自适应均衡器得设计
高速自适应均衡器研究与设计
2018年第5期 信息通信2018(总第 185 期）INFORMATION&COMMUNICATIONS(Sum.N o 185)高速自适应均衡器研究与设计李嘉(中国航空工业集团公司西安航空计算技术研究所，陕西西安710068)摘要：串行器/解串器(SerDes)是目前高速数据传输系统中的主流通信技术。
随着传输量和传输速率的提高，信 道的非理想特性会损害传输信号、造成码间干扰，自适应均衡器因能对信道进行朴偿、消除码间干扰而逐渐成为 当前S e r D e s系统中的研究热点。
文章研究设计了一种结合线性均衡器和2抽头系数判决反馈均衡器的均衡系 统，判决反馈均衡器采用半速率结构和“预判决”结构以减轻时序要求，采用自适应算法和阈值跟踪技术以实现时 变信道自适应均衡。
实验结果表明，均衡系统在10G b/s的数据速率下能够正常工作，均衡信号眼图水平张开度 大于0.8U I。
关键词:线性均衡器;判决反馈均衡器；自适应均衡中图分类号:TN715 文献标识码:A文章编号：1673-1131(2018)05-0067-02〇引言串行通信以其低成本、高数据速率、强抗干扰性逐步成为 当前高速通信系统中的主要通信方式，在此背景下，SerDes技 术的应用得到了很大发展。
然而信道的非理想特性严重影响 了数据传输质量，采用均衡器来补偿信道失真是主要的技术 手段。
考虑到信道的时变性和未知性，自适应均衡技术成为 当前的研究热点。
本文采用线性均衡器和判决反馈均衡器结合的系统结构 实现高速数据传输，线性均衡器从频域补偿，适于高速数据传 输，但会放大高频噪声；判决反馈均衡器是非线性均衡器，适 于处理大衰减信道，且不会放大噪声和串扰，但结构复杂，功 耗较大，反馈环路对时序要求严格。
故本文研究设计了基于 符号一符号最小均方算法的自适应均衡系统，采用半速率结 构和“预判决”结构缓解时序要求，采用自适应算法和阈值跟 踪技术实现时变信道自适应均衡。
QRD-LSL算法自适应均衡器实验
QRD-LSL 算法自适应均衡器实验一、实验目的1.掌握QRD-LSL 算法的基本原理及性能分析的方法，掌握QRD-LSL 算法的计算过程，加深对QRD-LSL 算法的理解，对教材中理论知识有直观印象。
2.研究QRD-LSL 算法用于有失真线性信道的自适应均衡问题。
3.比较QRD-LSL 算法和RLS 算法学习曲线，研究阶递归算法的性能。
二、实验内容1、自适应均衡器)n图1 自适应均衡试验框图如图1所示，系统中使用两个独立的随机数发生器，一个用n x 来表示，用来测试信道。
另一个用()n ν来表示，用来模拟接收器中加性白噪声的影响。
序列n x 是n x =1±的Bernoulli 序列，随机变量n x 具有零均值和单位方差。
第二个序列()n ν具有零均值，其方差2v σ由实验中需要的信噪比决定。
均衡器有11个抽头。
信道的冲激响应定义为20.51cos (2)1,2,30n n n h W π⎧⎡⎤⎛⎫+-=⎪⎪⎢⎥=⎝⎭⎨⎣⎦⎪⎩（1） 其中，W 控制幅度失真的大小，因此也控制信道产生的特征值扩散度()R χ。
将延迟7个样值之后的信道输入n x 作为均衡器的期望响应。
2、QRD-LSL 算法信号流图图2 QRD-LSL 滤波器算法信号流图3、具体内容(1)学习曲线当信道参数取四种不同值（ 2.93.13.3W =、、和3.5）时，QRD-LSL 算法的学习曲线。
通过对最终预测阶数10M =进行200次独立的试验，再对最后的先验估计误差（即更新项）()1M n ξ+的平均值取集平均，得到每一条曲线。
为了计算()1M n ξ+，我们对1m M =+利用()()()()()1/21/2m m m m m e n n n n n εγξγ== （2） 可以得到：()()()111/21MM M n n n εξγ+++= （3） 其中()1M n ε+为角度归一化联合过程估计误差的最终值，()1M n γ+为相关的变换因子。
LMS算法自适应均衡器实验
LMS 算法自适应均衡器实验08S005073 房永奎一、实验目的1、掌握LMS 算法的计算过程，加深对LMS 算法的理解。
2、研究用LMS 算法自适应均衡引起失真的线性色散信道问题。
3、研究特征值扩散度()R χ和步长参数μ对学习曲线的影响。
二、实验原理1、自适应均衡器)n图1 自适应信道均衡试验原理图自适应均衡器用来纠正存在加性白噪声的信道的畸变，信道均衡器的原理框图如1所示。
随机噪声发生器(1)产生用来探测信道的测试信号序列{n x }，本实验中由Bernoulli 序列组成，n x =±1，随机变量n x 具有零均值和单位方差。
随机噪声发生器(2)产生干扰信道的白噪声()n ν，具有零均值，方差为2νσ=0.001。
信道的脉冲响应用升余弦表示为：20.51cos (2)1,2,30n n n h W π⎧⎡⎤⎛⎫+-=⎪ ⎪⎢⎥=⎝⎭⎨⎣⎦⎪⎩（1） 其中，参数W 控制均衡器抽头输入相关矩阵的特征值分布()R χ，并且特征值分布随着W 的增大而扩大。
均衡器具有11M =个抽头。
由于信道的脉冲响应n h 关于n ＝2时对称，那么均衡器的最优抽头权值on ω在5n =时对称。
因此，信道的输入n x 被延时了257∆=+=个样值，以便提供均衡器的期望响应。
通过选择匹配横向均衡器中点的合适延时∆，LMS 算法能够提供信道响应的最小相位分量和非最小相位分量之逆。
2、均衡器输入相关矩阵在时刻n ，均衡器第1个抽头的输入为()()()31k k u n h x n k v n ==-+∑ （2）其中所有参数均为实数。
因此，均衡器输入的11个抽头(),(1),,(10)u n u n u n --的自相关矩阵R 为一个对称的1111⨯矩阵。
此外，因为脉冲响应n h 仅在1,2,3n =时为非零，且噪声过程()v n 是零均值、方差为2v σ的白噪声，因此相关矩阵R 是主对角线的，有以下特殊结构所示：()()()()()()()()()()()()()()()012001012021010021000000r r r r r r r r r r r r r r r ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦R （3） 其中()22221230v r h h h σ=+++ （4）()12231r h h h h =+ （5）()132r h h = （6）其中方差20.001v σ=。
综合课程设计基于Matlab的自适应均衡器设计
电子信息系综合课程设计基于Matlab的自适应均衡器设计专业名称通信工程班级学号学生姓名指导教师设计时间2010.12.20~2011.1.7课程设计任务书专业：学号：学生姓名（签名）：设计题目：基于Matlab的自适应均衡器设计一、设计实验条件实验室，Matlab软件二、设计任务及要求1. 课题要求系统学习时域均衡原理，掌握理论知识；2. 首先进行时域均衡原理和算法设计，再在所用的仿真软件Matlab上对设计进行仿真分析，最后写实验报告；3. 对整个系统设计进行回顾，总结心得。
三、设计报告的内容1.设计题目与设计任务（设计任务书）2.前言（绪论）(设计的目的、意义等)3.设计主体（各部分设计内容、分析、结论等）4.结束语（设计的收获、体会等）5.参考资料四、设计时间与安排1、设计时间：3周2、设计时间安排：熟悉实验设备、收集资料: 4天设计图纸、实验、计算、程序编写调试: 7天编写课程设计报告: 3天答辩: 1天基于Matlab的自适应均衡器设计一、设计目的及意义：通过本学期通信原理课程的学习，主要对数字信号系统的通信原理、传输机制等有了系统深入的了解。
而实践性的课程设计能够起到提高综合运用能力，加强理论知识的学习，提高实验技术，启发创造新思想的效果。
此次课程设计是自适应均衡器设计。
我们按照查找资料、软件选择、系统设计、仿真实现、结果优化这一流程进行。
不仅使我们进一步巩固了课程知识，也提高了我们分析问题、解决问题的能力。
二、设计主体：1 、设计原理数字信号经过这样的信道传输以后，由于受到了信道的非理想特性的影响，在接收端就会产生码间干扰(ISI)，使系统误码率上升，严重情况下使系统无法继续正常工作。
理论和实践证明，在接收系统中插入一种滤波器，可以校正和补偿系统特性，减少码间干扰的影响。
这种起补偿作用的滤波器称为均衡器。
时域均衡是利用均衡器产生的时间波形去直接校正已畸变的波形，使包括均衡器在内的整个系统的冲击响应满无码间串扰条件。
自适应均衡器的设计与仿真毕业设计论文
毕业设计（论文）自适应均衡器的设计与仿真摘要在移动通信领域中，码间干扰始终是影响通信质量的主要因素之一。
为了提高通信质量，减少码间干扰，在接收端通常采用均衡技术抵消信道的影响。
由于信道响应是随着时间变化的，通常采用自适应均衡器。
自适应均衡器能够自动的调节系数从而跟踪信道，成为通信系统中一项关键的技术。
本篇论文在对无线通信信道进行研究的基础上，阐述了信道产生码间干扰的原因以及无码间干扰的条件，介绍了奈奎斯特第一准则和时域均衡的原理。
深入研究了均衡器的结构和自适应算法，在均衡器的结构中主要介绍了4种自适应均衡器结构即线性横向均衡器、线性格型均衡器、判决反馈均衡器和分数间隔均衡器，并对这几种结构进行了比较。
对于系数调整算法主要介绍了常用的几种算法，包括LMS算法、RLS算法以及盲均衡常用的恒模算法(CMA)，并讨论了它们各自的优缺点。
最后选用线性横向均衡器结构与上述3种系数调整算法，利用MATLAB进行仿真，并对结果进行分析与比较。
关键字：自适应均衡器，LMS，RLS，CMA ，MATLABAbstractIn the field of mobile communications, the inter-symbol interferences (ISI) is always one of the primary factor which effects transmission. Adaptive equalization is mainly solution of dealing with ISI. Equalizers are often used to combat the influence of channels for improving communication’s quality and decreasing ISI in receivers. Sometimes, channel response varies due to time, the adaptive equalizer is always necessary. Equalizer coefficients can be automatically adjusted to track the channel as a key communication system technology.On the basis of studying on wireless communication channel, this paper discusses the reasons of resulting inter-symbol interference (ISI) and without conditions, introduces Nyquist first rule and the theory of adaptive equalizers. The equalizer structures and the adaptive algorithm are particularly studied in this paper. Mainly introducing and comparing four adaptive equalizer structures, such as linear horizontal equalizer, line personality type equalizer, decision feedback equalizer, fractionally spaced equalizers. Then we research the algorithms of the adaptive equalizer which are often used, including LMS, RLS, CMA, and discuss their respective advantages and disadvantages. Finally, we choose different adaptive equalizer structures and algorithms, and use the MATALB tool to simulate, at the end of this paper we analyze and compare the results.Keywords: adaptive equalizer, LMS, RLS, CAM, MATLAB目录摘要 (I)ABSTRACT (II)目录 (III)第一章绪论 (1)1.1引言 (1)1.2国内(外)研究现状 (1)1.3论文研究的内容及主要工作 (2)第二章信道、码间干扰及均衡技术 (3)2.1信道 (3)2.1.1 恒参信道 (4)2.1.2 变参信道 (4)2.2通信信道模型 (6)2.3码间干扰 (7)2.4自适应均衡的原理与特点 (10)2.5本章小结 (11)第三章均衡器结构 (12)3.1自适应均衡简介 (12)3.2均衡器的分类 (12)3.3线性横向均衡器结构(LTE) (13)3.4线性格型均衡器(LLE) (14)3.5判决反馈均衡器(DFE) (15)3.6分数间隔均衡器(FSE) (17)3.7本章总结 (21)第四章自适应均衡算法的理论基础 (22)4.1最小均衡误差算法(LMS) (22)4.2递归最小二乘算法(RLS) (25)4.3盲均衡算法 (27)4.4本章小结 (30)第五章均衡器的仿真与实现 (31)5.1采用线性横向均衡器与LMS算法 (31)5.2采用线性横向均衡器与RLS算法 (31)5.3利用恒模算法和线性横向均衡器 (32)总结 (35)参考文献 (36)致谢 (37)附录 (38)第一章绪论1.1引言通常信道特性是一个复杂的函数，它可能包括各种线性失真、非线性失真、交调失真、衰落等。
lms算法自适应均衡器的设计
均衡技术是通信领域三大技术之一，时域均衡具有很强的实时性，被广泛使用。
通过软件或数字芯片，可以实现数字滤波器的设计，而不必依赖电感、电容等模拟元件。
本研究通过系统建模、仿真的方式完成了均衡内部参数的设计。
在参数选取上克服了随意性并节省了系统资源，对均衡的开发具有一定的参考意义。
1 均衡模型LMS 算法使用最小均方误差准则，并采用最速下降梯度算法[3]。
LMS 算法可以概括为两个过程：滤波和参数调整。
第一步初始化滤波器抽头系数矢量；然后求解当n=n+1时滤波器的输出；最后求出误差值并调整抽头系数值[3]。
具体公式为：因此，均衡效果的优劣受到信号期望值d （k ）、滤波器抽头更新步长μ、抽头数量的影响。
判决反馈盲均衡器的期望值e （k ）由接收信号的判决值替代，因为接收信号本身含有发送信号的信息[3]。
2 L MS 判决反馈盲均衡算法仿真图1是通信系统使用LMS 判决反馈盲均衡与未使用均衡时的效果对比。
从图1的a 、b 中显示出使用均衡后，原本混叠的码元显著地分开了。
图1中c 的误码率数据表明，使用均衡后的通信质量明显提高。
图1 LMS 判决反馈盲均衡使用前后效果对比为了更清晰地观察该均衡方案的校正效果，因此在同等条件下将信道误码率提高到 进行仿真，其中误码率统计部分每一百个码元显示一个点，图2为仿真结果。
据图2可知，在信道误码率是7.4204*10-3时，LMS 判决反馈盲均衡器仍然能通过少量码元就调整好参数，进而适应信道特性，降低系统的误码率。
因此，在该环境下LMS 判决反馈盲均衡是一种有效的方法。
图3为LMS 判决反馈盲均衡器在信道误码率分别为7.4204*10-3和3.7201*10-3环境下、抽头更新步长μ分别为1/32、1/64、1/128时的误码曲线。
据图可知，在步长μ取不同值时，系统稳定后的余差相近。
因而主要从系统收敛速度、工程实现难易、资源占用大小三个角度进行考虑（相较于除法运算，FPGA 更适合移位操作，因此更新步长选取2n 值），所以选用1/32作为抽头系数更新步长值。
3自适应均衡算法1自适应线性均衡器
4-3 自适应均衡算法 4-3-1 自适应线性均衡器(1) 迫零算法当起始峰值失真01D <时，01q =，0,1||n q n K =≤≤条件下，峰值失真达到最小，这时存在一种简单的计算方法，称为迫零算法。
迫零解可使得误差序列ˆk k ke I I =−和期望信息序列之间的互相关为零（0||j K ≤≤）获得。
**ˆ[][()]k k j k k k jE e I E I I I −−=−＝**ˆ[][],,...,k k j k k jE I I E I I j K K −−−=−假定*[]k j k j E I I δ−=，{}k I 和{}k η不相关，ˆKkj k jj KI c v−=−=∑所以*0[],,...,k k j j j E e I q j K K δ−=−=−＝0，,...,j K K =−z 递归算法（迫零算法）：(1)()*,,...,k k j j k k j c c e I j K K +−=+Δ=−其中，()k j c 表示k 时刻第j 个系数，ˆk k ke I I =−，Δ为尺度因子。
z 迫零算法在实际使用中，分成两个阶段（工作模式）： 学习阶段（训练阶段）：发送端发送固定训练训练，接收端利用这个已知的序列，使用递归算法调整均衡器系数，以使得均衡器工作在最佳状态。
工作阶段（自学习阶段）：均衡器利用解调符号调整均衡器系数，以跟踪信道参数的变化。
*(1)(),,...,k k k j k j j c c eI j K K +−=+Δ=−k k k eI I ∧=− (2) LMS 算法基于MSE 准则时得到方程=ΓC ξ若Γ为已知时，此方程可使用Levinson-Durbin 算法求得最佳解opt C 。
实际中，一方面通常Γ为未知，另一方面，用Levinson-Durbin 算法所需计算量较大。
因此，常使用直接利用符号的递推算法，即LMS 算法，它基于二次函数的最速下降法（梯度算法）。
自适应均衡(包括LSM和RLS算法)
自适应均衡实验1、实验内容和目的1）通过对RLS 算法的仿真，验证算法的性能，更加深刻的理解算法的理论。
2）分别用RLS 算法和LSM 算法实现图1中的自适应均衡器，比较两种算法的差异，分析比较算法的性能，从而掌握两种算法的应用。
图1 自适应均衡框图2、基本原理分析1）LMS 算法原理LMS 算法一般来说包括两个基本过程：滤波过程和自适应过程。
滤波过程来计算线性滤波器的输出及输出结果与期望响应的误差。
自适应则是利用误差来自动调节滤波器的参数。
LMS 算法也是一个递推的算法。
设()J n 是滤波器在n 时刻产生的均方误差，其梯度计算如下：()()22n n ∇=-+J p Rw其中R 和p 分别是输入的自相关矩阵和输入与期望输出的互相关矩阵：()()()ˆH n n n =Ru u()()()*ˆn n n =pu d 则梯度向量的瞬态估计为：()()()()()()*ˆˆ22H n n n n n n ∇=-+J u d u u w 由最速下降算法可以得到抽头向量更新的递推关系式：()()()()()()*ˆˆˆ1Hn n n n n n μ⎡⎤+=+-⎣⎦w w u d u w整个LMS 算法归纳总结如下： 参数设置：M=抽头数（滤波器长度） μ=步长参数 m a x20MS μ<<其中max S 是抽头输入功率谱密度的最大值，而滤波器长度M 为中到大 初始化：如果知道抽头权向量()n w 的先验知识，则用它来选择()ˆ0w 的合适值，否则令()ˆ00=w。
更新滤波过程：()()()ˆH y n n n =wu ()()()e n d n y n =- ()()()()*ˆˆ1n n n e n μ+=+ww u 2）RLS 算法原理RLS 算法是一个递归的过程，递归最小二乘问题的正则方程可用矩阵写为()()()ˆn n n =Φwz 其中n 是可测数据的可变长度，()n Φ更新抽头输入的自相关矩阵，()n z 是抽头输入与期望响应之间的互相关向量，()ˆn w 是抽头的权值向量。
自适应均衡器的设计
电子信息工程学院《DSP技术及应用》课程设计报告题目：自适应均衡器的设计专业班级：通信工程专业10级通信B班二〇一三年六月十日目录一、设计目的 (1)二、设计要求 (1)三、设计原理及方案 (2)四、软件流程 (3)五、调试分析 (9)六、设计总结 (10)七、参考文献 (10)设计目的通过本学期课程的学习，我们主要对数字信号系统的通信原理、传输机制等有了深入的了解。
而实践性的课程设计能够起到提高综合运用能力，提高实验技术，启发创造新思想的效果。
我们小组此次课程设计是自适应均衡器设计，通过查找资料，我们了解到在一个实际的通信系统中，由于多径传输、信道衰落等影响，在接收端也会产生严重的码间串扰。
串扰造成严重影响时，必须对整个系统的传递函数进行校正,使其接近无失真传输条件。
为了提高通信系统的性能，一般在接收端采用均衡技术。
由于信道具有随机性、时变性，因此我们设计自适应均衡器，使其能够实时地跟踪无线通信信道的时变特性，根据信道响应自动调整滤波器抽头系数。
图1公式1 我们决定使用的LMS 算法是目前使用很广泛的自适应均衡算法，同时我们按照查找资料、系统设计、仿真实现、结果优化这一流程进行。
不仅使我们进一步巩固了课程知识，也提高了我们分析问题、解决问题的能力。
二、设计要求1、熟练掌握自适应滤波器的原理和LMS 算法的理论知识；2、学会运用matlab 软件，生成并对该信号进二进制序列信号和正弦信号，并模拟一个码间串扰信道，使信号通过码间串扰信道，之后对其进行加噪处理。
比较经过均衡器和未经均衡的效果随信噪比的变化。
3、完成以二进制序列信号和正弦信号为输入信号设计自适应均衡器的基础上，实现改变LMS 算法的步长进而改变自适应均衡器的抽头系数来观察信号的均方误差随步长的变化。
4、完成对归一化LMS 算法的研究，使经过信道的信号通过可以自定义NLMS 算法次数的自适应均衡器，观察信号的均方误差的变化曲线。
5、完成声音信号的采集，研究声音信号的时域波形和频域波形，对声音信号分别加高频噪声和通过模拟信道，使处理过的信号通过巴特沃斯滤波器和自适应均衡器，分析均衡器的效果。
自适应均衡器的设计与仿真
2014届毕业设计（论文）摘要在移动通信领域中，码间干扰始终是影响通信质量的主要因素之一。
为了提高通信质量，减少码间干扰，在接收端通常采用均衡技术抵消信道的影响。
由于信道响应是随着时间变化的，通常采用自适应均衡器。
自适应均衡器能够自动的调节系数从而跟踪信道，成为通信系统中一项关键的技术。
本篇论文在对无线通信信道进行研究的基础上，阐述了信道产生码间干扰的原因以及无码间干扰的条件，介绍了奈奎斯特第一准则和时域均衡的原理。
深入研究了均衡器的结构和自适应算法，在均衡器的结构中主要介绍了4种自适应均衡器结构即线性横向均衡器、线性格型均衡器、判决反馈均衡器和分数间隔均衡器，并对这几种结构进行了比较。
对于系数调整算法主要介绍了常用的几种算法，包括LMS算法、RLS算法以及盲均衡常用的恒模算法(CMA)，并讨论了它们各自的优缺点。
最后选用线性横向均衡器结构与上述3种系数调整算法，利用MATLAB进行仿真，并对结果进行分析与比较。
关键字：自适应均衡器，LMS，RLS，CMA ，MATLABAbstractIn the field of mobile communications, the inter-symbol interferences (ISI) is always one of the primary factor which effects transmission. Adaptive equalization is mainly solution of dealing with ISI. Equalizers are often used to combat the influence of channels for improving communication’s quality and decreasing ISI in receivers. Sometimes, channel response varies due to time, the adaptive equalizer is always necessary. Equalizer coefficients can be automatically adjusted to track the channel as a key communication system technology.On the basis of studying on wireless communication channel, this paper discusses the reasons of resulting inter-symbol interference (ISI) and without conditions, introduces Nyquist first rule and the theory of adaptive equalizers. The equalizer structures and the adaptive algorithm are particularly studied in this paper. Mainly introducing and comparing four adaptive equalizer structures, such as linear horizontal equalizer, line personality type equalizer, decision feedback equalizer, fractionally spaced equalizers. Then we research the algorithms of the adaptive equalizer which are often used, including LMS, RLS, CMA, and discuss their respective advantages and disadvantages. Finally, we choose different adaptive equalizer structures and algorithms, and use the MATALB tool to simulate, at the end of this paper we analyze and compare the results.Keywords: adaptive equalizer, LMS, RLS, CAM, MATLAB目录摘要 (I)ABSTRACT (II)目录 (III)第一章绪论 (1)1.1引言 (1)1.2国内(外)研究现状 (1)1.3论文研究的内容及主要工作 (2)第二章信道、码间干扰及均衡技术 (3)2.1信道 (3)2.1.1 恒参信道 (4)2.1.2 变参信道 (4)2.2通信信道模型 (6)2.3码间干扰 (7)2.4自适应均衡的原理与特点 (10)2.5本章小结 (11)第三章均衡器结构 (12)3.1自适应均衡简介 (12)3.2均衡器的分类 (12)3.3线性横向均衡器结构(LTE) (13)3.4线性格型均衡器(LLE) (14)3.5判决反馈均衡器(DFE) (15)3.6分数间隔均衡器(FSE) (17)3.7本章总结 (20)第四章自适应均衡算法的理论基础 (22)4.1最小均衡误差算法(LMS) (22)4.2递归最小二乘算法(RLS) (25)4.3盲均衡算法 (27)4.4本章小结 (30)第五章均衡器的仿真与实现 (31)5.1采用线性横向均衡器与LMS算法 (31)5.2采用线性横向均衡器与RLS算法 (31)5.3利用恒模算法和线性横向均衡器 (32)总结 (35)参考文献 (36)致谢 (37)附录 (38)第一章绪论1.1引言通常信道特性是一个复杂的函数，它可能包括各种线性失真、非线性失真、交调失真、衰落等。
基于FPGA的自适应均衡器的研究与设计
Ｕｓ ｉ ｎ ｇ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｅ ｑ ｕ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｉ ｎ ｍｕ ｈｉ ｐ ａ ｔ ｈ ｆ ａ ｄ ｉ ｎ ｇ ｓ ｉ ｔ ｕ ａ ｔ ｉ ｏ ｎ ｃ ａ ｎ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ｙ ｉ ｍｐ ｒ ｏ ｖ ｅ ｔ ｈ ｅ ｒ ｅ ｃ ｅ ｉ ｖ ｅ ｒ ｐ ｅ ｒ ｆ ｏ ｒ ｍａ ｎ ｃ ｅ ． Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｉ ｎ ｒ ｅ ｃ ｅ ｎ ｔ ｙ ｅ ａ ｒ ｓ ，ｔ ｈ ｅ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｏ ｆ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｅ ｑ ｕ ａ ｌ ｉ ｚ ｅ ｒ ｈ ａ ｓ ｂ ｅ ｅ ｎ ｕ ｓ ｅ ｄ ｌ ａ ｒ ｇ ｅ ｌ ｙ ｉ ｎ ｔ ｈ ｅ ｃ ｏ ｍｍｕ ｎ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｙ ｓ ｔ ｅ ｍｓ ．
ＬＩ Ｌ ｕ — ｌ ｕ ． Ｊ Ｉ ＮＧ Ｄａ — ｈ ａ ｉ
（ Ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ ａ ｎ ｄＩ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｉ ｏ ｎ ｈ ｏ ｈ ａ ｉ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｎ ａ ｎ ｊ ｉ ｎ ｇ ２ １ １ １ ０ ０ ， Ｃ ｈ ｉ ｎ ａ ）
ｄ ｅ ｓ ｃ ｒ ｉ ｂ ｅ ｓ ｔ ｈ ｅ ｐ ｒ ｉ ｎ ｃ ｉ ｐ ｌ ｅ ｏ ｆ ｔ ｈ ｅ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｅ ｑ ｕ ａ ｌ ｉ ｚ ｅ ｒ ａ ｎ ｄ ｂ ｅ Ｉ ｍｐ ｒ ｏ ｖ ｅ ｉ ｔ ｔ ｏ ａ ｃ ｃ ｏ ｍｍｏ ｄ ａ ｔ ｅ ｔ ｈ ｅ ｈ ｉ ｇ ｈ ｒ ａ ｔ ｅ ｏ ｆ ｔ ｈ ｅ ｗｉ ｄ ｅ ｂ ａ ｎ ｄ ｄ ｉ ｇ ｉ ｔ ａ ｌ
自适应信号处理RLS自适应均衡器
自适应信号处理RLS 的自适应均衡实验一 实验目的：考察特征值扩散度u 对RLS 算法的影响，比较LMS 和RLS 算法，进一步了解RLS 算法。
二 实验原理和要求：在本实验中，采用指数加权因子1λ=的RLS 算法，设计线性离散通信信道的自适应均衡器。
系统框图如图 1所示，该系统由两个独立数发生器，一个用来产生测试信道信号n x ，一个用来模拟接收器中加性白噪声的影响。
随机序列{}n x 由Bernoulli 序列组成，1n x =±，随机变量n x 具有零均值和单位方差。
随机数发生器2产生的序列()v n 具有零均值，其方差2v σ由实验中需要的信噪比决定。
均衡器有11个抽头。
)图 1： 自适应均衡计算机实验的框图信道的脉冲响应用升余弦表示为：121cos (2)2n n n h W π⎧⎡⎤⎛⎫+- , =1,2,3⎪⎪⎢⎥=⎝⎭⎨⎣⎦⎪0, ⎩其他 其中W 控制幅度失真的大小，也控制着信道产生的特征值扩展。
在时刻n ，均衡器第1个抽头输入为：31()()()k k u n h x n k v n ==-+∑均衡其输入的11个抽头(),(1),,(10)u n u n u n --相关矩阵R 为(0)(1)(2)00(1)(0)(1)(2)0(2)(1)(0)(1)00(2)(1)(0)00000(0)r r r r r r r r r r r R r r r r ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦其中2222123122313(0)(1)(2)v r h h h r h h h h r h h σ=+++=+=123,,h h h 由式(3)中参数W 的值确定。
三 实验内容和过程本实验分为两个部分：第一部分为高信噪比的情况，第二部分为低信噪比的情况。
信噪比可以表示为：22SNR 10lg x v σσ= 已知21x σ=，从而可得1SNR 21010v σ-⨯=计算的实验参数如表 1所示。
eq自适应算法
eq自适应算法EQ自适应算法是一种用于自适应均衡器设计的算法。
它可以根据输入信号的频谱特性来调整均衡器的参数，以实现对信号频谱的精确调整。
在音频处理中，均衡器被广泛应用于音乐制作、音响系统和通信系统等领域。
1. 介绍EQ自适应算法是一种基于反馈控制理论的方法，通过不断地测量输入信号和输出信号之间的差异，并根据差异值来调整均衡器参数。
这种反馈机制可以使均衡器能够自动地适应不同的输入信号，并根据需要进行频率响应调整。
2. 均衡器原理均衡器是一种可以增强或削弱特定频率范围内信号能量的设备。
它通常由一组带通滤波器组成，每个滤波器负责调整特定频率范围内的信号能量。
EQ自适应算法通过测量输入和输出之间的差异来确定需要进行调整的频率范围，然后根据差异值来更新滤波器参数。
3. EQ自适应算法流程a. 初始化：设置初始滤波器参数和控制参数。
b. 输入信号测量：对输入信号进行频谱分析，得到输入信号的频率响应。
c. 输出信号测量：对输出信号进行频谱分析，得到输出信号的频率响应。
d. 计算差异值：将输出信号的频率响应与输入信号的频率响应进行比较，计算得到差异值。
e. 参数更新：根据差异值调整滤波器参数，使输出信号的频率响应逐渐接近目标响应。
f. 结束判断：根据预设的结束条件判断是否终止算法。
如果未达到结束条件，则返回步骤b；否则，进入下一步。
g. 输出结果：输出调整后的均衡器参数。
4. EQ自适应算法优势a. 自适应性：EQ自适应算法可以根据不同的输入信号自动调整均衡器参数，无需手动设置。
这样可以更好地适应不同音频场景和音乐风格的需求。
b. 实时性：由于EQ自适应算法是基于反馈控制理论设计的，它可以在实时处理音频信号时进行参数调整，并且能够快速收敛到稳定状态。
这使得它在音响系统和通信系统等实时应用中具有很高的实用性。
c. 精确性：EQ自适应算法通过不断测量输入和输出之间的差异来调整参数，可以实现对信号频谱的精确调整。
这使得它在音乐制作和专业音频处理领域中被广泛使用。
MATLAB环境下ISI信道仿真及自适应均衡器设计程序说明
MATLAB环境下ISI信道仿真及自适应均衡器设计程序说明MATLAB是一种广泛用于科学计算和工程领域的高级编程语言和环境。
在MATLAB环境下，可以进行ISI（Inter-Symbol Interference）信道仿真及自适应均衡器设计。
ISI是指传输过程中，当前符号对后续符号产生的干扰，会导致接收端的误码率增加。
自适应均衡器旨在消除ISI，提高信号的传输质量。
下面是一个示例程序，用于说明在MATLAB环境下进行ISI信道仿真及自适应均衡器设计的步骤和方法：1.生成发送信号：首先，定义发送信号的长度和发送符号序列。
可以使用随机数生成器或自定义发送符号序列。
例如，可以使用randi函数生成一个长度为N的随机二进制序列。
2.传输信号：将发送信号通过ISI信道传输。
可以使用MATLAB中的conv函数来模拟信号通过ISI信道，conv函数将发送信号与信道冲激响应进行卷积操作。
信道冲激响应可以根据具体的信道特性进行定义，例如，可以使用瑞利衰落信道或AWGN（Additive White Gaussian Noise）信道。
3.加入噪声：在传输信号的基础上添加噪声。
可以使用MATLAB中的awgn函数来添加高斯白噪声。
awgn函数通过指定信号的信噪比（SNR）来控制噪声的强度。
4.接收信号：接收被噪声污染的信号。
可以使用MATLAB中的corr函数来计算接收信号与发送信号之间的相关性，以便后续均衡器设计。
5.自适应均衡器设计：使用自适应均衡器算法来消除ISI。
在MATLAB环境中，有多种自适应均衡器算法可供选择，包括LMS（Least Mean Squares）、NLMS （Normalized Least Mean Squares）、RLS（Recursive Least Squares）等算法。
6.误码率评估：使用误码率作为性能指标来评估均衡器的性能。
可以通过比较接收信号与发送信号之间的误差来计算误码率。
(完整word版)自适应时域均衡器的设计
自适应时域均衡器的设计1 绪论在实际的通信系统中常常需要面对码间干扰，即符号间干扰(ISI）。
指的是在通信过程中,系统传输的一序列码元间相互间产生的干扰，ISI的存在使系统误码率上升，严重情况下甚至使系统无法继续正常工作,为了克服码间干扰，首先就要分析码间干扰产生的原因，再提出解决方法。
1.1 符号间干扰成因符号间干扰［1］本质上是时散效应,来源于以下两个方面：频带受限：由于实际信道的频带总是有限，并且偏离理想特性,所以使通过的信号在频域上产生线性失真，部分频谱分量被抑制，从而在时域上扩展了。
相邻码元波形原本没有重叠，但由于时域扩展产生的“拖尾”，导致前面码元波形延伸到后面码元波形中。
多径效应:同一码元波形通过不同路径传播，不同多径分量到达接收端的时间不同,如果第一多径分量与最后多径分量到达时间差超过码元宽度，前面码元的一部分多径分量就会叠加在后面码元中，产生ISI。
1。
2 均衡器的引入理论和实践证明，在接收系统中插入一种滤波器，可以校正和补偿系统特性,减少码间干扰的影响。
这种起补偿作用的滤波器称为均衡器。
从校正的处理域分类可以把均衡分为两类:频域均衡：即在频域进行校正，它是通过调整均衡器使信道和均衡器总的频谱特性符合理想低通特性或等效低通特性,从而实现无码间干扰传输。
时域均衡：即在时域进行校正，它是以奈氏第一准则为依据，通过调整滤波器抽头系数，在时域波形上把畸变了的信号校正为在取样点上无码间干扰的波形。
随着数字信号处理理论和超大规模集成电路的发展,时域均衡已成为当今高速数字通信中所使用的主要方法。
调整滤波器抽头系数的方法有手动调整和自动调整.如果接收端知道信道特性，例如信道冲击响应或频域响应，一般采用比较简单的手动调整方式。
1。
3 自适应均衡器的提出由于无线通信信道具有随机性和时变性，即信道特性事先是未知的，信道响应是时变的,这就要求均衡器必须能够实时地跟踪通信信道的时变特性，可以根据信道响应自动调整抽头系数，我们称这种可以自动调整滤波器抽头系数的均衡器为自适应均衡器。
毕业论文-基于LMS算法的自适应线性均衡器设计
基于LMS算法的自适应线性均衡器设计摘要：在信息业快速发展的今天，进行快速准确的通信是各个行业的基本要求。
影响移动通信质量和通信速度的一个重要因素是码间干扰，即串扰。
在一个实际的通信系统中，基带传输系统不可能完全满足理想的波形传输无失真条件，因而串扰几乎是不可避免的。
对串扰进行校正的电路称为均衡器，其实质是信道的一个逆滤波器。
信道均衡器是通信系统中一项重要的技术，它能够很好的补偿信道的非理想特性，从而减轻信号的畸变，降低误码率。
在高速通信、无线通信领域，信道对信号的畸变将更加的严重，因此信道均衡技术是不可或缺的。
本文介绍了自适应均衡器的基本理论、最小均方(LMS)算法的原理与设计、自适应的基本原理、线性均衡器的基本理论与设计，并结合归一化(NLMS)算法、递归最小二乘法(RLS)算法对最小均方(LMS)算法作了进一步说明，最终用MATLAB对基于LMS算法的自适应线性均衡器进行了仿真设计。
关键词：LMS算法；自适应；线性均衡器；(NLMS)算法；(RLS)算法LMS Algorithm Based on Adaptive LinearEqualizer DesignAbstract：The rapid development of information industry today, for fast and accurate communication is the basic requirement of various industries. Affect the quality of mobile communications and the communication speed is an important factor in inter-symbol interference, that is, crosstalk. In a practical communication system, base-band transmission system can not fully meet the ideal conditions for wave transmission without distortion, thus crosstalk is almost inevitable. The crosstalk correction circuit called equalizer, and its essence is an inverse channel filter. Channel equalizer is an important communication systems technology, it can be well compensated non-ideal characteristics of the channel, thereby reducing the signal distortion, reduce the error rate. In the high-speed communications, wireless communications, channel distortion of the signal will be more serious, so the channel equalization is indispensable.This article describes the basic theory of adaptive equalizer, the minimum mean square (LMS) algorithm and design principles, basic principles of adaptive linear equalizer of the basic theory and design, combined with normalized (NLMS) algorithm, recursive least squares (RLS) algorithm for least-mean-square (LMS) algorithm was further described, and ultimately using MA TLAB LMS algorithm based adaptive linear equalizer for simulation design.Key words：LMS algorithm; Adaptive; Linear equalizer; (NLMS) Algorithm; (RLS) Algorithm目录第1章绪论 (1)1.1均衡器研究背景及意义 (1)1.2国内外对均衡技术的研究动态 (3)1.3本文研究内容和主要工作 (4)第2章自适应均衡器基本理论 (5)2.1通信系统中的失真分析 (5)2.1.1、数字基带传输系统模型 (5)2.1.2通信系统中的噪声干扰 (5)2.1.3、通信系统的传输特性 (7)2.1.4、均衡技术 (8)2.2自适应滤波原理 (8)2.2.1、自适应滤波器的分类 (8)2.2.2、自适应滤波器的基本构成 (9)2.2.3、与普通滤波器的区别 (9)2.2.4、自适应过程 (10)2.3自适应滤波结构 (10)2.3.1、滤波器的实现结构 (11)第3章基于LMS算法自适应均衡原理 (14)3.1最小均方(LMS)算法基本原理 (14)3.1.1、最佳滤波器准则 (14)3.1.2MMSE准则 (14)3.1.3LMS迭代算法 (16)3.2最小均方（LMS）算法的性能分析 (18)3.2.1LMS算法的稳定性 (18)3.2.2LMS算法的收敛速度 (20)3.2.3LMS算法的性能学习曲线及稳态误差 (21)第4章基于LMS自适应均衡算法仿真 (23)4.1MATLAB简介 (23)4.2LMS算法的自适应均衡的计算机仿真实现 (23)4.2.1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 (25)4.2.2迭代步长 对系统的收敛性和稳态性的影响 (27)4.2.3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 (28)第5章归一化LMS算法与RLS算法 (31)5.1基于LMS算法的归一化LMS算法 (31)5.1.1NLMS算法基本理论简介 (31)5.2.2RLS算法与LMS算法仿真比较 (31)5.2RLS算法的自适应均衡的计算机仿真实现 (32)5.2.1RLS算法基本理论简介 (32)5.2.2RLS算法与LMS算法仿真比较 (33)第6章结论 (35)致谢 (37)参考文献 (38)附录1 (39)第1章绪论1.1 均衡器研究背景及意义在信息业快速发展的今天，进行快速准确的通信是各个行业的基本要求。
基于LMS算法的自适应线性均衡器设计
基于LMS算法的自适应线性均衡器设计自适应线性均衡器（Adaptive Linear Equalizer）是一种用于解决通信系统中信号传输过程中引起的衰落、多径干扰和色散等问题的数字信号处理技术。
其中，最常用的算法就是最小均方算法（LMS算法）。
本文将对基于LMS算法的自适应线性均衡器设计进行详细探讨，以便进一步理解该技术的原理和应用。
自适应线性均衡器的设计目标就是使得接收到的信号尽可能接近发送信号。
在传输过程中，信号可能受到多径干扰、噪声和失真等因素的影响。
自适应线性均衡器的任务就是根据接收信号的特征自动调整其内部权值，以最小化输出信号与原始信号之间的误差。
LMS算法是一种基于梯度下降的迭代算法，它通过最小化均方（Mean Square Error，MSE）误差来更新权值。
LMS算法的基本思想是根据误差信号的梯度来调整权值，从而最小化误差。
在自适应线性均衡器中，LMS算法的实现需要以下步骤：1.定义输入信号和目标信号：将输入信号表示为x(n)，目标信号（即发送信号）表示为d(n)。
2.初始化权值向量：将权值向量w(n)初始化为一个较小的初值，通常为零。
3.计算估计输出：根据当前权值向量，计算自适应线性均衡器的估计输出y(n)。
4.计算误差信号：将估计输出与目标信号进行比较，计算误差信号e(n)。
5.更新权值向量：根据误差信号的梯度计算出权值的变化量，并将其加到当前的权值向量上，得到新的权值向量。
6.重复步骤3到步骤5，直到收敛或达到预设的迭代次数。
自适应线性均衡器的设计中，一些关键问题需要考虑：1.学习率：学习率决定了权值的更新速度，过大的学习率可能导致不稳定性，而过小的学习率则会导致收敛速度过慢。
因此，需要根据实际情况选择合适的学习率。
2.初始权值：初始权值的选择可能会影响算法的收敛速度和性能。
通常可以将初始权值设置为零或一个随机小值，然后通过迭代调整权值。
3.触发更新：权值的更新可以在每个符号周期内进行，也可以在每个数据块周期内进行。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
电子信息工程学院《DSP技术及应用》课程设计报告题目:自适应均衡器得设计专业班级:通信工程专业10级通信B班二〇一三年六月十日目录一、设计目得 (1)二、设计要求 (1)三、设计原理及方案 (2)四、软件流程 (3)五、调试分析 (9)六、设计总结………………………………………………………、、、10七、参考文献 (10)一、设计目得通过本学期课程得学习,我们主要对数字信号系统得通信原理、传输机制等有了深入得了解。
而实践性得课程设计能够起到提高综合运用能力,提高实验技术,启发创造新思想得效果。
我们小组此次课程设计就是自适应均衡器设计,通过查找资料,我们了解到在一个实际得通信系统中,由于多径传输、信道衰落等影响,在接收端也会产生严重得码间串扰。
串扰造成严重影响时,必须对整个系统得传递函数进行校正,使其接近无失真传输条件。
为了提高通信系统得性能,一般在接收端采用均衡技术。
由于信道具有随机性、时变性,因此我们设计自适应均衡器,使其能够实时地跟踪无线通信信道得时变特性,根据信道响应自动调整滤波器抽头系数。
公式1 我们决定使用得LMS 算法就是目前使用很广泛得自适应均衡算法,同时我们按照查找资料、系统设计、仿真实现、结果优化这一流程进行。
不仅使我们进一步巩固了课程知识,也提高了我们分析问题、解决问题得能力。
二、设计要求1、熟练掌握自适应滤波器得原理与LMS算法得理论知识;2、学会运用matlab软件,生成并对该信号进二进制序列信号与正弦信号,并模拟一个码间串扰信道,使信号通过码间串扰信道,之后对其进行加噪处理。
比较经过均衡器与未经均衡得效果随信噪比得变化。
3、完成以二进制序列信号与正弦信号为输入信号设计自适应均衡器得基础上,实现改变LMS算法得步长进而改变自适应均衡器得抽头系数来观察信号得均方误差随步长得变化。
4、完成对归一化LMS算法得研究,使经过信道得信号通过可以自定义NLMS算法次数得自适应均衡器,观察信号得均方误差得变化曲线。
5、完成声音信号得采集,研究声音信号得时域波形与频域波形,对声音信号分别加高频噪声与通过模拟信道,使处理过得信号通过巴特沃斯滤波器与自适应均衡器,分析均衡器得效果。
6、组员之间相互协助,共同完成系统设计。
7、通过对自适应均衡器得设计,提高对通信原理及数字信号处理课程中所学知识得实际运用能力,以及对matlab软件得操作能力。
二、设计原理及方案1、原理图图2 系统原理框图2、原理图说明上图为系统得原理框架结构,各具体结构模块说明如下。
（1）信号采集:生成二进制序列与正弦信号,读取一段音乐,实现声音信号得采集。
（2）信号分析:对信号进行时域分析,同时使其经过码间串扰信道并进行加噪处理,分析显示加噪后时域波形。
（3）简单信号处理:使加噪后得信号经过自适应均衡器,并且可以根据算法得特点,进行步长参数得配置,可以显示均衡后信号得时域波形。
同时使用改进得算法,即归一化算法,并自定义算法得运行次数,观察均衡后得效果。
算法得依据就是最小均方误差,即理想信号与滤波器实际输出之差得平方值得期望值最小,并且根据这个依据来修改权系数令N阶滤波器得抽头系数为,滤波器得输入与输出分别为与 ,则FIR横向滤波器方程可表示为公式2令代表“所期望得响应”,并定义误差信号公式3 采用向量形式表示权系数及输入与,可以将误差信号写作公式4则误差平方为公式5上式两边取数学期望后,得均方误差222{()}{()}2{()()}{()}T T E e n E d n E d n X n W W E X n W =-+ 公式6根据最速下降法,“下一时刻”权系数向量应该等于“现时刻”权系数向量加上一个负均方误差梯度得比例项,即公式7精确计算梯度就是十分困难得,一种粗略得但就是却十分有效得计算得近似方法就是直接取作为均方误差得估计值,即公式8其中公式9得到梯度估值公式10于就是算法为公式11（4） 语音信号处理:对于语音信号加噪后分别经过巴特沃斯滤波器与自适应均衡器,观察均衡器得效果。
并对语音信号进行部分特效处理。
三、软件流程Matlab 主要面对科学计算、可视化以及交互式程序设计得高科技计算环境。
它将数值分析、科学数据可视化以及非线性动态系统得建模与仿真等诸多强大功能集成在一个易于使用得视窗环境中,为众多科学领域提供了一种全面得解决方案。
此外,我们设计自适应均衡器就是按照软件设计流程进行,使得软件得可操作性明显提高。
具体软件流程如下:1、理论研究模块:图3 理想信号研究 （1） 二进制序列生成二进制序列为输入信号,使其通过带有码间串扰得信道,并对该信号加噪,再二进制序列或正弦信号误码率分析自定义步长LMS 算法误差分析归一化LMS 算法误差分析通过设计得自适应均衡器。
用matlab进行仿真,当信噪比变化时,观察未经均衡与均衡后信号得误码率。
图4 误码率随信噪比变化曲线图中红线表示得就是未经均衡得信号,其误码率一直保持在较高得数值上。
黑色得曲线指得就是信号经过步长为0、09得均衡器后误码率得变化,可瞧到误码率有了明显得下降。
蓝色得线指得就是信号经过步长为0、04得均衡器后误码率得变化,可见经均衡器均衡后得差错率有了明显得改善。
通过可以自定义输入步长观察均衡后信号得均方误差随迭代次数得变化。
图5 步长为0、09均方误差变化曲线图6 步长为0、01均方误差变化曲线对自适应滤波器来说,最重要得实际考虑就是收敛速度与稳态误差。
从图中可瞧出步长越小收敛得速度较慢,但步长较小时随迭代次数增加最终稳态效果较好。
为了达到更快得收敛速度与更小得稳态误差。
采用归一化LMS算法,研究自定义算法次数对均衡后均方误差得影响。
图7 1次NLMS算法均方误差变化曲线图8 20次NLMS算法均方误差变化曲线归一化LMS算法就是时刻根据滤波器得输入来调整算法得步长,随着输入得逐渐增大,滤波器得稳态误差也会逐渐增大,此时需要通过调整步长μ,归一化LMS算法与LMS算法相比,具有更快得收敛速度与更小得稳态误差。
算法运行次数越多,曲线越趋于理想化。
(2)正弦信号以正弦信号为输入信号,研究通过具有码间串扰得信道,信号再通过均衡器后,观察信号均衡前后得变化,以评价均衡器得效果。
图9 正弦信号图10 均衡后得正弦信号由图可知均衡器得效果不错,可以有效地减少码间串扰。
此模块得GUI 界面:图11 理论模块GUI 界面2、信号应用模块:图12 语音信号研究 在理论研究得基础上,将语音信号作为输入信号研究自适应均衡器得效果,将语音信号加入高频噪声后,再使其通过巴特沃斯滤波器比较均衡前后得声音效果,同样加高频噪声后再通过均衡器,观察均衡器得效果。
之后按同样得操作可观察语音信号经过模拟信道后信号得变化以及自适应均衡器得实验效果。
语音信号高频噪声模拟信道巴特沃斯滤波器自适应均衡器比较输出特效处理图13 原始语音信号波形图14 经信道后得信号波形图15 滤波后得频谱图16 均衡后得频谱同时我们对声音作了部分特效——回声、变男声,回声就是通过声音延迟对多段声音进行叠加,变男声主要就是通过改变信号得采样频率。
语音成果GUI界面:图17 语音信号处理GUI界面五、调试分析在软件设计过程中遇到了许多困难,以下选择几点主要得进行分析说明:1、自定义均衡器系统得设计问题。
Matlab软件得应用不熟练,不清楚自适应均衡器得原理以及采用何种参数进行比较来观察均衡器得效果。
解决方案:查阅书籍,特别就是基于Matlab得应用书籍,经过各种资料查询,并研究了别人得理论成果与相关程序。
了解了自适应均衡器得原理,在跟老师沟通后确定了系统设计方向。
2、关于信道模拟问题。
自适应均衡器主要就是用来避免码间串扰使得信号能够无失真得传输,因此要观察自适应均衡器得效果,在信号经过均衡器前必须先通过具有码间串扰得信道。
解决方案:上网查阅相关资料,码间串扰得信道参数不一,需要合理设置参数,同时还有给通过信道得加噪,可用matlab中现有得语句给合适得信噪比即可。
我们采用得自己编写语句得方法对信号加噪。
3、GUI界面得设计问题。
以前只接触过matlab,没有使用过GUI设计界面。
解决方案:我们上网查找相关资料,从按钮设置开始学起,并及时地跟同学与老师交流,一步步地学习,最终完成了整个GUI界面得设计4、GUI界面布局问题。
由于小组中每个人都有各自得任务,因此在编写程序得过程中,图形得坐标与变量没有统一,导致整个界面演示得过程中有些混乱,层次不够清晰明了。
解决方法:小组内部经过多次讨论以及跟老师沟通交流后,最终使得坐标都很统一,GUI界面瞧起来比较整齐,也使得界面美观了不少。
六、设计总结通过对自适应均衡器得设计,我们对所设计得作品从陌生到熟悉,学到了很多得知识,同时我们更加准确得掌握了通信原理与数字信号处理等相关课程得理论知识,并成功将所学到得知识运用到了实践当中。
经过此次实习我们熟练掌握了matlab软件,培养了对抽象得实际问题进行逻辑抽象,以确定输入输出及其关系进而进行分析得能力。
同时我们了解并掌握正确运用Matlab各种函数在数字信号处理中得作用,对程序语言得使用与信号得处理以及GUI界面得设计有了更深一步得了解。
对于界面处理与操作过程中,老师对我们得指导与给予我们得意见使我们得作品更加美观,也更具有实用性,我们从中受益匪浅。
做课程设计同时也就是对课本知识得巩固与加强。
在系统得设计与仿真过程中,我们对课题理解与整体设计中对课本知识有了更深一步得了解。
通过在图书馆细心地查找,也寻找到了很多有关书籍文献,对我们得设计有很大帮助,增强了我们得自学能力。
这次课程设计终于顺利完成了,在设计中遇到了很多专业知识问题,最后在老师得指导下,终于游逆而解。
同时,在老师得身上我们学也到很多实用得知识,在次我们表示感谢。
七、参考文献[1]邹鳃,袁俊泉.MATLAB 6、x信号处理.北京:清华大学出版社,2002.[2]周辉,董正宏.数字信号处理基础及MATLAB实现.北京:北京希望电子出版社,2006.[3]张会生,闫学斌等.LMS算法自适应滤波器得DSP实现.信息安全与通信保密,2006-10.[4]靳翼.变步长LMS自适应均衡算法研究及其在DSP上得实现.成都:电子科技大学,2010.[5]周俊敏,陈伯俊等.自适应信道均衡器算法仿真与性能分析.科学技术与工程,2010-10.[6]王世一.数字信号处理(修订版) .北京理工大学出版社,2005.[7]樊昌信,曹丽娜等.通信原理(第6版).国防工业出版社,2010.[8]西蒙·赫金.自适应滤波器原理(第4 版).北京:电子工业出版社,2003.[9]杨红,李德闽等.一种新得变步长LMS自适应滤波算法.通信技术,2010.[10]D INIZ P S R.自适应滤波算法与实现.刘郁林等译.北京:电子工业出版社,2004.[11]何振亚.自适应信号处理.北京:科学出版社,2002.。