现代通信系统中，由于有限带宽通信信道的失真和畸变引起的码间干扰(ISI)和信道间干扰(ICI)是影响通信质量的重要因素。码间干扰和信道间干扰的积累将会导致误码的产生，从而导致通信质量的下降。盲均衡技术可以减少码间干扰和信道间干扰，降低误码率，且能够不借助训练序列就能够获得理想的通信效果。因此研究盲均衡技术具有非常重要的意义。

盲均衡技术近年引起了广泛的关注(R.M.Pavan,T.M.Silva and D.Miranda,“Performance analysis of the multiuser Shalvi-Weinstein algorithm,”SignalProcessing,vol.163,pp.153-165,Oct.2019.)、(A.Adler and M.Wax,“Constant modulusalgorithms via low-rank approximation,”Signal Processing,vol.160,pp.263-270,July 2019.)。用最优化方法实现的盲均衡器(BE)的收敛是一项耗时的任务，也是所有相关研究和应用的主要焦点(Jian Yang,J.Werner and G.A.Dumont,“The multi-modulusblind equalization and its generalized algorithms,”IEEE Journal on SelectedAreas in Communications,vol.20,no.5,pp.997–1015,June 2002.)。最小二乘法是盲均衡领域中应用最广泛的有限差分算法，虽然LMS算法计算复杂度较低，但收敛速度相当慢(R.K.Martin,“Fast-Converging Blind Adaptive Channel-Shortening and Frequency-Domain Equalization,”IEEE Trans.Signal Process.,vol.55,no.1,pp.102–110,Jan.2007.)。相比之下，二阶牛顿法以其收敛速度快而著称，但每次迭代都需要频繁地计算Hessian矩阵及其逆矩阵(J.Ma,T.Qiu and Q.Tian,“Fast Blind Equalization UsingBounded Non-Linear Function With Non-Gaussian Noise,”IEEE Commun.Lett.,vol.24,no.8,pp.1812–1815,Aug.2020.)、(S.Chen and L.Hanzo,“Fast ConvergingSemi-Blind Space-Time Equalisation for Disper-sive QAM MIMO Systems,”IEEETrans.Wireless Commun.,vol.8,no.8,pp.39693974,Aug.2009.)、(G.Yan and H.Fan,“Anewton-like algorithm for complex variables with applications in blindequalization,”IEEE Trans.Signal Process.,vol.48,no.2,pp.553–556,Feb.2000.)、(J.Li,D.Z.Feng and W.X.Zheng,“Space time semi-blind equalizer for dispersiveQAM MIMO system based on modified Newton method,”IEEE Trans.Wireless Commun.,vol.13,no.6,pp.3244–3256,2014.)。而且，它的实现不仅计算量大，而且代价函数的Hessian矩阵有时是不定的或接近于奇异的，导致收敛不稳定。因此，如果没有修饰或改进，不能实际应用。基于以上观察，设计一种稳定收敛、低复杂度的牛顿型盲均衡方法在实际通信系统中具有重要意义，并引起了人们的特别关注。一般的盲均衡算法收敛速度都太慢，为了解决这一问题提出了牛顿盲均衡方法，但它的计算复杂度太高而且无法稳定收敛。因此，如何将收敛速度快、计算复杂度低和稳定收敛同时实现，是盲均衡技术的技术难点。