一种基于判决反馈的iq矫正方法、模块、设备及系统
技术领域
1.本发明涉及通信领域，更为具体的，涉及一种基于判决反馈的iq矫正方法、模块、设备及系统。
背景技术：2.随着无线通信的发展，对器件的小型化、易集成等提出了越来越高的要求[1]。当前传统的超外插结构收发机严重制约了产业的发展，新型的零中频收发机以其结构简单、易于集成、功耗低、体积小的优势，逐渐受到了人们的关注成为这几年研究的热点[2～4]。然而在实际应用过程中由于受到器件工艺的限制，其同相和正交两条支路上的滤波器、放大器、混频器等器件无法做到完全一致，本振信号的两路输出也还达不到完全正交，因此i路和q路响应信号的输出会出现不平衡现象，表现为信号频谱出现镜像分量，镜像信号达到一定的功率将会导致主信号造成严重的失真，进而降低系统的动态范围，恶化系统的整体性能[5]。因此如何消除iq不平衡现象是当前研究的热点问题，有一定的实际意义。
[0003]
当前针对iq不平衡矫正问题有模拟域方式和数字域方式两类。模拟域通过优化电路结构、改变器件的布局方式来提高器件的一致性，进而降低iq不平衡的影响[6]，但利用该方式依然无法消除iq不平衡带来的损伤。随后，文献[7]报道了数字域的补偿方式，利用在信号中插入训练序列的方式，估算iq幅度和相位不平衡参数进而进行补偿，该方法结构简单，但是训练序列的引入也势必造成频谱资源的浪费，限制了系统的传输容量。近几年，人们将基于最小二乘方法的信道估计算法、稀疏矩阵算法、模拟退火算法等概念引入了iq矫正方法中都取得了喜人的成绩[8～10]，但是由于结构复杂、实现难度大，目前还无法在实际中商用，因此寻找一种简单、易于实现的算法是如今的迫切需求。
[0004]
零中频发射机的经典结构如图1所示，产生的基带信号拆分为i路和q路分别进入上下两条通路，上路信号经过dac转变为模拟信号后与cosωt相乘，下路则经过dac模块后与-sinωt载波相乘，其中ω＝2πf，f表征载波频率，经过这一混频过程，发射机将中心频率为零的基带信号上变频至射频信号的中心频率点。在理想模型下，i路和q路的幅频和相频特性应该完全一致，q路与i路的本振幅度相同，相位相差90
°
。但是由于工艺原因，上述条件是非常难以满足的，因此存在iq不平衡现象，此时的模型如图2所示。
[0005]
图中：
[0006][0007]
其中xi(t)和xq(t)表示i路和q路变频输出，i和q表征i路和q路输入信号，ω
lo
＝2πf
lo
，f
lo
代表载波频率，g表示i路和q路响应的幅度偏差，体现了i路和q路响应的相位偏差。将上式合并，得到输出结果为：
[0008]
[0009]
因此根据上述公式，得到的发端iq不平衡等效模型如图3所示。
[0010]
对于发端系统，iq不平衡是无法避免的，而造成这一现象的原因也是多方面的，包括调制器、本振、滤波器及dac等多个器件的工艺问题，都会造成iq不平衡这一现象。而这一现象最显著的特点就是会针对原始信号产生镜像频率分量，从而影响发端信号的信噪比。仅此，如何降低iq不平衡的影响进而提高发射机的系统性能，是当前的研究热点，具有重要的实际意义。
[0011]
现有参考文献：
[0012]
[1]宗可，曹桂兴，闫忠文.数据通信微小卫星星座系统的发展及应用[j].航天器工程，2011，2：66.
[0013]
[2]戚秀真.零中频发射机设计与实现[j].电子科技，2014，27(3)：73.
[0014]
[3]sluk a,walsh d.transcutaneous electrical nerve stimulation:basic science mechanisms and clinical effectiveness[j].j pain,2003,4(3)：109.
[0015]
[4]peckham p h,knutson j s.functional electrical stimulation for neuromuscular applications[j].annurevi biomed engineer,2005,7(7)：327.
[0016]
[5]everett e,sahai a,sabharwal a,et al.passiveself-interference suppression for full-duplex infrastructure nodes[j].ieee transactions on wireless communications,2014,13(2)：680.
[0017]
[6]曹鹏，费元春.直接正交上变频的边带与本振泄露分析及优化设计[j].兵工学报，2004，25(6)：712.
[0018]
[7]gu c f,law c l,wu w.time domain iq imbalance compensation for wideband wireless systems[j].ieee communications letters,2010,14(6):539.
[0019]
[8]wang j,yu h,wu y,et al.pilot optimization and power allocation for ofdm-based full-duplex relay networks with iq-imbalances[j].ieee access,2017,5:24344.
[0020]
[9]shu f,zhao j h,you x h,et al.an efficient sparse channel estimator combining time-domain ls and iterative shrinkage for ofdm systems with iq-imbalances[j].science china information sciences,2012,55(11):2604.
[0021]
[10]黄家骏，腾来，张朝杰，王春晖，朴成勇.基于模拟退火算法的i/q不平衡校正[j].浙江大学学报，2018，52(11)：2218.
技术实现要素：[0022]
本发明的目的在于克服现有技术的不足，提供一种基于判决反馈的iq矫正方法、模块、设备及系统，计算复杂度低，无需引入训练序列，针对频谱利用率高的应用场景，有较大的实用价值等。
[0023]
本发明的目的是通过以下方案实现的：
[0024]
一种基于判决反馈的iq矫正方法，包括以下步骤：
[0025]
在神经网络中引入判决器且判决器根据信号的格式进行判决，再将判决结果反馈于神经网络中多抽头的系数的更新。
[0026]
进一步地，包括对信号处理的子步骤：
[0027]
s1：将第n时刻接收信号x(n)分为两路，一路共轭输出为x
*
(n)；
[0028]
s2：将x
*
(n)与多抽头的系数wn(i)相乘，其中i＝[0,1,2,3,4
…
]，个数为自定义，多路相乘以后的结果输出为x
n*
[i]
×
wn[i],其中x
n*
[i]＝[x
*
(n),x
*
(n-1),x
*
(n-2)
…
x
*
(n-i)],wn[i]＝[wn(i),wn(i-1),wn(i-2)
…
wn(0)]；
[0029]
s3：步骤s2的输出结果与s1的另一路输出相加，得到实时输出y(n)＝x
n*
[i]
×
wn[i]+x(n)；
[0030]
进一步地，在信号处理后引入判决器且判决器根据信号的格式进行判决，具体包括子步骤：
[0031]
s4：将y(n)分为三路，第一路为输出结果，第二路进入判决器并根据信号格式对齐进行判决，输出结果为该输出结果再进入延时器后的输出结果为且
[0032]
s5：第三路经过延时进入存储单元，将存储单元数据yn[i]分为两路，且yn[i]＝[y(n),y(n-1),y(n-2)
…
y(n-i)],i＝[0,1,2,3,4
…
])，第一路与相乘得到
[0033]
s6：步骤s5中存储单元数据yn[i]的第二路与一起进入误差产生器，得到输出误差
[0034]
s7：该输出误差en[i]进入限幅器，通过en[i]的大小来调整反馈系数λn(i)的大小，λn(i)随着en[i]的增加而增大，反之亦然；
[0035]
s8：将反馈系数λn(i)与相乘，得到反馈矩阵
[0036]
进一步地，将判决结果反馈于神经网络中多抽头的系数的更新，具体包括子步骤：
[0037]
s9：将反馈矩阵用于多抽头的系数wn[i]的更新。
[0038]
进一步地，在步骤s5中，所述第三路经过延时进入存储单元的延时个数与s2中自定义个数保持一致。
[0039]
进一步地，在步骤s7中，en[i]还用于控制λn(i)在一个设定的范围内，如果超出范围则输出限幅器的最值用于代替，最值包括最大值和最小值。
[0040]
进一步地，在步骤s9中，更新函数设计为
[0041]
一种基于判决反馈的iq矫正模块，运行如上任一项所述方法。
[0042]
一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器加载时并执行如上任一项所述的方法，或包括如权利要求8所述的模块。
[0043]
一种通信系统，包括如上所述的计算机设备。
[0044]
本发明的有益效果包括：
[0045]
本发明方法简单，通过算法实现，无需耗费过多的计算单元，可实现性高；
[0046]
利用该算法能够有效的降低镜像分量的影响，提升系统的性能；
[0047]
通过判决器、限幅器和误差产生器的引入，增加了判决反馈对系统的影响力，能够使系统稳定性提升，增加鲁棒性，不会因为突发噪声而使系统崩溃；
[0048]
该方法计算复杂度低，无需引入训练序列，针对频谱利用率高的应用场景，有较大
的实用价值。
附图说明
[0049]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0050]
图1为经典发射机结构图；
[0051]
图2为发端iq不平衡原理图；
[0052]
图3为发端iq不平衡等效模型的示意图；
[0053]
图4为本发明实施例的基于神经网络的iq矫正模型；
[0054]
图5为神经元模型示意图；
[0055]
图6为零中频自适应iq矫正算法的验证模型结构图；
[0056]
图7为单音信号矫正前后频谱图；
[0057]
图8为16qam信号矫正前星座图与evm；
[0058]
图9为16qam信号矫正后星座图与evm。
具体实施方式
[0059]
本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。
[0060]
本发明实施例提供一种基于判决反馈的iq矫正方法，在实际应用过程中，根据图4所示，工作流程如下：
[0061]
步骤1：第n时刻接收信号x(n)分为两路，一路共轭输出为x
*
(n)；
[0062]
步骤2：x
*
(n)与wn(i)相乘，其中i＝[0,1,2,3,4
…
]，个数为自定义，多路相乘以后的结果，输出为x
n*
[i]
×
wn[i],其中x
n*
[i]＝[x
*
(n),x
*
(n-1),x
*
(n-2)
…
x
*
(n-i)],wn[i]＝[wn(i),wn(i-1),wn(i-2)
…
wn(0)]；
[0063]
步骤3：输出结果与另一路相加得到实时输出y(n)＝x
n*
[i]
×
wn[i]+x(n)；
[0064]
步骤4：输出y(n)又分为三路，一路为输出结果，第二路进入判决器根据信号格式对齐进行判决，输出结果为该输出再进入延时器，输出结果为其包括
[0065]
步骤5：第三路经过延时进入存储单元，延时个数与第2项保持一致，存储单元数据yn[i]分为两路，(其中yn[i]＝[y(n),y(n-1),y(n-2)
…
y(n-i)],i＝[0,1,2,3,4
…
])，一路与相乘得到相乘得到
[0066]
步骤6：另一路yn[i]与进入误差产生器，输出误差
[0067]
步骤7：该误差进入限幅器，它通过en[i]的大小来调整反馈系数λn(i)的大小，λn(i)随着en[i]的增加而增大，反之亦然；同时它还用于控制λn(i)在一个合适的范围内，如果超出范围则输出限幅器的最值(最大/最小)用于代替；
[0068]
步骤8：随后将反馈系数λn(i)与相乘，得到反馈矩阵相乘，得到反馈矩阵
[0069]
步骤9：反馈矩阵用于多抽头的系数wn[i]的更新，更新函数为
[0070]
步骤10：整体过程结束。
[0071]
上述方案借鉴了人工神经网络的结构，这里具体介绍该内容：
[0072]
人工神经网络结构及工作方式，模仿了人脑的组织结构和运行机制，可以实现自动学习和分析能力。作为人工神经网络的神经元模型(如图5所示)，有3个基本元素：
[0073]
(1)一组连接权值，连接强度由各连接上的权值表示，权值为正表示激励，为负表示抑制。
[0074]
(2)一个求和单元，用于求取多个输入信息的加权和(线性组合)。
[0075]
(3)一个非线性激励函数，起到非线性映射作用并限制神经元输出幅度在一定范围之内，一般限制在[0，1]或[-1，+1]之间。
[0076]
这里将神经网络的思想引入设计中，但是这里判决器则是根据信号的格式进行判决，比如0/1信号，则判决输出为0或者1；如qpsk信号则判决为1+i/1-i/-1+i/-1-i，因此当信号突然出现大的突变时，判决器依然会将信号判决在允许范围内，不会因为大的抖动对系统造成较大的影响。这里借鉴了该思想，并不是照搬该方法，后面加入了判决反馈的部分，也是本发明的主要特点之一。
[0077]
本发明实施例将wn[i]的更新方式修正成更为复杂的判决反馈方法，包括：
[0078]
(1)引入了y(n)的判决，优点如上所述；
[0079]
(2)引入了误差产生器用于对反馈系数λn(i)进行自适应的调整，这里根据理论与实际测试yn[i]的误差值en[i]进行自适应的调整λn(i)，这种调整更加精准，与实际系统也更加贴合；
[0080]
(3)引入限幅器用于限制λn(i)的取值，这里限幅器除了能够根据en[i]的大小调整λn(i)的数值，还能够在λn(i)超过一定幅度后，用限幅器的最大/最小值取代λn(i)，这使得系统不会因为偶然的en[i]增加导致λn(i)的快速增大，而使系统稳定度降低，因此增加了整个系统的鲁棒性，降低了大噪声或突发对系统的影响。
[0081]
本发明实施例可应用的场景，包括但不限于宽带系统，窄带系统依然试用，且不限于接收系统，发送系统依然可以放置相应的算法矫正模块进行预矫正。
[0082]
为了验证本发明实施例提出的基于判决反馈的iq不平衡矫正方法的有效性，我们设计了验证模型，结构如图6所示。图6中为了验证本方法的普适性，基带产生了不同频谱结构的单音信号和qam信号，该信号进入iq不平衡发射机，发射机模型参考图2，其中设置的幅度不平衡g＝1.2，相位不平衡角度φ＝5
°
。输出信号进入接收机，经过下变频、滤波和放大后，进入iq矫正模块，模块结构如图5所示，输出的结果进入显示模块，对于单音信号显示频谱，对于qam信号则经过同步后解调显示星座图。
[0083]
首先针对单音信号进行测试，选取信号频率为10mhz，采样率为40mbps，wn[i]的抽头个数为5，图7显示矫正前和校正后单音信号的频谱图。图中曲线1表示矫正前信号的频谱图，我们可以看到，除了相对于零频向右移动10mhz的信号主峰外，我们还能观察到-10mhz
的另外一个峰，它与信号峰关于零频对称，它表示了由于iq不平衡引起的镜像分量，它与主峰相差仅仅17.2db，因此该能量无法忽视，会干扰信号的时域特性，影响接收机正确接收信号。随后该信号经过iq矫正模块，其频谱如图7曲线2所示。我们看到，此时10mhz主峰的能量基本保持不变，而-10mhz的镜像分量则由15.3dbm下降至-34.6dbm，降低了有49.9db，与主峰相差了67.1db，因此镜像频率的干扰完全可以忽略，这足以证明iq矫正算法的正确性和有效性。
[0084]
随后我们针对带宽16qam信号进行了验证，选取信号符号率为10msps，采样率为30.72mbps，wn[i]的抽头个数为5。图8显示矫正前接收信号的星座图，从图中可以看到由于iq不平衡引入的镜像分量，已经严重干扰了接收信号的星座图分布，使得星座图发生了扭曲，此时测得的evm为-12.183db，这表明信号的干扰非常大，snr处于较低的水平。随后，对接收信号进行iq矫正，校正后星座图如图9所示。图中我们看出解调信号(圆点)与标准点(加号点)完全对应，满足标准的16qam星座图分布，此时的evm为-45.191db，与为矫正前相比下降超过了33db，大大提升了系统的性能，满足了系统snr的指标要求，为后续同步等数据处理打下了坚实的基础，因此印证了算法对于宽带信号处理的有效性。
[0085]
实施例1：一种基于判决反馈的iq矫正方法，包括以下步骤：
[0086]
在神经网络中引入判决器且判决器根据信号的格式进行判决，再将判决结果反馈于神经网络中多抽头的系数的更新。
[0087]
实施例2：在实施例1的基础上，包括对信号处理的子步骤：
[0088]
s1：将第n时刻接收信号x(n)分为两路，一路共轭输出为x
*
(n)；
[0089]
s2：将x
*
(n)与多抽头的系数wn(i)相乘，其中i＝[0,1,2,3,4
…
]，个数为自定义，多路相乘以后的结果输出为x
n*
[i]
×
wn[i],其中x
n*
[i]＝[x
*
(n),x
*
(n-1),x
*
(n-2)
…
x
*
(n-i)],wn[i]＝[wn(i),wn(i-1),wn(i-2)
…
wn(0)]；
[0090]
s3：步骤s2的输出结果与s1的另一路输出相加，得到实时输出y(n)＝x
n*
[i]
×
wn[i]+x(n)。
[0091]
实施例3：在实施例2的基础上，在信号处理后引入判决器且判决器根据信号的格式进行判决，具体包括子步骤：
[0092]
s4：将y(n)分为三路，第一路为输出结果，第二路进入判决器并根据信号格式对齐进行判决，输出结果为该输出结果再进入延时器后的输出结果为且
[0093]
s5：第三路经过延时进入存储单元，将存储单元数据yn[i]分为两路，且yn[i]＝[y(n),y(n-1),y(n-2)
…
y(n-i)],i＝[0,1,2,3,4
…
])，第一路与相乘得到
[0094]
s6：步骤s5中存储单元数据yn[i]的第二路与一起进入误差产生器，得到输出误差
[0095]
s7：该输出误差en[i]进入限幅器，通过en[i]的大小来调整反馈系数λn(i)的大小，λn(i)随着en[i]的增加而增大，反之亦然；
[0096]
s8：将反馈系数λn(i)与相乘，得到反馈矩阵
[0097]
实施例4：在实施例3的基础上，将判决结果反馈于神经网络中多抽头的系数的更
新，具体包括子步骤：
[0098]
s9：将反馈矩阵用于多抽头的系数wn[i]的更新。
[0099]
实施例5：在实施例3的基础上，在步骤s5中，所述第三路经过延时进入存储单元的延时个数与s2中自定义个数保持一致。
[0100]
实施例6：在实施例3的基础上，在步骤s7中，en[i]还用于控制λn(i)在一个设定的范围内，如果超出范围则输出限幅器的最值用于代替，最值包括最大值和最小值。
[0101]
实施例7：在实施例4的基础上，在步骤s9中，更新函数设计为
[0102]
实施例8：一种基于判决反馈的iq矫正模块，运行如实施例1～实施例7中任一项所述方法。
[0103]
实施例9：一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器加载时并执行如实施例1～实施例7任一项所述的方法，或包括如实施例8所述的模块。
[0104]
实施例10：一种通信系统，包括如实施例9所述的计算机设备。
[0105]
除以上实例以外，本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例，各个实施例的特征可以互换或替换，本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
技术特征：1.一种基于判决反馈的iq矫正方法，其特征在于，包括以下步骤：在神经网络中引入判决器且判决器根据信号的格式进行判决，再将判决结果反馈于神经网络中多抽头的系数的更新。2.根据权利要求1所述的基于判决反馈的iq矫正方法，其特征在于，包括对信号处理的子步骤：s1：将第n时刻接收信号x(n)分为两路，一路共轭输出为x
*
(n)；s2：将x
*
(n)与多抽头的系数w
n
(i)相乘，其中i＝[0,1,2,3,4
…
]，个数为自定义，多路相乘以后的结果输出为x
n*
[i]
×
w
n
[i],其中x
n*
[i]＝[x
*
(n),x
*
(n-1),x
*
(n-2)
…
x
*
(n-i)],w
n
[i]＝[w
n
(i),w
n
(i-1),w
n
(i-2)
…
w
n
(0)]；s3：步骤s2的输出结果与s1的另一路输出相加，得到实时输出y(n)＝x
n*
[i]
×
w
n
[i]+x(n)。3.根据权利要求2所述的基于判决反馈的iq矫正方法，其特征在于，在信号处理后引入判决器且判决器根据信号的格式进行判决，具体包括子步骤：s4：将y(n)分为三路，第一路为输出结果，第二路进入判决器并根据信号格式对齐进行判决，输出结果为该输出结果再进入延时器后的输出结果为且s5：第三路经过延时进入存储单元，将存储单元数据y
n
[i]分为两路，且y
n
[i]＝[y(n),y(n-1),y(n-2)
…
y(n-i)],i＝[0,1,2,3,4
…
])，第一路与相乘得到s6：步骤s5中存储单元数据y
n
[i]的第二路与一起进入误差产生器，得到输出误差s7：该输出误差e
n
[i]进入限幅器，通过e
n
[i]的大小来调整反馈系数λ
n
(i)的大小，λ
n
(i)随着e
n
[i]的增加而增大，反之亦然；s8：将反馈系数λ
n
(i)与相乘，得到反馈矩阵4.根据权利要求3所述的基于判决反馈的iq矫正方法，其特征在于，将判决结果反馈于神经网络中多抽头的系数的更新，具体包括子步骤：s9：将反馈矩阵用于多抽头的系数w
n
[i]的更新。5.根据权利要求3所述的基于判决反馈的iq矫正方法，其特征在于，在步骤s5中，所述第三路经过延时进入存储单元的延时个数与s2中自定义个数保持一致。6.根据权利要求3所述的基于判决反馈的iq矫正方法，其特征在于，在步骤s7中，e
n
[i]还用于控制λ
n
(i)在一个设定的范围内，如果超出范围则输出限幅器的最值用于代替，最值包括最大值和最小值。7.根据权利要求4所述的基于判决反馈的iq矫正方法，其特征在于，在步骤s9中，更新函数设计为8.一种基于判决反馈的iq矫正模块，其特征在于，运行如权利要求1～7中任一项所述方法。9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中
存储有计算机程序，当所述计算机程序被所述处理器加载时并执行如权利要求1～7任一项所述的方法，或包括如权利要求8所述的模块。10.一种通信系统，其特征在于，包括如权利要求9所述的计算机设备。
技术总结本发明公开了一种基于判决反馈的IQ矫正方法、模块、设备及系统，属于通信领域，包括以下步骤：在神经网络中引入判决器且判决器根据信号的格式进行判决，再将判决结果反馈于神经网络中多抽头的系数的更新。本发明计算复杂度低，无需引入训练序列，针对频谱利用率高的应用场景，有较大的实用价值。有较大的实用价值。有较大的实用价值。
技术研发人员：马雅男 唐小峰 李乐 刘潇龙 肖勇 周阳明
受保护的技术使用者：中国电子科技集团公司第十研究所
技术研发日：2022.05.06
技术公布日：2022/7/5
