Добрый день! Подскажите, пожалуйста, какой адаптивный эквалайзер будет лучше использовать в приемнике DVB-S2?
Использую LMS-эквалайзер с обратной связью по решению и меня не устраивает, как на данный момент принимаются кадры с высокой кратностью модуляции (АФМ-16, АФМ-32). Предполагаю, что использование другого алгоритма может улучшить ситуацию.
Вообще, наличие в сигнале кадров с высокой кратностью модуляции влияет на выбор эквалайзера?

А снимок фазовых созвездий на выходе эквалайзера сможете выложить?
Что конкретно не устраивает? Набег фазы, шумы?
Вы моделируете или работаете с железом?

Моделирую. В качестве исходных данных использую записи реальных сигналов. Ниже пример выходных созвездий АФМ-32, соответственно, полученных мной и другим демодулятором на одном и том же входном файле. Видно, что шумов у меня больше.

Исходя из своего опыта, поскольку на созвездиях наблюдается только шумовая составляющая, то адаптивным процессом от нее не избавиться. Мне кажется, нужно поднимать точность вычислений и SNR. Скорость сходимости адаптивного алгоритма здесь не поможет. Адаптивный эквалайзер полезен только, когда канал "дишит".

Вот что получается у меня с нестационарным каналом:

Без LMS


LMS


LMS + компенсация по фазе

Адаптивный эквалайзер полезен только, когда канал "дишит".

Задача эквалайзера - оценить импульсную характеристику канала и компенсировать её, если ИХ канала не меняется во времени, то и коэффициенты эквалайзера меняться не будут (точнее будут болтаться вокруг некоторого точного значения с некоторой амплитудой, зависящей от соотношения сигнал/шум).

Использую LMS-эквалайзер с обратной связью по решению и меня не устраивает, как на данный момент принимаются кадры с высокой кратностью модуляции (АФМ-16, АФМ-32). Предполагаю, что использование другого алгоритма может улучшить ситуацию.

Обычно (не всегда) другие алгоритмы дают более высокую скорость сходимости в обмен на более высокую вычислительную сложность.
Возможно, у Вас несогласованный фильтр и symbol spaced эквалайзер, попробуйте fractionaly spaced.

Попробуйте подстраивать коэффициенты эквалайзера только по известным точкам созвездия 4PSK - а именно на символах PL Header и Pilots (если есть).

Думаю, используемой разрядности должно хватить (моделирую на C). Прошелся по схеме в отладке - уровень сигнала на входах и выходах элементов нормальный.
ИХ канала не меняется (либо меняется незначительно).
По фильтру - измерил rolloff по спектру, выбрал наиболее близкий по стандарту.
Эквалайзер symbol spaced. Делал так, чтобы не увеличивать задержку в петлях символьной синхронизации и восстановления несущей (не устраивала меня полоса и скорость захвата петли восстановления несущей частоты). Попробовал fractionaly spaced. Стало лучше (не только визуально, но и по объективным показателям ). Спасибо.
Не разъясните подробнее? Не понятно, чем такое решение лучше - ведь в целом потребуется больше кадров, чтобы адаптивный фильтр настроился, чем при подстройке по всему кадру.

Так что бы вычислить ошибку нужно сначала принять решение - какая точка передавалась. На 4PSK вероятность ошибочного решения меньше чем на 32APSK . А при таком созвездии как на вашей картинке ошибочного решения на точках из созвездия 4PSK вообще быть не должно. Более того, если вы декодировали PL Header, то вы, например из таблицы, можете взять все 90 символов заголовка и по ним подстроить эквалайзер. Кстати, какая у вас длина эквалайзера? Из опыта - достаточно 8 taps. А то, что медленно будет настраиваться - куда спешить то? После настройки он будет только слегка дышать. А по известной последовательности подстройку наверное можно сделать "пожестче".

"Визуально лучше" - это не метрика. EVM в студию. Для одного метода, для другого. Тогда можно сравнивать. Конечная метрика - это конечно uncoded BER, но о чём-то уже можно сказать по EVM.

По теме:
1. Есть ли синхро-вставки, по которым возможно обучение эквалайзера или он полностью слепой?
2. Известна ли модель канала/доступны ли ИХ?
3. Вам может не хватать длины эквалайзера, может быть поиграть этим параметром.
4. Рассматриваете ли вы DFE? Или только FF решения?
5. Учитывая, что ваш канал полагается стационарным (как я это понял), RLS можно не рассматривать, в пределе они сходятся к одной и той же MSE, что и LMS

Исходя из модели канала можно оценить требуемую длину фильтра и значение мю при градиенте. Отдельно взятая реализация ничего не даст, нужно обеспечить некоторое покрытие.
Если используется слепая адаптация, то реализацию стоит сравнить с "идеальным эквалайзером", который обучается по полностью известным данным. Известно, что LMS сходится к оптимальному фильтру Винера, если нет ошибок в решениях (идеальное обучение). Ваша реализация будет хуже этого. Вопрос насколько.
Использование DFE позволит уменьшить длину FF части, что может быть критично, если вы работаете с длинными импульсными. Длинная импульсная = длинная FF часть, сходимость алгоритма тем хуже и сложнее, чем длиннее FF часть.
При слепом обучении LMS не сходится при SER (symbol error rate) большем определенного значения. Можно попробовать CMA. Где-то попадалась статья, как реализовать CMA для многоуровневых созвездий, у самого руки не доходили пока поковырять это.

Книжка по теме.