无人机数据链信道线性Turbo均衡研究

甄云卉,邱金刚,陈自力

(1.河北省军区,河北石家庄050011;2.军械工程学院,河北石家庄050003)

0 引言

无人机遥控遥测系统在进行数据传输时,由于信道的多径效应,信息在传输过程中常常会出现码间干扰(ISI)的情况,这种干扰以及信道的平衰落、噪声等其他干扰因素会严重影响无人机遥控遥测的质量。均衡技术就是为了降低或消除这些干扰因素,保证高质量通信的一种滤波方法。一般来说,信息序列经过信道编码和调制之后,经过ISI信道送达接收端。在接收端,解调之后的信号通过串接的均衡器,调整均衡器参数,可以有效降低或消除信号失真,然后进行信道解码,输出正确的信息序列。

由于在传统的均衡方式中,均衡器与解码器是2个相对独立的单元,解码器对接收来的均衡器信息进行解码,由于这种结构本身的特性,使得它对于均衡器判决后产生的突发错误无法很好地纠正,因而均衡的效果不太理想。

1 Turbo均衡原理

1993年,C.Berrou等人提出了一种性能优异的纠错码编码——Turbo编码。其中,Turbo码的基于MAP准则的迭代解码算法是Turbo码取得良好性能的原因之一。分量解码器之间可以相互利用对方输出的软判决信息,经过循环迭代,输出解码信息。

Turbo码的基于MAP准则的迭代解码算法中,分量解码器之间相互利用对方输出的软判决信息,经过循环迭代,输出解码信息。由于迭代解码的良好性能,可以设想把这种迭代方法应用到无人机数据链信道均衡中即Turbo均衡,提高无人机遥控遥测性能。研究表明,采用基于MAP的软输出均衡(SOE)算法可以使ISI信道达到接近加性高斯白噪声(AWGN)信道的性能。无人机数据链信道Turbo均衡的结构如图1所示。

图1 无人机数据链信道Turbo均衡器

初始均衡时,先验信息=0,在以后的迭代均衡中,先验信息和Y一起构成了均衡器的输入。当均衡器输出信息和解码器的先验信息趋于稳定后可达到最佳误码率,迭代均衡结束。Turbo均衡中,基于最大后验概率的软输出均衡(MAP-SOE)算法的性能最优,但其最大的问题就是运算量较大,特别是在某些实时性要求较高的系统如无人机数据链系统中,其运算产生的延时往往会造成自身的误差传播。因此,在保证均衡性能的前提下,尽量降低运算量,减小系统处理延时是需要考虑的一个重要因素。这里设计使用线性均衡器(LE)来代替最大后验概率均衡器。

线性均衡器有很多种,其中主要有:峰值失真准则均衡器、均方畸变准则均衡器和分数间隔均衡器等等。这里所采用的线性均衡器是最小均方误差准则算法的线性均衡器(MMSE-LE)。

2 基于MMSE的线性均衡算法

这里采用的基于MMSE线性均衡器结构如图2所示。其中包括MMSE准则估计器以及一个将码元估计值映射为概率信息的映射函数部分构成。

图2 MMSE线性均衡器

Zn与Xn的关系为:

式中,Wn是均值为0、方差为的高斯白噪声序列;H为无记忆离散信道的卷积矩阵,

序列Zn经过估计器之后,输出的Xn估计值为:

在MMSE-LE中,Cn和dn是2个重要的时变参数,其中Cn为均衡器的抽头系数,dn为一个时变的偏差修正参数,是为了修正由反馈信息引起的变量Xn的均值变化。在每次迭代时都要对Cn和dn进行求解。求解是通过估计误差的均方值E最小化来确定的。

设均衡器的抽头有N=N1+N2+1个,抽头系数Cn=[c-N…c-N]T,偏差修正参数dn,则

通过偏导数来求函数的极值点,分别对Cn和dn求偏导数并令其为零:

将式(5)和式(6)代入式(3)就可以解得xn的估计值为:

这样,均衡器就可以利用解码器反馈信息以及接收到的信息Zn通过式(5)、式(6)、式(9)、式(10)～式(12)等式来计算^xn。第1次迭代时,均衡器接收的先验信息

3 仿真实验

以下通过计算机仿真实验验证Turbo均衡在无人机数据链信道中的性能。信道编码是码率R=0.5的系统递归卷积码,生成多项式G(D)=[7,5],所用模拟无人机数据链信道的是具有严重ISI的Proakis'B信道,冲激响应为h(t)=0.815(t)+0.407(t-1)+0.407(t+1),信道噪声是方差为σ2,均值为0的高斯噪声,交织器采用伪随机交织器,交织长度为2 048。图3给出了采用MMSE线性均衡器的Turbo均衡的误比特率(BER)性能曲线,为了便于比较,同时还画出了无ISI信道的误比特性能、普通经典线性均衡(LE)方法以及采用MAP算法的Turbo均衡的性能曲线。

图3 不同均衡算法性能比较

从图3可以看出,使用MAP算法和使用MMSE线性均衡器的Turbo均衡的性能要明显优于经典的线性均衡方法,在低信噪比(Eb/No＜2 dB)时,3种均衡的性能约在同一个数量级上,当信噪比增大时,使用MAP算法和使用MMSE线性均衡器的Turbo均衡的BER迅速下降,显示了Turbo均衡性能的优越性。同时,在中高信噪比(Eb/No＞3 dB)的情况下,可以明显看出在信噪比相同的条件下,使用MAP算法的Turbo均衡比使用MMSE线性均衡器的Turbo均衡的性能基本高出一个数量级,这是MAP算法与MMSE线性均衡算法性能所决定的。但同时在试验中使用MAP算法的Turbo均衡的运算量和运算时间远大于使用MMSE线性均衡器的Turbo均衡。图4给出了不同迭代次数对于MMSE线性Turbo均衡的性能影响。

图4 不同迭代次数对MMSE线性Turbo均衡性能影响

结果表明,迭代次数对均衡性能有比较明显的影响,当迭代次数小于4次时,均衡的性能改善明显,随着迭代次数增加(10次以上),迭代产生的增益不明显,其BER的值基本上在同一数量级上小幅变化,在信噪比较大(5 dB以上)时,经过4～5次迭代,其均衡性能就已比较接近MMSE线性Turbo均衡的最优性能。

4 结束语

比较MAP算法Turbo均衡性能和使用MMSE线性均衡器的Turbo均衡性能,前者的最优性能较后者最优性能虽高出一个数量级,但其运算量较大,系统处理延时时间较长,在该仿真实验中相同的信噪比条件下(Eb/No=7 dB),以容许的BER=10-6为标准,使用MAP算法的Turbo均衡迭代3次满足要求,使用MMSE线性均衡器的Turbo均衡迭代4次满足要求,但从系统处理时间及延时来看,虽然前者迭代次数较少,但运算量大,处理时间相比后者多出约100～200 ms。因此综合考虑性能及实时性要求,使用MMSE线性均衡器的Turbo均衡方法能够满足无人机数据链信道的均衡要求。

[1]PROAKIS JG.数字通信[M].张力军,译.北京:电子工业出版社,2003:444-470.

[2]曹志刚,钱亚生.现代通信原理[M].北京:清华大学出版社,1992.

[3]TUCHLER M,KOETTER R,SINGER A.Turbo Equalization:Principles and New Results[J].IEEE Transactionson Communications,2002,50(5):754-767.

[4]TUCHLER M.IterativeEqualization UsingPriors[M].University of Illinois,2000.

[5]韩 琮,郭淑霞,陈志坤.无线通信中Turbo均衡技术及应用[J].计算机工程与应用,2008,44(30):105-107.