信道均衡之线性均衡——MMSE滤波器

Posted 波波葡

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了信道均衡之线性均衡——MMSE滤波器相关的知识,希望对你有一定的参考价值。

  在通讯系统中,信道是影响信号传输质量的最重要因素,而信道均衡目的是则为了消除信道的影响。   

  以图1所示的通信系统为例来说明最小均方误差(Minimum Mean Square Error, MMSE)均衡器的原理, 这里我们把整个通信系统建模成一个离散时间系统(实际中可以通过对连续时间信号采样得到)。发送信号经过含噪声信道,接收端收到信号为r(n)。然后用接收滤波器hr(n)来对r(n)做均衡,使得其输出y(n)的信号质量最好。

 

图1  基于MMSE的通信系统

 

  这里,又要提到y(n)信号质量最好这件事。匹配滤波器的观点认为y(n)的信号质量最好是指y(n)的SNR最大,迫零滤波器的观点认为y(n)的信号质量最好是指y(n)不受ISI影响。那么MMSE滤波器呢?

  MMSE滤波器的观点认为y(n)信号质量最好是指m(n)与y(n)的均方误差最小,即y(n)与m(n)最像。

  m(n)与y(n)的误差e(n)为

    

  误差的均方值为

    

   使以上均方值最小的接收滤波器hr(n)就是MMSE滤波器。

  如果hr(n)是如图2所示的一个FIR滤波器,那么这个问题可以用经典的数值计算方法求解,如最速下降法,高斯牛顿法,LMS算法等。LMS算法的计算量较小,在硬件实现种比较常用。感兴趣的可以去翻一下自适应滤波器的相关教材,这里不再详细讨论。

 

图2 FIR滤波器

 

  可以计算得到,MMSE滤波器的解为

         ...................式1

  其中为输入信号m(n)的方差,即m(n)的能量。具体解法请参考Robert F. H. Fiscber的“Precoding and Signal Shaping for Digital Transmission"。

  对比前面的迫零滤波器

    

  MMSE滤波器的分母上多了一项,这一项为

    

  由于N0为噪声功率谱密度,1/T代表带宽,所以这一项实际上代表信道噪声能量与输入信号能量的比值。

  如果信道噪声很大,信道噪声的影响大于ISI的影响,式1中分母的第一项可以忽略,这时

    

  分母是常数,所以这就是匹配滤波器,此时MMSE滤波器输出信噪比最大。

  如果信道噪声很小,ISI的影响比较大,式1中分母的第二项可以忽略,这时

    

   这是迫零滤波器,此时MMSE滤波器主要是为了消除ISI的影响。

  综上所述,MMSE滤波器兼具匹配滤波器和迫零滤波器这两者的功能。当信道噪声比较大时,MMSE滤波器主要考虑信道噪声的影响,等效于一个匹配滤波器;当信道噪声比较小时,MMSE滤波器主要考虑ISI,等效于一个迫零滤波器;而当信道噪声与ISI都对信号传输质量有影响时,MMSE同时考虑了这两者。

  以上仅为个人的一些见解,如有错误的地方,欢迎大家指正。

作者:波波葡

出处:波波葡 - 博客园 (cnblogs.com)

以上是关于信道均衡之线性均衡——MMSE滤波器的主要内容,如果未能解决你的问题,请参考以下文章

PythonPython 实现破零(ZF)和最小均方误差(MMSE)信道均衡

PythonPython 实现破零(ZF)和最小均方误差(MMSE)信道均衡

通信算法之八十:信道均衡-MMSE 定点化

通信算法之八十:信道均衡-MMSE 定点化

信道均衡算法

信道估计均衡基于FPGA的MMSE信道估计均衡verilog实现