改进的非线性卫星信道均衡器

计算机应用 ›› 2013, Vol. 33 ›› Issue (11): 3039-3041.

改进的非线性卫星信道均衡器

郭业才¹,²,³,徐冉¹,²,³

1. 南京信息工程大学电子与信息工程学院，南京 210044;
2. 南京信息工程大学江苏省气象传感网技术工程中心，南京 210044
3. 南京信息工程大学江苏省气象探测与信息处理重点实验室，南京 210044;

收稿日期:2013-05-16 修回日期:2013-07-16 出版日期:2013-11-01 发布日期:2013-12-04
通讯作者: 郭业才
作者简介:郭业才(1962-)，男，安徽安庆人，教授，博士生导师，主要研究方向：通信信号处理、系统仿真；徐冉(1988-)，男，江苏南京人，硕士研究生，主要研究方向：非线性卫星信道的建模和均衡。
基金资助:
全国优秀博士学位论文作者专项资金资助项目;2013年度江苏省高校自然科学研究重大项目;江苏省“六大人才高峰”培养对象资助项目;2012年度高校科研成果产业化推进工程项目;江苏省高校“传感网与现代气象装备”优势学科建设项目

Improved equalizer of nonlinear satellite channel

GUO Yecai¹,²,³,XU Ran¹,²,³

1. Jiangsu Key Laboratory of Meteorological Observation and Information Processing, Nanjing University of Information Science and Technology, Nanjing Jiangsu 210044, China;
2. College of Electronic and Information Engineering, Nanjing University of Information Science and Technology, Nanjing Jiangsu 210044, China;
3. Jiangsu Technology and Engineering Center of Meteorology Sensor Network, Nanjing University of Information Science and Technology, Nanjing Jiangsu 210044, China

Received:2013-05-16 Revised:2013-07-16 Online:2013-12-04 Published:2013-11-01
Contact: GUO Yecai

摘要/Abstract

摘要： 针对常用的Volterra结构均衡器运算量大的问题，提出一种改进结构的非线性卫星信道自适应均衡器。通过对截断Volterra级数进行数学分析，得到了具有非线性均衡器和线性均衡器级联形式的新均衡器结构。新结构均衡器将Volterra结构均衡器表达式中的三阶记忆项相乘转变为新模型非线性部分的二阶记忆项相乘，降低了信号通过均衡器所需的复数乘法次数。仿真结果表明,改进结构的非线性卫星信道自适应均衡器运算所需的复数乘法次数在信道记忆很深的情况下约为Volterra结构均衡器的1/9，有利于信号的实时处理。与此同时，经改进均衡器均衡输出的16振幅移相键控调制（16APSK）信号的星座点更为紧凑。

关键词: Volterra均衡器, 非线性卫星信道, 改进结构, 级联, 运算量

Abstract: Concerning the defect that Volterra structure equalizer has large amount of computation, an improved adaptive equalizer of nonlinear satellite channel was proposed, and a new cascade structure of a linear equalizer and a nonlinear equalizer were obtained by analyzing the truncated Volterra series. The third-order nonlinear memory term multiplying in the Volterra equalizer expression was converted to second-order nonlinear memory term multiplying in the new structure equalizer. When signals passed through the equalizer, the number of complex multiplications was reduced. The simulation results show that the number of complex multiplications of improved nonlinear satellite channel adaptive equalizer is 1/9 times as that of Volterra equalizer when channel has strong memory depth. Meanwhile, 16 Amplitude Phase Shift Keying (16APSK) signal equalized by the improved adaptive equalizer has more compact constellation points.

Key words: Volterra equalizer, nonlinear satellite channel, improved structure, cascade, computation

中图分类号:

TN911.5

郭业才徐冉. 改进的非线性卫星信道均衡器[J]. 计算机应用, 2013, 33(11): 3039-3041.

GUO Yecai XU Ran. Improved equalizer of nonlinear satellite channel[J]. Journal of Computer Applications, 2013, 33(11): 3039-3041.

[1]	卞凌志, 王直杰. 基于增强多维多粒度级联森林的信用评分模型[J]. 计算机应用, 2021, 41(9): 2539-2544.
[2]	徐丽云, 闫涛, 钱宇华. 基于级联混沌系统的分数域语音加密算法[J]. 计算机应用, 2021, 41(9): 2623-2630.
[3]	喻光继, 罗伟泰, 吴肖云. 基于改进体素锥追踪的大规模场景光照计算[J]. 计算机应用, 2020, 40(5): 1421-1424.
[4]	龚锐, 丁胜, 章超华, 苏浩. 基于深度学习的轻量级和多姿态人脸识别方法[J]. 计算机应用, 2020, 40(3): 704-709.
[5]	徐宝泉, 凌彤辉. 基于级联Vnet-S网络的CT影像单一器官自动分割算法[J]. 计算机应用, 2019, 39(8): 2420-2425.
[6]	黄光球, 谢蓉. 考虑节点过载的碳排放空间关联系统级联失效模型[J]. 计算机应用, 2019, 39(6): 1829-1835.
[7]	周玉金, 王晓东, 张力戈, 朱锴, 姚宇. 基于卷积神经网络的左心室超声图像特征点定位[J]. 计算机应用, 2019, 39(4): 1201-1207.
[8]	白丽贇, 胡学敏, 宋昇, 童秀迟, 张若晗. 基于深度级联神经网络的自动驾驶运动规划模型[J]. 计算机应用, 2019, 39(10): 2870-2875.
[9]	陈光喜, 王佳鑫, 黄勇, 詹益俊, 詹宝莹. 基于级联网络的行人检测方法[J]. 计算机应用, 2019, 39(1): 186-191.
[10]	翁理国, 刘万安, 施必成, 夏旻. 基于多维多粒度级联森林的高原地区云雪分类[J]. 计算机应用, 2018, 38(8): 2218-2223.
[11]	王爱珍, 胡姣, 韩航程. 基于级联随机共振的直接序列扩频信号的捕获方法[J]. 计算机应用, 2018, 38(7): 2020-2023.
[12]	陈平, 龚勋. 基于尺度自适应与增量式学习的人脸对齐方法[J]. 计算机应用, 2018, 38(7): 2064-2069.
[13]	李阅志, 祝园园, 钟鸣. 基于k-核过滤的社交网络影响最大化算法[J]. 计算机应用, 2018, 38(2): 464-470.
[14]	李敏佳, 许国艳, 朱帅, 张网娟. 基于结构洞和度折扣的影响力最大化算法[J]. 计算机应用, 2018, 38(12): 3419-3424.
[15]	董崇杰, 陈俞强. 相依网络中负载全局分配的级联故障模型[J]. 计算机应用, 2017, 37(7): 1861-1865.