【盲均衡】基于CMA恒模盲均衡算法的matlab仿真实现

目录

一、理论基础

二、核心程序

三、仿真测试结果

---

一、理论基础

       恒模算法，简称CMA算法是Bussgang类盲均衡算法中最常用的一种，就是当参数P=2时的Godard算法。CMA算法具有计算复杂度低，易于实时实现，收敛性能好等优点，代价函数只与接收序列的幅值有关，而与相位无关，故对载波相位不敏感。

       序列要浪费大量宝贵的频谱资源, 因而人们考虑利用发射信号本身的特性而不需要参考信号来实现正常通信。Agee于19 86 年最早提出恒模算法t241 , 这种最小二乘恒模算法是利用发送信号的幅度统计特性来调整权系数, 使得输出信号的幅度保持恒定, 它能够快速收敛、且易于实现、计算复杂度低,因此很快发展成为一类重要的盲算法。恒模算法是Bussgang类盲均衡算法中最常用的一种，就是当参数P=2时的Godard算法。CMA算法具有计算复杂度低，易于实时实现，收敛性能好等优点，代价函数只与接收序列的幅值有关，而与相位无关，故对载波相位不敏感。作为信号处理领域的热点问题, 恒模算法在九十年代得到了广泛深入的研究, 但是它主要是被应用于盲均衡中。随后人们对这一盲算法进行了很多改进, 并将其应用到多用户检测、盲信号分离、干扰抑制和波束形成等领域, 不同程度地解决了这些领域中的一些难题。

       恒模算法不需要训练, 是一种有效的盲方法, 抗窄带干扰能力强、对时间同步要求低、并且对频率偏移不敏感。但是在多用户环境下, 单纯使用传统的恒模代价函数, 虽然我们可以同时求出P个权矢量，但经过多次计算，我们可能会得到指向同一目标的权，即其代价函数通常存在多个极值点，并不能保证收敛到期望用户，因而Luis Castedo等人在1997年提出了一种新准则࿰