数字通信与技术07-2 .ppt

§7.1 均衡的基本原理（续） 内容和要求 内容目的 信道模型 线性均衡器的结构 非线性均衡器的结构 要求 难点为非线性均衡器的学习，对线性均衡器结构应重点学习。并对几种常用的均衡器结构有所了解。 五、均衡器的信道模型 模型假设的必要性 接收器的结构、算法与性能分析。高斯白噪声的假设给通信理论上的分析带来完美的数学结果。 对均衡器而言，噪声的统计特性将会产生变化，这在对均衡器的设计中如何处理（考虑）？ 假设：信道的冲击响应特性是已知的 到达接收端总的响应为： 接收端匹配滤波器的形式为： 五、均衡器的信道模型 具有码间串扰的非白噪声离散信道等效接收模型 在接收端经匹配滤波器这后： 设有： 五、均衡器的信道模型 如果对信道进行离散化处理，有： 因而，代表了整个信道冲击响应的自相关函数。输出噪声为： 离散之后的输出为： 五、均衡器的信道模型 匹配滤波之后的噪声具有相关性，其相关系数为： 结论： 五、均衡器的信道模型 在最佳接收条件下具有高斯非白噪声信道模型如下： 该模型对均衡器的结构设计、算法均会产生影响。 传统：高斯白噪声输入模型 白化噪声离散信道模型。 五、均衡器的信道模型 离散信道模型的白化处理 对于数据信号而言，当其到达均衡器的输入端时，相当于经过了一个滤波器响应为以下形式的滤波器： 其对应的变换，有： 如何对匹配滤波器的输出噪声进行白化处理？ 五、均衡器的信道模型 假设　　具有L个根：　　　　　，则其必有另外L个相对应的根：　　　　　　　　。下图共轭根非画出。 五、均衡器的信道模型 我们对进行分解成以下两部分： 其中　　　的根在单位园的里面，则　　　根必在单位园的外面（假设没有根单位园上）。 五、均衡器的信道模型 如果在接收端匹配滤波器的输出再增加一个滤波器，这个滤波器的特性如下： 五、均衡器的信道模型 对于信号则言，其是经过了一个形如下式的滤波器 五、均衡器的信道模型 对于信道上的高斯白噪声经过以下特性的传输： 五、均衡器的信道模型 对于信道上的高斯白噪声经过以下特性的传输： 五、均衡器的信道模型 该滤波器是一个全通响应：即对信号的幅度响应相同。 ＝白化噪声 对于信号则言，其是经过了一个形如下式的滤波器： 采用白化滤波器，信道行等效模型如下结构所示。 五、均衡器的信道模型 物理模块结构 特点： 对数据码流信道的频响特性具有最大相移特性。 均衡器的输入高斯白噪声信道特性。 优点：利用采用传统的分析方法对均衡器设计。 难点：因而均衡器前端的白化滤波器实现较为困难。 六、均衡器的分类 自适应均衡器通常采用的结构 IIR型结构 FIR型结构 分类 类型 结构 算法 六、均衡器的分类 § 7.2 均衡器的结构 一、均衡器的结构分类 线性均衡器 线性横向滤波器结构 线性格型滤波器结构 非线性均衡器结构 判决反馈均衡器结构 预测判决反馈均衡器结构 基于最大序列估值（MLSE）均衡器结构 二、线性横向滤波均衡器 结构 二、线性横向滤波均衡器 基本原理 信号输入矢量： 横向滤波器结构的均衡器抽头系数为： 输出： 在“一定消除码间串扰的准则”之下，对其系数进行调整，使调整之后的整个通道频率响应（或其它指标）满足所设计的“准则”要求。 二、线性横向滤波均衡器 特点 结构简单 抗噪声性能差：所有横向滤波器的抽头均存在噪声，从而对均衡的性能产生影响。 对抽样相位较为敏感：由于抽样相位的变化，从而直接导致信号的一个线性相位，这个线性相位将导致叠加频谱产生畸变，从而恶化系统的性能。 三、线性格型滤波器结构 结构 格型预测器 自适应均衡滤波器 三、线性格型滤波器结构 原理 格型预测器的设计 已知某一信号　　 ，其存在一定的相关性。为此建立m阶预测器：利用　　　　　　　　　　　　　　来预测当前输入信号　　 ，称为前向预测，有： 利用　　　　　　　　　　　　　　来对　　　 进行预测，称之为后向预测（在最佳预测器的设计算法情况下，其预测器的系数与前向预测器的系数呈反序关系）： 三、线性格型滤波器结构 预测器的误差为： 经推导，预测器误差存在以下推导关系： 其中：（m=1,2,……M） 三、线性格型滤波器结构 初始化条件： 这里 ： 　　　的计算：用Durbin算法由自相关系数的估值来算出，其运算量很大。实际采用递推方程来递推估计： 三、线性格型滤波器结构 三、线性格型滤波器结构 格型自适应预测器的特性 前向滤波器不同阶的预测误差具有正交性，