移动通信第四版课件.ppt

1.最小均方误差算法(LmS) 最小均方误差算法(LmS)与mmSE的原理相同。此时的估计误差式（4-90）被称为预测误差。对于一个给定的信道，其预测将取决于抽头的权值wN，令代价函数J(wN)即为均方误差（式（4-96）），则使MSE最小就是使下式为0： （4-102） （4-103） 也就是抽头的权值wN应满足下式： 此时的最佳（最小）的代价函数值为 （4-104） 有很多方法来求解式（4-102），最直接的方法就是 矩阵求逆，即 （4-105） 但矩阵求逆需要O(N3)次算术运算。在最小均方误差算法(LMS)中采用了统计梯度算法来迭代求解MSE的最小值，它是最简单的均衡算法，每次迭代仅需要使用2N+1次运算。LMS算法的迭代步骤如下（令N表示迭代过程的序号）： （4-106） （4-107） （4-108） （4-109） 式中:α是步长，它控制着算法的收敛速度和稳定性。在一个实际的系统中，为了使该均衡器能够收敛，一个首要的条件是均衡器中的传播时延(N-1)T要大于信道的最大相对时延。为了防止均衡器不稳定，α的取值要满足下列条件： 式中:λi是协方差矩阵RNN的第i个特征值。由于　　　　　　，因此λi是由输入信号的功率控制的。 （4-110） 　　2.递归最小二乘法（RL