Page 58 - 应用声学2019年第4期

518 2019 年 7 月

本文结构安排如下：第 1 节介绍本文发射与接 L−1
∑
r n = h n,l b n−l + η n,0 , (1)
收机的基本结构，第 2 节对本文提出的接收机进
l=0
行仿真分析，第 3 节通过水声信道水池试验对本文
2
其中，η n,0 为均值为0、方差为σ 的循环对称复高斯
η
提出的接收机进行试验验证，第 4 节对本研究进行
白噪声。假设信道最大冲击响应长度为L，h n,l 为长
总结。
度为L的时变信道。
如图 2 所示，基于软入信道估计的迭代接收机
1 系统模型
工作流程如下 [23−25] ：
1.1 发射机 (1) 初始化：设定编码比特的初始新息对数似
E
如图 1 所示，考虑基带的系统模型，N a 个信 然比λ (c k ) = 0, k = 0, 1, · · · , N c − 1。
e
N a (2) 基于信道估计的均衡：由软入软出信道译
息比特 {a k } ∈ {0, 1} 经过信道编码器编码后得
k=1
D
N b ∈ {0, 1}，编码序列 码器的输出的 λ (b k ) 经过交织器后得信道均衡器
到编码后的比特序列 {b k } e
k=1
E
N b 经随机交织器交织后得到交织后的比特序 输入的先验 λ (c k )，经软入软出符号映射器后得
{b k } a
k=1
N c ∈ {0, 1}，编码序列经过分组分别映射到 到发射符号 x n 的软估计 ¯x n 。根据接收符号 r n 和发
列{c k }
k=1
ˆ
指定的星座集 Ω 中的对应符号上，最终得到发射序 射符号的软估计 ¯x n 以及信道估计 h n ，接收执行信
N x ∈ Ω。 道均衡，最终均衡器输出发射符号的软估计 ˆx n ，经
列{x k }
k=1
过软入软出符号解映射后可以得到编码比特的新
a k b k c k x n r n E E
η᥋ᎄᆊ٨ ̔ጻ٨ ኀՂ௢࠱ η᥋ 息 λ (c k )。λ (c k ) 经解交织器后输出编码比特的
e
e
先验 λ (b k )，λ (b k ) 作为发射编码比特的先验送
D
D
a
a
图 1 Turbo 均衡发送端结构图
入软入软出译码器进行译码，如果达到指定迭代次
Fig. 1 The block diagram of the Turbo equaliza-
N a ∈ {0, 1} 的估
数则可以输出发射信息比特 {a k }
tion transmitter architecture k=1
N a 。图 2 中的迭代信道均衡部分根据系
计值 {ˆa k }
k=1
1.2 迭代发射机 统的需求可以采用相应的线性均衡器 (Line equal-
在 n 时 刻， 接 收 机 段 接 收 到 的 基 带 信 号 izer, LE) 或是判决反馈均衡器 (Decision feedback
为 [23−25] equalization, DFE) [23] 。
E D
x n ᣄКᣄѣ λ a↼c k↽ λ e↼b k↽
௢࠱٨ ̔ጻ٨
ᒭᤠऄᣄК
η᥋ͥᝠ

ˆ h n ˆ σ η
E E
r n ᣄКᣄѣ ˆ x n ᣄКᣄѣ λ e ↼c k ↽ ᝍ̔ጻ٨ λ a↼b k↽ ᣄКᣄѣ ˆ a k
کᛦ٨ ᝍ௢࠱٨ ឋᆊ٨
图 2 基于软输入信道估计的迭代接收机
Fig. 2 Iterative receiver structure base on soft input channel estimator
1.3 递归最小二乘算法信道估计 β n,i = λ n−i , i = 1, 2, · · · , n, (3)
在递归最小二乘算法 (Recursive least squares 其中，λ 接近于 1，但小于 1。1/1 − λ 表示 RLS 算法
RLS)中，通过使得以下加权代价函数 [26−27] 的记忆能力；当 λ = 1 时，则对应于无线记忆，此时
n
∑ 2 RLS 退化为常规最小二乘算法。在代价函数 ξ n 中
ξ n = β n,i |e i | , (2)
引入先验信息，使得每次估计都利用之前的信息从
i=1
而增加其估计精度。所以，代价函数演变为 [26−27]
最小化来对时变信道进行估计和跟踪，其中 β n,i 表
n
示加权因子且满足 0 < β n,i 6 1。通常加权因子为 ξ n = ∑ λ n−i |e i | + δλ ∥h n ∥ , (4)
2
2
n
指数形式，又叫遗忘因子，定义为 i=1