稀疏信道下基于稀疏贝叶斯学习的精简星座盲均衡算法

Iroiman

摘 要：针对稀疏信道的盲均衡问题，在精简星座均衡算法框架下建立线性模型，利用稀疏信道下均衡器固有的稀
疏特性，引入具有稀疏促进作用的先验分布对均衡器系数加以约束，使用稀疏贝叶斯学习方法迭代求解均衡器系数
! ~% s, C7 Y' H得到最大后验估计值。该文提出的均衡方法属于数据复用类均衡算法的范畴，能够适用于数据较短的应用场合。与
随机梯度方法相比，算法性能受均衡器长度影响较小，收敛后误符号率性能更好，仿真实验验证了算法的有效性。
关键词：数字通信；盲均衡；稀疏信道；精简星座算法；稀疏贝叶斯学习
# [" _5 _3 \% c" ]+ I7 J3 a1 引言
$ p: \, B$ X- \) f4 f6 {& y: ^在数字通信系统中，作为克服符号间串扰的重
& @7 X1 Y: h7 Y) X' v# f要手段，盲均衡技术得到了广泛的研究。在众多盲
均衡算法中，Bussgang 类盲均衡算法是目前应用最
广泛的一类盲均衡算法[1]，其依据不同准则设计非线
性代价函数，采用随机梯度法对均衡器系数进行调
整，最具代表性[2]的有常模算法(Constant Modulus
Algorithm, CMA) 、精简星座算法 (Reduced
Constellation Algorithm, RCA) 、多模算法
(Multi-Modulus Algorithm, MMA)等。该类算法具
有原理简单、易于实现等优点，但也存在收敛速度
# k( y: y4 W8 a* |. Z& E/ G' P" R慢，需要较大的数据量，对步长因子及均衡器长度

8 n% G$ X+ c( m
, D- R: Y* ]0 n+ s2 o8 p

( Z9 C# M- E; r: P, v
4 }( I- k- k0 R2 B  U附件下载：

游客，如果您要查看本帖隐藏内容请回复

vava

谢谢分享