Tema I: Ecualización de

canales con ISI

TARD: Técnicas Avanzadas en Receptores Digitales

 Indice Tema I
I.1.- Introducción.
I.2.- Ecualizadores unidimensionales (BPAM, BPSK)
Forzador de Ceros ZF.
Ecualizador MMSE o Wiener.
Ecualizador ML o Viterbi (Caso GSM)
Ecualizador Fraccional FSE
Ecualizador Decision Feedback DFE
I.3.-Ecualizadores bidimemsionales: QAM, PSK
Estructuras
I.4.-Ecualizadores adaptativos
ZF adaptativo
LMS
FSE y DFE adaptativos.
I.5.-Ejemplos reales

TARD: Técnicas Avanzadas en Receptores Digitales

 TRANSMISIÓN DE DATOS. MODELO BANDA BASE.

SISTEMA COMPLETO:
RUIDO

BITS BITS
COD FILT MOD CAN DEM FILT ECU DEC
xK r(t z(t xK
) )
h(t)

MODELO BANDA BASE (PAM)

T
n(t)
KT+to

CANAL ECUAL
EQUIV zK xK
r(t rK
xK )
h(t)
rK=r(to+KT)
Problema del ISI

Canales con ISI nulo

Canal con ISI

Ejemplos Ecualización Adaptativa LMS
 Ecualizador Fraccionalmente Espaciado
Insensibilidad frente a la fase del muestreador → muestrear más rápido:
M/T ≥ 2W
Así no existen términos de aliasing, susceptibles de sumar con fases
rápidamente cambiantes (ej., entornos urbanos).

rn T/M T/M T/M T/M

N −1
zk = ∑ cn .r( t0 + kT − n( T / M )) =
c0 c1 c2 cN-2 cN-1 n =0
N −1
= ∑ cn .r( t0 + k .M ( T / M ) − n( T / M )) =
n =0
N −1
kT
= ∑ cn .rkM − n = ckt rk
zn zk n =0

1. Insensible a fase de canal y de muestreo (estimación to del sincronizador

de bit)
2. Se puede demostrar que equivale a un receptor optimo = filtro adaptado +
ecualizador T-espaciado
 Ecualizador Fraccionalmente Espaciado
Solucion MMSE:

Min E ek{ }= E{x̂

2
k − zk
2
}→ c
k = A −1.α
donde
{ }
aij = E r( kT − i( T / M ).r* ( kT − j( T / M ) i = k ∑ h( kT − i( T / M ).h* ( kT − j( T / M )
k
N −1
α i = h* ( Δ − i( T / M ) : Δ =
2

1. Solución similar a la clásica MMSE del T-espaciado, pero con la diferencia

de que la matriz A es no-Toeplitz si no cicloestacionaria (los elementos de
una diagonal son son iguales si no periódicos con periodo M).
2. De cada M autovalores, M-1 son casi nulos (el ruido de canal). Esto no
importa porque no contribuyen al error final del ecualizador.
3. Normalmente se usa su solución adaptativa, que se ve más adelante.
Ecualizador T-espaciado vs. Fraccionalmente Espaciado

Sensibilidad frente al instante de muestreo to

N=31

T-espaciado

FSE
Ecualizador DFE (Decision-Feedback Equalizer)
 Ecualizador DFE

Cancel. ISI anteriores

h(t)

N −1 M Cancel. ISI anteriores

zk = ∑ c j .rk - j − ∑ b j .x̂k - j = ckT .rk − bkT .xˆ k
j =0 j =1
Cancelación ISI Cancelación sólo ⎧⎪bkoptimos = hkanteriores
posteriores y ruido, ISI precedentes ⎨ optimos
y resíduo ISI ⎪⎩ck = MMSE optimos con h( t ) lim itada a t < to
anteriores

Carasterísticas:
• Buenas prestaciones con BER bajo.
• Propagación de errores de transmisión vía B(z).
 Ecualización Adaptativa
Necesidad de la adaptación:
• Seguimiento de las características variantes del canal, ruido y
fase del muestreador.
• Robustez de la estimación

ƒ ACTUALIZACIÓN DE LOS COEFICIENTES DEL ECUALIZADOR:

c j ( k + 1 ) = c j ( k ) + ganancia ( k ).innovacion( k )

Diferentes estimaciones del parámetro ganancia(k) y de la señal de

innovacion(k) determinan DIFERENTES ALGORITMOs DE ADAPTACION
 Ecualizador Adaptativo LMS
Actualización de los coeficientes:
μ
c j( k + 1 ) = c j( k ) + (− ∇( k )) = c j ( k ) + μ .ek .r*k − j
)
2

ƒ En régimen permanente tiende a la solución óptima de Wiener (en media)

ƒ En régimen transitorio o fase de convergencia:
1 1 1
Máxima velocidad convergencia : μ = = =
Tr [R ] NRo N .λmed
Margen dinámico espectro del canal *
1 N .λmed λmax
Tiempo convergencia : Tconv ≥ = ∝ ∝
μ .λmin λmin λmin

μ
.Tr [R ] =
1
Desajuste : M = ⇒ 50% de exceso de error!!
2 2

*: Muy sensible al margen dinámico de H(ej2πωT) Por consiguiente a la fase del muestreador
o sincronismo de bit
 Forzador de Ceros Adaptativo (ZF Adaptativo)

c j ( k + 1 ) = c j ( k ) + μ .ek − N −1 .x̂*k − j ;0 ≤ j ≤ N − 1
2

En régimen permanente (k→∞):

⎧ ⎧ ⎫
⎪ ⎨ k − N −1 k − j ⎬ = δ j − N −1 ( xk blanca )
*
E x̂ .x̂
⎧ * ⎫ ⎧⎛ ⎞ * ⎫ ⎪ ⎩ 2 ⎭ 2
E ⎨ek − N −1 .x̂ k − j ⎬ = E ⎨⎜ x̂k − N −1 − zk − N −1 ⎟.x̂ k − j ⎬ = 0 → ⎨ ;0 ≤ j ≤ N − 1
⎩ 2 ⎭ ⎩⎝ 2 ⎠
⎧ ⎫
2 ⎭ ⎪E ⎪ z * ⎪
= qj
⎪ ⎪ k − N −1 k − j ⎬⎪
⎨ . x̂
⎩ ⎩ 2 ⎭

⎧ ⎫ ⎧ ⎫ ⎧ ⎫
E ⎨ zk − N −1 .x̂*k − j ⎬ = E ⎨∑ ql . xk − N −1−l . x̂*k − j ⎬ = E ⎨∑ ql . x̂k −l . x̂*k − j ⎬ = q j
⎩ 2 ⎭ ⎩l 2 ⎭ ⎩l ⎭ δ j − N −1 = q j ;0 ≤ j ≤ N −1
2

⎧ q N −1 = 1
⎪ 2
⎨ ;0 ≤ j ≤ N − 1 ZF OPTIMO
N −1
⎪q j = 0 ; j ≠
⎩ 2
 Ecualizador DFE adaptativo

N −1 M
zk = ∑ c j .rk - j − ∑ b j .x̂k - j = ckT .rk − bkT .xˆ k
j =0 j =1
Cancelación ISI Cancelación sólo
posteriores y ruido, ISI precedentes
y resíduo ISI
anteriores

c j ( k + 1 ) = c j ( k ) + μ .ek .r* ;0 ≤ j ≤ N − 1
k− j
Algoritmo MMSE de gradiente:
)
b j ( k + 1 ) = b j ( k ) + μ .ek .x* ;1 ≤ j ≤ M
k− j

Carasterísticas version adaptativa:

• Buenas prestaciones con BER bajo.
• Propagación de errores de transmisión vía B(z).
• Desacoplo parcial entre cancelación ISI (anteriores) y ruido.
• Alta velocidad convergencia de los coef. bj (entrada blanca)
Otras estructuras adaptativas: ecualizadores rápidos

Necesidad de blanquear la entrada para evitar la influencia de la

dispersión de autovalores (principal problema del ecualizador
LMS):
Dos posibilidades:

1. Blanquear u ortogonalizar entrada: estructura

celosía
2. Dominio transformado (FFT) o division en subbandas (banco de
filtros).

Generalmente se usa la primera, debido a que la segunda produce

latencia o retardo en la adaptación.
Ecualizador Lattice
 Ecualizador Lattice

Dispersión canal λmax/λmin=11

Dispersión canal λmax/λmin=21
Orden EQ N=11
dB/10 Orden EQ N=11
dB/10 Pot. Ruido AWGN σ2=0.001
Pot. Ruido AWGN σ2=0.001

Comparación de velocidades de convergencia de varios ecualizadores

adaptativos con canales menos (izquierda) y más (derecha) dispersivos.
 Ecualizador ML (Viterbi).
ĥk
¡ Usado en GSM !

dk

rk Dk
x̂k

Señales posibles en recepción (dk):

L −1 L −1

d k = rkposible = ∑ ĥ j . xk - j = ĥo . xk + ∑
2 2

ĥ j . xk - j = ĥo . xk + Zk −1
L −1 L −1
− − ; j ≠0
2 2

Señales recibidas realmente (rk): rk = d k + nk

CRITERIO ML: Decidir como secuencia emitida la dk más parecida (menor distancia
euclídea) a la rk recibida→ Min ∑ || rk-dk ||2= Dk

Maximiza la probabilidad Prob {rk| xk, xk-1,…., xk-L}

 Ecualizador ML (Viterbi)

Ejemplo:
• L=2 (h1=h2=1)
• Transmisión 4-PAM (±1, ±3)
• Hay cuatro estados útiles y
cuatro ramas salientes en cada
uno de ellos (16 estados en
realidad).
• Purgado sobre el diagrama
árbol en vez de sobre el trellis.
Es lo mismo!!.
 Ecualizador ML (Viterbi)

Solución ML:
• Algoritmo de Viterbi como en el caso de decodificación convolucional
Soft de Viterbi.
• Se confecciona un TRELLIS de M(L-1) estados (2(L-1) en el caso binario),
en el que de cada estado salen M ramas (dos en el caso biario) de las que
se purgan todas menos una: nos quedamos con M estados, uno para cada
uno de los M posibles símbolos actuales.
• Al final de la trama de datos se elige el camino de menor distancia
acumulada (también se puede ir decidiendo bit a bit con una profundidad
h=4 ó 5L= memoria del canal).
• Ese camino se corresponde con una secuencia de bits concreta, que es la
que se toma como buena, por ser la más probable.
• Este ecualizador es el que se usa en GSM.
 Ecualizador ML (Viterbi)

Ejemplo (cont.): Viterbi con trellis. rk

Z k1
Z k1−1
CRITERIO:
S1 (-3) Dk1
Dk1−1
Minimizar: ∑ || rk-dk ||2= Dk =
Z k2−1 Z k2
= Dk-1 + || rk-dk ||2 S2 (-1)
Dk2−1 Dk2

caminos supervivientes Z k3
Z k3−1
S3 (+1)
Dk3
Dk3−1

Z k4−1 Z k4
S4 (+3)
Dk4−1 Dk4
(xk = +3 ) d k = ĥo . xk + Z k1−1
 Ecualizador GSM: ML o Viterbi

Características principales:
• No especificado en el estandar.
• Secuencia de aprendizaje: 2L+P= 26 bits. L=4, P=18.
• Secuencia “blanca” tipo Newman-Hofman.
• Estimación de canal de longitud 5 simbolos (actual mas cuatro anteriores).
• Número de estados: 24=16
• Ecualización bilateral: hacia delante y hacia atrás. Al ser ML no hay filtro
ecualizador propiamente dicho.

61 bits L bits P bits L bits 61 bits

Secuencia de aprendizaje ecualizador

 Ecualizadores Modulaciones 2-D: QAM, PSK

Ecualizador en Banda Base:

Equivalente con aritmética real:

 Ecualizadores Modulaciones 2-D: QAM, PSK

Ecualizador Paso banda:

Ventaja frente al EQ en banda base: no hay casi retardo entre la estimación

de la fase de la portadora y la demodulación/detección del símbolo→
Capaz de manejar más rápidos “jitter” de fase de la portadora
 Ecualizadores Modulaciones 2-D: QAM, PSK
Ecualizador FSE fraccional paso banda sin necesidad de
“splitting” en componentes I y Q.
 Ecualizadores Modulaciones 2-D: QAM, PSK

Ecualizador DFE fraccional con Adaptacion Contínua y

compensación del retardo de la decodificación de canal.
Estudio comparativo de prestaciones

Canales de prueba: poco,

bastante y muy dispersivo
Modulación BPAM
 Estudio comparativo de prestaciones

MMSE lineal DFE

 Estudio comparativo de prestaciones

Ecualizador ML (MLSE) o de Virterbi versus DFE