【精选】盲均衡算法及仿真

《【精选】盲均衡算法及仿真》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于最小差错概率的变步长盲均衡算法及仿真TheSimulationofBlindEqualizationalgorithmbasedonMinimumErrorProbabilityofVariableStepSize郑华电气信息工程学院，北方民族大学，宁夏银川，750021摘要：本文在分析了李道本、陈少霞提出的基于最小差错概率盲均衡算法的基础上，用牛顿梯度变步长实现了基于最小差错概率新的盲均衡，仿真结果表明，与固定步长的盲均衡算法相比，该算法收敛速度快，均方误差小，在均衡技术的应用方面有一定的

2、实用价值。关键词：盲均衡算法；变步长；错误概率；仿真ZhengHuaCollegeofelectricalandInformationEngineering，BeifangEthnicUniversity，NingxiaYinchuan，750021Abstract:ThispaperanalyzesminimumerrorprobabilityblindequalizationalgorithmproposedbyDaobenLi.Anewminimumerrorprobabilityblin

3、dequalizationbasedonNewtongradientsteepestascentvariablestepsizealgorithmisproposedcompared.ComputersimulationsdemonstratetheproposedalgorithmaccomplisherfasterconvergenceandsteadysmallerMSEthanfixedstepsizealgorithm.Itisusedvaluableinengineering.Key

4、words：Blindequalizationalgorithm；Variablestepsize；ErrorProbability；Simulation1．引言均衡技术的发展和应用极大地提高了通信系统的性能，但随着数字通信技术向宽带、高速、大容量方向的发展，自适应均衡技术日益暴露出其不足和缺陷，而盲均衡技术有效地克服了自适应均衡的缺陷。本文针对目前盲均衡技术研究领域的一种主要算法——最小错误概率盲均衡算法进行研究，提出一种运算量小，收敛性好，实用性强的变步长盲均衡算法，并从理论上对其进行了分析

5、。基于最小错误概率的盲均衡器是在自适应均衡器的基础上发展起来的，其显著特点是不增加计算的复杂度，保持了传统自适应均衡器的简单性，易于实现。其算法的基本原理是先建立一个代价函数，该代价函数可以保证在错误概率最小的同时，使总的信道响应最大限度地逼近所期望的信道特性。2．最小错误概率的盲均衡原理∧+信道图１基于最小差错概率的盲均衡算法原理框图MEP算法判决器盲均衡器基于最小错误概率（MEP）盲均衡算法的基本原理如图1所示[1]。∧假定输入信号为一平稳的随机序列，传输信道的冲激响应为，均衡器的权值系数为

6、，为均衡器的长度，均衡器的输入为。由于输入信号一般为零均值信号，假设其功率为，4由于输入信号一般为零均值信号，假设其功率为，则（1）同时，由于噪声是独立于输入信号的高斯白序列（方差），则，（2）根据信号传输理论可得（3）（4）系统的总冲激响应用表示，即，且。盲均衡技术就是希望在未知情况下，仅通过对、的观测以及对的适当调整，使尽可能逼近输入序列，即使尽量向理想冲激响应逼近。中只有一个非零元素，即符合置零条件[2]。3．最小错误概率的变步长LMS盲均衡算法在均衡前，重要的是选择一个既合理又便于数学处

7、理的代价函数。在数字通信中，差错概率是最重要的性能测度，因此选择一个代价函数是的凸函数，且最小代价点处是最终目标。本文选用李道本、陈少霞[3]提出的判决导引盲均衡代价函数：（5）牛顿梯度权值迭代公式为．（6）根据式（5）得（7）式中，，，。代入式（6），得到基于最小错误概率的牛顿梯度权值迭代公式为（8）4．基于最小错误概率的变步长牛顿梯度盲均衡算法收敛速度、跟踪能力和稳态剩余误差是衡量均衡算法优劣的三个主要指标。步长因子对算法收敛过程有很大影响。值越大，算法收敛速度越快，但稳态剩余误差较大。4值

8、减小，可以减小稳态剩余误差，提高算法的收敛精度，但将降低算法的收敛速度和跟踪速度。因此，固定步长算法在收敛速度、跟踪速度与收敛精度之间对步长因子的要求是相互矛盾的[4]，因此选择变步长的牛顿梯度算法。在一般的变步长LMS算法中，控制步长更新的都是误差，而实际系统中是被噪声污染的，加之LMS算法缺少平均操作的固有缺陷，这样当接近最佳权时，权值仍有较大的波动，因此，有较大的失调。为了克服上述缺点，可以利用当前误差与上一步误差的自相关估计来控制步长更新。这样做的好处是在更新步长时，消除了不相关噪声序列