Bagaimana cara memperkirakan jumlah keran yang dibutuhkan untuk algoritma estimasi saluran selanjutnya?

Saya baru-baru ini menerapkan equalizer saluran MMSE, dan saya telah membaca tentang banyak jenis lain estimasi saluran / algoritma kompensasi di luar sana. Namun, satu hal yang tidak pernah dibicarakan adalah cara memperkirakan jumlah keran dalam model saluran yang Anda coba perkirakan. Bagaimana ini dicapai?

Misalnya, dalam implementasi MMSE yang saya miliki, saya tahu urutan pelatihan, dan dengan demikian, dan menggunakan urutan pelatihan untuk meminimalkan kesalahan saya. Namun, bagaimana jika respons impuls saluran lebih panjang dari urutan pelatihan? Saya tidak akan pernah melihat efeknya, dan dengan demikian efeknya pada urutan pelatihan tidak akan terlihat. Bagaimana cara memperkirakan jumlah keran yang dibutuhkan untuk estimasi saluran?

Terima kasih!

impulse-response

— Spacey
sumber

Jawaban:

Apa yang Anda cari adalah cara untuk memperkirakan penyebaran keterlambatan saluran . Penyebaran keterlambatan adalah ukuran durasi efektif respons impuls saluran (sering disebabkan oleh multipath , yang berguna untuk menentukan berapa lama filter penyamaan Anda harus.

Cara Anda melakukan ini akan bervariasi tergantung pada karakteristik sistem Anda. Beberapa pendekatan potensial adalah:

Jika Anda memiliki kemampuan untuk melembagakan periode pelatihan ke sistem komunikasi Anda, Anda dapat menggunakan saluran yang terdengarteknik untuk memperkirakan respons saluran Anda. Ada beberapa cara untuk melakukan ini: Anda dapat mengirimkan gelombang pendek, seperti impuls melalui saluran dan langsung mengukur respons impuls, atau Anda bisa mengirim bentuk gelombang dengan sifat spektral yang diketahui (seperti white noise pseudorandom) dan mengukur frekuensi respon pada penerima. Anda kemudian dapat membalikkan respons frekuensi untuk mendapatkan perkiraan respons impuls saluran. Kemudian, perkirakan panjang respons yang efektif dengan memeriksa hasilnya. Metode-metode ini memperkirakan penyebaran keterlambatan agak mengalahkan tujuan menggunakan equalizer adaptif, tetapi jika penyebaran keterlambatan saluran tidak diharapkan banyak berubah selama operasi sistem, maka itu dapat bekerja.
Jika bentuk gelombang Anda memiliki sifat autokorelasi yang baik, seperti sinyal spektrum sebaran urutan langsung atau bentuk gelombang OFDM dengan awalan siklik, maka Anda dapat menggunakan pendekatan berbasis korelator. Selama proses sinkronisasi untuk sinyal-sinyal seperti ini, orang akan sering menggunakan korelator (mis. Filter yang cocok ) untuk mendapatkan waktu simbol yang akurat dengan mencari puncak pada output korelator. Jika terdapat multipath di saluran, output korelator akan berisi beberapa puncak yang sepadan dengan jalur berbeda yang dapat diambil sinyal melalui saluran. Spread keterlambatan dapat diperkirakan dengan mengukur durasi waktu antara puncak pertama dan terakhir.

Sama seperti untuk equalizer pada umumnya, ada banyak literatur di luar sana tentang metode estimasi keterlambatan penyebaran. Jika Anda menggabungkan pencarian itu dengan jenis sistem yang ingin Anda terapkan, Anda lebih mungkin menemukan hasil yang berfungsi untuk aplikasi Anda.

— Jason R
sumber

Terima kasih Jason, Hmm, saya tidak memiliki kemewahan dari titik pertama di aplikasi saya, tetapi saya menggunakan sistem spektrum penyebaran urutan langsung. Dalam hal MMSE, di mana saya memiliki urutan pelatihan, menurut saya, bahkan jika saya tahu berapa banyak saluran, jika keterlambatan penyebaran lebih besar dari panjang urutan pelatihan saya dalam waktu, equalizer MMSE saya tidak akan pernah menyamakan . (Metrik LSE tidak memiliki apa pun untuk dikoreksi). Apakah satu-satunya solusi di sini untuk meningkatkan panjang urutan pelatihan dengan mengorbankan datarate? Mungkin harus selalu diatur ke beberapa angka maksimal?

— Spacey

Maaf karena tidak merespons lebih awal. Jika respons impuls saluran lebih panjang dari equalizer Anda, maka ya, Anda akan mengalami kinerja yang lebih buruk. Memikirkannya secara kualitatif, jika saluran memiliki panjang 1000 simbol, maka setiap simbol yang diamati adalah fungsi dari 999 sebelumnya. Seberapa baik ini akan bekerja tergantung pada bentuk respon yang tepat.

— Jason R

Ada beberapa alternatif yang masuk akal untuk membuat urutan pelatihan Anda sangat lama: teknik penyamaan buta dan struktur ekualiser terarah keputusan . Salah satu contoh equalisasi buta adalah algoritma modulus-konstan , yang berguna untuk sinyal amplop-konstan (yaitu fase-atau frekuensi-termodulasi).

— Jason R

Equalizer yang diarahkan pada keputusan hanya mengasumsikan bahwa setiap keputusan simbol yang dibuat oleh penerima Anda adalah benar, memasukkan hasilnya kembali ke proses adaptasi. Ini secara efektif memperlakukan semua simbol yang diterima sebagai bagian dari urutan pelatihan, tetapi hanya bekerja dengan baik ketika Anda memiliki cukup SNR untuk mendapatkan tingkat kesalahan simbol yang layak untuk memulai; kalau tidak, Anda memberi makan filter adaptif dengan banyak informasi buruk. Ini juga sering digunakan dalam pendekatan hybrid, di mana urutan pelatihan digunakan untuk akuisisi awal dan operasi yang diarahkan pada keputusan digunakan untuk melacak properti saluran yang bervariasi waktu.

— Jason R

Saya melihat ke algoritma CMA ... apa sebenarnya 'modulus' dari suatu sinyal - sepertinya ini hanya amplop yang benar? Juga, jika Anda hanya berurusan dengan satu antena, berapakah bobot yang dikalikan? Sampel softbit dari setiap vektor regresi? Terima kasih.

— Spacey

Panjang respons impuls biasanya terkait dengan resolusi frekuensi dari fungsi transfer saluran. Sebagai patokan: semakin detail dalam respons frekuensi, semakin lama respons impulsnya.

Dalam praktiknya ada beberapa hal yang dapat Anda lakukan: Jika Anda memiliki akses penuh ke yang serupa, Anda bisa mengukurnya dengan pengukuran respon impuls yang sangat lama. Daripada Anda dapat memotong respon impuls dan melihat apa yang terjadi pada fungsi transfer. Pemotongan akan membuat kesalahan dan dengan cara ini Anda dapat memanggil panjang respons impuls ke titik di mana kesalahan masih bisa ditoleransi.

Anda juga dapat menggunakan pengetahuan fisik tentang saluran tersebut. Misalnya penguat audio hanya memiliki beberapa komponen elektronik, yang semuanya dirancang khusus untuk membuat fungsi transfer datar dengan distorsi fase kecil. Sejumlah sampel baik-baik saja untuk itu. Di sisi lain lihatlah pengeras suara di sebuah ruangan: suara memantul dengan beberapa refleksi sampai akhirnya mati. Dalam hal ini Anda akan membutuhkan ribuan sampel (tidak praktis sama sekali).

Banyak sistem memiliki karakteristik bandpass atau high pass: semua sistem akustik adalah high pass karena udara tidak dapat mentransmisikan suara DC. Sebagian besar sistem komunikasi adalah band pass karena informasi perlu menjauhi tepi ekstrim band. Dalam kasus ini sering kali panjang respon impuls ditentukan oleh roll high pass, yaitu frekuensi dan kecuraman high pass.

— Hilmar
sumber

Terima kasih Hilmar, Sejujurnya, saluran saya memiliki potensi untuk menjadi sangat panjang, relatif terhadap durasi bit saya. Komponen multipath yang mempengaruhi, katakanlah, bit 1000 adalah tipikal. Saya mencoba mencari tahu apakah satu-satunya solusi di sini adalah dengan hanya menganggap saluran saya selalu dalam urutan ini, memiliki urutan pelatihan yang panjangnya kurang lebih, dan menerapkan MMSE seperti itu. Atau mungkin ada jenis pemerataan lain yang bisa saya lakukan? ...

— Spacey