式中：OFDM第i個數據幀的輸出數據矢量,；為N點快速傅里葉逆變換矩陣,；，n(i)為信道噪聲矢量,，定義方差是σ2的高斯白噪聲(AWGN),；H(i)是一個N×N的時域轉移矩陣，其元素為,，其中h(i)(k,n)是描述信道特性的沖擊響應,。在接收端，對r(i)進行N點快速傅里葉變換,，其輸出為：

        式中：
       由于在高速移動的環(huán)境下,，接收信號會受到ICI的影響，故在整個系統(tǒng)中添加均衡模塊,，假設均衡器用E(i)來表示,，則均衡后的信號可以表示為：

        1．2 MMSE均衡器算法
        把上面式中的i去掉，根據最小均方誤差的規(guī)則,，可以簡寫得到均衡矩陣為：

        在時變信道中,，G不是對角矩陣，則矩陣求逆的直接算法的運算量為o(N3),，利用文獻給出的結論：ICI主要來自相鄰的幾個子載波,，并且每個子載波的符號能量主要泄漏至鄰近的少數子載波上,，也就是說，G中的很大一部分元素是可以忽略的,。然后再采用迭代的方法對矩陣求逆,，把運算量降為o(N2)，但是在實際應用中,，N是一個較大的數值，這個方法計算量仍然很大,，所以很多算法在考慮均衡效果的同時也盡量減少運算量,，以增強算法的可實現性和最終均衡的實時性。

   根據Chen等驗證得到G可以被進一步簡化成如下Ak來描述：

        式中：pn是一個由構成的1×(2Q+1)的矩陣,，i=O,，1，…,，2Q,。MMSE均衡器可以描述為；γ為該信道的信噪比,，且,。Ak是一個(2Q+1)×(4Q+1)的矩陣，再利用文獻中迭代的方法來計算矩陣的逆,?！　?br />         2 均衡器算法的FPGA實現
                  當載波數比較大時，OFDM均衡算法所要計算的矩陣比較龐大,，計算量大,，很難保證實時性的要求。于是人們很自然地會想到用實時性很強的FPGA來實現均衡器的設計,，但是均衡本身所需要處理的數據量和運算量都非常大,，即使使用FPGA實現也很困難。
                  若采用文獻中的算法運算量是o(N2),，假如當載波數N=128時,，運算量還是很大的，無法保證實時性,。從均衡效果和運算量兩方面考慮,，采用了文獻中的算法。這是一種典型的迭代算法,，效果與文獻算法相接近,，但是在計算中避免了求一個很大的矩陣的逆運算，而是從頻域轉移矩陣G中提取出了不大的有效矩陣,，這樣就減少了大量運算,。
        2．1 硬件設計思想
        在對均衡器算法進行FPGA設計之前,，先用Matlab仿真該均衡器浮點算法，通過分析程序可以發(fā)現,，該算法的核心部分是迭代求逆矩陣的過程,。該算法的瓶頸主要是求解由復數元素組成的矩陣的逆的計算量巨大，而且是浮點數會占用很大的存儲空間,。為盡量減少需要使用的邏輯資源,，在進行ISE設計時，數據用16位定點數表示,，其中高8位是整數部分,，低8位是小數部分。
         2．1．1 硬件設計框圖
        實現該均衡器的硬件設計框圖如圖2所示,，其中G為從Matlab中產生的頻域轉移矩陣,，控制模塊完成從G中取出對應的有效值得到Ak，并且控制當一組運算完成后運用上一組產生的,。進行下一組運算,，CIR是該算法的核心，即矩陣迭代求逆的運算,，CPE模塊是一個簡單的矩陣運算模塊完成的運算,。

        2．1．2 CIR模塊介紹
        CIR模塊完成矩陣迭代運算過程，它從輸入端口讀入Ak以及對應的,，采用迭代的方法計算出,，用FPGA實現這個模塊的端口如圖3所示。

         其中,，CLK為時鐘,；γ是模擬信道的信噪比；Ak是頻域轉移矩陣G中取出的有效矩陣,；trag是控制信號,，當一次運算結束產生一個有效的后，只有trag被置為高電平才會進行下一次運算,。取Q=2時,，是一個5×5的矩陣。整個求逆矩陣的迭代過程就是從前一個5×5的逆矩陣(即)和從頻域轉移矩陣G中對應區(qū)域取得的5×9的矩陣Ak運算出下一個5×5逆矩陣(即)的過程,。

        分析其矩陣求逆的迭代算法可以發(fā)現,，其中大部分完成的是復數矩陣的乘加運算，所有數據是復數,，雖然復雜很多,，但是實際運算中有許多是多余的。Rk是共軛對稱矩陣，上三角部分和下三角部分的實部相同,，虛部也只是正負相反,，所以只需要算出上三角矩陣的數據，下三角的部分直接對虛部取反就可以了,。
        Xilinx的FPGA芯片中集成了硬核的乘加器DSP48,，可以方便、高速地進行乘加運算,。但是本算法中涉及到的復數運算比較靈活,，還包括一些減法運算，直接使用DSP48不是很方便的控制,。故設計了一種乘加器,，使用了乘法器的IP Core，按照要求設置輸入輸出數據位數,，其中的一個乘加運算中設置乘法器的兩路輸入為8位，輸出為16位,，調用IP Core如下所示,，算法中其他的矩陣運算也都與此類似。

        a,，b作為兩個寄存器儲存參與運算的數據,，outl是乘法器計算的結果，用fcl進行存放,，相累加得到f1,，再按照共軛復數運算的規(guī)律得到nfl。實現一個8位×8位的乘加器共消耗了56個Slice,，32個LUT和49個IOB,。該乘加器綜合后的RTL結構圖如圖4所示。

        為了能最大限度地提高運算速度,，所有數據都用可編程邏輯單元構成的分布式存儲器存儲并列存儲,，并且根據算法的要求實現的是多個乘加器同時運算，這樣雖然使用了很多邏輯資源,，但任何數據都可以即取即用,，便于進行大量的并行運算，以提高運算速度,。
        2．2 系統(tǒng)驗證仿真
        本系統(tǒng)采用Xilinx公司Virtex-2實驗板進行仿真驗證,，該實驗板采用的是XC2VP30芯片，它有30 816個邏輯單元,，136個18位乘法器,，2 448 KbRAM，資源豐富。開發(fā)軟件為該公司的集成開發(fā)軟件平臺ISE
9．2,，HDL語言采用Verilog,，使用Matlab輔助ISE完成FPGA設計的方法。通過實驗板上的RS 232串口與PC機進行通信,，用Matlab從計算機中傳輸數據到FPGA芯片中,，運算后再通過串口回傳均衡后的信號數據到Matlab中仿真驗證星座圖，以判斷該均衡器的效果,。
        2．2．1 均衡過程
        CIR中使用迭代算法避免了并行大向量和大矩陣的運算,，而是分步運算。所以對輸入信號進行均衡,，首先要進行并串變換,，但是不需要變成真正的串行信號。當Q=2時,，實際上對需要均衡的輸入信號Y(i)每次取出5個數據,，用yk表示，暫且將這樣的變換叫作分組并串變換(P／GS),，然后均衡矩陣ek與yk分組完成乘法運算得到一個zk,，zk是一個數據不是向量，最后進行串并變換就得到均衡后的信號向量Z(i),。整個均衡的過程如圖5所示,。

        2．2．2 仿真結果
        實現該算法的重要一步是所設計的乘加器可以正常使用，并且實時性好,。對其進行仿真如圖6所示,，可以發(fā)現當clk發(fā)生上升沿跳變時進行計算，圖中信號(a,，b)表示輸入的數據信號,；fcl表示相乘的結果；c表示進行乘加以后的運算結果,，其計算準確,，基本上沒有延遲。

         ISE中設計的傳輸模塊實現波特率為19 200 b／s的串口通信控制器,，把數據通過RS 232完成FPGA與PC機的雙向通信,。把均衡后的信號Z(i)傳回Matlab中，采用QPSK的星座圖進行分析,，選擇子載波的數目N=128,，循環(huán)前綴CP的長度為8，并且在認為信噪比被準確估計的情況下均衡的結果,，如圖7所示,。

        由此星座圖可以看出,，在均衡前接收到的信號因為多普勒頻移和噪聲的影響，偏離星座點向周圍發(fā)散,，使用FPGA中均衡以后傳回的數據基本沒有發(fā)散現象,。
        3 結語
        在ISE軟件平臺上使用Verilog語言實現了一種基于時變OFDM系統(tǒng)的低復雜度MMSE均衡器算法。在Xilinx公司Virtex-2實驗板(XC2V930芯片)上對其進行驗證,，基本達到該算法在Matlab上仿真的均衡效果,。但是由于浮點數計算量太大，選用定點數對其進行截取,，還是有一定的局限性,，在進行大量數據的運算中還是會有些數據不太準確，造成整體的誤碼率效果不是太好,，故還需要進一步改進算法和FPGA的實現方法,，以期達到更好的均衡效果。