线性均衡算法在高铁车灯通信中的应用研究

姜良奎，林 蓝，张 琪

（中车青岛四方机车车辆股份有限公司，山东 青岛 266000）

0 引言

随着时代的发展，人们对于便捷交通的需求越来越紧迫，对交通网络的发展提出了更高的要求。经过几十年的发展，我国列车速度越来越快，已经达到了世界先进水平[1]。高铁速度的提升和车内配置的升级带来了高效和舒适，同时也产生了大量的车组数据信息，高铁在到站的时候需要与站台进行大量的数据交互，从而实现智能控制与监测。然而，在高铁大数据传输的实现中还存在一定的困难。首先，传统的通过硬盘转移数据的方法速率低，花费的时间比较长；其次，通过无线传输的方式可以提高一定的数据传输速率，但是基站发射的无线电磁波信号，会对列车主控的导航设备和操作系统造成一定的数据干扰，其影响程度难以评估和确定。最后，列车停站的时间有限，为了有效完成数据传输，需要保证一定的通信速率[2]。针对目前高铁数据传输存在的上述问题，需要研制出一套新型高铁数据传输方案，既能有效满足高铁到站时高速数据传输的需求，又能在电磁敏感环境中保证全列车安全规范的要求。

可见光通信是一种新型的通信技术，其将照明与通信相结合，利用可见光进行数据传输，速率高达上百兆比特每秒，可有效实现高速通信的需求。同时，由于可见光固有的特点，其在传输信息的时候不会带来电磁干扰，也不会被其他电磁设备所影响，具有极佳的抗干扰性[3-5]。可见光通信吸引了国内外众多研究人员开展研究，并取得了可喜的进展。日本 LAMP SERVE LED 路灯通过实际测试，完成通信速率为100 Mbps的可见光通信系统，有效通信距离可达200 m。复旦大学基于商用车灯，采用最大比合并技术，实现超过1 Gbps的数据传输[6]。

本文提出了基于高铁前车大灯的对地大数据传输方案，采用基于LED的车灯搭建了可见光通信系统，实现了速率超过1.18 Gbps的数据传输。同时，针对车灯带宽窄、接收信号失真严重的问题，研究了两种典型的线性均衡方法，迫零均衡和基于压缩感知的后均衡方法。实验结果发现，采用适当的均衡方法，可以有效提升系统的带宽，降低误码率，保证信号的有效传输。结果表明，高铁车灯通信有望在未来实现高速通信，解决目前高铁大数据传输的难题。

1 线性均衡算法原理

在可见光信道中，通过分析收发端信号的关系可以实现对信道传递函数H（n）的估计，得到信道的传递函数后便可通过公式（1）在接收端对接收信号进行频域均衡处理。

其中X代表发射符号的频谱，Y代表接收符号的频谱。

1.1 迫零均衡

考虑系统发射信号X在接收端可表示为

其中Y为信号在信道中的频率响应，n表示加性白噪声。迫零均衡器假设信道中噪声为零，通过最优化下列目标函数

得到信道响应的估计结果为

使用一组训练序列得到一组信道响应的估计值，求取估计值的期望作为最终估计结果，代入（1）式便得到对接收数据的均衡结果为

1.2 压缩感知（CS）

文献[7]指出，现实在宽带通信时，信道往往表现出一定的稀疏特性，基于此特性可利用压缩感知技术对信道进行估计。一个长度为N的离散信号序列x可用N×N维的基矩阵ψ表示为：

当s中只有K（K

其中θ=Φψ为M×N的矩阵。对于观测信号y，压缩后需要解决的问题变成确定合适的测量矩阵Φ，并设计恢复算法从观测信号y恢复原始信号x。恢复算法一般选用正交匹配追踪（OMP）算法[8]，通过迭代收敛方式对信号x进行恢复，迭代过程如表1所示。

设F为N×N的离散傅里叶变换矩阵，N为信道冲激响应长度。代入公式（2）得到

此式与公式（6）形式完全相同，发射信号X为测量矩阵，离散傅里叶变换矩阵F为基矩阵，ˆh即为需要估计的稀疏矢量。

2 实验设置

图1（a）是基于可见光和光纤融合网络的高铁大数据传输应用系统示意图。在本方案中，利用高铁前车大灯和月台指示灯进行数据的双向传输。这样，高铁前车大灯不仅可用于照明，还可以负责和月台的灯之间传递信息，通过可见光实现大数据信息的无线传输。将探测器放置在月台上，月台作为列车的停留点能够更准确和完整地判断列车的运行状态，并及时和列车前灯进行通信。其中，放置在月台的灯连接了光纤，接收的数据通过光纤被大量传输到云端后，终端即可通过云端服务器对大数据进行相关操作。

图1（b）展示了在传输系统发射端，将原始数据进行幅度相位调制（QAM）转变为正交的信号。QAM信号经过串并变换后进行离散多音（DMT）调制，调制后信号在频域进行上采样、逆傅里叶变换后成为时域信号。时域信号添加循环前缀并进行并串变换得到最后的发送序，序列通过数模转换接口、驱动及耦合电路后加载至光源发射。

在接收端，光电二极管进行光电转换后经跨阻放大器转化为电压信号，电压信号送入模数转换接口传至计算机。在计算机中首先将接收信号和发射信号进行同步处理。同步信号经过串并变换、去循环前缀操作后转换到频域进行DMT解调。DMT解调后信号在频域使用迫零均衡或者基于压缩感知的线性均衡算法（简称“CS均衡”）以恢复经过了频率衰减的信号。最后将均衡信号进行解映射便可恢复出原始发射数据。

表1 OMP算法步骤

3 实验结果与结论

为验证两种均衡方法的效果，将实验中获得的发射与接收数据中一定数量的符号作为训练数据，对训练结果求取均值作为信道的估计，利用公式（1）对接收数据进行均衡。通过改变训练数据的比例，得到两种均衡方法如图2（a）所示的误码率变化曲线。两种均衡算法在使用一定训练样本的情况下，均能将接收信号误码率降到了3.8×10-3以下，有效地抑制了信号受信道影响产生的失真。CS均衡算法表现优于迫零均衡算法；信道统计特性随着训练样本数增加而逐渐得到更准确的估计，CS均衡算法和迫零均衡算法的效果都在逐渐变好，且两种均衡算法之间的性能差距也在逐渐减小。总体而言训练样本越多，均衡算法的效果越好，并且CS均衡算法效果明显优于迫零均衡算法，CS均衡算法将接收信号误码率降到纠错门限以下所需的训练样本量比迫零均衡算法少4%；在相同的训练符号数条件下，对比图2（a）中A、B两点可发现通过CS均衡算法得到的接收信号星座图比迫零均衡算法的更清晰。

实验还对两种算法在不同信噪比条件下的均衡效果进行了测试，得到了不同信噪比下的接收信号，使用长度为五的收发符号序列训练均衡算法，得到了3种算法在不同信噪比条件下的如图2（b）所示误码率变化曲线以及在信噪比为23.5 dB时接收端均衡前后频谱和发射频谱的对比结果。从图中可见CS均衡后接收频谱整体更为平坦，更有利于多载波信号的解调，信号带宽达到197 MHz，在64QAM-DMT调制的系统中，计算可得实际通信速率达到了1.18 Gbps；当训练符号较少时，两种均衡算法均衡效果有明显差别，CS均衡效果优于迫零均衡；两种均衡算法都随着信噪比的升高均衡效果逐渐变好。结合对两种算法的原理分析可总结出两种均衡算法的性能对比如表2所示。

图1 基于可见光和光纤融合网络的高铁大数据传输应用系统

图2 误码率随训练数量的变化曲线

表2 3种均衡算法的性能对比

综合实验结果和算法复杂度考虑，在实际通信系统中训练集数量有限以及信噪比较低的场景下，CS均衡算法兼顾复杂度可控且准确度较高的优点，不失为一种适合实际应用的均衡算法。

4 结语

本文使用基于LED的车灯搭建了可见光通信系统，通过实验研究了迫零和基于压缩感知的线性均衡方法在车灯通信系统中的应用方式，实验证明两种均衡方法均能有效抑制系统中的线性失真，其中基于压缩感知的均衡算法效果优于迫零均衡算法，系统实现了1.18 Gbps的通信速率。