第二章 信道、码间干扰及均衡技术简介
数字信号经过信道的传输到达接收端，而实际上信道是一个特性复杂的函数而且还是时变的。因此接收到的信号已经发生了严重的畸变从而产生码间干扰，自适应均衡器能够补偿信道所产生的畸变，并且根据接收信号的变化自动调节均衡器的抽头系数，以跟踪信道的时变特性。 2.1 信道
从宏观上讲，任何一个通信系统均可视为由发送设备、信道、接收设备三大部分组成。信道是通信系统的重要组成部分，其特性对通信系统的性能影响很大。实际信道都不是理想的，均具有非理想的频率响应特性，同时还不可避免地存在着噪声干扰和其他干扰。信道在允许信号通过的同时又给信号以限制和损害，信道的特性将直接影响通信的质量。研究信道及噪声的最终目的是弄清它们对信号传输的影响，寻求提高通信的有效性与可靠性的方法。
信道，就是信号的通路，分为狭义信道和广义信道两大类。狭义信道是指介于发送设备和接收设备之间的传输媒质构成的信号通路。它可分为有线信道和无线信道两大类。有线信道如双绞线、电缆、光纤、波导等。而广义信道是将信号经过的传输路径都称为信道，不仅包括传输媒质，还包括通信系统中有关部件和电路，如天线与馈线、功率放大器、滤波器、调制器、解调器等。广义信道又分为调制信道和编码信道
在线性条件下，信道的传输特性决定于等效四端网络的传输函数)(wHc。 一般来说，信道的带宽总是有限的。这种带限信道对数字信号传输的主要影响是引起码元波形的展宽，从而产生码间干扰。为了使码间干扰减少到最少的程度，就需要采用自适应均衡技术。但在实际的通信信道中会产生加性噪声，其同样会
对信号传输产生影响。加性噪声与信号独立，并且始终存在，实际上只能采取措施减少加性噪声的影响，而不能彻底消除加性噪声。
通信信道模型如图所示，发射端发送的信号)(ts经过信道传送时，首先受信道传输的影响，再经由加性高斯白噪声(AWGN)恶化，便成为接收端收接收到的信号。
均衡器的分类：
的滤波器结构有很多种，而且每种结构在实现时又有许多种算法。如图是按均衡器所使用类型、结构和算法的不同，对常用的均衡技术了进行了分类
第三章 移动通信中均衡算法的研究
在移动通信均衡器中，最常用的均衡器为：自适应均衡器，所以本章节以自适应均衡器为例进行研究，其可以使用不同的自适应算法来实现信道均衡。在满足一定的准则前提下，这些算法对均衡器系数进行调整。两个准则在均衡系数最优化中得到了广泛使用，一个是迫零准则，另一个是最小均方误差(MMSE)准则。对于迫零准则，调整均衡器系数使稳定 后的所有样值冲击响应具有最小的码间干扰；而MMSE准则的均衡器系数调整是为了使期望信号)(nd和均衡器输出信号)(ny之间的均方误差最小。无论是基于最小均方误差准则还是迫零准则无限抽头的线性横向均衡器在无噪声情况下直观上都是信道的逆滤波器，在MMSE准则下，均衡器抽头对加性噪声和信道畸变均进行补偿，补偿包括相位和幅度两个方面。
在均衡器优化设计中，可以考虑采用某种最小代价函数或者某个性能指标来衡量，一般有下列几种选择：
(1) 估计误差的均方值； (2) 估计误差绝对值的期望值； (3) 估计误差绝对值的三阶或高阶期望值；
选项(1)由于容易进行数学处理而优于其他两项。实际上，选择均方误差准则导致均衡器中滤波器冲击响应未知系数代价函数的二阶相关性。而且该代价函数有一个独特的最小值能唯一地定义滤波器的优化统计设计，因此在本文针对LMS算法主要介绍MSE准则]4[。
自适应算法比较经典的算法有最小均方误差算法(LMS) 和CMA算法等。下面将详细介绍这几种常用的算法。
1、最小均衡误差算法(LMS)
LMS(Least Mean Square)算法最早于Widrow于1960年建立。采用最小均方差的均衡器比迫零算法均衡器要稳定一些，它的依据是最小均方误差，即理想信号)(nd与滤波器实际输出)(ny之差)(ne的平方的期望值)}({2neE最小，并且根据这个依据来修改权系数)(nwi。为了使期望值)}({2neE最小，采用最广泛的自适应算法形式“下降算法”：
)()()1()(nnnwnwii)(n?是第n次迭代的收敛因子, )(n?是第n次迭代的更新方
向。最常用的下降算法是梯度下降法，常称为最陡下降法
2、盲均衡算法
普通的均衡器需要训练和跟踪两个阶段，在训练阶段，需要已知信号的一些特性参数来训练均衡滤波器，或者直接周期地发送训练序列。由于训练序列并不包含用户的数据，而占用信道资源，自然会降低信道的利用率。另外，在跟踪阶段，不发送训练序列，如果信道特性是快速变化的，均衡器的性能将迅速恶化]10[。
盲均衡技术是一种不需要发射端发送训练序列，仅利用信道输入输出的基本统计特性就能对信道的弥散特性进行均衡的一种特殊技术。由于这种均衡技术可以在信号眼图不张开的条件下也能收敛，所以称为盲均衡。它和前面所述的自适应算法的根本区别在于误差产生的不同。
根据盲自适应算法的理论基础分类，可以将已经推出的自适应盲均衡算法分为3种不同的类型]4[：
1、基于随机梯度的盲均衡算法，也称Bussgang算法； 2、基于高阶或循环信号统计的盲均衡算法； 3、基于最大似然准则的盲均衡算法。
基于最大似然准则的盲均衡算法在三种算法中最佳，但是ISI涉及的符号数多时，复杂性会急剧上升。另外，基于高阶统计的盲均衡算法对计算的要求也比较高。所以，当ISI涉及的符号数多且信道不是十分恶劣时，一般采用随机梯度盲均衡算法，且它与传统使用的LMS算法容易融合在一起，有利于算法的实现]11[。下面将详细介绍Bussgang算法[4]。
Bussgang盲均衡算法的基本原理是先建立一个目标函数或代价函数， 使得理想系统对应于该代价函数的极小值点，然后采用某种自适应算法寻求代价函数的极值点。当代价函数达到极值点，系统也就成为期望的理想系统。
第四章 均衡器的仿真与实现
首先,输入双极性基带信号，进入调制系统，而后通过含高斯白噪声的信道，此时信号已经杂乱不堪，我们在将信号通过均衡器，使之尽量恢复到进入信道前的样子，最后，我们将恢复之后的信号进行解调输出。
第五章 总 结
在信息日益膨胀的数字化、信息化时代，通信系统担负了重大的任务，这要求数字通信系统向着高效率、高可靠性的方向发展。信道均衡是通信系统中一项重要的技术，能够很好的补偿信道的非理想特性，从而减轻信号的畸变，降低误码率。在高速通信、无线通信领域，信道对信号的畸变更加严重，因此信号均衡技术是不可或缺的。自适应均衡能够自动的调节系数从而跟踪信道，成为通信系统中一项关键的技术。基于此，本文对均衡器的结构和自适应算法做了理论研究和计算机仿真分析，具有一定的理论意义和实践意义。
本论文在分析通信信道的基础上，阐述了产生码间干扰的原因以及无码间干扰的条件。分析了各种均衡器结构和自适应算法，并对其进行了比较和计算机仿真。主要对LMS和CMA算法的收敛特性进行比较与分析。 本文的主要工作有以下几个方面：
1、分析了通信信道的特点，建立了通信信道的模型，分析产生码间干扰的原因，研究了消除码间干扰的方法，即时域均衡。
2、介绍了均衡器的分类，并对线性均衡器和判决反馈均横器进行了分析。 3、对常用的自适应均衡算法进行了研究，包括LMS算法和CMA算法。并选择线性横向均衡器，分别选用这两种算法分别对抽头系数进行调整，用MATLAB进行仿真，并对LMS和CMA算法的收敛速度进行比较，实验结果为CMA算法整体较LMS算法好。
均衡算法种类繁多，本论文只介绍了其中几个，盲均衡中只介绍了CMA算法。目前，盲均衡器是人们很关注的一项均衡技术，已有很多的盲均衡算法问世，盲均衡算法不用训练序列维持，减少了训练时间，有较大的灵活性。由于时间的关系，对其他的均衡算法没有做出研究，但其他算法还是有必要深入研究的。
致 谢
首先，我要衷心的感谢电气信息学院的培养，它为我提供了很好的学习机会，让我学到了很多专业知识和做人的道理。同时要感谢四年来各位老师的谆谆教诲和各位同学的无私帮助和支持。 本文所作的研究以及本文的撰写工作都是在邹娟老师的悉心指导下完成，在论文的撰写过程中曾多次遇到问题，邹老师在空余时间很耐心的给予指导，在此衷心感谢老师的帮助与支持。 我还要感谢我的家人，是他们的无限关爱使我能顺利完成大学的学习，是他们在我遇到难题时给我及时的帮助与无限的动力！ 最后，对参加论文评审和答辩的各位老师致以最诚挚的致谢! 参考文献
[1] 梁虹.信号与系统分析及MATLAB实现[M].北京：电子工业出版社，2002. [2] 张贤达.保铮.通信信号处理[M]. 北京：国防工业出版社(第二版)，2002. [3] 张雄.基于Bussgang技术盲均衡算法的研究[D].太原，太原理工大学电路与系统专业，2003.
[4] 张辉. 现代通信原理与技术[M]. 西安：西安电子科技大学出版社，2002. [5] 吴伟陵.牛凯.移动通信原理[M].北京：电子工业出版社，2005.