| 主权项 |
一种消除脉冲噪声的最小均方误差线性均衡方法，其特征在于：其步骤如下所述：S1：当n＞0，则接收机第n时刻的接收信号为：<img file="FDA0000925888780000011.GIF" wi="576" he="147" />其中，M为时延路径的总长度，h<sub>k</sub>为第k条时延路径的衰落系数，x<sub>n</sub>为发射机第n时刻的发送符号，当n＝0，则x<sub>n</sub>＝0，w<sub>n</sub>服从均值为0、方差为<img file="FDA00009258887800000119.GIF" wi="74" he="80" />的高斯分布，g<sub>n</sub>服从均值为0、方差为<img file="FDA0000925888780000013.GIF" wi="70" he="83" />的高斯分布，b<sub>n</sub>服从伯努利分布，且P(b<sub>n</sub>＝1)＝p,P(b<sub>n</sub>＝0)＝1‑p，P(·)表示括号内的事件发生的概率,k∈{0,1,…,M‑1}；S2：根据均值<img file="FDA0000925888780000014.GIF" wi="609" he="115" />方差<img file="FDA0000925888780000015.GIF" wi="639" he="131" /><img file="FDA00009258887800000120.GIF" wi="43" he="48" />为调制符号集合，获取每个时刻的<img file="FDA0000925888780000016.GIF" wi="139" he="67" />其中，E(·)表示随机变量的数学期望；S3：设第n时刻最小均方误差线性均衡器的抽头系数为c<sub>n,k</sub>,k＝‑N<sub>1</sub>,1‑N<sub>1</sub>,…,N<sub>2</sub>，总长度为N＝N<sub>1</sub>+N<sub>2</sub>+1，同时，取N个接收符号<img file="FDA0000925888780000017.GIF" wi="619" he="107" />其中，(·)<sup>T</sup>表示矩阵或向量的转置,作为最小均方误差线性均衡器的输入，当n≤0，则z<sub>n</sub>＝0，则均衡器第n时刻输出对x<sub>n</sub>的估计符号<img file="FDA0000925888780000018.GIF" wi="57" he="72" />为：<img file="FDA0000925888780000019.GIF" wi="1043" he="91" />其中，Cov(x,y)表示向量x与y的协方差矩阵，即Cov(x,y)＝E(xy<sup>H</sup>)‑E(x)E(y<sup>H</sup>)，(·)<sup>H</sup>表示矩阵或向量的共轭转置，(·)<sup>‑1</sup>表示矩阵的求逆，<img file="FDA00009258887800000110.GIF" wi="843" he="107" /><img file="FDA00009258887800000111.GIF" wi="1228" he="321" />S4：为使第n时刻的均衡器输出符号<img file="FDA00009258887800000112.GIF" wi="52" he="75" />独立于P(x<sub>n</sub>＝x)，使<img file="FDA00009258887800000113.GIF" wi="155" he="70" />v<sub>n</sub>＝1，则第n时刻均衡器输出的估计符号<img file="FDA00009258887800000114.GIF" wi="57" he="73" />变为：<img file="FDA00009258887800000115.GIF" wi="1107" he="115" />其中，<img file="FDA00009258887800000116.GIF" wi="592" he="115" />I<sub>N</sub>为N×N的单位矩阵，<img file="FDA00009258887800000117.GIF" wi="905" he="98" />Diag(·)表示将长度为l的向量变为l×l的方阵，且向量元素位于方阵的对角线上,并且，假设均衡器的抽头系数向量为<img file="FDA00009258887800000118.GIF" wi="675" he="107" />则<img file="FDA0000925888780000021.GIF" wi="723" he="111" />S5：假设<img file="FDA0000925888780000022.GIF" wi="404" he="90" />的概率密度函数服从均值为μ<sub>n,x</sub>，μ<sub>n,x</sub>定义为<img file="FDA0000925888780000023.GIF" wi="291" he="90" />方差为<img file="FDA0000925888780000024.GIF" wi="214" he="83" />定义为<img file="FDA0000925888780000025.GIF" wi="379" he="91" />的高斯分布，则：<img file="FDA0000925888780000026.GIF" wi="899" he="96" /><img file="FDA0000925888780000027.GIF" wi="747" he="275" />通过高斯分布的概率密度函数可计算得到<img file="FDA0000925888780000028.GIF" wi="427" he="96" />S6：根据<img file="FDA0000925888780000029.GIF" wi="1003" he="123" />代入<img file="FDA00009258887800000210.GIF" wi="520" he="91" />可以获得新的第n时刻的<img file="FDA00009258887800000211.GIF" wi="48" he="67" />和v<sub>n</sub>值，可以用于更新第n+1时刻的均衡器抽头系数；S7：对每个时刻均衡器输出的估计符号<img file="FDA00009258887800000212.GIF" wi="54" he="72" />进行解调，恢复出原始的二进制比特信息序列。 |
