RLS算法地研究

《RLS算法地研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、标准文案目录自适应均衡算法--RLS法的仿真分析研究3一、背景知识31.1、自适应均衡原理31.2、RLS算法的背景资料4二、自适应均衡算法--RLS算法设计及分析42.1、RLS算法的基本原理：42.2、自适应均衡算法--RLS算法设计及流程72.3自适应均衡算法—RLS算法结果分析9三、小结113.1项目分工113.2个人心得11大全标准文案自适应均衡算法--RLS法的仿真分析研究大全标准文案一、背景知识1.1、自适应均衡原理由于多径衰落引起的时延扩展造成了高速数据传输时码元之间的干扰。采用增加平均信号电平的方法也无法降

2、低时延扩展引起的误码率，只有采用自适应均衡技术，才是根本的解决办法。均衡有两个基本途径：一是频域均衡，它使包含均衡器在内的整个系统的总传输特性满足无失真传输的条件。它往往是分别校正幅频特性和群时延特性，通常，线路均衡便采用频域均衡法。二是时域均衡，就是直接从时间响应考虑，使包括均衡器在内的整个系统的冲激响应满足无码间串扰的条件。目前广泛利用横向滤波器作时域均衡器，它可根据信道特性的变化而进行调整。时域均衡器可以分两大类：线性均衡器和非线性均衡器。如果接收机中判决的结果经过反馈用于均衡器的参数调整，则为非线性均衡器；反之，则为

3、线性均衡器。在线性均衡器中，最常用的均衡器结构是线性横向均衡器，它由若干个抽头延迟线组成，延时时间间隔等于码元间隔。非线性均衡器的种类较多，包括判决反馈均衡器(DFE)、最大似然(ML)符号检测器和最大似然序列估计等。均衡器的结构可分为横向和格型等。大全标准文案均衡器的收敛时间受均衡算法、均衡器结构和信道特性的变化情况所决定。通常，均衡器需要通过重复性地周期训练保证能够一直有效地抑制码间干扰。所以，用户数据序列需要被分割成数据分组或时隙分段发送。均衡器通常工作在接收机的基带或中频信号部分，基带信号的复包络含有信道带宽信号的全

4、部信息，所以，均衡器通常在基带信号完成估计信道冲激响应和解调输出信号中实现自适应算法等在移动通信领域中，码间干扰始终是影响通信质量的主要因素之一。产生码间干扰的主要原因是信道的非理想特性，多径传输是导致信道非理想特的重要因素。为了提高通信质量，减少码间干扰，在接收端通常都要采用均衡技术抵消信道的影响。而在使用均衡器的大多数通信系统中，信道的特性是未知的。并且在许多情况下，信道响应是随时间变化的。此时，简单的线性均衡器难以满足系统的基本要求，必须使用具有较强的时交适应能力的均衡器，即自适应均衡器。在传统的均衡器中，自适应算法必

5、须是以已知的训练序列为前提才能开始进行，然而实际信道中训练序列的传输往往是比较困难的，同时也会降低通信系统的效率。盲自适应均衡器可以有效地解决这一问题。自适应均衡器的工作过程包含两个阶段，一是训练过程，二是跟踪过程。在训练过程中，发送端向接收机发射一组已知的固定长度训练序列，接收机根据训练序列设定滤波器的参数，使检测误码率最小。典型的训练序列是伪随机二进制信号或一个固定的波形信号序列，紧跟在训练序列后面的是用户消息码元序列。接收机的自适应均衡器采用递归算法估计信道特性，调整滤波器参数，补偿信道特性失真，训练序列的选择应满足接

6、收机均衡器在最恶劣的信道条件下也能实现滤波器参数调整，所以，训练序列结束后，均衡器参数基本接近最佳值，以保证用户数据的接收，均衡器的训练过程成功了，称为均衡器的收敛。在接收用户消息数据时，均衡器还不断随信道特性的变化连续地改变均衡器参数。大全标准文案由于信号为时变信号，在设计时，不可能根据先验的统计结果预先了解到信号的统计特性，而要对信号采用短时白适应分析。为了能实现实时处理的要求，处理算法必须能以简单的运算来自动跟踪信号统计特性的变化。自适应均衡器需具有三个特点：快速初始收敛特性、好的跟踪信道时变特性和低的运算量。1.2、

7、RLS算法的背景资料RLS算法即递归最小二乘法(recursive-least-squares)算法。该算法使用迭代的方法求解最小二乘的确定性正则方程，其基本思路是，已知n-1时刻的滤波器权向量的最小二乘估计-1，利用当前n时刻新得到的观测数据，用迭代的方法计算出n时刻的滤波器权向量的最小二乘估计。RLS算法是最小二乘算法的一种快速算法：观察一个平稳输入信号输入的自适应系数在一点时间内输出误差信号的平均功率（时间平均），将该平均功率是否为最小作为测量自适应系统是否最佳的准则。RLS算法是一种递推的最小二乘算法，它用已知的初始

8、条件进行计算，并且利用现行输入新数据中所包含的信息对老的滤波器参数进行更新，因此所观察的数据长度是可变的，为此将误差测度函数写成J(n)，其中n是观测数据的可变长度。另外习惯上引入一个加权因子(又称遗忘因子)到误差测度函数J(n)中去，它可以很好的改进自适应均衡器的收敛特性。二、自适应均衡