專(zhuān)利名稱(chēng)：：基于分?jǐn)?shù)低階統(tǒng)計(jì)量的小波加權(quán)多模盲均衡方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種基于分?jǐn)?shù)低階統(tǒng)計(jì)量的小波加權(quán)多模盲均衡方法。
背景技術(shù)：
：在傳統(tǒng)的盲均衡系統(tǒng)中，環(huán)境噪聲主要被假設(shè)為服從高斯分布，而在某些實(shí)際應(yīng)用中所遇到的噪聲具有顯著的尖峰脈沖特性，這類(lèi)非高斯噪聲具有長(zhǎng)的拖尾，如水聲信號(hào)、低頻大氣噪聲、許多生物醫(yī)學(xué)信號(hào)及許多人為噪聲等，通常使用α穩(wěn)定分布模型(見(jiàn)文獻(xiàn)[l]ChangningLi；GangYu.ANewStatisticalModelforRollingElementBearingFaultSignalsBasedonAlpha-StableDistribution[C].ComputerModelingandSimulation,2010.ICCMS'10.SecondInternationalConferenceon，IEEE.2010,Vol.4386-390；文獻(xiàn)[2]JiaXu；WeiHan；Xiu-fengHe；Ren-xiChen.SmallTargetDetectioninSARImageUsingtheAlpha-stableDistributionModel[C].ImageAnalysisandSignalProcessing(IASP)，2010InternationalConferenceon.IEEE，2010:64-68)描述這類(lèi)噪聲。然而，直接或間接使用高階統(tǒng)計(jì)量的常數(shù)模盲均衡方法均衡性能下降嚴(yán)重，不適合用來(lái)處理這類(lèi)噪聲。針對(duì)α穩(wěn)定分布噪聲的分?jǐn)?shù)低階統(tǒng)計(jì)量(FL0S，F(xiàn)ractionalLowerOrderStatistics)(見(jiàn)文獻(xiàn)[3]ZhijinZhao,BaichengFu,ChunyunXu.AnAdaptiveDemodulationMethodforMFSKSignalsunderAlpha-StableDistributionPulseNoise[C].ImageandSignalProcessing,2008.CISP'08.Congresson.2008,Vol.1:65-69；文獻(xiàn)[4]DaifengZha,TianshuangQiu.AdaptiveMixed-normFilteringAlgorithmbasedonSαSGNoiseModel[J].DigitalSignalProcessing,AcademicPress,Inc.Orlando,FL,USAMarch,2007,17(2):475-484)的特點(diǎn)，可將分?jǐn)?shù)低階統(tǒng)計(jì)量引入到常數(shù)模盲均衡方法中，但這種方法對(duì)于高階正交幅度調(diào)制(QAM，QuadratureAmplitudeModulation)信號(hào)具有較差的收斂性能。文獻(xiàn)(見(jiàn)文獻(xiàn)[5]許小東，戴旭初，徐佩霞.適合高階QAM信號(hào)的加權(quán)多模盲均衡算法[J].電子與信息學(xué)報(bào)，2007.(6):1352-1355)提出了一種適合高階QAM的加權(quán)多模盲均衡方法(WMMA，WeightedMulti-ModulusAlgorithm)。這種方法利用星座圖的先驗(yàn)知識(shí)，在均衡器權(quán)系數(shù)迭代過(guò)程中自適應(yīng)修正模值，具有較好的收斂性能。但在這種方法中，將環(huán)境噪聲假設(shè)為高斯噪聲，與實(shí)際不符。
發(fā)明內(nèi)容本發(fā)明目的是針對(duì)現(xiàn)有技術(shù)存在的缺陷，提供一種基于分?jǐn)?shù)低階統(tǒng)計(jì)量的小波加權(quán)多模盲均衡方法(WT-FL0SWMMA，WaveletTransform-FractionalLowerOrderStatisticsbasedWeightedMulti-ModulusAlgorithm)。本發(fā)明在環(huán)境噪聲服從分?jǐn)?shù)低階α穩(wěn)定分布的條件下，將加權(quán)多模方法和小波變換理論相結(jié)合，在均衡的過(guò)程中，利用加權(quán)多模方法在處理高階QAM信號(hào)時(shí)的特點(diǎn)，使得均衡器輸出的星座圖清晰、緊湊，并且，均衡器的輸入經(jīng)過(guò)小波變換之后，減小了信號(hào)的自相關(guān)性(見(jiàn)文獻(xiàn)[6]韓迎鴿.基于小波變換的盲均衡器設(shè)計(jì)與算法仿真研究D)].碩士學(xué)位論文，安徽理工大學(xué).2007)，能夠加快收斂速度，減小收斂誤差。計(jì)算機(jī)仿真結(jié)果表明，本發(fā)明方法不但能夠抑制α穩(wěn)定噪聲，而且對(duì)于高階QAM信號(hào)還具有良好的收斂性能。本發(fā)明為實(shí)現(xiàn)上述目的，采用如下技術(shù)方案本發(fā)明基于分?jǐn)?shù)低階統(tǒng)計(jì)量的小波加權(quán)多模盲均衡方法，包括如下步驟a.)將發(fā)射信號(hào)a(η)經(jīng)過(guò)脈沖響應(yīng)信道c(η)得到信道輸出向量χ(η)，其中η為時(shí)間序列，下同；b.)采用分?jǐn)?shù)低階α穩(wěn)定噪聲w(η)和步驟a所述的信道輸出向量x(η)得到正交小波變換器(WT)的輸入信號(hào)y(n):y(n)=w(n)+x(n)；其特征在于c.)將步驟b所述的正交小波變換器(WT)的輸入信號(hào)y(η)經(jīng)過(guò)正交小波變換器(WT)后，則均衡器輸入為R(n)=Qy(η)(1)式中，Q為正交變換矩陣，R(η)為均衡器輸入，均衡器輸出為ζ(n)=fT(n)R(n)(2)式中，f(n)為均衡器權(quán)向量，T為轉(zhuǎn)置。此時(shí)，誤差分別為權(quán)利要求1.一種基于分?jǐn)?shù)低階統(tǒng)計(jì)量的小波加權(quán)多模盲均衡方法，包括如下步驟a.)將發(fā)射信號(hào)a(n)經(jīng)過(guò)脈沖響應(yīng)信道c(n)得到信道輸出向量χ(η)，其中η為時(shí)間序列，下同；b.)采用分?jǐn)?shù)低階α穩(wěn)定噪聲w(n)和步驟a所述的信道輸出向量χ(η)得到正交小波變換器(WT)的輸入信號(hào)y(n):y(n)=w(n)+x(n)；其特征在于c.)將步驟b所述的正交小波變換器(WT)的輸入信號(hào)y(n)經(jīng)過(guò)正交小波變換后，則均衡器輸入為2.根據(jù)權(quán)利要求1所述的基于分?jǐn)?shù)低階統(tǒng)計(jì)量的小波加權(quán)多模盲均衡方法，其特征在于對(duì)均衡器的輸入信號(hào)中較大的異常值進(jìn)行剔除，其方法如下，全文摘要本發(fā)明公布了一種基于分?jǐn)?shù)低階統(tǒng)計(jì)量的小波加權(quán)多模盲均衡方法(WT-FLOSWMMA)，所述方法如下將發(fā)射信號(hào)a(n)經(jīng)過(guò)脈沖響應(yīng)信道c(n)得到信道輸出向量x(n)；采用α穩(wěn)定分布信道噪聲w(n)和信道輸出向量x(n)得到正交小波變換器(WT)的輸入信號(hào)y(n)；將y(n)經(jīng)過(guò)正交小波變換器后，得到均衡器f(n)輸入為R(n)，則均衡器f(n)輸出為z(n)；此時(shí)，WT-FLOSWMMA誤差為權(quán)向量的迭代公式為(|eRe(n)|p-1zRe(n)sgn(eRe(n))/|zRe(n)|+j|eIm(n)|p-1zIm(n)·sgn(eIm(n))/|zIm(n)|)R*(n)。利用分?jǐn)?shù)低階統(tǒng)計(jì)量來(lái)抑制α穩(wěn)定噪聲，充分利用信源的先驗(yàn)信息，在迭代過(guò)程中自適應(yīng)修正模值，并且對(duì)均衡器輸入信號(hào)進(jìn)行了正交小波變換，減小了輸入信號(hào)的自相關(guān)性，提高了均衡性能。文檔編號(hào)H04L25/02GK102355435SQ20111020843公開(kāi)日2012年2月15日申請(qǐng)日期2011年7月25日優(yōu)先權(quán)日2011年7月25日發(fā)明者許芳,郭業(yè)才,郭軍申請(qǐng)人:南京信息工程大學(xué)