自适应均衡实验报告.docVIP

自适应均衡实验 1、实验内容和目的 下图显示了自适应均衡器原理结构图。 数据源（1）产生有零平均和单位方差的由符号+1和-1组成的Bernoulli的序列{I(n)}。数据源之后的信道可以用升余弦脉冲响应来模拟： 在此，参数W用来控制信道失真的程度，信道失真的程度随着W的增加而增加，W同时也控制信道产生的特征值扩展。随机噪声发生器（2）输出高斯白噪声序列v(n)，模拟信道中的噪声。均衡器的输入是： 由于I(n)是独立的序列, v(n)与I(n)是不相关的，所以x(n)非零的最大相关长度是2。训练信号的延迟与信道和均衡器对期望信号造成的总延迟相等。信道脉冲响应h(n) 是关n=2对称的，假定均衡器是线性相位的FIR滤波器，总的延迟等于。误差信号与用于自适应均衡器中执行RLS算法。利用以上假设条件研究LMS自适应均衡器的性能，参数采用M=11、和，对随机序列的200次实现来进行Monte Carlo仿真。 实验目的： 掌握RLS算法原理及处理流程，分析对比不同信道参数与算法参数对RLS性能的影响。 分析对比RLS算法与LMS算法的性能。 2、基本原理分析 2.1 最小均方（LMS）算法 LMS 算法是一种以期望响应和滤波器输出信号之间误差的均方值最小为准则的,依据输入信号在迭代过程中估计梯度矢量，并更新权系数以达到最优的自适应迭代算法，其显著特点和优点是它的简单性。这种算法不需要计算相