目录
1.算法概述
自适应均衡属于自适应信号处理的应用范畴,各种各样的自适应均衡算法如迫零(ZF)算法、最小均方(LMS)算法、递归最小二乘(RLS)算法、变换域均衡算法、Bussgang 算法、高阶或循环统计量算法、基于非线性滤波器或神经网络的均衡算法等应运而生。均衡器通常工作在接收机的基带或中频信号部分,基带信号的复包络含有信道带宽信号的全部信息,所以,均衡器通常在基带信号完成估计信道冲激响应和解调输出信号中实现自适应算法等,本文选择了两种典型的自适应算法:以LMS自适应均衡器和RLS自适应均衡器为基础,用MATLAB 仿真软件对LMS和RLS两种算法进行仿真,比较并分析了两种算法的性能。
lms算法及归一化lms算法:
及其对于平稳过程,最小均方差(least mean square,lms)算法[4][5]是直接利用单次采样数据获得的e2(n)代替均方误差j(n),来进行梯度估计的。其算法流程如下:
(1)根据已知数据,期望信号d(n)和滤波器的输入信号矢量x(n)=[x(n)x(n-1)…x(1)]t,设置收敛因子μ(0<μ
(2)初始化滤波器的权矢量w(0)=0(或由