python实现cma—se算法_CMA算法的仿真结果

正 文

CMA算法的仿真结果(2006/6/16 09:24)

今天完成了CMA算法的仿真，感觉迭代步长对算法的收敛有很大的影响。由于CMA算法是一种盲信号处理方法，所以在盲均衡，盲多用户检测，盲信号分离等领域有着广泛的应用。CMA算法在不需要训练的情况下，就可以逐步收敛到最优解，因此在信道特性未知的情况下，只需要知道接收信号的一些统计特性，就可以保证均衡器能够一定程度的减少码间干扰。这样的盲均衡由于不需要周期性的发送训练序列，因此提高了信道的利用率。

仿真中用到的调制信号为4QAM信号，是一种常模调制信号，因为4QAM信号归一化的模为根号2。由于CMA算法只根据接收信号来调整滤波器的系数，因此CMA算法实质上使用的代价函数是接收信号的函数，通过不断调整滤波器系数，使代价函数收敛到最小程度。仿真中用到的信道以及滤波器的结构等和以前仿真LMS和RLS算法时候用到的一样，在这里不再赘述，另外信噪比为10dB。

下图是接收信号的星座图：

从上图中看出，信号由于受到噪声和信道的非理想影响，产生了严重的码间干扰。下图是用CMA盲均衡器后信号的星座图。

从图中可以看出，均衡器能够收敛。但是均衡的效果却不是特别好。考虑到适用的情况，可以在开始均衡的时候用CMA算法，等到算法基本收敛的时候再采用LMS或者RLS算法。这样就可以不需要周期发送训练序列从而提高了频谱利用率。

评 论

9楼 tiansc(游客) 发表于 2010/10/16 10:48 回复

能学习一下您的程序