本發(fā)明涉及一種自適應(yīng)盲均衡方法，尤其涉及一種基于偏差補(bǔ)償(Bias Compensation)的自適應(yīng)盲均衡方法，屬于寬帶無(wú)線數(shù)字通信以及盲均衡技術(shù)領(lǐng)域。

背景技術(shù)：

盲均衡(Blind Equalization)是指均衡器能夠在不借助訓(xùn)練序列的情況下，僅利用所接收到的信號(hào)序列對(duì)信道進(jìn)行均衡，恢復(fù)輸入信號(hào)序列的信號(hào)處理技術(shù)。1975年，日本學(xué)者Y.Sato首次提出了應(yīng)用于多幅度調(diào)制數(shù)據(jù)傳輸中的自恢復(fù)均衡——“盲均衡”的概念。之后，盲均衡技術(shù)成為通信領(lǐng)域的研究熱點(diǎn)，許多解決盲均衡問(wèn)題的方法應(yīng)運(yùn)而生。早期的盲均衡方法主要基于接收信號(hào)的高階統(tǒng)計(jì)量(Higher-Order Statistics,HOS)來(lái)完成對(duì)單輸入單輸出(Single Input Single Output,SISO)信道模型的盲均衡?；贖OS的盲均衡方法可以構(gòu)造任意形式的均衡器結(jié)構(gòu)，不需要對(duì)系統(tǒng)階數(shù)進(jìn)行準(zhǔn)確的判定，同時(shí)這類方法能夠保證輸出結(jié)果很好地收斂到全局最優(yōu)解處。然而，這類方法需要大量的觀測(cè)數(shù)據(jù)，且計(jì)算復(fù)雜度較高，難以適用于移動(dòng)通信中信道快速變化的情況。1991年，Tong等人開(kāi)創(chuàng)性地證明了盲均衡問(wèn)題可利用過(guò)采樣(或多天線陣列)系統(tǒng)輸出的二階統(tǒng)計(jì)量(Second-Order Staitstics,SOS)解決。與基于HOS的盲均衡方法相比，基于SOS的盲均衡方法只需較少的觀測(cè)數(shù)據(jù)即可準(zhǔn)確地實(shí)現(xiàn)盲均衡。因而，該類方法成為近年來(lái)研究人員解決盲均衡問(wèn)題時(shí)的首選。

本發(fā)明利用過(guò)采樣(或多天線陣列)技術(shù)，得到單輸入多輸出(Single Input Multiple Output,SIMO)信道傳輸系統(tǒng)。利用SIMO系統(tǒng)輸出信號(hào)的二階統(tǒng)計(jì)量，本發(fā)明提出一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法。實(shí)驗(yàn)表明，該自適應(yīng)盲均衡方法適用于各傳輸信道存在未知加性噪聲的情況，能夠?qū)崿F(xiàn)對(duì)各信道噪聲方差的實(shí)時(shí)估計(jì)，并對(duì)由噪聲引起的信道特性估計(jì)偏差進(jìn)行偏差補(bǔ)償，獲得對(duì)各傳輸信道特性的無(wú)偏估計(jì)結(jié)果。然后，構(gòu)造均衡器，實(shí)現(xiàn)對(duì)未知輸入信號(hào)序列的盲恢復(fù)。

與本發(fā)明相關(guān)的文章共兩篇，下文分別對(duì)其進(jìn)行剖析：

文章(1)：期刊名稱IEEE Transactions on Circuits&Systems I，卷期號(hào)2007年第五十四卷第六期，標(biāo)題為A Recursive Blind Adaptive Identification Algorithm and Its Almost Sure Convergence，基于SOS提出一種利用遞歸最小二乘(Recursive Least Squares,RLS)算法實(shí)現(xiàn)盲辨識(shí)的方法，并驗(yàn)證了該盲辨識(shí)方法能夠依概率收斂到真值的純量倍數(shù)處。該文章又將此盲辨識(shí)方法應(yīng)用到盲均衡中去，仿真實(shí)驗(yàn)驗(yàn)證了該方法在解決盲均衡問(wèn)題時(shí)的有效性。其中，該方法假設(shè)各傳輸信道存在的加性噪聲是可估計(jì)的，并分別對(duì)加性噪聲的估計(jì)值與真值間的大小關(guān)系進(jìn)行了分類討論，證明了該方法在加性噪聲估計(jì)值不大于真值時(shí)是收斂的。然而，該方法并未給出獲得加性噪聲估計(jì)值的方法。因而，當(dāng)實(shí)際傳輸信道存在未知加性噪聲時(shí)，該方法無(wú)法實(shí)現(xiàn)對(duì)信道特性的無(wú)偏估計(jì)。

文章(2)：期刊名稱Proceedings of the 32^nd Chinese Control Conference，卷期號(hào)2013年，標(biāo)題為Generalized Yule-Walker Blind Identification for Single-Input Multiple-Output Systems，利用解決自回歸(Auto-Regressive,AR)模型問(wèn)題時(shí)的尤爾沃克(Yule-Walker)方法，基于SOS，實(shí)現(xiàn)了對(duì)SIMO信道傳輸系統(tǒng)的盲辨識(shí)。同時(shí)，依據(jù)RLS準(zhǔn)則，該自適應(yīng)盲辨識(shí)方法提高了計(jì)算效率，能夠有效解決高信噪比條件下的盲辨識(shí)問(wèn)題。然而，該方法在實(shí)現(xiàn)過(guò)程中，假設(shè)各傳輸信道存在具有完全相同統(tǒng)計(jì)特性且統(tǒng)計(jì)特性為已知先驗(yàn)信息的加性噪聲。該方法與文章(1)中的方法類似，當(dāng)各傳輸信道存在未知的加性噪聲時(shí)，無(wú)法實(shí)現(xiàn)對(duì)信道特性的無(wú)偏估計(jì)。

以上文章雖然解決了利用SOS獲得傳輸信道特性的無(wú)偏估計(jì)值的問(wèn)題，且上述文章中的方法具有優(yōu)異的收斂性與計(jì)算效率，但是上述方法均假設(shè)各傳輸信道存在噪聲方差已知的加性噪聲。而在實(shí)際應(yīng)用中，各傳輸信道存在的噪聲方差往往是未知的，上述方法難以實(shí)現(xiàn)。因此，上述文章中利用SOS對(duì)傳輸信道進(jìn)行盲辨識(shí)并進(jìn)一步實(shí)現(xiàn)盲均衡的方法具有很大的改進(jìn)空間。本發(fā)明的目的即是致力于解決上述利用SOS實(shí)現(xiàn)盲辨識(shí)與盲均衡方法的缺陷，提出一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于解決現(xiàn)有利用SOS實(shí)現(xiàn)盲辨識(shí)與盲均衡的方法在各傳輸信道存在未知噪聲方差的加性噪聲條件下無(wú)法實(shí)施的缺陷，提出了一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法。

一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法，簡(jiǎn)稱本方法，包括噪聲方差估計(jì)、盲信道辨識(shí)偏差補(bǔ)償、構(gòu)造均衡器以及盲恢復(fù)四部分，其核心思想為：對(duì)各傳輸信道上未知的加性噪聲方差進(jìn)行實(shí)時(shí)估計(jì)，并補(bǔ)償由噪聲引起的盲信道辨識(shí)偏差，然后基于對(duì)各傳輸信道特性的無(wú)偏估計(jì)結(jié)果，構(gòu)造均衡器，實(shí)現(xiàn)對(duì)輸入信號(hào)序列的準(zhǔn)確盲恢復(fù)；

本方法，具體步驟如下：

步驟1：在接收端對(duì)接收信號(hào)進(jìn)行過(guò)采樣，獲得兩路接收信號(hào)序列，初始化循環(huán)計(jì)數(shù)值及循環(huán)計(jì)數(shù)最大值；

其中，循環(huán)計(jì)數(shù)值記為j并將j初始化為1；循環(huán)計(jì)數(shù)最大值，記為j_max，為大于100的正整數(shù)；利用過(guò)采樣技術(shù)獲得j≤j_max時(shí)兩路接收信號(hào)序列的全部接收信號(hào)，即；以t/2為采樣間隔進(jìn)行采樣，交替獲取得到兩路接收信號(hào)序列；其中，t是碼元間隔；第j時(shí)刻獲取的兩路接收信號(hào)分別記為y₁(j)和y₂(j)，j≥1且為整數(shù)；

步驟2：基于步驟1輸出的兩路接收信號(hào)序列，利用RLS方法對(duì)傳輸信道特性進(jìn)行估計(jì)，獲得傳輸信道特性的有偏估計(jì)值；

其中，對(duì)應(yīng)步驟1輸出的兩路接收信號(hào)序列的傳輸信道也為兩路；將傳輸信道特性定義為θ，且h_1,0,h_1,1,...,h_1,L和h_2,0,h_2,1,...,h_2,L分別代表兩路傳輸信道的沖激響應(yīng)序列，L為信道階數(shù)；[·]^H代表共軛轉(zhuǎn)置運(yùn)算；基于兩路傳輸信道的沖激響應(yīng)序列的傳輸信道傳遞算子分別通過(guò)如下公式(1)和(2)表示：

H₁(q^-1)＝h_1,0+h_1,1q^-1+...+h_1,Lq^-L (1)

H₂(q^-1)＝h_2,0+h_2,1q^-1+...+h_2,Lq^-L (2)

其中，q^-1為單位延遲算子，H₁(q^-1)與H₂(q^-1)分別為兩路傳輸信道的傳遞算子，且H₁(q^-1)與H₂(q^-1)互質(zhì)；第i時(shí)刻的信道傳輸特性θ，記為θ_i，其RLS估計(jì)值記為i≥L+2且為整數(shù)，通過(guò)公式(3)和(4)迭代計(jì)算出：

其中，[·]^*代表共軛運(yùn)算；φ_i是由兩路接收信號(hào)構(gòu)造而成的向量，其表達(dá)式為：

φ_i＝[-y₂(i-1),-y₂(i-2),...,-y₂(i-L),y₁(i),y₁(i-1),...,y₁(i-L)]^T，

其中，[·]^T代表轉(zhuǎn)置運(yùn)算；P_i代表向量φ_i相關(guān)矩陣的逆矩陣，即P_i可由公式(4)計(jì)算獲得；中各元素初始值，即i＝L+2，中元素的選取范圍是0到5，P_i-1的初始值，即i＝L+2時(shí)P_L+1＝δ^-1I_L，δ的選取范圍為10^-6到10^-4；

步驟3：估計(jì)兩路傳輸信道上的未知噪聲方差；

其中，兩路傳輸信道上的未知噪聲方差記為和此兩路噪聲均為加性噪聲；第i時(shí)刻對(duì)兩路傳輸信道上的未知加性噪聲方差的估計(jì)通過(guò)公式(5)計(jì)算：

其中，和是第i時(shí)刻對(duì)兩路傳輸信道上的未知加性噪聲方差的實(shí)時(shí)估計(jì)值；和為第i時(shí)刻分別關(guān)于兩路傳輸信道特性的RLS估計(jì)向量；為第i-1時(shí)刻對(duì)傳輸信道特性的無(wú)偏估計(jì)值，且和為第i-1時(shí)刻分別關(guān)于兩路傳輸信道特性的無(wú)偏估計(jì)向量，初始條件下，中各元素的選取范圍是0到5；引入第i時(shí)刻的輔助預(yù)測(cè)向量，且和為第i時(shí)刻分別關(guān)于兩路傳輸信道的輔助預(yù)測(cè)向量；為第i時(shí)刻最小二乘估計(jì)誤差的自相關(guān)函數(shù)估計(jì)值，為第i時(shí)刻最小二乘估計(jì)誤差與輔助預(yù)測(cè)向量估計(jì)誤差的互相關(guān)函數(shù)估計(jì)值；和分別通過(guò)公式(6)、(7)和(8)計(jì)算：

其中，中各元素初始值，即i＝L+2時(shí)的選取范圍是0到5；和分別是計(jì)算和的中間變量，且均為標(biāo)量；而和分別是計(jì)算和的中間向量，兩者維度均2(L+1)×1；和的初始值，即和的選取范圍是0到5；向量及的初始值，即及中各元素的取值范圍是0到5；

至此，步驟1到步驟3完成了噪聲方差估計(jì)；

步驟4：根據(jù)步驟3中得到的兩路傳輸信道上的未知噪聲方差，計(jì)算步驟2輸出的傳輸信道特性有偏估計(jì)值的估計(jì)偏差，并進(jìn)行偏差補(bǔ)償，得到補(bǔ)償后的傳輸信道特性的無(wú)偏估計(jì)值，具體為：

步驟4.1：根據(jù)步驟3中得到的加性噪聲方差估計(jì)值和通過(guò)公式(9)計(jì)算得到第i時(shí)刻利用RLS方法對(duì)傳輸信道特性進(jìn)行估計(jì)的估計(jì)偏差，記為

其中，I_L為L(zhǎng)階單位矩陣，I_L+1為L(zhǎng)+1階單位矩陣；

步驟4.2：根據(jù)步驟4.1中計(jì)算得到的估計(jì)偏差，對(duì)步驟2輸出的有偏估計(jì)值進(jìn)行補(bǔ)償，得到補(bǔ)償后的傳輸信道特性無(wú)偏估計(jì)值，具體通過(guò)公式(10)計(jì)算：

至此，步驟4完成了盲信道辨識(shí)偏差補(bǔ)償；

步驟5：利用步驟3和步驟4的計(jì)算結(jié)果，構(gòu)造均衡器；

具體的，本方法構(gòu)造的均衡器如公式(11)所示：

其中，是H_C的無(wú)偏估計(jì)向量，H_C是一個(gè)2M×(L+M)的Sylvester矩陣，M是平滑因子，且L≤M≤j_max，表示對(duì)矩陣求逆，H_C定義如公式(12)所示：

另外，定義如公式(13)所示：

其中，I_M為M階單位矩陣；

至此，步驟5完成了本方法的構(gòu)造均衡器部分；

步驟6：構(gòu)造接收信號(hào)向量，利用步驟5中構(gòu)造的均衡器，實(shí)現(xiàn)對(duì)輸入信號(hào)序列的盲恢復(fù)，具體為：

判斷循環(huán)計(jì)數(shù)值i是否大于或等于M，并決定是否進(jìn)行盲恢復(fù)，具體為：

6.1：若是，即循環(huán)計(jì)數(shù)值i大于或等于M，則構(gòu)造接收信號(hào)向量Y_i＝[y₁(i),...,y₁(i-M+1),y₂(i),...y₂(i-M+1)]^T，利用公式(14)實(shí)現(xiàn)對(duì)輸入信號(hào)序列S_i的盲恢復(fù)：

其中，表示對(duì)輸入信號(hào)序列的盲恢復(fù)結(jié)果；

6.2：若否，即循環(huán)計(jì)數(shù)值i小于M，則令i＝i+1，跳至步驟2；

至此，步驟6完成了本方法中的盲恢復(fù)部分；

步驟7：判斷循環(huán)計(jì)數(shù)值是否已經(jīng)達(dá)到最大值，并決定是否完成本方法，具體為：

7.1：若是，即循環(huán)計(jì)數(shù)值已經(jīng)達(dá)到最大值，則結(jié)束本方法；

7.2：若否，即循環(huán)計(jì)數(shù)值還未達(dá)到最大值，則令i＝i+1，跳至步驟2；

至此，從步驟1到步驟7，完成了一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法。

有益效果

一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法，與現(xiàn)有技術(shù)相比，本方法具有如下有益效果：

1.本方法可應(yīng)用于各傳輸信道存在未知加性噪聲的場(chǎng)景，能夠準(zhǔn)確地對(duì)各傳輸信道上的未知加性噪聲方差進(jìn)行實(shí)時(shí)估計(jì)，并計(jì)算獲得由噪聲引起的對(duì)傳輸信道特性的估計(jì)偏差；

2.相較于其他盲辨識(shí)方法，本方法中對(duì)傳輸信道特性的估計(jì)結(jié)果更為準(zhǔn)確，且具有優(yōu)異的收斂性能；

3.相較于其他盲均衡方法，本方法在不同信噪比條件下均能實(shí)現(xiàn)對(duì)輸入信號(hào)的盲恢復(fù)，均衡器輸出信號(hào)的星座圖更為清晰，提升了盲均衡器的輸出精度；

4.本方法能夠有效解決現(xiàn)實(shí)條件下的盲均衡問(wèn)題，增強(qiáng)通信系統(tǒng)的抗干擾能力。

附圖說(shuō)明

圖1為本發(fā)明“一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法”及實(shí)施例1中采用的傳輸信道模型；

圖2為本發(fā)明“一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法”及實(shí)施例1中采用的盲均衡原理框圖；

圖3為本發(fā)明“一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法”及實(shí)施例1中的流程示意圖；

圖4為本發(fā)明“一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法”實(shí)施例2中對(duì)各傳輸通道上加性噪聲方差的實(shí)時(shí)估計(jì)結(jié)果；

圖5為本發(fā)明“一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法”實(shí)施例3中未進(jìn)行偏差補(bǔ)償?shù)腞LS方法和基于偏差補(bǔ)償?shù)腞LS方法對(duì)傳輸信道特性的估計(jì)精度比較；

圖6為本發(fā)明“一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法”實(shí)施例3中不同信噪比條件下，本方法中盲信道辨識(shí)部分對(duì)傳輸信道特性的估計(jì)精度比較；

圖7為本發(fā)明“一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法”實(shí)施例3中各路接收信號(hào)均衡前的星座圖；

圖8為本發(fā)明“一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法”實(shí)施例3中本方法與利用現(xiàn)有方法獲得的盲均衡輸出信號(hào)的星座圖比較；

圖9為本發(fā)明“一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法”實(shí)施例3中在不同信噪比條件下獲得的盲均衡輸出信號(hào)的星座圖比較。

具體實(shí)施方式

下面根據(jù)附圖及實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明，但本發(fā)明的具體實(shí)施形式并不局限于此。

實(shí)施例1

本實(shí)施例闡述了將本發(fā)明“一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法”應(yīng)用于兩傳輸信道場(chǎng)景下的流程。

圖1為本實(shí)施例中采用的傳輸信道模型，圖2為本方法的原理框圖。

圖3為本方法的算法流程圖以及本實(shí)施例的流程圖；從圖中可看出，本方法包含如下步驟：

步驟A：獲取兩路接收信號(hào)序列，設(shè)置并初始化本方法中各變量數(shù)值；

具體到本實(shí)施例，循環(huán)計(jì)數(shù)值j被初始化為1；循環(huán)最大值為j_max；信道階數(shù)L為3，循環(huán)計(jì)數(shù)值i被初始化為L(zhǎng)+2；P_L+1＝δ^-1I_L，δ是一個(gè)很小的正數(shù)，本實(shí)施例中δ＝10^-6；平滑因子M＝50；以t/2為采樣間隔，對(duì)兩傳輸信道接收信號(hào)交替采樣，得到j(luò)≤j_max時(shí)兩路接收信號(hào)序列的全部接收信號(hào)y₁(j)和y₂(j)；

步驟B：利用RLS方法對(duì)兩傳輸信道特性進(jìn)行估計(jì)；

具體通過(guò)公式(15)、(16)計(jì)算：

步驟C：估計(jì)兩路傳輸信道上的未知噪聲方差；

具體通過(guò)公式(17)計(jì)算：

其中，和通過(guò)公式(18)、(19)和(20)計(jì)算：

至此，步驟A到步驟C完成了本方法的噪聲方差估計(jì)部分；

步驟D：根據(jù)步驟C中得到的兩路傳輸信道上的未知噪聲方差，計(jì)算步驟B中得到的傳輸信道特性有偏估計(jì)值的估計(jì)偏差，并進(jìn)行偏差補(bǔ)償，得到補(bǔ)償后的傳輸信道特性的無(wú)偏估計(jì)值，具體為：

步驟D.1：根據(jù)步驟C中得到的加性噪聲方差估計(jì)值和通過(guò)公式(21)計(jì)算得到第i時(shí)刻利用RLS方法對(duì)傳輸信道特性進(jìn)行估計(jì)的估計(jì)偏差

步驟D.2：根據(jù)步驟D.1中計(jì)算得到的估計(jì)偏差，對(duì)步驟B輸出的有偏估計(jì)值進(jìn)行補(bǔ)償，得到補(bǔ)償后的傳輸信道特性無(wú)偏估計(jì)值，具體通過(guò)公式(22)計(jì)算：

至此，步驟D完成了本方法的盲信道辨識(shí)偏差補(bǔ)償部分；

步驟E：利用步驟C和步驟D的計(jì)算結(jié)果，構(gòu)造均衡器；

具體的，本方法構(gòu)造的均衡器如公式(23)所示：

至此，步驟E完成了本方法的構(gòu)造均衡器部分；

步驟F：構(gòu)造接收信號(hào)向量，利用步驟E中構(gòu)造的均衡器，實(shí)現(xiàn)對(duì)輸入信號(hào)序列的盲恢復(fù)，具體為：

判斷是否i≥M，并決定是否進(jìn)行盲恢復(fù)，具體為：

步驟F.1：若是，對(duì)應(yīng)圖3中的“i≥M？”輸出的Y，則構(gòu)造接收信號(hào)向量Y_i＝[y₁(i),...,y₁(i-M+1),y₂(i),...y₂(i-M+1)]^T，利用公式(24)實(shí)現(xiàn)對(duì)輸入信號(hào)序列S_i的盲恢復(fù)：

步驟F.2：若否，對(duì)應(yīng)圖3中的“i≥M？”輸出的N，則令i＝i+1，跳至步驟B；

至此，步驟F完成了本方法中的盲恢復(fù)部分；

步驟G：判斷是否i＜j_max，并決定本實(shí)施例是否完成，具體為：

步驟G.1：若是，對(duì)應(yīng)圖3中的“i＜j_max？”輸出的Y，則令i＝i+1，跳至步驟B；

步驟G.2：若否，對(duì)應(yīng)圖3中的“i＜j_max？”輸出的N，則完成了本實(shí)施例；

至此，從步驟A到G，完成了本實(shí)施例一種基于偏差補(bǔ)償?shù)淖赃m應(yīng)盲均衡方法。

實(shí)施例2

本實(shí)施例按照實(shí)施例1中的噪聲估計(jì)方法，具體闡述了當(dāng)兩路傳輸信道上的未知加性噪聲方差不等與相等時(shí)，本方法噪聲方差估計(jì)部分的輸出效果，結(jié)果如圖4所示。

其中，情況1表示的是當(dāng)兩傳輸信道上的未知加性噪聲方差不同時(shí)，且對(duì)噪聲方差的估計(jì)情況；情況2表示的是當(dāng)兩傳輸信道上的未知加性噪聲方差相同時(shí)，且對(duì)噪聲方差的估計(jì)情況。由圖4中的兩種情況可知，本方法能夠?qū)崿F(xiàn)對(duì)各傳輸信道上加性噪聲方差的實(shí)時(shí)估計(jì)，且無(wú)論各傳輸信道上的加性噪聲是否具有相同的統(tǒng)計(jì)特性，本方法均能準(zhǔn)確的估計(jì)未知加性噪聲方差。

實(shí)施例3

本實(shí)施例按照實(shí)施例1中的算法流程，進(jìn)一步通過(guò)具體實(shí)例闡述本發(fā)明所述的系統(tǒng)及算法的有效性，這里給出具體仿真實(shí)例及分析：

仿真實(shí)驗(yàn)采用16-QAM信號(hào)作為輸入信號(hào)，信道噪聲采用高斯白噪聲，且兩傳輸信道的信道特性分別如公式(25)、(26)所示：

h₁(q^-1)＝-0.6233+1.9054q^-1+(0.6064+0.75i)q^-2-0.6233q^-3 (25)

h₂(q^-1)＝0.2699-0.1558i+(2.1749+0.4764i)q^-1+(-0.8251+0.4763i)q^-2+(0.2699-0.1558i)q^-3 (26)

仿真的迭代次數(shù)設(shè)置為15000，獨(dú)立實(shí)驗(yàn)次數(shù)為100次。

圖5給出的是未進(jìn)行偏差補(bǔ)償?shù)腞LS方法與基于偏差補(bǔ)償?shù)腞LS方法對(duì)傳輸信道特性進(jìn)行估計(jì)的估計(jì)精度比較。當(dāng)考慮到各路傳輸信道存在未知加性噪聲的情況時(shí)，未進(jìn)行偏差補(bǔ)償?shù)腞LS方法對(duì)信道特性的估計(jì)是有偏的，而基于偏差補(bǔ)償?shù)腞LS方法有效補(bǔ)償了未進(jìn)行偏差補(bǔ)償?shù)腞LS方法估計(jì)信道特性時(shí)產(chǎn)生的偏差，能夠?qū)崿F(xiàn)對(duì)傳輸信道特性的無(wú)偏估計(jì)。

圖6給出的是在不同信噪比條件下，本方法中的盲信道辨識(shí)部分對(duì)傳輸信道特性估計(jì)的精度比較。由圖7可知，在不同的信噪比條件下，本方法均能獲得較高精度的信道特性估計(jì)結(jié)果。且隨著信噪比的增大，本方法對(duì)信道特性的估計(jì)更為準(zhǔn)確。

圖7給出的是分別從兩路傳輸信道獲得的接收信號(hào)的星座圖。其中，情況1表示的是從傳輸信道1獲得的接收序列y₁(i)的星座圖；情況2表示的是從傳輸信道2獲得的接收序列y₂(i)的星座圖；圖中“Im(·)”表示信號(hào)的虛部，“Re(·)”表示信號(hào)的實(shí)部。本方法中的盲信道辨識(shí)部分與構(gòu)造均衡器部分都是基于接收信號(hào)序列y₁(i)和y₂(i)進(jìn)行的。

圖8為仿真實(shí)驗(yàn)中，利用本方法與利用文章(1)中方法獲得的盲均衡輸出信號(hào)的星座圖比較。由圖8可知，本方法獲得的盲均衡輸出信號(hào)星座圖更為清晰緊湊，具有較好的估計(jì)精度。

圖9給出的是在不同信噪比條件下，本方法對(duì)發(fā)送的16-QAM信號(hào)進(jìn)行盲恢復(fù)的輸出結(jié)果星座圖。其中，情況1到情況4分別表示了在信噪比為25dB，30dB，35dB，40dB時(shí)，此盲均衡方法輸出的信號(hào)星座圖。由仿真結(jié)果可知，當(dāng)考慮到實(shí)際應(yīng)用中各傳輸信道存在未知加性噪聲時(shí)，本方法能夠獲得良好的盲均衡輸出結(jié)果。本方法獲得的恢復(fù)信號(hào)星座圖較為清晰緊湊，且隨著信噪比的增加，輸出信號(hào)的星座圖效果有顯著提升?？梢?jiàn)，本方法能夠有效解決實(shí)際應(yīng)用中的盲均衡問(wèn)題，增強(qiáng)了通信系統(tǒng)的抗干擾能力。

以上所述的具體描述，對(duì)發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說(shuō)明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限定本發(fā)明的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。