摘要：目前，我国通信技术的发展相当迅猛，通信技术的不断发展为社会发展提供了强有力的技术支撑。通信产业已经成为社会经济发展的支柱型产业，通信及信息产业的蓬勃发展对于国民经济现代化的发展有着巨大的推动作用。本文根据信道盲均衡技术研究问题进行探讨，进一步引起大家对这一问题的关注，并引导大家对信道盲均衡的相关技术深入研究，推动通信工程的不断发展，从而为提高信息产业的向前进步，为城市通信产业发展做出贡献。
关键词：信道 盲均衡 技术 研究
1.目前通信技术的发展概况
当前通信技术的发展已经达到了前所未有的高度，许多新兴的通信技术令人目不暇接。我们都感叹，信息技术发展的太快了。而且随着互联网络的迅猛发展，接收信息已经成了人们生活中的一部分。许多信息来自于互联网，我们每天在互联网上获取信息，进行数据的传输，在互联网上获得信息已经成为人们生活的一部分。是同以前一样从报纸，电视等过去主要的媒介得到信息的新途径。很多互联网以及无线应用技术发展的相当快，有些还没等人们用习惯，就已经更新了。当初可能都没想到，计算机及其互联网络变得这样被广泛应用到我们生活的方方面面，并且相当重要。目前通信技术，包括软、硬件相关技术，还有移动无线互联网技术迅猛的发展。人们已经不在满足于在一个固定地点与互联网进行连接，更希望在世界各地任何角落都能够与国际互联网进行接入。通信技术是信息传播的基础，现在应用越来越广泛。无线通信模式对于文化信息的传播和交流发展非常之迅速，现在成为新世纪的人们进行交流和相互沟通的重要工具。
2.通信技术的重要应用
目前，通信技术在时时刻刻地影响着我们多数人的生活。能够非常实效的获取自己想要的信息，所以通信技术及其应用最近得到了极大的发展。许多人通过固定连接点或移动平台等方式访问网络，而获取快捷信息，或者进行信息的传输及交换，或者在异地将图片，声音，影像等传给相隔遥远的接收者。随着无线通信技术的飞速发展和通信产业的不断成熟，移动通信基础设施及技术水平发展非常迅速，对于信道的通信质量及信号的接收有着更高的需求。无论你走到天涯海角，只要在有通信信号的地方，你都可以通过网络与他人取得联系。而随着时代的发展，信道均衡显得尤为重要，正确的识别和接收信号，将原始信号进行正确的还原，是信道盲均衡技术研究的主要内容。对于具有通信专业理论的专业化人士，应该在国际化的竞争当中，成为掌握领先技术的未来新型人才。在技术不断更新的过程中，能够不断适应新时期发展的需要。
3.信道盲均衡技术研究
信道盲均衡是能够不借助训练序列，而仅仅利用所接收到的信号序列即可对信道进行自适应均衡的方法。信号大致可以分成两种类型，平稳信号和非平稳信号。在非平稳信号中有一特殊的时变信号，其统计特性的非平稳性呈现为周期或多周期平稳变化，这类信号就是循环平稳信号或周期平稳信号。循环平稳或非平稳信号盲均衡的核心是过采样，其采样频率是采样频率的整数倍。一般情况利用二阶统计量不能解决非最小相位系统或信道的均衡问题。而使用二阶循环平稳统计量可辨识和均衡时不变非最小相位系统。但如果是时变系统，那就必须使用高阶循环平稳统计量了。循环平稳信号盲均衡的优点是，可以分离平稳和非平稳信号，对任何平稳噪声以及循环平稳的高斯噪声都不敏感，能够恢复时变系统的相位信息，可用于表征非线性。
平稳信号盲均衡的核心是高阶统计量，其主要缺点是收敛慢且存在局部极小点，不适用于移动通信的快速变化信道。平稳信号盲均衡的基本特征是，对接收到的信号按波特率采样，即对每个码元取一个采样值。这类技术又可分为Bussgang类型盲均衡和基于高阶统计量的盲均衡两种，其本质都是利用平稳信号的高阶统计量，因而应属同一类。基于Bussgang性质的盲均衡算法先设计一个代价函数， 使得理想系统对应于该函数的极小值点， 然后采用某种自适应算法寻找代价函数的极值点。当代价函数达到极值点后， 系统也就成为期望的理想系统。基于高阶统计量的盲均衡。大家都知道，一般情况下，基于二阶统计量的均衡算法只能解决最小，或最大相位信道的均衡问题，而对非最小相位信道无能为力。而系统输出序列的高阶统计量则既能反映系统，及信道传递函数的幅度信息，又能揭示系统，信道的相位信息，同时也能有效抑制系统或信道中的加性高斯噪声，因此能够用于各种系统，信道辨识和参数估计，实用性强。基于高阶统计量的盲均衡它的输入信号必须是非高斯的，可以分成两种类型，基于隐式高阶统计量，不明显地利用接收信号的高阶统计量。这类盲均衡它其中包括Bussgang算法。基于高阶统计量盲均衡的优点是，可以构造任意形式的均衡器结构，不需要准确的系统阶数判定，同时能够保证算法很好地收敛到全局最小点。不足是计算复杂度较高，且需要很长的观测数据。
信道盲均衡也可用神经网络理论的自均衡算法，从原理上主要有两种，一种是基于传统代价函数的方法，首先选择一个网络结构，提出一个代价函数，并且根据函数确定权值的递推方程，包含有输入和输出信号的特性。并通过求函数的极小值来达到调整权值的目的。另一种是根据网络的能量函数构造权值，即从现阶段神经网络的研究来看，神经元及神经网络本身都可以用简单的电子线路来实现，并且每一种神经网络都有自己的能量函数和状态方程。可以证明，当网络中的任何一个神经元的状态发生变化时，能量函数都将减小，即系统总是朝着能量减小的方向变化，最终进入稳定状态。
参考文献：
[1] 非平稳信号分析与处理 张贤达 保铮 北京 国防工业出版社 1989年
[2] 基于多层神经网络的盲均衡算法 梁启联 周正 北京邮电大学学报 1996年
[3] 基于高阶累计量的CES盲均衡算法研究 赵帅锋 黄绣坤 铁道学报 1995年
[4] 一种对Bussgang类盲均衡算法的简单初始化方法 许华 郑辉 系统仿真学报 2005年
[5] 基于Bussgang技术的盲均衡算法分析 张立毅 张雄 王华奎等 计算机工程与应用 2003年
