基于分数低阶统计量的小波加权多模盲均衡方法.pdf

(19)中华人民共和国国家知识产权局*CN102355435A*(12)发明专利申请(10)申请公布号CN102355435A(43)申请公布日2012.02.15(21)申请号201110208437.0H04L27/34(2006.01)(22)申请日2011.07.25(71)申请人南京信息工程大学地址210044江苏省南京市宁六路219号(72)发明人郭业才许芳郭军(74)专利代理机构南京经纬专利商标代理有限公司32200代理人许方(51)Int.Cl.H04L25/03(2006.01)H04L25/02(2006.01)权利要求书2页说明书7页附图2页(54)发明名称基于分数低阶统计量的小波加权多模盲均衡方法(57)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：p-1(|eRe(n)|zRe(n)sgn(eRe(n))/|zRe(n)|+j|eIm(n)p-1*|zIm(n)·sgn(eIm(n))/|zIm(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。CN102354ACCNN110235543502355445A权利要求书1/2页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)＝fT(n)R(n)(2)式中，f(n)为均衡器权向量，T为转置。此时，误差表达式分别为式中，Re表示实部，Im表示虚部，zRe(n)、zIm(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，λRe、λIm分别为加权因子的实部和虚部，其中，aRe(n)、aIm(n)分别为发射信号a(n)的实部和虚部，eRe(n)、eIm(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(5)式中，μ为步长，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，kL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rl，k(n)与sL，k(n)平均功率估计，可由下式递推得到(6)式中，l为尺度，k为平移，L为最大尺度，kL为尺度L下小波函数的最大平移，rl，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，sL，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。2.根据权利要求1所述的基于分数低阶统计量的小波加权多模盲均衡方法，其特征在于：对均衡器的输入信号中较大的异常值进行剔除，其方法如下，当若2CCNN110235543502355445A权利要求书2/2页|y(n+M)|2＞η·p(n-1)(n＝2，3，L，N-M)(8)则式中，p(1)表示输入信号功率估计初始值，y(i)为第i个输入信号，y(n)为第n个输入信号，η为滤除门限值，Re(·)表示取实部，Im(·)表示取虚部，M表示均衡器长度，N表示取样点数，均衡器的输入信号的功率估计值：p(n)＝(1-θ)p(n-1)+θ|y(n+M)|2(10)式中，p(n)表示输入信号的第n个功率估计值，θ为遗忘因子。3CCNN110235543502355445A说明书1/7页基于分数低阶统计量的小波加权多模盲均衡方法技术领域[0001]本发明涉及一种基于分数低阶统计量的小波加权多模盲均衡方法。背景技术[0002]在传统的盲均衡系统中，环境噪声主要被假设为服从高斯分布，而在某些实际应用中所遇到的噪声具有显著的尖峰脉冲特性，这类非高斯噪声具有长的拖尾，如水声信号、低频大气噪声、许多生物医学信号及许多人为噪声等，通常使用α稳定分布模型(见：文献[1]ChangningLi；GangY