Decision-Directed 모드와 유클리드 거리 알고리듬을 사용한 복소채널의 블라인드 등화

Complex-Channel Blind Equalization using Euclidean-Distance Algorithms with Decision-Directed Modes

상수 모듈러스 오차와 두확률 밀도 함수의 유클리드 거리에 기본을 둔 블라인드 알고리듬은 정보 이론적 학습 방법의 장점에도 불구하고 복소 채널의 위상 회전을 극복하지 못해 열악한 성능을 보인다. 이 논문에서는, 출력 전력이 다중 모듈러스 값의 근방에 있을 때 decision-directed 모드로 동작하는 기법을 정보 이론적 학습에 추가하므로서 복소 채널의 위상 회전 문제를 해결할 수 있음를 보였다. 복소 채널 모델과 16 QAM 방식에 대한 시뮬레이션 결과에서 복소 채널의 위상 회전 문제가 해결되어 현격한 성능 향상을 보였다.

Complex-valued blind algorithms which are based on constant modulus error and Euclidian distance (ED) between two probability density functions show relatively poor performance in spite of the advantages of information theoretic learning since the inherent characteristics of the constant modulus error prevent the algorithm from coping with the symbol phase rotation caused by the complex channels. In this paper, we show that the symbol phase rotation problem can be avoided and the advantages of information theoretic learning can be preserved by introducing decision-directed mode to the blind algorithm whenever the equalizer output power lies in the neighborhood of multi-modulus levels. Simulation results through MSE convergence and constellation comparison for severely distorted complex channels show significantly enhanced performance of symbol-point concentration and no phase rotation problems caused by the complex channel models.