资源描述：
《盲均衡算法研究分析毕业论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、盲均衡算法研究摘要如今在很多通信系统中，传统的需要训练序列的自适应均衡方法已经变的不再适用，而不需要训练序列的均衡，也就是盲均衡技术则取得了越来越广阔的应用。本文主要研究了更具实际应用价值际的Bussgang类盲均衡算法，并以其中最为经典的常模数算法(CMA)和近年来新提出来的基于RENYI信息熵的盲均衡算法为主要研究对象进行了较为深入的理论研究和仿真分析。文中分析论证了两种算法的理论依据，进行了相应的算法推导，最后利用计算机进行仿真并对仿真结果进行分析和比较，得到了如下结果：l在单入单出系统(SISO)中对CMA算法和
2、RENYI熵算法进行了全面的分析和比较，验证了RENYI熵算法的快速收敛性，同时发现了该算法在鲁棒性上有待改进的地方。l在多入多出系统(MINO)中对CMA算法和RENYI熵算法进行了新的研究。不考虑盲分离，研究改进后的CMA算法在MIMO系统中的均衡效果，并以此为基础提出了以RENYI熵为基础的新算法MIMO-RENYI算法。通过仿真发现该算法的具有更快的收敛速度，具有良好的研究前景。关键词：盲均衡，Bussgang，CMA，RENYI熵AnalysisofBlindEqualizationAbstractNowada
3、ys,traditionalself-adaptiveequalizationthatneedstrainedsequencesisnolongersuitableinmanycommunicationscenarios.Blindequalizations,whichdonotneedanytrainedsequence,canobtainbroaderapplication.Inthispaper,wemainlystudiedBussgandtypeblindequalizations,whichisaverypr
4、acticaltypeofblindequalization.Twoalgorithmsarestudiedduringthearticle,oneisthemostfamousalgorithmconstantmodulusalgorithm(CMA)andtheotherisRENYI’sentropybasedblindequalization,whichisanewlyreleasedblindequalizationalgorithm.Somecomprehensivetheoreticalanalysisis
5、doneinthispaper,andcomputersimulationhelpstogetbettercomparisonaboutthesetwoalgorithms.Finally,Igetthefollowingresults:lAnallaspectscomparisonisdonebetweenCMAandRENYI’sentropyalgorithmsintheSingle-InputSingle-Outputsystems(SISO).Throughsimulation,weverifythefastc
6、onvergenceofRENYI’sentropyalgorithm,andfindoutthatitneedoptimizationtobemorerobust.lSimilarly,wedothesameanalysisintheMulti-InputMulti-Outputsystem(MIMO)s.Notconsidertheissueofblindseparation;westudiedtheimprovedCMAinMIMO.What’smore,wegetanewalgorithminMIMObasedo
7、nRENYI’sentropy.AftercomputersimulationwefinditsgoodconvergencespeedcomparedtoMIMO-CMA,whichshowsagoodprospectforfuturestudy.Keywords:blindequalization,Bussgang,CMA,RENYI’sentropy目录摘要I第一章引言11.1研究背景11.2盲均衡系统理论基础21.2.1发射信号21.2.2信道冲击响应和噪声31.2.3信道输出序列31.2.4均衡器抽头系数31.
8、2.5算法性能描述3第二章SISO系统中的盲均衡算法42.1Bussgang类盲均衡算法42.2典型的Bussgang盲均衡算法：CMA62.2.1CMA算法模型62.2.2CMA算法仿真与仿真结果分析72.3基于RENYI熵的盲均衡算法92.3.1RENYI信息熵理论92.3.2Parzen窗估计法102.3.3R
