17、基于高阶累积量的鲁棒盲神经均衡器

基于高阶累积量的鲁棒盲神经均衡器

1. 引言

在数字通信系统中，数据符号按固定间隔传输。非理想的信道频率响应特性或多径传输会导致时间色散，进而产生符号间干扰（ISI），这在许多通信环境中成为限制因素。因此，信道均衡对于确保可靠的数字通信链路至关重要。

传统的信道均衡方法需要一个已知数据序列的初始训练期来了解信道特性。而盲（或自恢复）信道均衡方法则无需发射机提供训练序列，具有节省带宽和自启动能力等优点，在过去十年中受到了广泛关注。

近年来，基于二阶循环平稳性的盲信道均衡方法越来越受关注，但大多数二阶统计（SOS）方法需要较高的信噪比（SNR）才能实现可靠性能。为避免这一问题，可以利用高阶统计（HOS）。本文提出了一种基于过采样信道输入的四阶累积量的迭代算法，用于估计反卷积（均衡）矩阵，使整个传输矩阵透明。

2. 问题描述

在多径数字通信系统中，数据序列 {s(k)} 以时间间隔 T 通过通信信道传输。信道由连续函数 h(t) 表征，信号可能受到噪声 e(t) 的干扰。接收信号 y(t) 可表示为：
[
\begin{align }
x(t)&=\sum_{-\infty}^{+\infty}s(k)h(t - kT)\
y(t)&=x(t) + e(t)
\end{align }
]

盲均衡的目标是仅根据接收信号 y(t) 恢复传输的输入符号序列 {s(k)}。为实现这一目标，需要满足以下假设：
1. 符号间隔 T 已知，且是采样周期的整数倍。
2. 脉冲响应 h(t) 具有有限支撑，若 h(t) 的持