第十一章自适应均衡兰州理工大学研究生院首页.pptVIP

第7章 自适应均衡 主要内容：1. 自适应线性均衡器 2. 自适应判决反馈均衡器 3. 自适应均衡器的基本算法 4. 自恢复均衡 应用条件：1. 信道特性是先验已知的 2. 时变信道问题 实际中，信道响应是时变的 将均衡器设计成信道响应是可调的， 适应信道特性变化——自适应 一. 基本原理 离散系统 输入信号 滤波参数 自适应滤波器输出信号 期望的响应信号 误差信号 ① 滤波参数随外部环境的变化而改变 ② 自动调节达到最佳滤波效果—— 的最优化问题 二. 自适应线性均衡器 1. 迫零算法 峰值失真准则：选择均衡器系数 ，使 最小 目标函数建立 迫零算法：取 （ 期望信息序列） 使其与期望的信息序列 的互相关为零 即 第j个系数在 时刻的值 基本递推算法 是 时刻的误差信号 调制速率因子，一直迭代计 为 的估计值，利用某 算，直到 达到归零的要求 一时刻的 替代 值 2. LMS算法 对于迭代参数 速率因子 变化梯度向量 对于k时刻， 代替均方误差 梯度估值 （1）收敛特性 步长参数 选择参数 使上式最陡下降收敛 是C矩阵的最大特征值 （2）算法加速 收敛速率步长参数 大 最佳收敛点找不到 小 收敛慢（局部最优问题） 变化步长参数，大步长开始，不断减小 三. 自适应均衡递推最小二乘算法 ① LMS算法采用误差输出模的瞬时平方值 的梯度近似代替均方误差 的梯度。 问题：收敛性，收敛速率，局部最优 ② 直接考察一个由平稳信号输入的自适应系统 在一段时间内的输出信号的平均功率，使该 平均功率达到最小作为测量自适应系统性能 的准则 —— 递归最小二乘算法 —— （RLS算法） 1. 算法建立 递推最小二乘（卡尔曼）算法 加权因子， 已观测到向量 要求出均衡器系数向量 ，取时间平均 加权平方误差最小。 2. 算法过程 — 信号相关矩阵 — 测量矩阵 — 加权因子 自适应中，信号相关矩阵R的性质： ① Hermite矩阵 ② 不同特征值的特征向量正交 ③ R是正定矩阵，对于任意向量 ④ 所有特征值之和等于矩阵迹 ⑤ 分解： ⑥ 时， 设 若 和 已有，当接收到一个新的信号 时， 时间更新的递推计算： 计算输出 计算误差 计算增益向量 更新相关矩阵 更新函数 这就是RLS直接形式的卡尔曼算法。 [对应最速下降法的标记为： ]