基于lms算法时域均衡器设计.docVIP

基于lms算法时域均衡器设计 　　[摘 要]本文介绍了自适应均衡器的发展历史，分析了信道，产生码间干扰的原因以及无码间干扰的条件； 阐述了时域均衡器的工作原理，介绍了如何用有限长横向滤波器来实现时域均衡的效果；阐述了lms算法的原理；最后结合时域均衡器的原理以及lms算法原理在matlab中设计了理想效果的均衡器，并通过变步长，对所设计的均衡器效果进行判断。结果表明：1.步长为越长时，均衡器在收敛越快；但步长越大， 均衡器收敛效果不好，步长越短时，均衡器收敛越慢，但收敛效果较好。 　　[关键词]时域均衡器；lms算法；matlab仿真 　　中图分类号：TN 文献标识码：A 文章编号：1009-914X（2014）31-0304-01 　　1.时域均衡器 　　1.3有限长横向滤波器 　　设在基带系统接收滤波器于判决器之间插入一个具有2N+1个抽头的横向滤波器，如图2.2所示。它的输入为x（t），是被均衡器的对象。若该有限长横向滤波器的单位冲击响应e（t），响应的频率特性为E（ω），则 　　e（t）= （2.8） 　　E（ω）= （2.9） 　　下面我们考察该横向滤波器的输出y（t）的波形。因为y（t）是输入x（t）于冲击响应e（t）的卷积，故利用e（t）为冲击序列的特点，可得： 　　y（t）=x（t）*e（t）= （2.10） 　　图2.2 线性横向滤波器 　　于是在抽样时刻有 　　y（k）=y（k== （2.11） 　　简写为： 　　（2.12） 　　上式表明，均衡器在第k抽样时刻得到的样道，将由2N+1个与乘积之和来确定。我们希望抽样时刻无码干，即： 　　当k≠0，k=±1，±2…….，0 　　k=0，常数 　　但完全做到有一定的困难。这是因为，当输入波形想x（t）给定，即各种可能的确定时，通过调整使指定的等于0是容易办到的，但同时要求k=0以外的所有都等于0却是一件很难的事。 　　时域均衡的实现方法有多种，但从实现的原理上看，大致可分为预置式自动均衡和自适应式自动均衡，前面已经有介绍。预置式均衡是在实际传数之前先传输预先规定的测试脉冲，然后按“迫零调整原理”自动或手动调整抽头增益。一般地，自适应均衡不仅可以使调整精度提高，而且当信道特性随时间变化时又能有一定的自适应性，因此很受重视。 　　2 自适应均衡器在matlab的仿真 　　自适应均衡器在matlab中的实现 　　根据前述给出的自适应均衡器的原理以及LMS 算法，用matlab对LMS 算法自适应均衡器进行了设计以及仿真， 仿真所用的调制信号为正弦函数，具体参数见程序说明程序如下： 　　g=100； %统计仿真次数为g 　　N=1024； %输入信号抽样点数 　　k=128； %滤波器阶数 　　pp=zeros（g，N-k）； %将每次独立循环的误差结果存于矩阵pp中，以便后面对其平均 　　u=0.00026； %滤波器收敛因子 　　for q=1：g 　　t=1：N； 　　a=1； 　　s=a*sin（0.05*pi*t）； %输入单信号s 　　figure（1）； 　　subplot（311） 　　plot（s）； %信号s时域波形 　　title（信号s时域波形）； 　　xlabel（n）； 　　axis（[0，N，-a-1，a+1]）； 　　xn=awgn（s，5）； %加入均值为零的高斯白噪声 　　%设置初值 　　y=zeros（1，N）； %输出信号y 　　y（1：k）=xn（1：k）； %将输入信号xn的前k个值作为输出y的前k个值 　　w=zeros（1，k）； %设置抽头加权初值 　　e=zeros（1，N）； %误差信号 　　%用LMS算法迭代滤波 　　for i=（k+1）：N 　　XN=xn（（i-k+1）：（i））； 　　y（i）=w*XN； 　　e（i）=s（i）-y（i）； 　　w=w+u*e（i）*XN； 　　end 　　pp（q，：）=（e（（k+1）：N））.^2； 　　end 　　subplot（312） 　　plot（xn）； %信号s时域波形 　　title（信号s加噪声后的时域波形）； 　　subplot（313） 　　plot（y）； %信号s时域波形 　　title（自适应滤波后的输出时域波形）； 　　for b=1：N-k 　　bi（b）=sum（pp（：，b））/g； %求误差统计平均 　　end 　　figure（2）； %算法收敛曲线 　　t=1：N-k； 　　plot（t，bi，r）； 　　title（收敛曲线）； 　　hold on %将每次循环的图形显示结果保存下来