|
Latin American Knowledge Harvester >
Instituto Brasileiro de Informação em Ciência e Tecnologia >
Biblioteca Digital de Teses e Dissertações >
Universidade Estadual de Campinas - UNICAMP >
Please use this identifier to cite or link to this item:
http://hdl.handle.net/10229/56913
|
| Title: | Tecnicas preditivas para equalização autodidata |
| Authors: | Carlos Aurelio Faria da Rocha
João Marcos Travassos Romano
João Marcos Travassos Romano [Orientador]
Helio Waldman
João Cesar Moura Mota
Michel Yacoub
Rui Seara |
| Keywords: | Equalizadores (Eletronica)
Filtros adaptativos |
| Issue Date: | 22-Feb-1996 |
| Publisher: | Biblioteca Digital da Unicamp |
| Abstract: | Esta tese trata do problema de equalização adaptativa autodidata ou cega de um canal de comunicações digitais. Neste tipo de equalização não dispõe-se no receptor de uma seqüência de treinamento previamente conhecida. Inicialmente, são revistas as principais técnicas de equalização autodidata propostas na literatura, a saber: a técnica de Bussgang, as técnicas que utilizam asestatísticas de ordem superior do sinal de saída do canal e aquelas baseadas nas estatísticas cíclicas de segunda ordem do sinal de saída do canal amostrado a uma taxa superior a de símbolos. Em seguida, propõe-se duas novas técnicas de equalização autodidata baseada na teoria de predição linear. Na primeira, o equalizador é formado pela cascata de um retropreditor, um preditor IlR e um controle automático de ganho. O retropreditor compensa os zeros fora da circunferência de raio unitário e o preditor, os zeros internos. É proposta uma função objetivo não-linear para ajustar os coeficientesdo equalizador, onde a sua não-linearidade é controlada, isto é, pode-se passar de uma forma contínua de um critério de branqueamento/descorrelação para um critério de decisão direta. As análises teóricas e os resultados de simulações demonstram a condição de unimodalidade deste critério. Esta técnica possui um excelente desempenho na equalização de canais altamente distorcivos porém sem nulos espectrais. Na segunda técnica, propõe-se um equalizador autodidata como uma cascata de um preditor IIR e um equalizador de fase não-linear, também, IIR. O preditor equaliza a distorção de magnitude provocada pelo canal e o equalizador de fase equaliza a distorção de fase provocada pela cascata do canal e do preditor. O equalizador de fase é um filtro passa-tudo com um quantizador colocado na sua malha de realimentação. Mostra-se que o critério de decisão direta utilizado para ajustar os coeficientes deste equalizador é unimodal se o sinal de entrada do quantizador for gaussiano. Mostra-se também que esta condição de gaussianidade é satisfeita quando o canal possui uma resposta ao impulsolonga ou quando a constelação transmitida é composta por diversos símbolos. Diversos resultados de simulações demonstram a eficácia desta técnica, que possibilita ainda a equalização de canais com nulos espectrais
This thesis deals with self-learning (or blind) adaptive equalization of digital communication channels. In this type of equalization a training sequence it is not available at the receiver. The main self-learning equalization techniques proposed in the literature are reviewed. The Bussgang technique, techniques using higher order statistics of the channel output signal and techniques based on the second-order cyclostationary statistics of the channel output signal sampled at a rate higher than the baud rate are discussed. Two new self-learning equalization techniques based on the linear prediction theory are proposed. The first technique uses an equalizer formed by the cascade of a backward predictor, an IIR forward predictor and an automatic gain control. The backward predictor compensates the zeros outside the unit circle and the IIR forward predictor the zeros inside the unit circle. A non-linear objective function is proposed for adjusting the equalizer coefficients. The non-linearity is controlled by a smooth automatictransition from a whiteness/decorrelation criterion to a decision-directed criterion. The theoretical analysis and the simulation results leads to demonstrate that this non-linear criterion is unimodal. This technique leads to excellent results for highly distorted channelwithout spectral nulls. The second technique uses a self-learning equalizer as a cascade of an IIR forward predictor and a non-linear IIR phase equalizer. The forward predictor equalizes the magnitude distortion caused by the channel and the non-linear phase equalizer compensates the phase distortion caused by the cascade of the channel and the forward predictor. The non-linear phase equalizer is an all-pass filter with a quantizer in the feedback path. It is shown that the decision-directed criterion used to adjust the equalizer coeffIcientsis unimodal if the quantizer's input signalis gaussian. It is also shown that this gaussian conditions is satisfied when the channel has a long impulse response or when the transmitted constellation is composed by several symbols. Simulation results demonstrate the effIcacy of this technique in several situations, including the equalization of channels with spectral nulls |
| URI: | http://hdl.handle.net/10229/56913 |
| Other Identifiers: | http://libdigi.unicamp.br/document/?code=vtls000102988
oai:unicamp.br:vtls000102988 |
| Appears in Collections: | Universidade Estadual de Campinas - UNICAMP
|
Items in LAKH are protected by copyright, with all rights reserved, unless otherwise indicated.
|
