均衡-LMS

最新推荐文章于 2024-10-10 11:38:02 发布

萨文摩尔杰

最新推荐文章于 2024-10-10 11:38:02 发布

阅读量1.2k

点赞数 17

分类专栏：数字通信文章标签：学习

本文链接：https://blog.csdn.net/qq_66439282/article/details/136074549

版权

数字通信专栏收录该内容

17 篇文章 1 订阅

订阅专栏

信号在不同的传输路径上会产生不同的时延，同一时刻多径信号在通信系统接收端会进行叠加，造成码间串扰ISI。通信设备在移动过程中传输环境也随时间变化，多径效应造成的码间串扰也随时间而变化。为了解决该问题，提出了均衡技术。

均衡在通信领域的解释为对信道特性的均衡，即在接收端加上均衡器后，产生与原信道特性相逆的关系式，因此减弱了由于信道的多径传输效应造成的码间串扰。

自适应均衡器是最早的均衡装置，能够根据具体的信道特性来调整自身的系数，以适应变化的信道。自适应均衡器有两种工作状态：训练模式和跟踪模式。信息传输过程中，先在训练模式下发送端发送一个定长已知训练序列，接收端的均衡器根据该序列调整均衡器的系数，随后再传输有用的数据。

奈奎斯特在1928年就消除码间串扰原理和基本方法归纳出了三个准则：峰值失真准则（迫零准则）、最小均方准则（Least Mean Square, LMS）、最小二乘准则（Least Square），其中LMS应用较为广泛。

LMS算法

LMS算法是基于最小均方准则的算法，通过调节滤波器的权系数使得输出信号 $y (n)$ 与期望信号 $d (n)$ 的均方误差 $E[e^2(n)]$ 最小，LMS算法的原理图如下：

数学表达式如下：

$\begin{aligned}y(n)&=X^T(n)W(n)\\e\left(n\right)&=d\left(n\right)-y(n)\\W(n+1)&=W(n)+2\mu e(n)X(n)\end{aligned}$

$W (n)$ 为自适应滤波器的权向量， $X (n)$ 为输入信号向量， $e (n)$ 为系统输出误差， $d (n)$ 为期望信号， $v (n)$ 为系统噪声， $\mu$ 为控制收敛速度和稳定性的增益常数，即步长因子

步长因子越大，收敛速度明显加快，但是稳态误差就要更大一些

Matlab算法仿真

M=2;                                  %%BPSK
data=randi([0 1],1000,1);             %%产生一千个数据点
modData=pskmod(data,M);               %%BPSK调制

rxSig=conv(modData,[0.02+0.5i 0.05]); %%经过一个滤波器模拟信号经过了一个LTI系统
rxSig=awgn(rxSig,30);                 %%加噪

line_equ=comm.LinearEqualizer( ...
    NumTaps=8, ...                    %%均衡器阶数
    StepSize=0.1, ...                 %%步长因子 
    Constellation=complex([-1 1]), ...%%信号星座
    ReferenceTap=4);

tr_seq=modData(1:200);                %%将前200个点作为训练序列

[eq_sig,err]=line_equ(rxSig,tr_seq);

err_abs=abs(err);
plot(err_abs);
constdiag=comm.ConstellationDiagram(NumInputPorts=2, ...
    ChannelNames={'Before equ','After equ'}, ...
    ReferenceConstellation=pskmod([0 1],2));
constdiag(rxSig(400:end),eq_sig(400:end))