[发明专利]基于分数低阶统计量的小波加权多模盲均衡方法

摘要

本发明公布了一种基于分数低阶统计量的小波加权多模盲均衡方法(WT-FLOSWMMA)，所述方法如下：将发射信号a(n)经过脉冲响应信道c(n)得到信道输出向量x(n)；采用α稳定分布信道噪声w(n)和信道输出向量x(n)得到正交小波变换器(WT)的输入信号y(n)；将y(n)经过正交小波变换器后，得到均衡器f(n)输入为R(n)，则均衡器f(n)输出为z(n)；此时，WT-FLOSWMMA误差为权向量的迭代公式为：(|e_Re(n)|^p-1z_Re(n)sgn(e_Re(n))/|z_Re(n)|+j|e_Im(n)|^p-1z_Im(n)·sgn(e_Im(n))/|z_Im(n)|)R^*(n)。利用分数低阶统计量来抑制α稳定噪声，充分利用信源的先验信息，在迭代过程中自适应修正模值，并且对均衡器输入信号进行了正交小波变换，减小了输入信号的自相关性，提高了均衡性能。

主权项

1.一种基于分数低阶统计量的小波加权多模盲均衡方法，包括如下步骤：a.)将发射信号a(n)经过脉冲响应信道c(n)得到信道输出向量x(n)，其中n为时间序列，下同；b.)采用分数低阶α稳定噪声w(n)和步骤a所述的信道输出向量x(n)得到正交小波变换器(WT)的输入信号y(n)：y(n)＝w(n)+x(n)；其特征在于：c.)将步骤b所述的正交小波变换器(WT)的输入信号y(n)经过正交小波变换后，则均衡器输入为R(n)＝Qy(n)                    (1)式中，Q为正交变换矩阵，R(n)为均衡器输入，则均衡器输出z(n)为z(n)＝f^T(n)R(n)                (2)式中，f(n)为均衡器权向量，T为转置。此时，误差表达式分别为eRe(n)=|zRe(n)|-|z^Re(n)|λReRRe---(3)]]>eIm(n)=|zIm(n)|-|z^Im(n)|λImRIm---(4)]]>式中，Re表示实部，Im表示虚部，z_Re(n)、z_Im(n)分别为均衡器输出z(n)的实部和虚部，分别为判决装置输出的实部和虚部，λ_Re、λ_Im分别为加权因子的实部和虚部，RRe=E[aRe4(n)]/E[|aRe(n)|2+λRe],]]>RIm=E[aIm4(n)]/E[|aIm(n)|2+λIm],]]>其中，a_Re(n)、a_Im(n)分别为发射信号a(n)的实部和虚部，e_Re(n)、e_Im(n)分别为误差e(n)的实部和虚部。均衡器权向量的迭代公式为f(n+1)=f(n)-μR^-1(n)(|eRe(n)|p-1)sgn(eRe(n))zRe(n)/]]>(5)|zRe(n)|+j|eIm(n)|p-1sgn(eIm(n))zIm(n)/|zIm(n)|R*(n)]]>式中，μ为步长，R^-1(n)=diag[σl,02(n),σl,12(n),L,σL,kL2(n),σL+1,02(n),L,σL+1,kL2(n)],]]>diag[·]表示对角阵，sgn(·)表示取符号，j为虚部单位，l为尺度，k为平移，L为最大尺度，k_L为尺度L下小波函数的最大平移，*表示共轭，p为阶数，且0＜p＜2，与分别表示对r_l，k(n)与s_L，k(n)平均功率估计，可由下式递推得到σl,k2(n+1)=β′σl,k2(n)+(1-β′)|rl,k(n)|2]]>(6)σL+1,k2(n+1)=β′σL+1,k2(n)+(1-β′)|sL,k(n)|2]]>式中，l为尺度，k为平移，L为最大尺度，k_L为尺度L下小波函数的最大平移，r_l，k(n)为尺度参数为l，平移参数为k的n时刻的小波变换系数，s_L，k(n)为尺度参数为L，平移参数为k的n时刻的尺度变换系数，β′为平滑因子，且0＜β′＜1。