高级搜索

基于回声状态网络的卫星信道在线盲均衡算法

杨凌 赵膑 陈亮 李媛 张国龙

引用本文: 杨凌, 赵膑, 陈亮, 李媛, 张国龙. 基于回声状态网络的卫星信道在线盲均衡算法[J]. 电子与信息学报, doi: 10.11999/JEIT190034 shu
Citation:  Ling YANG, Bin ZHAO, Liang CHEN, Yuan LI, Guolong ZHANG. Online Blind Equalization Algorithm for Satellite Channel Based on Echo State Network[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190034 shu

基于回声状态网络的卫星信道在线盲均衡算法

    作者简介: 杨凌: 女,1966年生,副教授,研究方向为盲信号处理和神经网络、支持向量机等;
    赵膑: 男,1994年生,硕士生,研究方向为神经网络盲信号处理;
    陈亮: 男,1992年生,硕士生,研究方向为支持向量回归盲信号处理;
    李媛: 女,1994年生,硕士生,研究方向为卫星信道盲均衡;
    张国龙: 男,1985年生,硕士生,研究方向为水声信道盲均衡
    通讯作者: 杨凌,lingyang@lzu.edu.cn
  • 基金项目: 中央高校基本科研业务费专项资金项目(lzujbky-2017-38);甘肃省自然科学基金(纵20180322)

摘要: 针对非线性卫星信道,该文提出了两种基于回声状态网络(ESN)的在线盲均衡算法。利用ESN良好的非线性逼近能力,将发送信号的高阶统计量(HOS)代入ESN,结合常模算法(CMA)和多模算法(MMA)构造盲均衡的代价函数,并采用递归最小二乘(RLS)算法对ESN输出权值进行迭代寻优,实现了Volterra卫星信道下常模和多模信号的在线盲均衡。实验表明,该文算法可以有效降低非线性信道对发送信号产生的畸变,相较于传统的Volterra滤波方法,有更快的收敛速度和更低的均方误差值。

English

    1. [1]

      MELONI A and MURRONI M. On the genetic optimization of APSK constellations for satellite broadcasting[C]. Proceedings of 2014 IEEE International Symposium on Broadband Multimedia Systems and Broadcasting, Beijing, China, 2014: 1–6. doi: 10.1109/BMSB.2014.6873465.

    2. [2]

      MOUSSA A, POULIQUEN M, FRIKEL M, et al. Blind equalisation in the presence of bounded noise[J]. IET Signal Processing, 2018, 12(8): 957–965. doi: 10.1049/iet-spr.2017.0445

    3. [3]

      孙海飞, 江桦. 非线性卫星信道下的粒子滤波盲均衡方法[J]. 信号处理, 2015, 31(5): 587–593. doi: 10.3969/j.issn.1003-0530.2015.05.011
      SUN Haifei and JIANG Hua. Particle filtering blind equalization method in nonlinear satellite channel[J]. Journal of Signal Processing, 2015, 31(5): 587–593. doi: 10.3969/j.issn.1003-0530.2015.05.011

    4. [4]

      SÉNÉCAL S, AMBLARD P O, and CAVAZZANA L. Particle filtering equalization method for a satellite communication channel[J]. EURASIP Journal on Advances in Signal Processing, 2004, 2004: 591429. doi: 10.1155/S1110865704404090

    5. [5]

      MALONE J and WICKERT M A. Practical volterra equalizers for wideband satellite communications with TWTA nonlinearities[C]. Proceedings of 2011 Digital Signal Processing and Signal Processing Education Meeting, Sedona, USA, 2011: 481–53. doi: 10.1109/DSP-SPE.2011.5739185.

    6. [6]

      郭业才, 费赛男, 王惠. 基于多小波双变换的非线性卫星信道盲均衡算法[J]. 电子学报, 2016, 44(10): 2384–2390. doi: 10.3969/j.issn.0372-2112.2016.10.015
      GUO Yecai, FEI Sainan, and WANG Hui. Nonlinear satellite channel blind equalization algorithm based on multi-wavelet double transformation[J]. Acta Electronica Sinica, 2016, 44(10): 2384–2390. doi: 10.3969/j.issn.0372-2112.2016.10.015

    7. [7]

      BENVENUTO N, MARCHESI M, PIAZZA F, et al. Non linear satellite radio links equalized using blind neural networks[C] Proceedings of 1991 International Conference on Acoustics, Speech, and Signal Processing, Toronto, Canada, 1991: 1521–1524. doi: 10.1109/ICASSP.1991.150526.

    8. [8]

      LI Yanqin, GUO Chunsheng, ZHANG Zhen, et al. A novel feed-forward neural network blind equalization algorithm[C]. Proceedings of 2010 International Conference on Intelligent Control and Information Processing, Dalian, China, 2010: 404–408. doi: 10.1109/ICICIP.2010.5564245.

    9. [9]

      王贵银. 复数Hopfield神经网络盲均衡QAM信号[J]. 电子测试, 2011(5): 57–60. doi: 10.3969/j.issn.1000-8519.2011.05.014
      WANG Guiyin. Blind equalization of QAM with a complex Hopfield neural network[J]. Electronic Test, 2011(5): 57–60. doi: 10.3969/j.issn.1000-8519.2011.05.014

    10. [10]

      RUAN Xiukai, LI Chang, YANG Weibo, et al. Blind sequence detection using reservoir computing[J]. Digital Signal Processing, 2017, 62: 81–90. doi: 10.1016/j.dsp.2016.10.012

    11. [11]

      ZORN S, EHM H J, and WEIGEL R. A novel technique for determining kernels of volterra based behavioral models for RF amplifiers[C]. Proceedings of the 2008 38th European Microwave Conference, Amsterdam, Netherlands, 2008: 246–249. doi: 10.1109/EUMC.2008.4751434.

    12. [12]

      唐成凯, 张玲玲, 廉保旺. 卫星高阶调制信号通信下非线性误差修正均衡方法[J]. 通信学报, 2017, 38(1): 117–125. doi: 10.11959/j.issn.1000-436x.2017014
      TANG Chengkai, ZHANG Lingling, and LIAN Baowang. Nonlinear error modified equalization algorithm in high-order modulation of satellite communication[J]. Journal of Communications, 2017, 38(1): 117–125. doi: 10.11959/j.issn.1000-436x.2017014

    13. [13]

      ZHOU Haowen, HUANG Jinquan, LU Feng, et al. Echo state kernel recursive least squares algorithm for machine condition prediction[J]. Mechanical Systems and Signal Processing, 2018, 111: 68–86. doi: 10.1016/j.ymssp.2018.03.047

    14. [14]

      PARK D J, JUN B E, and KIM J H. Fast tracking RLS algorithm using novel variable forgetting factor with unity zone[J]. Electronics Letters, 1991, 27(23): 2150–2151. doi: 10.1049/el:19911331

    15. [15]

      李进, 冯大政, 刘文娟. 快速QAM信号多模盲均衡算法[J]. 电子与信息学报, 2013, 35(2): 273–279. doi: 10.3724/SP.J.1146.2012.00609
      LI Jin, FENG Dazheng, and LIU Wenjuan. A fast multimodulus blind equalization algorithm for QAM signal[J]. Journal of Electronics &Information Technology, 2013, 35(2): 273–279. doi: 10.3724/SP.J.1146.2012.00609

    16. [16]

      PAVAN F R M, SILVA M T M, and MIRANDA M D. A numerically robust blind equalization scheme applied to MIMO communication systems[J]. Journal of the Franklin Institute, 2018, 355(1): 596–624. doi: 10.1016/j.jfranklin.2017.10.036

    17. [17]

      MBOUP M and REGALIA P A. A gradient search interpretation of the super-exponential algorithm[J]. IEEE Transactions on Information Theory, 2000, 46(7): 2731–2734. doi: 10.1109/18.887889

    18. [18]

      MIRANDA M D, SILVA M T M, and NASCIMENTO V H. Avoiding divergence in the shalvi-weinstein algorithm[J]. IEEE Transactions on Signal Processing, 2008, 56(11): 5403–5413. doi: 10.1109/TSP.2008.928505

    1. [1]

      孙慧贤, 刘建成, 崔佩璋, 全厚德, 唐友喜. 基于多通道最小均方算法的多发单收同车电台射频干扰对消. 电子与信息学报,

    2. [2]

      王超, 王岩飞, 王琦, 詹学丽. 基于回波序列最小二乘拟合的高分辨率SAR运动目标速度估计. 电子与信息学报,

    3. [3]

      冯维, 徐永鑫, 刘浩, 许晓荣, 姚英彪. 无线多跳网络快速跨层资源优化分配算法. 电子与信息学报,

    4. [4]

      唐伦, 马润琳, 杨恒, 陈前斌. 基于非正交多址接入的网络切片联合用户关联和功率分配算法. 电子与信息学报,

    5. [5]

      罗钧, 杨永松, 侍宝玉. 基于改进的自适应差分演化算法的二维Otsu多阈值图像分割. 电子与信息学报,

    6. [6]

      唐伦, 杨恒, 马润琳, 陈前斌. 基于5G接入网络的多优先级虚拟网络功能迁移开销与网络能耗联合优化算法. 电子与信息学报,

    7. [7]

      路新华, MANCHÓNCarles Navarro, 王忠勇, 张传宗. 大规模MIMO系统上行链路时间-空间结构信道估计算法. 电子与信息学报,

    8. [8]

      朱子尧, 韩树平, 郭正东, 刘建波. 乘性噪声背景下基于非线性渐消滤波的单信标测距定位算法. 电子与信息学报,

    9. [9]

      杨若男, 张伟涛, 楼顺天. 基于平行因子分析的SIMO-OFDM系统盲信道与符号联合估计算法. 电子与信息学报,

    10. [10]

      王玉莹, 张志敏, 李宁, 范怀涛, 赵庆超. 高分宽幅SAR系统下的方位多通道运动目标成像算法研究. 电子与信息学报,

    11. [11]

      黄果, 许黎, 陈庆利, 蒲亦非. 非局部多尺度分数阶微分图像增强算法研究. 电子与信息学报,

    12. [12]

      周莉, 张歆茗, 郭伟震, 王琰. 基于改进冲突度量的多证据直接融合算法. 电子与信息学报,

    13. [13]

      钱志鸿, 胡良帅, 田春生, 王雪. 基于非均衡求解的D2D多复用通信资源块分配算法研究. 电子与信息学报,

    14. [14]

      王剑书, 樊养余, 杜瑞, 吕国云. 适用于二维阵列的无格稀疏波达方向估计算法. 电子与信息学报,

    15. [15]

      王旭东, 仲倩, 闫贺, 张迪. 一种二维信号波达方向估计的改进多重信号分类算法. 电子与信息学报,

    16. [16]

      杜小妮, 李丽, 张福军. 基于模2pm的欧拉商的二元序列的线性复杂度. 电子与信息学报,

    17. [17]

      秦宁宁, 金磊, 许健, 徐帆, 杨乐. 邻近信息约束下的随机异构无线传感器网络节点调度算法. 电子与信息学报,

    18. [18]

      毕秀丽, 魏杨, 肖斌, 李伟生, 马建峰. 基于级联卷积神经网络的图像篡改检测算法. 电子与信息学报,

    19. [19]

      吕增威, 魏振春, 韩江洪, 孙仁浩, 夏成凯. 基于多目标优化的无线传感器网络移动充电及数据收集算法. 电子与信息学报,

    20. [20]

      卢昱, 刘益岑, 李玺, 陈兴凯, 乔文欣, 陈立云. 面向软件定义网络的服务功能链优化部署算法研究. 电子与信息学报,

  • 图 1  卫星信道的等效基带盲均衡系统框图

    图 2  回声状态网络结构

    图 3  不同激活函数$f( \cdot )$对两种算法性能的影响

    图 4  网络读出层函数${f_{{\rm{out}}}}( \cdot )$对两种算法性能的影响

    图 5  QPSK和16QAM信号下的两种算法的MSE性能比较

    图 6  两种算法对16QAM信号均衡前后的星座图

    图 7  两种在线盲均衡算法与Volterra滤波算法的性能对比

    表 1  ESN-RLS-CMA算法

    算法1 ESN-RLS-CMA的流程
     步骤 1  均衡器初始化:随机生成(${{{W}}_{{\rm{res}}}},{{{W}}_{{\rm{in}}}}$),初始化
         ${{u}}(0)$,${{{W}}_{{\rm{out}}}}$和$\lambda $; ${{P}}(0) = {\delta ^{ - 1}}{{I}}$($\delta $是一个很小的正数);
     步骤 2  For:n=1, 2,···, N
        (1) 更新储备池状态:${{u}}(n) = f({{{W}}_{{\rm{res}}}}{{u}}(n - 1) + {{{W}}_{{\rm{in}}}}x(n))$;
        (2) 计算$y\left( n \right) = {{{W}}_{{\rm{out}}}}\left( {n - 1} \right){{u}}\left( n \right)$;
        (3) 由式(7)得到${\tilde{ U}}(n,n)$,通过式(11)计算自相关矩阵${{P}}(n)$;
        (4) 按照式(12)更新ESN的输出权值${{{W}}_{{\rm{out}}}}(n)$;
        (5) 根据文献[14]的方法调整$\lambda $值。
        End;
     步骤 3  迭代直到网络收敛为止。
    下载: 导出CSV

    表 2  ESN-RLS-MMA算法

    算法2 ESN-RLS-MMA的流程
     步骤 1  均衡器初始化:随机生成(${{{W}}_{{\rm{res}}}},{{{W}}_{{\rm{in}}}}$);初始化
         ${{u}}(0)$,${{{W}}_{{\rm{out}}}}$,$\lambda $($0 \ll \lambda < 1$),${{\hat{ R}}^{ - 1}}(0){\rm{ = }}\delta {{I}}$($\delta $是一个很小的正
         数);设置$\gamma {\rm{ \!=\! }}3{\rm{E}} \{ s_{\rm{R}}^2(n)\} \!-\! {R_{{\rm{MMA}}}}$,门限值T=$3{\rm{E}}\{ {\left|\! {s(n)}\! \right|^2}\} $;
     步骤 2  For:n=1,2,···,N;
        (1) 更新储备池状态:${{u}}(n) = f({{{W}}_{{\rm{res}}}}{{u}}(n - 1) + {{{W}}_{{\rm{in}}}}x(n))$;
        (2) 计算$y(n) = {{{W}}_{{\rm{out}}}}(n - 1){{u}}(n)$;
        (3) 通过式(30)计算${{\hat{ R}}^{ - 1}}(n)$;
        (4) 计算:${d_{\rm{R}}}(n) = \left[ {\gamma + {R_{{\rm{MMA}}}} - y_{\rm{R}}^2(n)} \right]{y_{\rm{R}}}(n)$,
          ${d_{\rm{I}}}(n) = \left[ {\gamma + {R_{{\rm{MMA}}}} - y_{\rm{I}}^2(n)} \right]{y_{\rm{I}}}(n)$
                   $d(n) = {\gamma ^{{\rm{ - }}1}}\left[ {{d_{\rm{R}}}(n) + j{d_{\rm{I}}}(n)} \right]$;
        (5) If ${\left| {y(n)} \right|^2}$>T;
                 $d(n) = 0$
             End;
        (6) 根据式(32)更新${{{W}}_{{\rm{out}}}}(n)$。
        End;
     步骤 3  迭代直到网络收敛为止。
    下载: 导出CSV

    表 3  取不同储备池规模N时两种算法的MSE值(dB)

    算法N=20N=50N=100N=200N=300
    ESN-RLS-CMA–22.56–28.12–29.06–28.41–28.72
    ESN-RLS-MMA–18.12–29.58–30.62–29.10–29.29
    下载: 导出CSV

    表 4  本文算法与5阶Volterra滤波算法的运算复杂度对比

    算法运算复杂度
    VolterraO(24M5+16M3+8M)
    ESN-RLS-CMAO(4N3+18N2+10N)
    ESN-RLS-MMAO(4N3+19N2+10N)
    下载: 导出CSV
  • 加载中
图(7)表(4)
计量
  • PDF下载量:  16
  • 文章访问数:  337
  • HTML全文浏览量:  275
文章相关
  • 通讯作者:  杨凌, lingyang@lzu.edu.cn
  • 收稿日期:  2019-01-15
  • 录用日期:  2019-05-30
  • 网络出版日期:  2019-06-12
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章