§ LMS 算法的自适应均衡的计算机仿真实现
本小节我们来讨论基于 LMS 算法的自适应均衡的计算机仿真实现。当数据以低于 2400比特/秒的速度传输时,ISI相对较小,在调制解调器的运行中没有问题。然而, 对于高于2400比特应的特征值分散。信道失真增大,特征值分散变大。
W 值与特征值分散的对应关系
W
九
min
九
max
cond (R )二九 / 九
xx max min
1)迭代步长卩对系统的收敛性和稳态性的影响
,、、。这三个值都 保证了算法的稳定性条件。得到100次平均的均方误差值。。
,在步长卩满足算法稳定性的情况下,步长卩较小(步长卩=,时
需要多于 1000 次迭代才能收敛。)时,算法的收敛速度慢,为得到满意的结果所需
要的采样数据多,但稳态失调误差较小。卩值较大(步长卩=,算法大约在迭
代 100 次后收敛)时,该算法收敛速度快,但稳态失调误差变大。收敛速度与稳态 失调误差是不可兼得的两个指标。所以对于步长卩的选取需要折衷考虑。
O
T—
图 变化步长对应 LMS 算法的学****曲线
3
-O
2)信道失真参数W (特征值分散)对系统的收敛性和稳态性的影响。
固定卩=,我们得到两种信道失真参数情况下的LMS算法的学****性能曲线。整个瞬时均方误差经过 100 次平均得到。 所示。由图 可知,随着信道失真参数(特征值分散)增大,均衡器的收敛速度变慢,同时稳态失调 误差也随之增大。
特征值分散反映了信号通过信道后的接收信号的相关程度。在 LMS 算法中的特征值扩
散是指信号矢量x(n)的自相关矩阵R的特征值扩展。,我可以将矢量x(n)看
xx
作M( M为均衡器的抽头数)路接收信号。R的特征值指的是这M
路接收信号中能够分离的独立信号的功率大小,若M路接收信号完全独立不相关时,通常 M路接收信号的功率是相同的,这时特征值扩散为1。若M路接收信号完全相关,此时的 特征值扩散为无穷大[22,即从M路接收信号中只能分离出一路独立信号。无线移动通信信 道中由于其存在多径干扰使得接收信号存在着相关性。
由上述信道模型参数可知,信道参数直接影响接收信号的自相关矩阵的特征值分散的 大小,对于无线移动通信信道来说,由于多径信道的时变性,使得无法确定通过无线移动 通信信道后的接收信号的自相关矩阵的特征值扩散的大小,和特征值扩散的变化范围。也 就是说LMS算法的收敛速度对于特征扩散敏感,若应用到无线移动通信信道均衡中,会导 致均衡器的收敛速度无法确定,而且对于某个时刻的信道特征值扩散严重时,收敛速度很 慢,不适应无线移动通信信道均衡器对自适应算法的快收敛速度的要求。
3)横向自适应滤波器的抽头数M对系统的收敛性和稳态性的影响。
固定卩=
LMS与RLS分析比较 来自淘豆网www.taodocs.com转载请标明出处.