標題: 使用區塊更新方法之快速盲目等化
作者: 黃森隆
HUANG,SEN-LONG
吳文榕
WU,WEN-RONG
電信工程研究所
關鍵字: 區塊更新方法;快速盲目等化;TRAINING-DATA;ADAPTIVE-EQUALIZER;BLIND-EQUALIZER;SELF-RECOVERED;ADAPTIVE-ALGORITHM;DECONVOLUTION
公開日期: 1989
摘要: 傳統通道等化程序需要傳送一段初始訓練數據(Training Data) 以探測通道的特性,
在接收機內部亦同步地產生一段相同的參考信號,在這段期間,可調適等化器(Ada-
ptive Equalizer)不斷地尋求降低其取樣輸出信號與參考信號之偏差;盲目等化器 (
Blind Equalizer)以自我回復(Self-Recovered)的方式驅動可調適演算法(Adaptive
Alqorithm)執行解迴旋(Deeonvolution) ,無需額外地借助訓練數據的合作而直接由
所接收之信號抽取有用的資訊做為補償。
在本篇論文中,我們提出兩套演算法,其中一套稱之為修正型“停&前進”演算法,
此法能夠有效地消除在最初始期間學習曲線收斂緩慢的缺點。繼而提出另一套演算法
,此法系從區塊檢測方法衍生而成,先將輸入數據劃割成數個區塊,而後使用隨機梯
度尋找方法,最小化此區塊輸入所有價值函數(Cost Function) 的總和而取代最小化
此價值函數之期望值(Expectation) ,根基於此策略,我們提出較佳的選擇來加速遞
迴(Iteration) ,吾人稱之為區塊更新之盲目等化演算法(BUBEA) ,目前所發表的盲
目等化演算法在調適時皆未能完全的運用所有可使用的資訊,一旦數據被使用過後,
立即被丟棄,此法造成了收斂緩慢的結果。此新演算法重複的使用區塊內的數據,有
效的抽取此數據所攜帶的資訊。電腦模擬的結果證實此演算法卓越的收斂速度以及其
收斂速度較不易受通道相關矩陣之特徵值分佈的影響。
URI: http://140.113.39.130/cdrfb3/record/nctu/#NT782436021
http://hdl.handle.net/11536/54811
顯示於類別:畢業論文