Técnicas de ecualización ciega de canal utilizando algoritmos adaptativos

• Autores: Johanna Andrea Hurtado Sanchez, Pablo Emilio Jojoa
• Localización: I+ T+ C: Investigación, tecnología y ciencia, ISSN-e 2805-7201, ISSN 1909-5775, Vol. 1, Nº. 11, 2017 (Ejemplar dedicado a: Revista I+T+C - Investigación, Tecnología y Ciencia), págs. 29-40
• Idioma: español
• Títulos paralelos:
  • Blind channel equalization techniques using adaptive algorithms
• Enlaces
  • Texto completo
• Resumen
  • español

    En este artículo se presenta un estudio de la ecualización ciega de canal o autodidacta utilizando algoritmosadaptativos, los que permitan una detección adecuada de señales que viajan a través del canal, mitigando los errores producidos por interferencia intersimbólica y el ruido. El método de ecualización ciega estudiado utiliza estadísticas de orden superior de la señal transmitida para calcular la señal de error y así estimar los datos recibidos. Los algoritmos propuestos utilizados en ecualización ciega, generalmente conocidos como algoritmos autodidactas que ofrecen mejor desempeño en condiciones reales, optimizando la capacidad del canal, se muestran en el desarrollo del artículo. Entre ellos se encuentran el CMA (constant modulus Algorithm) Godard (1980), algoritmo de decisión directa de lucky (1966), algoritmo de Sato (1975), el algoritmo LMS (Least Mean Square) autodidacta, entre otros. De estos algoritmos se caracteriza el LMS, debido a su bajo costo computacional aunque ofrece una velocidad de convergencia relativamente lenta y el CMA, el cual es computacionalmente más complejo, sin embargo, ofrece una estimación de los datos relativamente próxima a los símbolos transmitidos. También se realizan comparaciones con respecto a la velocidad de convergencia y el grado de robustez en la estimación de errores para los algoritmos simulados

  • English

    This paper presents a study of channel blind or autodidact equalization using adaptive algorithms that allow adequatedetection of signals that travel through the channel, mitigating the errors produced by intersymbol interference and noise. Thestudied blind equalization method uses higher order statistics of the transmitted signal to calculate the error signal and thusestimate the received data. The proposed algorithms used in blind equalization, generally known as self-taught algorithms thatoffer better performance in real conditions, optimizing channel capacity, are shown in the development of the article. Amongthem are the CMA (Constant modulus Algorithm) Godard (1980), Lucky’s direct decision algorithm (1966), Sato’s algorithm(1975), the self-taught Least Mean Square algorithm, among others. From these algorithms the LMS is characterized, due to itslow computational cost, although it offers a relatively slow convergence speed and the CMA, which is computationally morecomplex, nevertheless offers a data estimate relatively close to the transmitted symbols. Comparisons are also made withrespect to the speed of convergence and the degree of robustness in the estimation of errors for the simulated algorithms.