臺灣博碩士論文加值系統

在數位通訊領域中，資訊經常是透過變形失真的類比通道如電話雙絞線、同軸電纜、大氣等介質來傳遞。這些通道失真主要的來源之一是頻寬的不足，另一則是多路徑傳遞(multi-path propagation)，其所造成之影響為符號間的相互干擾(intersymbol interference, ISI)，因而導致受訊端的訊息解碼程序錯誤率增加。針對這樣的問題，一般大多是在受訊端設計等化器來補償通道的失真，還原出所傳送的訊號。
在多用戶無線通訊應用上，除了上述通道失真的考量外，接收機的功率消耗量、電路製作成本、體積等也都是非常重要的考量，因此通常設計的方向會著重於簡化行動台(手機、個人數位輔助器、手提式電腦等)的運算複雜度，儘可能將複雜的運算量移到功能強大的基地台。基於這些考量，基地台在接收訊號時(上傳模式)，除了作等化處理外，仍應同時將通道特性準確的估計出來。如此在傳送訊號給行動台時(下傳模式)，便可運用這些通道特性做預等化處理(pre-equalization)，省去行動台的等化處理步驟。
通道等化與估計的應用範圍非常廣，除了上述通訊領域外，對其他如影像訊號處理、語音訊號處理等也都非常重要。例如，在紋理影像合成(texture image synthesis)方面，除了需要紋理影像等化後的訊號當作驅動輸入訊號(driving input)外，也需要二維的通道估測值來完成影像的合成。
傳統上，等化器的設計是根據事先傳送的已知資料訓練得來的，稱之為非盲等化器(non-blind equalizer)，這種操作模式則稱為訓練模式(training mode)。雖然運用訓練模式設計等化器較為簡便直接，但是相對地傳送已知資料會耗掉部分珍貴的頻譜資源，而且在某些應用情況下(譬如高速交換電話網路中)，接收機根本就無法取得可靠的已知資料。因此，在通道與所傳訊號的資訊未知情況下，僅使用接收到的訊號設計出的等化器，便稱為全盲等化器(blind equalizer)。由於等化器的設計是為了補償通道的失真，換言之，所設計的等化器事實上已經包含了通道的所有資訊，因此透過等化器便可很容易地得到通道的估計，這也就是祁與馮所提出的全盲通道估計(blind channel estimation, BCE)演算法[1]之基本構想。這個方法所提供的通道估計不易受雜訊影響，而且使用運算上非常有效率的快速富利葉轉換(fast Fourier transform, FFT)，因此整體運算複雜度不大。基於這些理由，本論文的目的是設法將祁與馮的BCE演算法實現於數位訊號處理(digital signal processing, DSP)晶片上，以方便此方法的實際應用。

題目：全盲通道估計之數位訊號處理器實現
DSP Implementation for Blind Channel Estimation
系 所 別：電機工程學系碩士班 組別：系統組
研 究 生：梁峻銜 (Chung Heng Liang)
指導教授：祁忠勇教授 (Prof. Chong-Yung Chi)
論文摘要
通道等化與通道估計經常是許多應用領域所必需的訊號處理，根據設計所得的全盲通道等化器，祁與馮提出一個全盲通道估計(blind channel estimation, BCE)演算法，將等化器中隱含的資訊轉變成通道的估計值。此BCE演算法的特色是可以提供一般寬頻帶通道以及零點在單位圓上或窄頻帶等特殊通道的精準估計值，而且具有對雜訊不敏感的特性。另外，此演算法是基於頻域快速富利葉轉換(fast Fourier transform, FFT)的非參數化估計方式，所以運算複雜度較其它參數化的全盲估計演算法為低。有鑑於此，本篇論文主要是將祁與馮的BCE演算法修改成晶格狀結構的處理方式，使其另外具有模組化及低量化誤差敏感度等優點，以適用於實際軟硬體的實現。本篇論文的流程是，先以MATLAB程式分別對離線(off line)與適應(adaptive)處理情況進行演算法的模擬驗證，再使用Blue Wave公司出品的數位訊號處理發展模組PCI C6600 EVM，完成數位訊號處理器的實現。
誌謝：
首先要感謝指導教授祁忠勇博士，無論是在課業與論文的研究上，都能給予我許多寶貴的建議與指導。俾使我在學術研究的精神與待人接物的態度上，獲益匪淺。也要感謝實驗室的啟宏、慶永兩位博士班學長在課業與研究上的不吝指教，使得本論文能順利進行，讓我能終於完成碩士學位。最後更要感謝父母親等家人，多年來辛苦地栽培與精神上的支持。
摘要i………………………………………………………… i
誌謝ii…………………………………………………….… ii
目錄iii……………………………………………………… iii第一章 緒論 1
1-1研究動機 1
1-2章節安排 2
第二章 全盲等化問題描述與模型假設 4
2-1高階統計量的定義 4
2-2全盲等化問題 5
2-3模型假設 6
2-4現有全盲等化演算法之簡介 6
2-4.1 反濾波器準則 7
2-4.2 超指數演算法 8
2-4.3 固定模數演算法 9
2-4.4 以白化前置處理的固定模數演算法 10
第三章 全盲通道估計演算法 14
3.1祁與馮的全盲通道演算法 14
3.2改進的全盲通道演算法－BCE-LCMA 16
3.3 BCE-LCMA演算法的特性 18
第四章 電腦模擬結果20
4.1 MATLAB模擬結果－離線處理 20
4.2 MATLAB模擬結果－適應處理 29
4.3模擬歸納與討論 36
第五章BCE-LCMA的DSP實現38
5-1 Blue wave DSP PCI 6600 EVM簡介 38
5-2 DSP Code Development Tool：Code
Composer Studio簡介 43
5-3 DSP Code 設計策略 43
5-4 DSP模擬結果 46
5-5 C程式語言設計在DSP EVM上的經驗與心得 53
第六章 結論 54
參考書目 55
附表1.1 專業名詞之中英文對照表 57

[1] C-Y. Chi and C.-C. Feng, “Blind channel estimation and MMSE equalization using Shalvi and Weinstein’s blind deconvolution criteria,” Proc. IEEE Wireless Communications and Networking Conference, New Orleans, LA, Sept. 21-24, 1999, pp. 659-663.
[2] C.-Y. Chi, C.-Y. Chen and B.-W. Li, “On super-exponential algorithm, constant modulus algorithm and inverse filter criteria for blind equalization,” IEEE SP Workshop on Statistical Signal and Array Processing, Pocono Manor, Pennsylvania, USA, August 14-16, pp. 216-220.
[3] C. L. Nikias and A. P. Petropuou, Higher-Order Spectra Analysis, Prentice Hall, 1993.
[4] O. Shalvi and E. Weinstein, “New criteria for blind deconvolution of nonminimum phase systems (channels),” IEEE Trans. Information Theory, vol. 39, no. 2, pp. 312-321, March. 1990.
[5] O. Shalvi and E. Weinstein, “Super-exponential methods for blind deconvolution,” IEEE Trans. Information Theory, vol. 39, no. 2, pp. 504-519, March 1993.
[6] D. N. Godard, “Self-recovering equalization and carrier tracking in a two-dimensional data communication system,” IEEE Trans. Commun., vol. COM-28, pp.1867-1875, Nov. 1980.
[7] J. R. Treichler and B. G. Agee, “A new approach to multipath correction of constant modulus signals,” IEEE Trans. Acoustics, Speech and Signal Processing, vol. 31, no. 2, pp. 349-472, Apr. 1983.
[8] Simon Haykin, Adaptive Filter Theory, Prentice Hall, 1996.
[9] O. Shalvi and E. Weinstein, Universal Methods for Blind Deconvolution, A chapter in Blind Deconvolution, S. Haykin, ed., Prentice-Hall, 1994.
[10] C.-C. Feng and C.-Y. Chi “Performance of cumulant based inverse filters for blind deconvolution,” IEEE Trans. Signal Processing, vol. 47, no. 7, pp.1922-1935, July 1999.
[11] C.-C. Feng and C.-Y, Chi “Performance of Salvi and Weinstein’s deconvolution criteria for channels with/without zeros on the unit circle,” IEEE Trans. Signal Processing, vol. 48, no. 2, pp. 571-575, Feb. 2000.
[12] C.-C. Feng, C.-His, and C.-Y. Chi, “Performance of shalvi and Weinstein’s blind deconvolution criteria for channels with/without zeros on the unit circle,” Proc. 2nd IEEE SP Workshop on SPAWC, Annapolis, Maryland, May 9-12,1999, pp.82-85.
[13] C.-C. Feng, “Studies on cumulant based inverse filter criteria for blind deconvolution,” Ph.D. Dissertation, Department of Electrical Engineering, National Tsing Hua University, Taiwan, R.O.C., June 1999
[14] M.H. Hayes, Statistical Digital Signal Processing and Modeling, Jhon Wiley and Sons, 1996.
[15] S.M, Kay, Modern Spectral Estimation, Prentice-Hall, 1988.
[16] C.-Y. Chi and J.M. Mendal, “Performance of minimum-variance deconvolution filter,” IEEE Trans. Acoustics, Speech, and Signal Processing, vol. 32, no. 6, pp. 1145-1153, Dec. 1984.
[17] J.G. Tugnait and U. Gummadavelli, “Blind equalization and channel estimation with partial response input signals,” IEEE Trans. Comm., vol. 45, no.9, pp.1025-1031, Sept. 1997.
[18] J.G. Proakis, Digital Communications, McGraw-Hill, Inc, 1995.
[19] Chong-Yung Chi, Chih-Chun Feng and Ching-Yung Chen, “Performance of super-exponential algorithm for blind equalization,” Proc. IEEE Vehicular Technology Conference —Spring, Tokyo, Japan, May 14-18, 2000,
[20] 王逸如,陳信宏,數位訊號處理的新利器TMS320C6X,全華科技,2000
[21] Blue Wave Systems PCI/C6600 Appliacation s Board Technical Reference Manual, May 1999
[22] Paul M. Embree, C Algorithm for Real-Time DSP, Prentice-Hall,1995