Wie kann die Anzahl der für nachfolgende Kanalschätzungsalgorithmen erforderlichen Abgriffe geschätzt werden?


8

Ich habe kürzlich einen MMSE-Kanalentzerrer implementiert und über viele andere Arten von Kanalschätzungs- / Kompensationsalgorithmen gelesen. Eine Sache, über die nie gesprochen wird, ist jedoch, wie Sie die Anzahl der Abgriffe in Ihrem Modell des Kanals schätzen, den Sie schätzen möchten. Wie wird das erreicht?

Zum Beispiel kenne ich in meiner MMSE-Implementierung die Trainingssequenz und damit die Trainingssequenz, um meinen Fehler zu minimieren. Was ist jedoch, wenn die Kanalimpulsantwort länger als die Trainingssequenz ist? Ich würde seine Auswirkungen niemals sehen, und daher werden seine Auswirkungen auf die Trainingssequenz nicht sichtbar sein. Wie schätzt man dann die Anzahl der für die Kanalschätzung benötigten Abgriffe?

Vielen Dank!

Antworten:


3

Was Sie suchen, ist eine Möglichkeit, die Verzögerungsstreuung des Kanals abzuschätzen . Die Verzögerungsstreuung ist ein Maß für die effektive Dauer der Impulsantwort des Kanals (häufig verursacht durch Mehrwegeausbreitung). Dies ist hilfreich, um zu entscheiden, wie lang Ihr Entzerrungsfilter sein muss.

Wie Sie dies tun, hängt von den Eigenschaften Ihres Systems ab. Einige mögliche Ansätze sind:

  • Wenn Sie die Möglichkeit haben, eine Einarbeitungszeit für Ihr Kommunikationssystem einzurichten, können Sie einen Kanalsound verwendenTechnik, um die Antwort Ihres Kanals abzuschätzen. Hierfür gibt es einige Möglichkeiten: Sie können eine kurze, impulsartige Wellenform durch den Kanal übertragen und die Impulsantwort direkt messen, oder Sie können eine Wellenform mit bekannten spektralen Eigenschaften (z. B. pseudozufälliges weißes Rauschen) senden und die Frequenz messen Antwort am Empfänger. Sie können dann den Frequenzgang invers transformieren, um eine Schätzung der Impulsantwort des Kanals zu erhalten. Schätzen Sie dann die effektive Länge der Antwort durch Überprüfung des Ergebnisses. Diese Methoden zum Schätzen der Verzögerungsstreuung machen den Zweck der Verwendung eines adaptiven Equalizers etwas zunichte. Wenn sich die Verzögerungsstreuung des Kanals jedoch während des Systembetriebs voraussichtlich nicht wesentlich ändert, kann sie funktionieren.

  • Wenn Ihre Wellenform gute Autokorrelationseigenschaften aufweist, z. B. ein Direktsequenz-Spreizspektrumsignal oder eine OFDM-Wellenform mit einem zyklischen Präfix, können Sie einen korrelatorbasierten Ansatz verwenden. Während des Synchronisationsprozesses für solche Signale wird häufig ein Korrelator verwendet (z. B. a angepasster Filter ) verwendet, um ein genaues Symbol-Timing zu erhalten, indem nach Spitzen in der Ausgabe des Korrelators gesucht wird. Wenn im Kanal ein Mehrweg vorhanden ist, enthält der Korrelatorausgang mehrere Spitzen, die den verschiedenen Pfaden entsprechen, die das Signal durch den Kanal nehmen kann. Die Verzögerungsstreuung kann durch Messen der Zeitdauer zwischen dem ersten und dem letzten Spitzenwert geschätzt werden.

Genau wie bei Equalizern im Allgemeinen gibt es eine Menge Literatur zu Methoden zur Schätzung der Verzögerungsstreuung. Wenn Sie diese Suche mit dem Systemtyp kombinieren, den Sie implementieren möchten, finden Sie mit größerer Wahrscheinlichkeit Ergebnisse, die für Ihre Anwendung geeignet sind.


Danke Jason, Hmm, ich habe nicht den Luxus des ersten Punktes in meiner App, aber ich verwende ein Direktsequenz-Spreizspektrumsystem. Im Fall einer MMSE, bei der ich eine Trainingssequenz habe, scheint es mir, dass mein MMSE-Equalizer niemals ausgeglichen wird, selbst wenn ich weiß, wie viele Abgriffe der Kanal hat, wenn die Verzögerungsstreuung größer als meine Trainingssequenz ist . (Die LSE-Metrik hat nichts zu korrigieren). Ist hier die einzige Lösung, um die Länge der Trainingssequenz auf Kosten der Datenrate zu erhöhen? Vielleicht muss es immer auf eine maximale Anzahl eingestellt werden?
Spacey

Entschuldigung, dass Sie nicht früher geantwortet haben. Wenn die Impulsantwort des Kanals länger als Ihr Equalizer ist, tritt eine schlechtere Leistung auf. Wenn der Kanal qualitativ betrachtet eine Antwort mit einer Länge von 1000 Symbolen hat, ist jedes beobachtete Symbol eine Funktion des 999 davor. Wie gut dies funktionieren würde, hängt von der genauen Form der Antwort ab.
Jason R

1
Es gibt ein paar vernünftige Alternativen, um Ihre Trainingssequenz wirklich lang zu machen: blinde Ausgleichstechniken und entscheidungsgerichtete Ausgleichsstrukturen. Ein Beispiel für eine blinde Entzerrung ist der Konstantmodul-Algorithmus , der für Signale mit konstanter Hüllkurve (dh phasen- oder frequenzmoduliert) nützlich ist.
Jason R

Ein entscheidungsgesteuerter Equalizer setzt einfach voraus, dass jede Symbolentscheidung, die Ihr Empfänger trifft, korrekt ist, und führt das Ergebnis in den Anpassungsprozess zurück. Dies behandelt effektiv alle empfangenen Symbole als Teil einer Trainingssequenz, funktioniert jedoch nur dann gut, wenn Sie über genügend SNR verfügen, um zunächst eine anständige Symbolfehlerrate zu erhalten. Andernfalls versorgen Sie den adaptiven Filter mit vielen schlechten Informationen. Dies wird auch häufig in einem Hybridansatz verwendet, bei dem eine Trainingssequenz für die anfängliche Erfassung verwendet wird und ein entscheidungsgerichteter Betrieb verwendet wird, um zeitlich variierende Kanaleigenschaften zu verfolgen.
Jason R

Ich habe mir den CMA-Algorithmus angesehen ... was genau ist der "Modul" eines Signals - es scheint, dass dies nur die richtige Hüllkurve ist? Wenn Sie nur mit einer Antenne arbeiten, mit welchen Gewichten werden diese multipliziert? Softbit-Samples jedes Regressionsvektors? Vielen Dank.
Spacey

5

Die Länge der Impulsantwort hängt typischerweise mit der Frequenzauflösung der Kanalübertragungsfunktion zusammen. Als Faustregel gilt: Je detaillierter der Frequenzgang ist, desto länger ist der Impulsgang.

In der Praxis gibt es einige Dinge, die Sie tun können: Wenn Sie vollen Zugriff auf ein ähnliches haben, können Sie es einfach mit einer sehr langen Impulsantwortmessung messen. Dann können Sie die Impulsantwort abschneiden und sehen, was mit der Übertragungsfunktion passiert. Durch das Abschneiden entstehen Fehler. Auf diese Weise können Sie die Impulsantwortlänge bis zu dem Punkt wählen, an dem der Fehler noch tolerierbar ist.

Sie können auch physisches Wissen über den Kanal verwenden. Zum Beispiel hat ein Audioverstärker nur wenige elektronische Komponenten, die alle speziell dafür ausgelegt sind, eine flache Übertragungsfunktion mit geringer Phasenverzerrung zu erzeugen. Eine Handvoll Proben ist dafür in Ordnung. Schauen Sie sich andererseits einen Lautsprecher in einem Raum an: Der Ton wird mit mehreren Reflexionen reflektiert, bis er schließlich verstummt. In diesem Fall würden Sie viele tausend Proben benötigen (überhaupt nicht praktikabel).

Viele Systeme haben Bandpass- oder Hochpasscharakteristik: Alle akustischen Systeme sind Hochpass, da Luft keinen Gleichstromschall übertragen kann. Die meisten Kommunikationssysteme sind Bandpass-Systeme, da die Informationen von den äußersten Rändern des Bandes ferngehalten werden müssen. In diesen Fällen wird die Länge der Impulsantwort häufig durch das Hochpass-Abrollen bestimmt, dh die Frequenz und Steilheit des Hochpasses.


Danke Hilmar, um ehrlich zu sein, mein Kanal kann im Verhältnis zu meiner Bitdauer sehr lang sein. Typisch sind Mehrwegekomponenten, die beispielsweise das 1000. Bit beeinflussen. Ich versuche herauszufinden, ob die einzige Lösung darin besteht, einfach anzunehmen, dass mein Kanal immer in dieser Reihenfolge ist, eine mehr oder weniger lange Trainingssequenz zu haben und die MMSE auf diese Weise zu implementieren. Oder gibt es vielleicht eine andere Art von Ausgleich, die ich machen kann? ...
Spacey
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.