$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

오차 신호의 비선형 변환을 이용한 Varying Step Size 방식의 SE-MMA 적응 등화 알고리즘의 성능 평가
Performance Evaluation of SE-MMA Adaptive Equalization Algorithm with Varying Step Size based on Error Signal's Nonlinear Transform 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.17 no.1, 2017년, pp.77 - 82  

임승각 (공주대학교 정보통신공학부)

초록
AI-Helper 아이콘AI-Helper

본 논문은 16-QAM과 같은 스펙트럼 효율적인 nonconstant modulus 신호 전송에서 채널에서 발생되는 찌그러짐에 의한 부호간 간섭을 보상하기 위한 SE-MMA (Signed Error-Multiple Modulus Algorithm) 블라인드 적응등화 알고리즘에서 오차 신호의 비선형성을 이용한 가변 적응 스텝 크기를 적용하여 등화 성능을 개선할 수 있는 VSS_SE-MMA (Varying Step Size_SE-MMA)에 관한 것이다. SE-MMA는 기존 MMA 적응 등화기의 탭 계수 갱신시 오차 신호의 극성만을 이용하므로서 연산량을 줄이기 위하여 등장하였으나 이로 인한 등화 성능이 열화되는 문제점이 있다. VSS_SE-MMA에서는 이와 같은 SE-MMA의 문제점을 개선하기 위해 오차 신호를 고려한 스텝의 크기를 변화시켜 적응 등화기의 탭 계수 갱신에 이용하므로서 이의 성능을 시뮬레이션을 통해 확인하였다. 이의 개선된 성능을 확인하기 위하여 등화기 출력 성상도, 잔류 isi, 최대 찌그러짐MSE, 채널의 신호대 잡음비에 따른 SER을 적용하였으며, 시뮬레이션 결과 VSS_SE-MMA 알고리즘이 SE-MMA보다 수렴 속도에서 거의 비슷하면서도 정상 상태에서 모든 성능 지수에서 개선됨을 확인하였다.

Abstract AI-Helper 아이콘AI-Helper

This paper related with the VSS_SE-MMA (Varying Step Size_Signed Error-MMA) which possible to improving the equalization performance that employing the varying adaptive step size based on the nonlinearities of error signal of SE-MMA (Signed Error-MMA), compensates the intersymbol interference by dis...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 논문에서는 16-QAM과 같은 nonconstant modulus 신호에서 기존 MMA 적응 등화 알고리즘의 연산량을 단순화시킨 고정 스텝의 SE-MMA 알고리즘에 오차 신호의 비선형성을 이용한 VSS_SE-MMA 적응 등화 알고리즘의 성능을 평가하였다. 성능 평가 결과 정상 상태에서 VSS_SE-MMA가 SE-MMA보다 잔류 isi에서는 0.
  • 본 논문에서는 대역폭 제한 채널에서 널리 사용되고 있는 nonconstant modulus 신호인 16-QAM 신호를 송신 신호로 사용할 때 수신측의 적응 등화 알고리즘에서 스텝 크기를 변화시키므로서 SE-MMA 적응 등화 성능을 개선할 수 있는 오차 신호의 비선형성을 이용하여 가변 스텝 크기를 갖는 VSS_SE-MMA 알고리즘에 대하여 제안하며, 이의 개선된 성능을 시뮬레이션을 통해 확인하였다. 성능 비교를 위한 지수로는 등화기 출력 신호 성상도, 수렴 특성을 나타내는 잔류 isi, 최대 찌그러짐과 MSE, 알고리즘의 외부 잡음에 대한 강인성을 보이기 위한 SER을 사용하였고, 정량적으로 수렴 특성 지수에서 정상 상태에 도달하기 위한 iteration 횟수가 사용되었다.

가설 설정

  • (1) 송신 필터와 수신 필터는 이상적이다.
  • (3) 미지의 SISO (Single In Single Output) 시스템인 채널 \(h_k\)는 비최소 위상 선형 시불변으로 전달 함수는 단위원상에 영점이 존재하지 않는다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
블라인드 적응 등화를 위한 알고리즘은 무엇이 있는가? 블라인드 방식은 학습열을 사용하지 않는 대신 수신된 신호열과 송신 신호의 dispersion constant라는 통계적 사전 특성을 이용하여 고차 통계치나 비가우시안 입력열에 유효한 비선형성을 이용하여 nonminimum phase 채널의 등화가 가능하지 만, 등화 특성이 열화되는 문제점이 있다. 블라인드 적응 등화를 위하여 좋은 수렴 성능과 채널 추적 능력 및 잡음에 대한 강인성등을 들 수 있으며, 이를 위한 알고리즘으로 CMA, RCA, MMA등을 들 수 있다 [2][4] . CMA는 가장 간단하지만 채널의 진폭만 보상이 가능하며 수렴 속도가 느리다.
블라인드 방식의 장단점은 무엇인가? 학습열의 사용에 의한 채널의 대역폭 낭비와 전송 효율 저하가 발생되므로, 이에 의존하지 않는 블라인드 방식이 등장하였다. 블라인드 방식은 학습열을 사용하지 않는 대신 수신된 신호열과 송신 신호의 dispersion constant라는 통계적 사전 특성을 이용하여 고차 통계치나 비가우시안 입력열에 유효한 비선형성을 이용하여 nonminimum phase 채널의 등화가 가능하지 만, 등화 특성이 열화되는 문제점이 있다. 블라인드 적응 등화를 위하여 좋은 수렴 성능과 채널 추적 능력 및 잡음에 대한 강인성등을 들 수 있으며, 이를 위한 알고리즘으로 CMA, RCA, MMA등을 들 수 있다 [2][4] .
알고리즘으로 CMA, RCA, MMA의 특징은 어떠한가? 블라인드 적응 등화를 위하여 좋은 수렴 성능과 채널 추적 능력 및 잡음에 대한 강인성등을 들 수 있으며, 이를 위한 알고리즘으로 CMA, RCA, MMA등을 들 수 있다 [2][4] . CMA는 가장 간단하지만 채널의 진폭만 보상이 가능하며 수렴 속도가 느리다. 반면 RCA는 진폭과 위상의 동시 보상이 가능하지만 연산량이 증대되고 등화 잡음이 발생된다. 반면 MMA는 진폭과 위상의 동시 보상 및 등화 잡음이 적은 반면 알고리즘의 연산량이 증가하므로, 이의 장점을 살리면서 연산량 문제를 해결하기 위한 SE-MMA가 등장 하였다 [2][5] . 그러나 이들 방식에서는 적응 등화기의 탭 계수 갱신을 스텝 크기를 고정적으로 사용하며, 연산량 감소에 따른 등화 성능이 열화된다.
질의응답 정보가 도움이 되었나요?

참고문헌 (9)

  1. J.Yang, J.J.Werner, G.A.Dumont,"The Multimodulus Blind Equalization and Its Generalized Algorithms", IEEE Journal on S.A.C., Vol.20, No.3, pp.997-1015, June 2002. DOI: https://doi.org/10.1109/JSAC.2002.1007381 

  2. A.Ozen, I.Kaya, B.Soysal,"Variable Step-Size Constant Modulus Algorithm Employing Fuzzy Logic Controller", Wireless Pers. Commun., Vol.54, No.2, pp.237-250, July 2010. 

  3. M.Abide D., A. Ozen, "A Novel Variable Step Size Adjustment Method Based on Autocorrelation of Error Signal for the Constant Modulus Blind Equalization Algorithm", Radio Engineering, Vol.21, No.1, pp.37-45, April 2012. 

  4. Weerackody V., Kassam S.A.,"Variable Step Size blind adaptive equalization algorithms", IEEE Int. Symp. on circuits and systems, pp.718-721, Vol. 1, 1991. 

  5. V.Weerackody, S.A.Kassam, K.R.Laker, "A simple hard-limited adaptive algorithm for bind equalization", IEEE Trans. on Circuits and System, Vol.39, No.7, pp.482-487, July 1992. 

  6. Wen si-yuan, Liu Feng, "A Computationally Efficient Multi-modulus Blind Equalization Algorithm", 2nd IEEE conf. of Infor. Eng. and Management, pp.685-687, 2010. 

  7. D.S.Kang, S.G.Lim, "Performance of SE-MMA Blind Adaptive Equalization Algorithm in QAM System", Jour. on I.W.I.T., Vol.13, No.3, pp.63-69, June 2013. 

  8. S.G.Lim, "A Performance Evaluation of VSS-MMA Adaptive Equalization Algorithm using the Non-Linear Function of Error Signal for QAM System", Jour. on I.I.B.C., Vol.15, No.1, pp.131-137, Feb. 2015. 

  9. S.G.Lim, "Performance Improvement of S-MMA Adaptive Equalization Algorithm based on the Variable Step Size", Jour. on I.I.B.C., Vol.16, No.2, pp.107-112, Apr. 2016. 

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로