31、室内光无线通信中的均衡技术与人工神经网络应用

室内光无线通信中的均衡技术与人工神经网络应用

1. 室内系统性能分析与均衡器

1.1 最优权重向量

在室内系统性能分析中，通过将偏导数梯度向量设为零（即 ( \nabla = 2Rw - 2p = 0 ) ），可以找到最优权重向量 ( w_{opt} = R^{-1}p ) 。

1.2 决策反馈均衡器（DFE）

均衡器的性能与系统中所经历的码间干扰（ISI）的严重程度直接相关。在高ISI水平下，线性均衡器会因无法在输入和输出之间产生非线性关系而失效。此外，如果系统传递函数存在较深的频谱零点，线性均衡器将难以补偿，因为它会将一些抽头系数设置得过高。因此，需要引入非线性的决策反馈均衡器（DFE）。

DFE基于根据先前检测到的符号来估计当前符号中ISI的影响这一原理工作。它由两个滤波器组成：前馈滤波器（预滤波器）和反馈滤波器（ISI估计器）。前馈滤波器通常是具有可调抽头系数的分数间隔有限脉冲响应（FIR）滤波器，其形式与线性迫零均衡器（ZFE）相同。反馈滤波器是具有符号间隔抽头的FIR滤波器，其系数可调，输入为先前检测到的符号集。反馈滤波器的输出从前馈滤波器的输出中减去，以形成检测器的输入，公式如下：
[ q_m = \sum_{i = 0}^{N_1 - 1} c_i y_{m - i} - \sum_{n = 0}^{N_2 - 1} b_n \hat{d} {m - n} ]
其中，( c_n ) 是第 ( i ) 个前馈抽头的系数值，( y {m - n} ) 是当前符号，( \hat{d}_{m - n} ) 是先前符号的估计值，( b_n ) 是反馈滤波器的抽头系数。