автореферат диссертации по радиотехнике и связи, 05.12.04, диссертация на тему:Адаптивная компенсация межсимвольных помех при приеме сигналов, манипулированных с минимальным сдвигом

Пак Андрей Александрович

АДАПТИВНАЯ КОМПЕНСАЦИЯ МЕЖСИМВОЛЬНЫХ ПОМЕХ ПРИ ПРИЕМЕ СИГНАЛОВ, МАНИПУЛИРОВАННЫХ С МИНИМАЛЬНЫМ

СДВИГОМ

Специальность 05.12.04 - Радиотехника, в том числе системы и устройства телевидения

Автореферат

диссертации на соискание ученой степени кандидата технических наук

-1 [ДР т

Москва-2012

005010887

Работа выполнена на кафедре радиоприемных устройств Федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Московский государственный технический университет радиотехники, электроники и автоматики»

Научный руководитель: доктор технических наук,

профессор Парамонов Алексей Анатольевич

Официальные оппоненты: доктор технических наук,

профессор Губонин Николай Сергеевич

доктор технических наук,

профессор Куликов Геннадий Валентинович

Ведущая организация:

Институт криптографии, связи и информатики Академии ФСБ России

Защита состоится в 13.00 16 марта 2012 года на заседании диссертационного совета Д212.131.01 при Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский государственный технический университет радиотехники, электроники и автоматики» (МГТУ МИРЭА) по адресу: 119454, г. Москва, проспект Вернадского, 78.

С диссертацией можно ознакомиться в библиотеке МГТУ МИРЭА.

Автореферат разослан « /О» 2012.

Ученый секретарь диссертационного совета Д212.131.01 к.т.н., доцент

Стариковский А.И.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Обеспечение заданных характеристик качества приема в условиях воздействия помех является одной из основных задач при проектировании и реализации систем передачи дискретной информации (СПДИ). Решение данной задачи носит комплексный характер и зависит как от выбора сигнальных форматов, так и от алгоритмов обработки сигнала. Распространяясь по реальным каналам связи, сигнал, как правило, искажается вследствие неравномерности амплитудно-частотной характеристики (АЧХ) канала и характеристики группового времени запаздывания (ГВЗ) в полосе частот, занимаемой спектром сигнала. Особенно актуально это для каналов радиосвязи, когда в результате многолучевого распространения сигнала возникают межсимвольные искажения (МСИ), что является одной из основных причин неустойчивого приема. Так, в системах сотовой связи GSM, WCDMA или беспроводных сетях Wi-Fi, WiMAX при распространении радиоволн в условиях плотной городской застройки или холмистой местности может происходить сильное фазовое подавление сигнала из-за МСИ, что порождает замирания, вследствие чего мощность принимаемого сигнала может резко падать (на 20-30 дБ). В таком случае детектирование передаваемых информационных символов становится затруднительным или даже невозможным без дополнительной обработки сигнала.

Одним из эффективных методов компенсации МСИ является применение адаптивных выравнивателей (АВ), направленных на эквализацию АЧХ и ГВЗ канала связи. АВ представляет собой цифровой фильтр с перестраиваемыми весовыми коэффициентами (ВК), который добавляется в приемном устройстве перед демодулятором. Перестройка ВК АВ осуществляется в соответствии со специальными алгоритмами выравнивания, среди которых известен класс алгоритмов, способных функционировать только на основе анализа параметров входного сигнала, что позволяет отказаться от применения дополнительных информационных символов в передаваемом сигнале (обучающей последовательности для алгоритма компенсации МСИ) и наиболее эффективно использовать полосу пропускания канала связи. Данный класс алгоритмов имеет собственное название - адаптивное выравнивание вслепую (ABC).

Кроме алгоритмов обработки сигнала, направленных на компенсацию МСИ, качество приема во многом определяется выбором сигнальных форматов, а также способами их демодуляции. Класс модулированных сигналов с непрерывной фазой (МНФ) представляется перспективным для использования в современных СПДИ вследствие хороших спектральных и энергетических характеристик. Класс сигналов МНФ имеет много степеней свободы, что позволяет подбирать оптимальные комбинации параметров сигнала для

конкретных систем связи. Простейший сигнал из класса МНФ имеет собственное название - ММС (манипуляция с минимальным сдвигом; англ. Minimum Shift Keying, MSK). Сигналы MSK и основанные на них сигналы GMSK (гауссовская манипуляция с минимальным сдвигом, англ. Gaussian Minimum Shift Keying) широко применяются в современных СПДИ.

Актуальность диссертационной работы определяется тем, что она направлена на решение проблемы улучшения качества приема MSK-сигнала в условиях воздействия МСИ. Рассматриваемые в работе МСИ характерны для каналов систем сотовой связи и беспроводных сетей в условиях городской застройки и холмистой местности.

Цель работы состоит в повышении скорости и достоверности передачи сигналов, манипулированных с минимальным сдвигом, по каналам с неравномерными в полосе передачи АЧХ и ГВЗ, определяемыми многолучевым распространением сигнала, за счет применения новых алгоритмов настройки адаптивного выравнивания вслепую.

Поставленная цель достигается решением следующих основных задач:

• разработка методики создания новых алгоритмов компенсации межсимвольных помех под конкретные сигнальные конструкции;

• разработка и исследование алгоритмов компенсации межсимвольных помех при приеме MSK-сигнала;

• разработка и исследование алгоритмов ускорения вычислений в адаптивном выравнивателе;

• разработка и исследование алгоритмов ускорения сходимости;

• разработка программной среды создания новых алгоритмов компенсации межсимвольных помех и моделирования процессов.

На защиту выносится теоретическое и экспериментальное обоснование применения разработанных алгоритмов для приема MSK-сигнала в условиях воздействия МСИ.

Основные научные положения работы, выносимые на защиту:

• разработанные алгоритмы ABC обеспечивают повышение скорости сходимости и уменьшение СКО по сравнению с алгоритмом Годара при обработке MSK-сигнала;

• применение в приемнике разработанных алгоритмов ABC позволяет в типовых многолучевых каналах радиосвязи, характерных для условий городской застройки, улучшить при приеме MSK-сигнала отношение сигнал-шум до 1,5 дБ при вероятности ошибки 5*10"6 по сравнению с

применением алгоритма Годара;

• применение разработанного алгоритма распараллеливания вычислений позволяет наращивать вычислительные мощности АВ за счет увеличения количества параллельных вычислителей. Так, при увеличении количества параллельных потоков до восьми скорость обработки отсчетов сигнала в ЛВ возрастает более чем в четыре раза.

Научная новизна работы заключается в следующем:

• предложен подход к построению новых алгоритмов ABC и разработана специальная программная среда, позволяющая создавать алгоритмы адаптации под конкретные сигнальные конструкции;

• предложены новые целевые функционалы (ЦФ), наиболее полно использующие априорную информацию о структуре MSK-сигнала и сигналов МНФ с рациональными индексами модуляции по сравнению с известными ЦФ, а также разработаны алгоритмы ABC на их основе;

• предложен алгоритм распараллеливания вычислений в АВ;

• предложен алгоритм изменения шага подстройки АВ для ускорения адаптации эквалайзера.

Практическая ценность работы состоит в следующем:

• предлагаемый принцип построения новых алгоритмов ABC позволяет для конкретных сигнальных конструкций улучшить характеристики качества приема, такие как скорость вхождения в связь, среднеквадратичная ошибка (СКО) восстановления принятого сигнала и вероятность ошибки;

• на основе предложенных ЦФ получены новые алгоритмы ABC, показавшие для MSK-сигнала улучшение помехоустойчивости приема, увеличение скорости сходимости и уменьшение СКО по сравнению с алгоритмом ABC Годара;

• проведены исследоваши программной реализации предлагаемого алгоритма распараллеливания вычислений в АВ, подтвердившие его работоспособность при компенсации МСИ и возможность наращивания производительности АВ за счет увеличения количества параллельных вычислителей;

• разработана программная система, предназначенная для создания новых алгоритмов ABC под конкретные сигнальные конструкции и дальнейшего исследования их работоспособности и эффективности.

В рамках апробации работы результаты диссертации докладывались и обсуждались на следующих научных конференциях, сессиях и семинарах:

• третий расширенный семинар "Использование методов искусственного интеллекта и высокопроизводительных вычислений в аэрокосмических исследованиях" (Переславль-Залесский, 2003 г.);

• 56-ая Научно-техническая конференция МИРЭА (Москва, 2007 г.);

• заочная электронная конференция РАЕ «Фундаментальные исследования» (2008 г.);

• заочная электронная конференция РАЕ «Прикладные исследования и разработки по приоритетным направлениям науки и техники» (2008 г.);

• научно-техническая конференция «Состояние, проблемы и перспективы создания корабельных информационно-управляющих комплексов» (Москва, 2011 г.).

Внедрение основных результатов:

Полученные при выполнении диссертационной работы результаты внедрены в НИОКР, выполняемой по программе Союзного государства «СКИФ-ГРИД», а также в учебный процесс в МГТУ МИРЭА. Разработанная в рамках диссертационной работы программная система включена в реестр Федеральной службы по интеллектуальной собственности, патентам и товарным знакам, что подтверждается свидетельством о государственной регистрации программы для ЭВМ.

Основное содержание диссертации опубликовано в 8 работах, включая тезисы докладов. Одна статья опубликована в издании, включенном в перечень ВАК.

Структура и объем диссертации:

Диссертация состоит из введения, списка сокращений, списка обозначений, пяти глав, заключения, списка литературы, включающего 103 наименования, и двух приложений. Общий объем диссертации составляет 132 страницы текста, включающего 51 рисунок и 6 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертации, сформулирована цель исследований, показаны научная новизна и практическая ценность полученных результатов, определены основные положения, выносимые на защиту.

В первой главе представлено математическое описание класса сигналов МНФ, а также его основные характеристики, рассмотрены методы приема сигналов МНФ в каналах с МСИ, представлена математическая модель СПДИ, а также рассмотрены методы адаптивного выравнивания вслепую.

Математически сигналы семейства МНФ описываются следующей формулой:

s(t, С,) = J— cos («у + <p(t,C,)+%), (1)

где Е- энергия сигнала на одном тактовом интервале, Г - длина тактового интервала, т0 - несущая частота сигнала, <р0 - начальная фаза сигнала.

Функция <p(t,Ct)описывает поведение фазы сигнала МНФ:

<p(t,Ct) = 2JTYhkckq[t-{k-m, (2)

к=1

где hk - индекс модуляции на А'-ом тактовом интервале, С, =[с,,с2,...,<?,.] -последовательность н;-ичных информационных символов, выбираемых из набора -('"-1)> -(м-3),...,(/и-1), т - размер алфавита, q(t) - функция фазового импульса (ФИ).

Сигналы МНФ обычно описываются фазовым деревом или фазовой решеткой, которые представляют собой функции изменения фазы сигнала во времени при всех возможных комбинациях информационных символов,

Рис. 1. Фазовое дерево и фазовая решетка сигнала МНФ.

Для сигналов МНФ при рациональных индексах модуляции фаза принимает конечное множество значений в тактовые моменты времени. Если рациональный индекс модуляции представить дробью Л = Л1/Л2, где и /¡2 являются взаимно простыми целыми числами, то количество состояний фазы в тактовые моменты времени равно:

\21ц, если к - нечетное

(3)

[ /;2> если /г, - четное

Среди известных методов приема сигналов МНФ в каналах с МСИ приемник с АВ на основе линейного фильтра (рис. 2) широко применяется в реальных СПДИ вследствие высокой эффективности, простоты реализа-

ции и умеренной вычислительном сложности.

ш Демодулятор и детектор

АВ

Рис. 2. Приемник с АВ на основе линейного фильтра.

В рассматриваемой на рис. 2 схеме АВ представляет собой трансвер-сальный фильтр с импульсной характеристикой D = [do, db...,dK.]\, которая в процессе адаптации подстраивается таким образом, чтобы компенсировать МСИ во входной последовательности {х,}. В итоге, демодуляция и детектирование последовательности {v,} осуществляется по алгоритмам, рассчитанным на прием сигнала в условиях воздействия аддитивного белого гауссовского шума (АБГШ) без дополнительных искажений. Последовательность {с,} представляет собой оценку вектора информационных символов на выходе детектора. Приняв за основу представленную на рис.2 схему, была программно реализована модель СПДИ (рис. 3), что позволило исследовать работоспособность и эффективность разработанных в рамках диссертационной работы алгоритмов ABC._

Передатчик

Канал связи АВ

Демодулятор и детектор

Приемник

Аддитивные помехи

Рис. 3. Модель СПДИ.

В предлагаемой на рис. 3 модели СПДИ все сигналы, а также импульсные характеристики канала связи и АВ представлены низкочастотными эквивалентами с дискретным временем (комплексными отсчетами), а алгоритмы подстройки вектора ВК АВ основаны на методе ABC с привлечением искусственного критерия качества, впервые предложенном Дж. Бусгангом. Суть метода заключается в итеративном поиске минимума функции искусственного критерия качества, которая зависит от параметров входного сигнала и вектора ВК АВ.

Во второй главе рассматриваются критерии настройки АВ и вводятся новые виды целевых функционалов, являющихся основой для алгоритмов ABC.

Для оценки эффективности алгоритмов ABC предлагается использовать критерий среднеквадратичной ошибки (СКО) и коэффициент ошибочно детектированных информационных символов.

Критерий СКО на г'-ом шаге настройки АВ определяется как средний квадрат модуля невязки значений отсчетов исходного и восстановленного сигнала:

(4)

где у^е'9"- значение отсчета на выходе АВ, задержанного на d отсчетов и имеющего дополнительный поворот фазы cptt, определяемый воздействием помех, Si - значение исходного отсчета.

Коэффициент ошибочно детектированных информационных символов на г'-ом шаге настройки АВ определяется следующим образом:

ЛС»

Р,-^ (5)

симв,

где МП1М - количество ошибочно детектированных символов на i-ом шаге настройки АВ, Nn¡M - общее количество детектированных символов на г'-ом шаге настройки АВ.

Если в (5) не учитывать информационные символы, обработанные на этапе адаптации алгоритма, то значение ре приближенно определяет

среднюю вероятность символьной ошибки.

В алгоритмах ABC в качестве искусственного критерия качества применяются различные целевые функционалы (ЦФ), учитывающие расхождение параметров принятого сигнала с априори известными. Определения ЦФ вводятся таким образом, что чем ближе отслеживаемые параметры принятого сигнала к заданным параметрам, тем меньше значение ЦФ. Все алгоритмы ABC направлены на минимизацию ЦФ, которая, как правило, осуществляется итерационным путем. Таким образом, отслеживая на каждой итерации алгоритма ABC значение ЦФ, можно судить о работоспособности алгоритма.

В общем случае значение ЦФ на г'-ом шаге подстройки можно определить следующим образом:

J.iB=f(yi), (б)

где v; - комплексный отсчет на выходе АВ, являющийся результатом свертки входной последовательности X с импульсной характеристикой АВ D.

В рамках диссертационной работы были разработаны и исследованы новые ЦФ, ориентированные на структуру MSK-сигнала и сигналов МНФ с рациональными индексами модуляции. В результате проведенных исследований было выявлено, что при приеме MSK-сигнала предлагаемые ЦФ

показывают наибольшую эффективность по критериям (4) и (5) при чередовании с известным ЦФ Годара в алгоритмах ABC.

ЦФ Годара ориентирован на обработку сигнала с постоянной огибающей и доминирует в практических реализациях ABC ввиду своей простоты и высокой эффективности выравнивания.

ЦФ Годара определяется следующим образом:

(7)

где y¡ - z'-ый отсчет сигнала на выходе АВ; р>0 - целое число; Rp - положительная константа, определяющая привязку уровня сигнала на выходе АВ к заданному значению.

Фазовая решетка сигнала МНФ, представленная на рис. 1, соответствует MSK-сигналу. При ее детальном изучении видно, что значения фазы сигнала на границе тактовых интервалов и в середине тактовых интервалов всегда кратны я/4. Это позволило определить новые ЦФ, применять которые предлагается в алгоритмах ABC при обработке отсчетов, расположенных на границе тактовых интервалов (8) и в середине тактовых интервалов (9) MSK-сигнала:

№

argO'O-jjmod^l

JMh

ari

•g^Jmod

к

7\

(8)

(9)

где - положительное четное число.

Для сигналов МНФ с произвольным видом ФИ и рациональными индексами модуляции предлагается использовать на границе тактовых интервалов новый ЦФ:

J,B(y,)=

arg (и) —

mod

1л_

\ 9 J

А +

(w-*,). (Ю)

где а — константа, определяющая крутизну поверхности ЦФ в окрестности минимума, Б - количество состояний фазы в тактовые моменты времени (3).

Нетрудно заметить, что ЦФ (8) является частным случаем ЦФ (10) при - 4 и а = 1.

Примеры различных ЦФ представлены на рис. 4.

Рис. 4. Примеры ЦФ: а) ЦФ (7) прир=2, Rp=l;

б) ЦФ (8) при р=2, Q = 4, Rp = 1;

в) ЦФ (9) при р=2, Q = 2, Rp = 1;

г) ЦФ (10) при р=2, Q = 2, Rp = 1, =3 (h = 2/3).

В третьей главе рассматриваются методы минимизации ЦФ, а также разрабатываются новые алгоритмы ABC, ориентированные на обработку MSK-сигнала и сигналов МНФ с рациональными индексами модуляции.

Применительно к решаемой задаче ABC среди множества методов итеративной минимизации ЦФ для настройки АВ с большим количеством элементов вектора ВК наиболее привлекательным представляется использование метода градиентного спуска вследствие хорошей скорости сходимости и умеренных вычислительных затрат.

Суть метода заключается в вычислении вектора градиента на каждом шаге адаптации и затем дальнейшей корректировке вектора ВК АВ в направлении антиградиента.

В общем виде алгоритм итеративной минимизации ЦФ по методу градиентного спуска определяется следующим образом:

DW=D,-A (11)

где 3D =VJJB(D¡) - вектор градиента на /-ом шаге адаптации, D(. - вектор ВК АВ на г-ом шаге, D¡+1 - вектор ВК АВ на следующем шаге подстройки; Д - шаг подстройки.

Однако вычисление производных для вектора градиента в рамках задачи ABC затруднено тем фактом, что ЦФ является неаналитической функцией комплексного переменного D согласно условиям дифференцирования Коши-Римана

aRe(/,B(D))_gIm(j^(D)) dRe(jtf(D)) _ 3bn(^(D)) SRe(D) dlm(D) ' 5Im(D) dRe(D)

Для решения этой задачи В.А. Brandwood предложил метод дифференцирования неаналитической функции по комплексно-сопряженному аргументу:

V^(D) = VD.y,s(D,D*) (12)

В данном методе фигурирует единственный вектор, а объем математических вычислений такой же, как при обычном дифференцировании аналитической функции.

Применяя метод дифференцирования неаналитической функции (12), нетрудно получить запись вектора градиента для ЦФ, а затем и алгоритм ABC (11). Так, для ЦФ Годара (7) алгоритм подстройки вектора ВК АВ известен и определяется следующим образом:

-д гр(И-яр)\уГуХ,

(13)

где y¡ - z'-ый отсчет сигнала на выходе АВ; р>О - целое число; Rp - положительная константа, определяющая привязку уровня сигнала на выходе АВ к заданному значению, X* - вектор комплексно-сопряженных отсчетов сигнала на входе АВ на /-ом шаге подстройки.

Применяя метод (12), был разработан новый алгоритм ABC, основанный на ЦФ (8):

f \ (-A<H arg(y,)-y mod ■

D¡+1 =D,-A-A-S-Q

1, при

\ lp-2

4 J

Л 2

J

2d;

(14)

где j - мнимая единица, S

-1, при

argU)-f}mod(f}>0 arg^-^jmodjJ-j-cO

Алгоритм (14) применяется при обработке отсчетов MSK-сигнала, расположенных на границе тактовых интервалов, при этом обработка остальных отсчетов выполняется с помощью алгоритма (13).

Также, применяя метод (12), был разработан новый алгоритм ABC, основанный на ЦФ (9):

аг§(.у;)тос1| -

е-'

2 Б*

(15)

у.ГуХ,

1, при > О

-1, при агя(^)тос1 ^ <0

где 5 =

Алгоритм (15) является дополнением к алгоритму (14) и применяется при обработке отсчетов М8К-еигнала, расположенных в середине тактовых интервалов.

Для обработки сигналов МНФ с произвольным ФИ и рациональными индексами модуляции алгоритм (14) преобразуется к виду:

пюс1

2 Б.

(16)

Как и алгоритм (14), алгоритм (16) применяется при обработке отсчетов сигнала МНФ, расположенных на границе тактовых интервалов, при этом обработка остальных отсчетов выполняется с помощью алгоритма (13).

В четвертой главе разрабатываются алгоритмы распараллеливания вычислений и ускорения сходимости, предназначенные для увеличения производительности АВ и ориентированные на реализацию в высокоскоростных СПДИ.

Разработанный в рамках диссертационной работы алгоритм распараллеливания вычислений в АВ показал свою работоспособность и эффективность применения при реализации на многопроцессорной установке.

Разработанный алгоритм состоит из следующих основных операций:

1. Последовательность входных отчетов X разбивается на блоки размером Ыр, при этом длительность каждого блока не должна превышать постоянную времени вариации канала связи.

2. Каждый такой блок разбивается на к секторов, количество которых определяется количеством параллельных потоков.

3. В каждом параллельном потоке выполняется операция свертки отсчетов импульсной характеристики АВ с последовательностью входных отсчетов соответствующего сектора, в результате чего образуется кадр выходной последовательности У,.

4. В каждом параллельном потоке вычисляется усредненный вектор градиента Е^^ф)) ЦФ по кадру У,-.

5. По совокупности всех усредненных векторов градиента формируется новый вектор ВК АВ

6. Все кадры У, компонуются, и результирующий блок выходной последовательности У подается на вход демодулятора.

7. На вход АВ подается следующий блок последовательности X.

Проведенные исследования данного алгоритма показали возможность увеличения скорости обработки отсчетов сигнала более чем в четыре раза за счет увеличения параллельных потоков с одного до восьми при реализации алгоритма на многопроцессорной установке. Предлагаемый алгоритм реализован с помощью системы параллельного программирования ОрепТБ на языке Т++.

Однако в результате исследований параллельного алгоритма выяснилось, что при увеличении параметра ТУр его скорость сходимости снижается и в некоторых случаях оказывается ниже скорости сходимости последовательного алгоритма. Для ускорения сходимости параллельного алгоритма в рамках данных исследований был разработан новый алгоритм с изменяемым шагом подстройки, в котором изменение каждого элемента вектора ВК АВ осуществляется в соответствии с шагом Д*:

кк^лвУ*)

с1к = </*-

а/г

(17)

где к-ый элемент вектора ВК АВ на /-ой итерации подстройки; Д*-шаг подстройки для А-ого элемента вектора ВК АВ на /-ой итерации;

& л ) _ элемент вектора градиента ЦФ на г'-ой итерации.

Ы1

Значение шага подстройки Д* в (17) предлагается определять по следующему алгоритму:

при

а/Ж)

ы:

ф о,

(18)

где А- начальный шаг подстройки.

Разработанный алгоритм ускорения сходимости показал свою работоспособность и увеличение скорости минимизации ЦФ при параллельной обработке отсчетов сигнала в АВ.

В пятой главе представлены результаты компьютерного моделирования СПДИ, проводится анализ эффективности разработанных алгоритмов, а также приводятся общие рекомендации по аппаратной реализации алгоритмов.

На рис. 5 представлены АЧХ каналов связи, используемые при моде лировании СПДИ.

Рис. 5. АЧХ моделируемых каналов.

На рис. 6-7 представлены результаты исследования скорости сходи мости алгоритмов ABC по критериям (4) и (5).

-*.(13)р=2 "(HJppZ-.Q-f(15)р=гГо=2 :

Рис. 6. Исследование скорости сходимости алгоритмов ABC по критерию (4).

Рис. 7. Исследование скорости сходимости алгоритмов ABC по критерию (5).

Моделирование проводилось для канала, представленного на рис. 5-б, при отношении сигнал-шум 2Е(Н1т/М0 = 17 дБ. Из результатов исследований видно, что алгоритмы (14) и (15) показали увеличение скорости сходимости до двух раз по сравнению с алгоритмом Годара (13) по критериям (4) и (5).

Результаты ис- Таблица 1

следований остаточной СКО (4) представлены в табл. 1. Моделирование проводилось при отношении сигнал-шум 2^,,,/Л^ЗОдБ. Из результатов исследований видно, что для алгоритмов (14) и (15) наблюдается уменьшение СКО по сравнению с алгоритмом Годара (13) до 30%.

Результаты исследования помехоустойчивости приема М8К-сигнала представлены на рис. 8.

Результаты исследований подтверждают эффективность применения разработанных алгоритмов (14) и (15) в рассматриваемых каналах связи. Энергетический выигрыш при приеме М8К-сигнала достигает 1,5 дБ при вероятности ошибки 5* 10"6 по сравнению с применением алгоритма Годара (13).

Моделируемый канал Алгоритм АВ Параметры алгоритма АВ СКО <7,(4)

рис. 5-а (13) р = 4 8,9е-3

рис. 5-а (14) Р = 4; 0 = 2 7,0е-3

рис. 5-а (15) Р = 4; Р = 2 6,3 е-3

рис. 5-6 (13) Р = 2 7,0е-2

рис. 5-6 (14) Р = 2; 0 = 2 6,Зе-2

рис. 5-6 (15) Р = 2; Р = 2 5,8е-2

а/

1,0Е+00 1.0Е-01

1,0Е-О2 Ш 03 Ре 1,0Е-(М 1,0Е-05 1.0Е-06

2Е/Ы0, дБ

13 и

гс/т.Ф

И 11 12 13 14 15 16 17 18

1.0Е-Ю0 1.0Е-01 1,0Е 02 1.0Е-0Э 1.0Е-04 1.0Е-05 Ш-06 1.0Е07

X

£чХ

N.

1.0Е-07 -*-БезАБ -«-(13) -«-(14)

-*-БезА6 -о-(13) -»-(141 -»"115) * АБГШ(ЭКСЛ) • АБГШ (рзеч.)

-»-(15) —АБГШ (э.ксп.)-— АБГШ (раем.) ■-»-Оптим. пр.

Рис. 8. Исследование помехоустойчивости приема М&К-сигнапа:

а) канал, представленный на рис. 5-а;

б) канач, представленный на рис. 5-6.

Разработанные алгоритмы ABC могут быть реализованы на элементной базе с применением программируемых логических интегральных схем (ПЛИС) н цифровых сигнальных процессоров (ЦСП) для скоростей потоков СПДИ, рассматриваемых в рамках данной работы (0,27-20 Мсимв./с). При этом возможности элементной базы позволяют наращивать производительность АВ за счет использования параллельных связок ПЛИС-ЦСП, что рекомендуется к применению в высокоскоростных СПДИ.

В заключении выделены основные полученные в диссертационной работе результаты, даны выводы по работе и обозначены направления дальнейших исследований.

В диссертационной работе получены следующие основные результаты:

1. В любом алгоритме ABC применяется ЦФ, учитывающий априорные знания о структуре входного сигнала, и метод минимизации ЦФ. Рассмотрено взаимодействие этих составляющих и сформулированы основные требования к разрабатываемым ЦФ.

2. Предложены новые ЦФ, ориентированные на обработку MSK-сигнала и сигналов МНФ с рациональными индексами модуляции, и разработаны новые алгоритмы ABC. Показана работоспособность и эффективность применения разработанных алгоритмов ABC для каналов с МСИ при приеме MSK-сигнала.

3. Разработан и исследован алгоритм распараллеливания вычислений в АВ. Показана работоспособность и эффективность данного алгоритма при реализации на многопроцессорной установке. Проведенные исследования показали возможность увеличения скорости обработки отсчетов сигнала в АВ за счет увеличения количества параллельных потоков.

4. Разработан и исследован алгоритм адаптивного изменеши шага подстройки, что позволило увеличить скорость сходимости параллельных алгоритмов ABC. Показана работоспособность и эффективность данного алгоритма.

5. Проведены исследования скорости сходимости для разработанных алгоритмов ABC по критериям «СКО» (4) и «коэффициент ошибочно детектированных информационных символов» (5), которые показали улучшение этого показателя до двух раз по сравнению с алгоритмом Годара.

6. Проведены исследования остаточной СКО для разработанных алгоритмов ABC, которые показали улучшение этого показателя до 30% по сравнению с алгоритмом Годара.

7. Проведены исследования помехоустойчивости приема MSK-сигнала с применением разработанных алгоритмов ABC в приемнике, которые показали улучшение отношения сигнал-шум до 1,5 дБ по сравнению с применением алгоритма Годара при вероятности ошибочного детектиро-

вания сигнала 5*10"6.

8. Разработана специальная программная система с параллельной архитектурой, являющаяся средой разработки новых алгоритмов ABC и позволяющая проводить исследования скорости сходимости, остаточной СКО и помехоустойчивости приема.

Публикации автора по теме диссертации

1. Пак A.A., Пушкарский C.B. Алгоритмы адаптивной фильтрации принимаемых дискретных сигналов, ориентированные на параллельные вычисления // Сборник трудов третьего расширенного семинара "Использование методов искусственного интеллекта и высокопроизводительных вычислений в аэрокосмических исследованиях" - 2003. - с.124-125.

2. Пак A.A. Алгоритмы адаптивной фильтрации модулированных сигналов с непрерывной фазой в каналах с частотной дисперсией // Сборник трудов 56-й НТК МИРЭА - 2007. с.26-30.

3. Пак A.A. Алгоритмы приема модулированных сигналов с непрерывной фазой в каналах с межсимвольной интерференцией // Фундаментальные исследования, №3 - 2008. с.68-70.

4. Пак A.A. Алгоритм оценки качества восстановления сигнала адаптивным выравнивателем // Фундаментальные исследования, №3 -2008. с.70-71.

5. Пак A.A. Алгоритмы режекции узкополосных помех адаптивным выравнивателем // Фундаментальные исследования, №3 - 2008. с. 101-103.

6. Пак A.A. Алгоритм распараллеливания вычислений в адаптивном выравнивателе частотных характеристик канала // Научный Вестник МГТУ ГА, №158 - 2010. с.137-144.

7. Парамонов A.A., Пак A.A. Прием модулированных сигналов с непрерывной фазой в двулучевом канале связи с использованием адаптивного выравнивателя // Научный вестник МИРЭА. - 2007. - №1(2). - с. 101-103.

8. Парамонов A.A., Пак A.A. Моделирование системы передачи цифровой информации с применением технологий распараллеливания вычислений // Состояние, проблемы и перспективы разработки корабельных информационно-управляющих комплексов (эффективность, надежность, экономика). / Сборник докладов научно-технической конференции. - М.: ОАО «Концерн «Моринформсистема-Агат», 2011. - с. 103-107.

Свидетельства

1. Пак A.A., Пушкарский C.B. Сигнал-1.0. Свидетельство о государственной регистрации программы для ЭВМ № 2011610275,11 января 2011 г.

Подписано в печать 01.02.2012. Формат 60x84 1/16. Усл. печ. л. 0,93. Усл. кр.-отт. 3,72. Уч.-изд. л. 1,0. Тираж 100 экз. Заказ 46

Федеральное государственное бюджетное образовательное

учреждение высшего профессионального образования "Московский государственный технический университет радиотехники, электроники и автоматики" 119454, Москва, пр. Вернадского, 78

61 12-5/1667

министерство образования и науки россии

федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования «московский государственный техничесикй университет радиотехники,

электроники и автоматики»

АДАПТИВНАЯ КОМПЕНСАЦИЯ МЕЖСИМВОЛЬНЫХ ПОМЕХ ПРИ ПРИЕМЕ СИГНАЛОВ, МАНИПУЛИРОВАННЫХ С МИНИМАЛЬНЫМ СДВИГОМ

На правах рукописи

Пак Андрей Александрович

05.12.04 - Радиотехника, в том числе системы и устройства телевидения

Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель

д.т.н., проф. Парамонов Алексей Анатольевич

Москва 2011

Содержание

Список сокращений.......................................................................................4

Список обозначений......................................................................................6

Введение.........................................................................................................9

1 Математическое представление сигналов МНФ, модель СПДИ......20

1.1 Математическое представление и основные характеристики сигнала МНФ ........................................................................................................20

1.2 Методы демодуляции сигналов МНФ в каналах с МСИ.........29

1.3 Модель системы передачи дискретной информации...............32

1.4 Методы адаптивного выравнивания вслепую...........................39

1.5 Выводы по главе...........................................................................41

2 Критерии настройки адаптивного выравнивателя.............................43

2.1 Критерии сходимости алгоритмов адаптивного выравнивания.. ........................................................................................................43

2.2 Целевые функционалы.................................................................45

2.3 Выводы по главе...........................................................................56

3 Алгоритмы адаптивного выравнивания вслепую..............................57

3.1 Методы минимизации целевого функционала..........................57

3.2 Алгоритмы настройки адаптивного выравнивателя.................63

3.3 Выводы по главе...........................................................................70

4 Алгоритмы распараллеливания вычислений в АВ.............................72

4.1 Определение разрядности АВ.....................................................72

4.2 Алгоритм увеличения производительности АВ........................74

4.3 Алгоритм адаптации с повышенной скоростью сходимости ..79

4.4 Выводы по главе...........................................................................86

5 Моделирование СПДИ и вопросы практической реализации..........88

5.1 Исследование сходимости алгоритмов АВ...............................88

5.2 Исследование СКО для разработанных алгоритмов АВ........100

5.3 Исследование помехоустойчивости приема для разработанных алгоритмов ABC..................................................................................................104

5.4 Требования к аппаратной реализации АВ...............................109

5.5 Выводы по главе.........................................................................113

Заключение.................................................................................................114

Список литературы....................................................................................116

Приложение 1. Программный комплекс моделирования СПДИ.........127

Приложение 2. Моделируемые каналы связи........................................130

Список сокращений

АБГШ - аддитивный белый гауссовский шум

АВ - адаптивный выравниватель

ABC - адаптивное выравнивание вслепую

АЦИИМ - класс сигналов МНФ с ассиметричными циклически изменяющимися индексами модуляции

АЧХ - амплитудно-частотная характеристика

БИХ - бесконечная импульсная характеристика

БПФ - быстрое преобразование Фурье

ВК - весовые коэффициенты

ГВЗ - групповое время запаздывания

КИХ - конечная импульсная характеристика

ММС - манипуляция с минимальным сдвигом {англ. MSK - Minimum Shift Keying)

МНФ - класс модулированных сигналов с непрерывной фазой МПП - максимум правдоподобия последовательности МСИ - межсимвольные искажения ОСР - обратная связь по решению

ПЛИС - программируемая логическая интегральная схема

СКО - среднеквадратичная ошибка

СПДИ - система передачи дискретной информации

ФИ - фазовый импульс

ФМ - фазовая манипуляция

ЦСП - цифровой сигнальный процессор ЦФ - целевой функционал ЧМ - частотная манипуляция

MSK {англ. Minimum Shift Keying) - манипуляция с минимальным сдвигом

OFDM {англ. Orthogonal frequency-division multiplexing) -ортогональное частотное мультиплексирование

Список обозначений

А - константа, определяющая крутизну поверхности в окрестности минимума ЦФ для разработанных алгоритмов ABC

arg(x) - аргумент комплексного числа х

C¡ - последовательность /и-ичных информационных символов

{ск} - исходная последовательность информационных символов

{ск} - последовательность информационных символов на выходе детектора

D - вектор комплексных ВК нерекурсивной части АВ Dmm - минимальное евклидово расстояние между сигналами

^min — квадрат минимального евклидова расстояния, нормированный к энергии сигнала, приходящейся на один бит

Е - энергия сигнала на одном тактовом интервале

Евит ~ энергия сигнала, приходящаяся на один бит информации

Е(х) - оператор усреднения

Е - вектор комплексных ВК рекурсивной части АВ

hk - индекс модуляции сигнала МНФ на к-ом тактовом интервале

h(t) - импульсная характеристика канала связи

Н - вектор комплексных отсчетов импульсной характеристики канала

связи

Im(x) - мнимая часть комплексного числа х

Jab ~ целевой функционал (вещественная функция комплексного переменного)

т - размер алфавита сигнала МНФ

(y)mod(x) - деление у по модулю х

n{t) - аддитивные помехи в канале связи (АБГШ)

n¡ - комплексный отсчет АБГШ

Nq - спектральная плотность мощности АБГШ

Np - размер блока входных отсчетов для параллельного алгоритма ABC Ре - вероятность ошибки

ре - коэффициент ошибочно детектированных информационных символов на /-ом шаге настройки АВ

q¡ - среднеквадратичная ошибка на /-ом шаге настройки АВ

г 1

Q{x) - гауссов интеграл ошибок, Q(x) = J -==ехр

du

Rp - положительная константа, определяющая привязку уровня сигнала на выходе АВ к заданному значению в алгоритмах ABC

Re(x) - действительная часть комплексного числа х

s(t) - сигнал на выходе передатчика

{5/} - последовательность комплексных отсчетов на выходе передатчика

S - вектор комплексных отсчетов сигнала на выходе передатчика Т— длительность тактового интервала x(t) - сигнал на входе приемника

{хг} - последовательность комплексных отсчетов на входе АВ

X,. - вектор комплексных отсчетов на входе АВ

ХО - сигнал на выходе согласованного фильтра в оптимальном приемнике

{уг-} - последовательность комплексных отсчетов на выходе АВ

у, - вектор комплексных отсчетов на выходе АВ

ттах - максимальная избыточная задержка распространения

V- оператор градиента

б0- вектор градиента

Д - шаг подстройки алгоритма АВ

Введение

Обеспечение заданного качества приема в условиях воздействия помех является одной из основных задач при проектировании систем передачи дискретной информации (СПДИ). Решение данной задачи носит комплексный характер и зависит как от выбора сигнальных форматов, так и от алгоритмов обработки сигнала. Распространяясь по реальным линиям связи, сигнал, как правило, искажается вследствие неравномерности амплитудно-частотной характеристики (АЧХ) канала и характеристики группового времени запаздывания (ГВЗ) в полосе частот, занимаемой спектром сигнала. В зависимости от типа канала, физическое происхождение таких искажений различно. Для радиоканалов характерно многолучевое распространение сигнала вследствие переотражений от различных объектов, переотражений от ионосферы, тропосферного рассеяния. В проводных каналах электросвязи причинами таких искажений могут быть неоднородности линии, связанные с неидеальностью соединений, неидеальностью согласующих и регенерирующих модулей, неравномерностью шага повива витой пары [29]. Для волоконно-оптических линий характерны множественные паразитные переотражения сигнала [66, 72], особенно в многомодовом оптическом кабеле. Также причинами искажений в таких линиях могут являться стыки соединений оптических муфт и разъемов, неидеальность сварки оптического кабеля, несовершенство конструкций регенераторов [52]. Таким образом, степень искажения сигнала определяется особенностями конкретной линии связи, повлиять на которые не всегда представляется возможным.

Следует отметить, что многолучевое распространение радиоволн может быть одной из основных причин неустойчивого приема в системах сотовой связи в условиях плотной городской застройки или холмистой местности [13, 26, 32, 63, 64]. При разности хода лучей, сравнимой с

длительностью передаваемого символа (стандарт GSM - 3,69 мкс [58], стандарт WCDMA - 0,26 мкс при скорости передачи 3,84 Мсимв./с [11]), возникает одновременный отклик приемника на разные символы, что является причиной искажения передаваемой информации [37]. Интервал задержки между лучами обычно составляет 1-2 мкс [22, 39, 56, 57], хотя в некоторых случаях холмистых районов и городской застройки наблюдаются задержки до 20 мкс, что составляет запаздывание на приемной стороне до 5 символов в стандарте GSM и до 60 символов в стандарте WCDMA. В таких случаях в результате многолучевого распространения за счет множественных отражений может происходить фазовое подавление сигнала, что, в свою очередь, порождает замирания, вследствие чего мощность принимаемого сигнала может резко падать (на 20-30 дБ [6]), а детектирование передаваемых символов данных становится затруднительным без дополнительной обработки сигнала.

Также многолучевое распространение накладывает серьезные ограничения на радиус действия приемо-передающего оборудования в системах беспроводной связи, базирующихся на стандарте DECT [38], функционирующего без дополнительной обработки сигналов. При заданной скорости передачи 1152 кБит/с длительность одного символа составляет около 0,9 мкс, что сопоставимо с задержкой при распространении радиоволн на трассе длиной 300 м. Известно, что некоторые абонентские DECT-терминалы могут поддерживать дальность связи до 5 км, однако в условиях многолучевого распространения качество связи может быть весьма низким [38].

Особенно остро проблема многолучевого распространения стоит в системах беспроводной связи WiMAX [54], ориентированных на предоставление услуг высокоскоростного мобильного интернета в городах. При имеющихся в стандарте WiMAX скоростях 16, 20, 22,4 Мсимв./с передача данных в городских условиях становится просто невозможной без

дополнительной обработки сигнала. Из-за трудностей с получением широких полос частот в стандарте WiMAX предусмотрены каналы с более низкой скоростью 1,4; 2,8 и 5,6 Мсимв./с, что при типичной для городских условий задержке между лучами 1-2 мкс определяет запаздывание примерно на 2, 3 или 6 символов. Следствием такого наложения запаздывающих сигналов являются замирания, затрудняющие прием или даже делающие его невозможным, если не компенсировать искажения, обусловленные каналом связи.

Ввиду большой практической значимости дальнейшие расчеты выполнялись для радиоканалов в условиях городской застройки. Однако, разработанная программная модель и алгоритмы компенсации искажений могут быть применены при проектировании СПДИ и для других каналов с неравномерными АЧХ и ГВЗ.

Известно, что параметры реальных каналов связи постепенно меняются с течением времени. В радиоканалах это может быть связано с перемещением объектов (мобильная связь), переменой погодных условий (радиорелейная связь) и состоянием атмосферы. В проводной связи подобный эффект также присутствует вследствие намокания и старения кабелей [53] (электросвязь) и резких перепадов температуры (волоконно-оптические системы) [52].

В [88] показано, что для широкого класса радиоканалов с большой степенью точности справедлива модель с постоянными во времени параметрами, поскольку скорость изменения параметров канала намного ниже скорости поступления информации полезного сигнала. Для тропосферного канала характерная постоянная времени вариации составляет не менее 100 мс [96]. Для радиоканала с подвижными наземными объектами постоянная времени составляет порядка 5 мс при скорости перемещения 100 км/час [65, 68]. Для медных проводных линий связи постоянная времени

изменения характеристик канала обычно составляет десятки минут [96]. Самые медленные изменения параметров канала присущи волоконно-оптическим линиям связи, что связано, в основном, с изменением температуры окружающей среды, а также старением кабеля.

В результате искажающего воздействия канала распространения на полезный сигнал появляются межсимвольные искажения (МСИ), когда импульсы информационных символов могут накладываться друг на друга. Нарушая структуру сигнала, МСИ приводят к повышению вероятности ошибки детектирования в приемнике, а иногда даже делают прием невозможным, при этом увеличение мощности передаваемого сигнала не улучшает ситуацию [60, 65]. Таким образом, борьба с МСИ является важной задачей при проектировании СИДИ.

Одним из эффективных методов компенсации МСИ является применение технологии ортогонального частотного мультиплексирования {англ. OFDM - Orthogonal frequency-division multiplexing) [54, 55]. При OFDM последовательный цифровой поток преобразуется в большое число параллельных потоков (субпотоков), каждый из которых передается на отдельной поднесущей [25]. Благодаря тому, что используется большое число параллельных потоков, длительность символа в параллельных потоках оказывается существенно больше, чем в последовательном потоке данных, и, как следствие, влияние МСИ на каждый поток значительно ослабевает. Однако, данный метод очень чувствителен к искажениям, частотным сдвигам спектра сигнала, а также требует высокоточной системы синхронизации [21, 70]. Таким образом, сильные помеховые воздействия могут существенно снижать эффективность данного метода.

Другим эффективным методом компенсации МСИ является применение адаптивных выравнивателей (АВ), направленных на эквализацию АЧХ и ГВЗ канала связи. АВ представляет собой цифровой

фильтр с перестраиваемыми весовыми коэффициентами (ВК), который добавляется перед демодулятором. Перестройка ВК осуществляется в соответствии с алгоритмами выравнивания, которые можно разделить на две группы: выравнивание с привлечением обучающей последовательности и без него [4, 15, 52, 78].

В первом случае в сигнал добавляется дополнительная обучающая последовательность, которая также известна на приемной стороне и используется как эталонная. В АВ сравниваются принятая и эталонная последовательности, в результате чего происходит изменение вектора ВК в нужном направлении. Такие алгоритмы применяются в факсимильной и модемной связи коммутируемых телефонных линий, высокоскоростных линиях xDSL, а также в системах сотовой связи.

Во втором случае настройка ВК происходит по результатам анализа параметров сигнала на выходе АВ на соответствие определенному критерию, что представляется более предпочтительным при широковещательной трансляционной передаче, а также в случае невозможности или неоправданности передачи обучающей последовательности (из-за усложнения аппаратуры и протокола передачи). Из-за отсутствия априорной информации о характере искажений в канале связи выравнивание без привлечения обучающей последовательности получило название адаптивного выравнивания вслепую (ABC, англ. blind adaptive equalization). Следует отметить, что для приема сигналов с постоянной огибающей известны алгоритмы ABC (например, алгоритм Годара [86]), способные функционировать при отсутствия тактовой и фазовой синхронизации приемника с входным сигналом. Также следует отметить, что в данном случае наиболее эффективно используется полоса канала связи (например, в стандарте GSM 18% информационного кадра используется для передачи обучающей последовательности [15, 58]), что в условиях развития современных СПДИ является немаловажным фактором. Вследствие

существенной практической значимости и привлекательности этого подхода для использования в системах связи в дальнейшем будет рассмотрена именно задача ABC.

Кроме алгоритмов обработки сигнала, направленных на компенсацию МСИ, качество приема во многом определяется выбором сигнальных форматов, а также способами их демодуляции. Выбор конкретного сигнального формата при проектировании СПДИ зависит от множества факторов, в частности от требуемой помехоустойчивости, ограничений по частотному диапазону, сложности и стоимости реализации аппаратуры связи. Класс модулированных сигналов с непрерывной фазой (МНФ) представляется перспективным для использования в современных СПДИ вследствие хороших спектральных и энергетических характеристик [8, 23, 60]. Имея много степеней свободы, можно добиться оптимальной структуры сигнала как по спектральному, так и по энергетическому критериям методом подбора параметров сигнала. Сигналы МНФ обладают межсимвольной информационной связью, т.е. информация о передаваемых с их помощью символах распределена на нескольких тактовых интервалах. Разработанные оптимальные и квазиоптимальные методы приема сигналов семейства МНФ позволяют извлекать передаваемую информацию из сигнала на всех та