Entzerrung

Zusammenfassung

Die klassische Methode zur Korrektur von linearen Kanalverzerrungen besteht im Einsatz adaptiver Entzerrer. Man unterscheidet zwischen linearen und nichtlinearen Strukturen. Im vorliegenden Kapitel werden zunächst die linearen Formen behandelt, die sich — abhängig von der Abtastung am Eingang — in Symboltaktentzerrer und Entzerrer mit Mehrfachabtastung (Fractional Tap Spacing) klassifizieren lassen. Gegenübergestellt wird in Abschnitt 12.3 die nichtlineare Struktur mit quantisierter Rückführung. Die geschlossene Lösung für die Entzerrerkoeffizienten beruht auf dem Minimum-Mean-Square-Error-Ansatz (MMSE), der die Kenntnis der Autokorrelationsmatrix des Empfangssignals sowie der Kreuzkorrelierten zwischen Empfangssignal und Sendedaten voraussetzt. Da diese Kenntnis am Empfänger nicht vorliegt, ist man auf adaptive Schätzalgorithmen angewiesen, die sich auf speziell zur Entzerrereinstellung übertragene Trainingssequenzen abstützen. Der bekannteste Adaptionsalgorithmus ist der Least-Mean-Squares-Algorithmus (LMS), der auf dem Gradientenverfahren basiert. Wesentlich bessere Konvergenzgeschwindigkeit erhält man mit dem Recursive-Least-Squares-Algorithmus (RLS), der die oben angesprochene geschlossene MMSE-Lösung iterativ errechnet. Eine besondere Klasse schneller adaptiver Entzerrer stellen die Lattice-Entzerrer dar: Hier wird mit Hilfe eines Lattice-Prädiktionsfehlerfilters eine Dekorrelation des Empfangssignals durchgeführt, was eine beschleunigte Adaption der Entzerrerkoeffizienten bewirkt. Den Schluss dieses Kapitels bilden einige Betrachtungen über den Einfluss von additivem Kanalrauschen auf die Entzerrereinstellung.