申请/专利权人：杭州电子科技大学

申请日：2021-12-31

公开（公告）日：2024-04-02

公开（公告）号：CN114301529B

主分类号：H04B10/2507

分类号：H04B10/2507;H04B10/2543

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.04.26#实质审查的生效;2022.04.08#公开

摘要：本发明公开了基于多符号处理的Volterra均衡方法及系统，本发明方法具体步骤如下：S1、接收端采样信号Xt经过归一化处理得到均衡器归一化的接收端采样信号X；S2、选取步长参数a，在训练集上利用自适应算法调整线性均衡器的抽头系数，得到训练好的线性均衡器；S3、将需进行均衡的信号输入均衡器中，并对均衡器输出进行判决，实现信道均衡。本发明在Volterra均衡器中利用一个符号的特征产生多个符号的均衡结果，以此减少均衡过程中的重复计算。本发明可以显著减少均衡器的计算复杂度，并且能获得与传统Volterra均衡器相等效的传输性能。

主权项：1.基于多符号处理的Volterra均衡方法，其特征在于，具体步骤如下：S1、接收端采样信号Xt经过归一化处理得到均衡器归一化的接收端采样信号X；S2、选取步长参数a，在训练集上利用自适应算法调整线性均衡器的抽头系数即特征权重，得到训练好的线性均衡器；S3、将需进行均衡的信号输入均衡器中，并对均衡器输出进行判决，实现信道均衡；步骤S2中，每隔步长参数a的距离为一个中心符号，输入Volterra均衡器的特征为中心符号的特征，输出为中心符号以及其前面a-12和后面a-12个符号的均衡结果，步长参数a＝2i+1，i＝1,2,3…；步骤S2中，选用RLS自适应算法，更新特征权重的具体过程如下：S21、初始化权重向量wn；S22、根据当前的权重向量与训练标签，计算误差向量en：ei＝di-wTi-1xn5其中，ei是i时刻的误差向量，di是i时刻的标签；S23、根据步骤S22中获得的误差向量en，更新增益向量kn、权重向量wn以及相关矩阵的逆矩阵Pn； wi＝wi-1+kiei7 其中，forget为遗忘因子，Pi为输入信号相关矩阵的逆矩阵；ki为i时刻的增益向量，wi为i时刻的权重向量；S24、在训练集上重复步骤S22、S23，得到最终的权重向量wn。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于多符号处理的Volterra均衡方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD