课终汇报.pptVIP

基于LMS算法的自适应均衡器设计 王 磊 实验目的和内容 实验过程 实验结果和结论 实验目的 设计一个自适应均衡器，该均衡器利用步长参数 的LMS算法来训练。结构上，该均衡器由具有21个抽头的横向滤波器构成，信道的输入的延迟型（即 ）被加到均衡器作为期望相应。 实验内容 根据三种不同的信道传输函数，及信道输入、输出和确定形式的脉冲响应 （1）确定使得均衡器输出均方误差最小的延迟 的最优值， （2）对已经确定了的最优延迟，在实验100次独立试验的基础上，通过误差信号均方值的集平均，画出均衡器的学习曲线。 实验原理 自适应均衡器的工作过程包含两个阶段，一是训练过程，二是跟踪过程。在训练过程中，发送端向接收机发射一组已知的固定长度训练序列，接收机根据训练序列设定滤波器的参数，使检测误码率最小。 系统框图 试验中采取了最小均方算法，是因为在选择匹配横向均衡器中点的合适延时时，该算法能够提供信道响应的最小分量和非最小分量之逆。以下为该算法的源代码： for n = 1:4978, % save weights Wo = [Wo W]; % predict next sample and error xp(n, :) = X(n, :) * W; e(n, :) = Y(n, :) - xp(n, :); ne(n) = norm(e(n, :)); if (rp.verbose~= 0) disp([time step , int2str(n), : mag. pred. err. = , num2str(ne(n)) ] ); end; % adapt weight matrix and step size W = W + rp.mu * e(n, :) * X(n, :); if (rp.decay == 1) rp.mu = rp.mu * n/(n+1); % use O(1/n) decaY rate end; end % for n 实验结果及结论 实验结果及结论 实验结果及结论 实验结果及结论 实验结果及结论 1、三种信道下，延迟的最优解均为10时，均衡器输出均方误差最小。 2、从图（7）学习曲线中可以看出，信道b和信道c的均方误差基本一致且小于信道a的均方误差；信道b和信道c的收敛速度要快于信道a的，大约在迭代次数为2500时趋于平稳，而信道a在迭代次数为5000时也未趋于平稳。 * 随机噪声 发生器1 随机噪声 发生器2 信道 延迟 自适应横向 滤波器 *