フィルター処理とフェージングチャネルによる適応イコライズ

この例では次を使用します。

このモデルでは、フェージングチャネルのある通信リンクでの、選択された適応イコライザーの動作を示します。送信側と受信側は、ルートレイズドコサインのパルス整形フィルター処理を行います。subsystem ブロックにより、最小平均二乗 (LMS) または再帰的最小二乗 (RLS) 適応アルゴリズムを使用する、線形イコライザーまたは判定フィードバックイコライザーを選択できます。

モデルの構造

送信機は、トレーニングシーケンスを含む 16QAM のランダムな信号データを生成し、ルートレイズドコサインのパルス整形フィルター処理を適用します。
チャネル障害には、マルチパスフェージング、ドップラーシフト、搬送波周波数オフセット、可変整数遅延、自由空間パス損失、および AWGN が含まれます。
受信機は、ルートレイズドコサインのパルス整形フィルター処理を適用し、ゲインを調整し、イコライザーモードコントロールを含めてトレーニングを有効にすることで、以下の選択肢からのイコライザーアルゴリズムの選択を可能にします。

$\begin{array}{|l|l|c|} \hline\vphantom{\displaystyle\int}
\mathbf{Selection}&\begin{array}{l}\mathbf{Equalizer\
Algorithm}\end{array}\\ \hline\mathrm{LMS\
Linear}&\begin{array}{l}\mathrm{Linear\ least\ mean\ square\
equalizer}\end{array}\\ \hline\mathrm{LMS\
DFE}&\begin{array}{l}\mathrm{Decision\ feedback\ least\ mean\ square\
equalizer}\end{array}\\ \hline\mathrm{RLS\
Linear}&\begin{array}{l}\mathrm{Linear\ recursive\ least\ square\
equalizer}\end{array}\\ \hline\mathrm{RLS\
DFE}&\begin{array}{l}\mathrm{Decision\ feedback\ recursive\ least\
square\ equalizer}\end{array}\\ \hline\end{array}$

スコープは、さまざまなイコライザーと適応アルゴリズムがどのように動作するかを理解するのに役立ちます。

モデル例の調査

モデルを試す

このモデルには、設定を変更して結果を観察するためのいくつかの方法が用意されています。モデルはコールバック関数を使用して、いくつかのブロックおよびサブシステムのパラメーターを構成します。詳細については、モデルコールバック (Simulink)を参照してください。コールバック関数 InitFcn は、Modeling>Model Settings>Model Properties>Callbacks にあり、補助関数 cm_ex_adaptive_eq_with_fading_init を呼び出してモデルを初期化します。この補助関数を使用すると、モデルの以下のような設定を変更できます。

SNR などのシステムパラメーター。
ロールオフやフィルター長などのパルス整形フィルターパラメーター。
パス損失値。
チャネル条件: レイリーフェージングまたはライスフェージング、チャネルパスゲイン、チャネルのパス遅延、ドップラーシフト。
Equalizer Selector サブシステムで使用されるイコライザーの選択と構成。

モデルに関する考慮事項

以下の標準ベースでない通信リンクは、最新の通信システムを表しています。

最適なイコライザーの構成は、チャネル条件によって異なります。初期化補助関数は、異なるイコライザーの機能を強調するドップラーシフトおよびマルチパスフェージングチャネルパラメーターを設定します。

判定フィードバックイコライザー構造は、大きな符号間干渉に対して線形イコライザー構造よりも優れたパフォーマンスを発揮します。
RLS アルゴリズムは、高いドップラー周波数に対して LMS アルゴリズムよりも優れたパフォーマンスを発揮します。
LMS アルゴリズムの実行は高速ですが、収束が遅く、その複雑度は重みの数と共に線形に増大します。
RLS アルゴリズムは迅速に収束し、その複雑度は重みの数の約 2 乗で増大します。これは重みの数が大きい場合、不安定になることがあります。
異なるイコライザーに用いられるチャネルには、以下の特性があります。

$\begin{array}{|l|l|c|} \hline\vphantom{\displaystyle\int}
\mathbf{Selection}&\begin{array}{l}\mathbf{Channel\
Characteristics}\end{array}\\ \hline\mathrm{LMS\
Linear}&\begin{array}{l}\mathrm{3\ tap\ multipath\ fading\ channel\ with\
10\ Hz\ Doppler\ shift}\end{array}\\ \hline\mathrm{LMS\
DFE}&\begin{array}{l}\mathrm{5\ tap\ multipath\ fading\ channel\ with\
25\ Hz\ Doppler\ shift}\end{array}\\ \hline\mathrm{RLS\
Linear}&\begin{array}{l}\mathrm{2\ tap\ multipath\ fading\ channel\ with\
70\ Hz\ Doppler\ shift}\end{array}\\ \hline\mathrm{RLS\
DFE}&\begin{array}{l}\mathrm{5\ tap\ multipath\ fading\ channel\ with\
100\ Hz\ Doppler\ shift}\end{array}\\ \hline\end{array}$

その他のチャネル障害に対する初期設定は、すべてのイコライザーに対して同じです。搬送波周波数オフセット値は、50 Hz に設定されます。自由空間パス損失は、60 dB に設定されます。可変整数遅延は 2 サンプルに設定されます。これは、イコライザーによってタイミング再生が必要になります。

深いチャネルフェージングとパス損失により、イコライザーの入力信号レベルが目的の出力信号レベルよりもかなり小さくなる可能性があり、その結果イコライザーの収束時間が許容できない範囲で長くなる可能性があります。AGC ブロックは、受信信号の振幅を調整して、イコライザーの収束時間を短縮します。選択された変調方式に基づいて、最適なゲイン出力電力レベルを調整しなければなりません。16QAM の場合、望ましい出力電力である 10 W が使用されます。

イコライザーの学習はシミュレーションの開始時に実行されます。

シミュレーションの実行

シミュレーションを実行すると、シンボルの誤り統計が計算され、以下の図が生成されます。

受信フィルターの後の信号のコンスタレーションダイアグラム。
ゲイン調整後の信号のコンスタレーションダイアグラム。
イコライズ後の信号のコンスタレーションダイアグラム (信号品質測定値を表示)。
イコライザーの誤差のプロット。

ここに示されているプロットの場合、選択されたイコライザーアルゴリズムは RLS Linear です。これらの数値を監視することで、受信信号品質がシミュレーション時間が進むにしたがって変化することが確認できます。

After Rx Filter と After AGC のコンスタレーションプロットは、イコライズ前の信号を示します。After AGC は、送信された信号に対するチャネル条件の影響を示します。After Eq プロットは、イコライズ後の信号を示します。イコライズの後にコンスタレーションダイアグラムでプロットされる信号は、イコライズ処理の効果に基づいて信号品質の変動を示します。シミュレーション全体を通して、イコライズ前にプロットされた信号コンスタレーションは、16QAM 信号コンスタレーションから顕著に逸脱します。After Eq コンスタレーションでは、イコライザーの誤差信号が変化するにつれて、改善または劣化が見られます。Eq Error プロットにプロットされている Eq error は、シミュレーション開始時のイコライズが適切でないことを示しています。まず誤差が小さくなり、次にイコライザーが収束するにつれて改善が見られます。

その他の調査

Equalizer Selector サブシステムをダブルクリックして、異なるイコライザーを選択します。シミュレーションを実行して、さまざまなイコライザーオプションのパフォーマンスを確認します。信号ロガーを使用して、この実験の結果を比較できます。モデルウィンドウで信号線を右クリックし、[Log Selected Signals] を選択します。信号のログを有効にした場合は、シミュレーションの実行の終了後、シミュレーションデータインスペクターを開いてログ記録された信号を確認します。

MATLAB® コマンドプロンプトで、edit cm_ex_adaptive_eq_with_fading_init.m を入力して初期化ファイルを開き、パラメーターを変更してシミュレーションを再実行します。たとえば、チャネル特性 (params.maxDoppler、params.pathDelays、および params.pathGains) を調整します。RLS 適応アルゴリズムは、最大ドップラーが増加するにつれて、LMS 適応アルゴリズムよりも優れたパフォーマンスを発揮します。