无人机数据链信道的Turbo均衡

Turbo均衡是一种基于Turbo迭代解码原理的均衡技术。论述了这种迭代均衡一解码方法。针对无人机遥控遥测数据链信道,采用基于软信息的最大后验概率(MAP)的均衡解码算法,进行了计算机仿真实验。比较了不同均衡方法的性能差异以及迭代次数对均衡结果的影响。     

基于并行均衡框架的Turbo均衡

为了解决在Turbo均衡中由迭代引起的均衡延迟问题,两种分别对应于最大后验概率(MAP)和线性最小均方误差(LMMSE)均衡算法的并行均衡方案被提出。通过理论分析、仿真验证以及最后的硬件实现复杂度的分析研究表明,对于上述两种并行均衡方案,可以保证在小的硬件实现复杂度开销以及几乎没有性能损失的前提下,大大降低其均衡延迟。     

瑞利衰落信道下的Turbo均衡

Turbo均衡是一种将Turbo原理和均衡技术结合起来的技术。他通过反复均衡和信道译码来提高接收机性能。针时瑞利衰落信道，采用基于线性滤波器的软输入／软输出均衡器来消除码间干扰，其系数由最小均方误差准则确定。译码器采用最大后验概率算法时卷积码译码。考虑到瑞利衰落信道为随机信道，用非相干检测时信道进行估计。接收机通过联合均衡和译码以充分利用已经获得的信息，实现信道估计及信道均衡与信道译码的迭代更新。仿真结果表明其性能不仅远远优于非迭代系统．而且在信噪比高于4dB时几乎可以完全消除符号间干扰的影响，与MAPSE相比其复杂度大大降低。     

Turbo均衡中迭代停止准则的研究

针对Turbo均衡中接收机过多迭代次数造成的数据处理延时大的问题,在研究MAP均衡器和译码器输出外信息统计特性的基础上,得到它们的输出外信息具有近似高斯分布的特性,提出基于外信息统计量的2个迭代停止准则。通过判断相邻迭代的外信息统计量比值大小,来实现动态调整迭代均衡次数,给出了这2个停止准则的仿真结果,在性能损失很小的情况下,有效地减小了延时,降低了复杂度。     

基于Kalman滤波的水声混合双向迭代信道均衡算法

水声信道均衡中基于信道估计的均衡方法理论上具有更优的均衡性能,但较高的计算复杂度限制了算法的实际应用。针对这一问题,该文首先基于Kalman滤波和Turbo均衡提出一种迭代Kalman均衡器,实现了基于软符号的迭代信道估计与迭代Kalman均衡,且复杂度较常规方法降低约1个数量级。其次,针对单一均衡算法和单一方向Turbo均衡器存在的误差传递现象,设计了基于迭代Kalman均衡器与改进成比例归一化LMS (IPNLMS)自适应均衡器相结合的混合双向Turbo均衡器,提高了自适应均衡器的收敛速度和均衡性能,并通过双向均衡结构带来的增益改善了符号估计误差传递的现象。理论分析与仿真实验验证了该文算法的有效性。     

空时分块编码OFDM系统的Turbo均衡

研究了空时分块编码的OFDM（正交频分复用）系统,对系统进行了Turbo均衡,并讨论了此时系统的译码算法和均衡算法。系统信道编码采用Turbo码,通过对BCJR（Bahl,Cocke,Jelinek,Raviv）算法的简单修改得到SISO（单输入单输出）MAP（最大后验概率）译码算法;均衡器采用SISOMMSE（最小均方差）Turbo均衡算法,并利用OFDM系统的循环前缀特性进一步降低算法复杂度。通过仿真对系统性能进行了比较分析,仿真结果表明,采用迭代均衡的空时分块编码OFDM系统性能要明显优于未空时编码和未迭代均衡的OFDM系统。     

适用于Turbo均衡的改进前向MAP均衡算法

Turbo均衡是一种基于迭代处理的信号接收处理技术,能有效地改善符号干扰信道中的信号接收效果。均衡算法则对Turbo均衡的性能起着重要作用,在前向MAP信道均衡算法的基础上通过引入先验信息量度和麦克劳林级数简化,使其适用于Turbo均衡,并进行了仿真验证。结果表明这种均衡器在严重ISI信道中的性能优于MMSE,而且运算量大大降低,具有很强的实用价值。     

Turbo均衡仿真研究与应用

Turbo均衡利用Turbo码译码算法中提出的迭代思想,在均衡器和译码器之间反复迭代可靠性信息,提高了均衡译码的整体性能。通过仿真研究了基于线性MMSE检测的Turbo均衡算法和基于软值干扰抵消的Turbo均衡算法在实际系统中的性能,给出了仿真结果和结论。基于线性MMSE检测的Turbo均衡已经在实际的跳频通信系统中得到应用。     

Turbo编译码器中交织器的选择

本文探讨了Turbo编译码器中交织器的选择问题。首先从Turbo码的并行级联编码方案和基于最大后验概率(MAP)算法的迭代译码原理出发分析了交织器对Turbo码的纠错性能的巨大影响,然后总结了Turbo码中交织器设计的一些基本方法并分析其各自特点,最后给出了Turbo码中有关交织器的实用性结论。     

基于硬判决的BICM-ID的Turbo均衡及其改进

传统的接收机中均衡器和信道译码器是相互独立的,Turbo均衡是一种联合均衡和译码技术,通过迭代在均衡器和译码器之间交换外信息,从而获得更好的性能.将Turbo均衡中的软干扰抵消(SIC)算法应用到基于硬判决的BICM-ID系统中,并对其进行改进.仿真结果表明在不同衰落程度的ISI信道中算法能有效收敛,且系统均衡后性能随着信噪比的增加越来越接近AWGN下性能.     

多径信道Turbo均衡技术性能分析

Turbo均衡技术将Turbo原理和均衡技术结合起来，通过对接收信号在均衡器和译码器之间迭代处理，提高系统抗符号间干扰（ISI）的能力。文中介绍了几种Turbo均衡技术，讨论了其计算复杂度，并给出了系统在Proakis信道下的误码性能。文中提出将应用于设计短波接收机。     

一种新颖的用于Turbo均衡的均衡器

针对符号间干扰信道，从接收信号序列服从联合高斯分布的假设出发，使用增扩的实矩阵表达推导出了一种新颖的均衡器-联合高斯均衡器，并给出了低复杂度的计算方法。使用这种低复杂度均衡器和新反馈策略的Turbo均衡系统与传统的基于最小均方误差均衡器的Turto均衡系统相比不仅性能上有显著提高，而且复杂度大大降低。     

Minimum mean squared error equalization using a priori information

A number of important advances have been made in the area of joint equalization and decoding of data transmitted over intersymbol interference (ISI) channels. Turbo equalization is an iterative approach to this problem, in which a maximum a posteriori probability (MAP) equalizer and a MAP decoder exchange soft information in the form of prior probabilities over the transmitted symbols. A number of reduced-complexity methods for turbo equalization have been introduced in which MAP equalization is replaced with suboptimal, low-complexity approaches. We explore a number of low-complexity soft-input/soft-output (SISO) equalization algorithms based on the minimum mean square error (MMSE) criterion. This includes the extension of existing approaches to general signal constellations and the derivation of a novel approach requiring less complexity than the MMSE-optimal solution. All approaches are qualitatively analyzed by observing the mean-square error averaged over a sequence of equalized data. We show that for the turbo equalization application, the MMSE-based SISO equalizers perform well compared with a MAP equalizer while providing a tremendous complexity reduction     

Turbo均衡中的符号方差反馈均衡器

为了降低Turbo均衡中均衡器的复杂度,该文提出了符号方差反馈均衡算法(SVFE)。该算法是对精确的线性最小均方误差估计值(LMMSE)进行Taylor展开得到的。在该算法中,先利用时不变均衡器得到初步符号估计值,再根据先验符号方差对估计值加权,最后进行时不变滤波得到更佳的符号估计值。由于用到了时变的先验符号方差信息,其性能更接近精确的LMMSE均衡器。将所提算法用于Proakis C信道下的Turbo均衡处理,和时不变均衡算法进行仿真对比,所提算法将信噪比损失从0.83 dB降到了0.17 dB,并且仍可通过快速傅里叶变换降低为对数复杂度。     

基于Rimoldi分解的连续相位调制信号Turbo频域均衡算法

针对高阶部分响应连续相位调制(CPM)信号均衡中存在的复杂度高和性能较差等问题,该文从Rimoldi分解的角度出发,设计了一种新的适用于倾斜相位CPM信号的发射帧结构,并在此基础上结合单载波频域均衡(FDE)和Turbo均衡的思想,提出了一种适用于高阶CPM信号的Turbo频域均衡算法。该算法通过将信号均衡转化到频域进行处理,避免了时域均衡算法在计算均衡器系数时存在的大矩阵求逆问题,同时使用Turbo均衡的软信息迭代处理来改善系统的性能。理论分析和仿真结果表明,对于四阶部分响应CPM信号,在存在严重符号间干扰的多径衰落信道的条件下,该算法与现有的基于符号的频域均衡算法相比,在保持较低复杂度的同时,具有大约1.5 dB的性能增益。     

Turbo Equalization with Prediction and Iterative Estimation of Time-Varying Frequency-Selective Channels

Turbo equalization that cooperates with channel prediction and iterative channel estimation is investigated for mobile wireless communications. Frames of information bits are encoded, interleaved, and mapped to symbols for transmission over time-varying frequency-selective fading channels. At the receiver, the Turbo equalizer consists of a maximum a posteriori probability equalizer/demapper and a soft-input soft-output maximum a posteriori probability decoder. With initial channel estimates and sparse pilot insertion across a number of frames, the receiver predicts the channel of the current frame. The effect of error propagation of channel prediction is mitigated by the de-interleaver that is embedded in the Turbo equalizer. The predicted and interpolated channel is refined through a channel estimator that uses the soft estimates of data symbols at each Turbo iteration. Due to the bandlimiting feature of channel variation, the channel estimation error can be smoothed by low-pass filters that follow the channel estimator. Simulation results show that incorporating Turbo equalization with channel prediction and iterative channel estimation can combat time- and frequency-selective fading and improve reception performance.     

一种水声通信中的多阵元Turbo均衡算法

Turbo均衡应用在水声通信中的问题主要在于水声信道时间扩展长,多接收阵元处理复杂度较高。该文研究了将时间反转与马尔可夫链蒙特卡罗(MCMC)均衡联合优化算法用于实现Turbo均衡。首先进行时间反转实现多接收阵元较长多径时延的压缩,再利用白化滤波器解决时间反转造成的噪声模型失配问题,最后利用复杂度较低的MCMC均衡器结合软迭代信道估计对时间反转合并后得到的信号进行均衡。结合真实实验信道条件对信道响应估计的误差建立模型,通过仿真比较得出, 该算法在相同条件下相对于多阵元直接自适应Turbo均衡算法复杂度降低67%,且有1.6 dB的误码率性能增益。通过对湖上试验数据进行处理,进一步验证了该算法的优势。