2020 年 3 月 Journal on Communications March 2020
第 41 卷第 3 期 通 信 学 报 Vol.41
No.3
基于预测原理的回声状态网络在线盲均衡算法
杨凌，韩琴，程丽，赵傲男，杜娟
（兰州大学信息科学与工程学院，甘肃 兰州 730000）
摘 要：针对非线性信道，基于预测原理提出了回声状态网络（ESN）在线盲均衡算法，首先将具有良好非线性
映射能力的 ESN 代替传统的线性预测误差滤波器，并采用递归最小二乘（RLS）算法计算网络的输出权值，使网
络预测误差达到最小；然后进行幅值和相位的调整。仿真实验表明，对于 16QAM 信号，所提算法可以有效降低
非线性信道对发送信号产生的畸变。与其他基于预测原理的盲均衡算法相比，所提算法有更低的均方误差值和更
快的收敛速度。
关键词：非线性信道；预测误差滤波器；回声状态网络；递归最小二乘算法
中图分类号：TN911.5
文献标识码：A
doi: 10.11959/j.issn.1000−436x.2020031
Online blind equalization algorithm with echo
state network based on prediction principle
YANG Ling, HAN Qin, CHENG Li, ZHAO Aonan, DU Juan
Institute of Information Science and Engineering, Lanzhou University, Lanzhou 730000, China
Abstract: In view of the nonlinear channel, the online blind equalization algorithm with echo state network was proposed
based on prediction principle. In the proposed algorithm, the traditional linear prediction error filter was replaced by the
ESN with good nonlinear mapping ability, and recursive least square (RLS) algorithm was used to calculate the output
weight of the network to minimize the network prediction error. Then, the amplitude and phase were adjusted. Simulation
results show that the proposed algorithm can effectively reduce the distortion caused by nonlinear channel to the trans-
mitted signal for 16QAM signal, which has lower mean square error and faster convergence speed in comparison with
other blind equalization algorithms based on prediction principle.
Key words: nonlinear channel, predictive error filter, echo state network, recursive least square algorithm
1 引言
通信系统中，由于信道的非理想特性，接收机
接收到的信号会产生严重的畸变，通常采用均衡技
术尽可能地恢复失真信号。传统的自适应均衡需要
发送训练序列以提供均衡器所需的监督信号，对于
时变信道，需要频繁发送训练序列以达到实时跟踪
信道的目的，不仅降低了通信系统的信息传输速
率，而且加大了信息传输成本。1975 年，Sato
[1]
首
次提出了盲均衡的概念。盲均衡技术不需要发送训
练序列，仅仅利用接收序列本身的先验信息，便可
自适应地调整均衡器参数，跟踪信道特性，完成对
信号的最佳估计
[2-3]
。
Bussgang 类盲均衡算法应用较广泛，它将构造
的代价函数的极小值对应于理想系统，并通过自适
应算法得到相应的极小值，继而得到系统参数
[4-7]
。
该类算法稳定性强，但存在收敛后剩余误差较大、
易陷于局部最小等缺点。考虑到传输序列由独立随
收稿日期：2019–09–10；修回日期：2019–12–20
基金项目：甘肃省自然科学基金资助项目（No.20180322）；中央高校基础研究基金资助项目（No.lzujbky-2019-91）
Foundation Items: The Natural Science Foundation of Gansu Province (No.20180322), The Fundamental Research Funds for the
Central Universities (No.lzujbky-2019-91)
剩余8页未读，继续阅读
资源评论
