自适应均衡器,MATLAB仿真软件金宝appgydF4y2Ba - 金宝app,下载188bet金宝搏,金宝搏官方网站

自适应均衡器gydF4y2Ba

自适应均衡器结构提供次优均衡时间传播信道特性的变化。然而,这些均衡器是吸引人的,因为他们的计算复杂度低于gydF4y2BaMLSE均衡器gydF4y2Ba。gydF4y2Ba

在通信工具箱™gydF4y2Bacomm.LinearEqualizergydF4y2Ba和gydF4y2Bacomm.DecisionFeedbackEqualizergydF4y2Ba系统对象和gydF4y2Ba线性均衡器gydF4y2Ba和gydF4y2Ba判决反馈均衡器gydF4y2Ba块使用抽头延迟线过滤器来平衡一个线性调制信号通过色散信道。这些特性的估计输出信号通过使用估计的信道建模为一个有限的输入响应(杉木)滤波器。gydF4y2Ba

解码一个接收信号自适应均衡器:gydF4y2Ba

冷杉过滤器适用于输入信号的符号。冷杉过滤阀重量对应的信道估计。gydF4y2Ba
输出信号估计,并使用信号估计更新利用权重为下一个符号。信号估计和更新权重取决于自适应均衡器的结构和算法。gydF4y2Ba

自适应线性或判决反馈均衡器结构选项。选择是最小均方(LMS)自适应算法,递归均方根(RMS),或恒模算法(CMA)。关于自适应均衡器的背景材料,看到的gydF4y2Ba选择参考均衡器gydF4y2Ba。gydF4y2Ba

数量的水龙头gydF4y2Ba

对于线性均衡器,水龙头的数量必须大于或等于每个符号输入样本的数量。判决反馈均衡器,前进阀门的数量必须大于或等于每个符号输入样本的数量。gydF4y2Ba

象征抽头间隔gydF4y2Ba

您可以配置操作均衡器symbol-spaced均衡器或部分symbol-spaced均衡器。gydF4y2Ba

操作的均衡器symbol-spaced率,每个符号指定样本的数量gydF4y2Ba1gydF4y2Ba。符号率均衡器有水龙头在符号间隔的持续时间。符号率均衡器对时间敏感的阶段。gydF4y2Ba
操作的均衡器部分symbol-spaced率,指定每个符号输入样本的数量作为一个整数比gydF4y2Ba1gydF4y2Ba并提供一个输入信号采样率采样过量。部分symbol-spaced均衡器有水龙头间隔的整数部分的输入符号持续时间。部分symbol-spaced均衡器对时间不敏感阶段。gydF4y2Ba

请注意gydF4y2Ba

MLSE均衡器支持部分符号间隔但不推荐金宝app使用它。MLSE计算复杂性和负担随长度的增加呈指数增长通道时间色散。过采样输入意味着指数项乘以每个符号样本的数量。gydF4y2Ba

线性均衡器gydF4y2Ba

线性均衡器可以消除符号间干扰(ISI)当一个通道的频率响应没有空。如果一个空存在于一个通道的频率响应,线性均衡器倾向于提高噪声。在这种情况下,使用判决反馈均衡器来避免提高噪声。gydF4y2Ba

线性均衡器由一个抽头延迟线存储样本从输入信号。一旦每个符号周期,均衡器输出值的加权和延迟线和更新权重准备下一个符号。gydF4y2Ba

线性均衡器可以symbol-spaced或部分symbol-spaced。gydF4y2Ba

symbol-spaced均衡器,每个符号样本的数量,gydF4y2BaKgydF4y2Ba,是1。输出采样率等于输入采样率。gydF4y2Ba
部分symbol-spaced均衡器,每个符号样本的数量,gydF4y2BaKgydF4y2Ba是一个比1大的整数。通常情况下,gydF4y2BaKgydF4y2Ba是4略微间隔均衡器。输出采样率是1 /gydF4y2BaTgydF4y2Ba和输入采样率gydF4y2BaK / TgydF4y2Ba,在那里gydF4y2BaTgydF4y2Ba象征。Tap-weight更新发生在输出率。gydF4y2Ba

这个示意图显示了线性均衡器gydF4y2BalgydF4y2Ba重量、时期的一个标志gydF4y2BaTgydF4y2Ba,gydF4y2BaKgydF4y2Ba样品每个符号。如果gydF4y2BaKgydF4y2Ba是1,结果是一个线性均衡器symbol-spaced代替部分symbol-spaced线性均衡器。gydF4y2Ba

在每一个时期,象征均衡器接收gydF4y2BaKgydF4y2Ba输入样本抽头延迟线。然后均衡器输出的加权和抽头延迟线和更新中的值权重准备下一个符号。gydF4y2Ba

判决反馈均衡器gydF4y2Ba

判决反馈均衡器(DFE)是一种非线性均衡器,减少码间干扰(ISI)在频率选择频道。如果一个空存在于一个通道的频率响应,王凯不提高噪声。教育部由抽头延迟线存储样本从输入信号,包含一个过滤器和一个反馈滤波器。远期过滤器是类似于一个线性均衡器。反馈滤波器包含一个抽头延迟线的输入上的决定是平衡的信号。一旦每个符号周期,均衡器输出值的加权和延迟线和更新权重准备下一个符号。gydF4y2Ba

王凯symbol-spaced或部分symbol-spaced。gydF4y2Ba

symbol-spaced均衡器,每个符号样本的数量,gydF4y2BaKgydF4y2Ba,是1。输出采样率等于输入采样率。gydF4y2Ba
部分symbol-spaced均衡器,每个符号样本的数量,gydF4y2BaKgydF4y2Ba是一个比1大的整数。通常情况下,gydF4y2BaKgydF4y2Ba是4部分symbol-spaced均衡器。输出采样率是1 /gydF4y2BaTgydF4y2Ba和输入采样率gydF4y2BaK / TgydF4y2Ba。利用重量更新发生在输出率。gydF4y2Ba

这个示意图显示了部分symbol-spaced DFE共有gydF4y2BaNgydF4y2Ba重量、时期的一个标志gydF4y2BaTgydF4y2Ba,gydF4y2BaKgydF4y2Ba样品每个符号。过滤器已经gydF4y2BalgydF4y2Ba重量和gydF4y2BaNgydF4y2Ba- - - - - -gydF4y2BalgydF4y2Ba反馈的重量。远期过滤器顶部和底部的反馈滤波器。如果gydF4y2BaKgydF4y2Ba是1,结果是一个symbol-spaced DFE代替部分symbol-spaced教育部。gydF4y2Ba

在每一个时期,象征均衡器接收gydF4y2BaKgydF4y2Ba输入样本的过滤器和一个决定或训练样本反馈滤波器。然后均衡器输出的加权和前进中的值和反馈延迟线路和更新权重准备下一个符号。gydF4y2Ba

请注意gydF4y2Ba

块自适应算法的算法原理共同优化和反馈的重量。联合优化尤为重要收敛的递归最小二乘(RLS)算法。gydF4y2Ba

参考信号和操作模式gydF4y2Ba

首先在默认的应用程序中,均衡器在训练模式收集的信息通道。后来均衡器开关decision-directed模式。gydF4y2Ba

当均衡器操作在训练模式中,已知参考信号是一个预设,传播序列。gydF4y2Ba
当均衡器在decision-directed运营模式下,参考信号是一个版本的输出信号,检测用gydF4y2BaygydF4y2Ba_dgydF4y2Ba的示意图。gydF4y2Ba

CMA算法没有训练模式。训练模式只适用于当均衡器配置为使用LMS和RLS算法。gydF4y2Ba

错误的计算gydF4y2Ba

错误的计算操作产生一个信号由这个表达式给出,在哪里gydF4y2BaRgydF4y2Ba是一个常数相关信号星座。gydF4y2Ba

$egydF4y2Ba =gydF4y2Ba {gydF4y2Ba \begin{matrix} dgydF4y2Ba -gydF4y2Ba ygydF4y2Ba & LMS和RLSgydF4y2Ba \\ ygydF4y2Ba (gydF4y2Ba RgydF4y2Ba -gydF4y2Ba {|gydF4y2Ba ygydF4y2Ba |gydF4y2Ba}^{2gydF4y2Ba})gydF4y2Ba & CMAgydF4y2Ba \end{matrix}$

线性和判决反馈均衡器结构,选择LMS, RLS, CMA算法决定了用于设置水龙头重量和执行计算的错误。新的利用权重取决于:gydF4y2Ba

当前的利用权重集gydF4y2Ba
输入信号gydF4y2Ba
输出信号gydF4y2Ba
参考信号,gydF4y2BadgydF4y2Ba,仅供LMS和RLS自适应算法。参考信号特征取决于均衡器的操作模式。gydF4y2Ba

最小均方算法gydF4y2Ba

对LMS算法,在前面的示意图,gydF4y2BawgydF4y2Ba是一个向量的权重吗gydF4y2BawgydF4y2Ba_我gydF4y2Ba,gydF4y2BaugydF4y2Ba是一个向量的输入gydF4y2BaugydF4y2Ba_我gydF4y2Ba。基于当前的权重集,创建新组权重LMS算法gydF4y2Ba

wgydF4y2Ba_新gydF4y2Ba=gydF4y2BawgydF4y2Ba_{当前的gydF4y2Ba}+ (gydF4y2BaStepSizegydF4y2Ba)gydF4y2BaugydF4y2BaegydF4y2Ba*。gydF4y2Ba

使用的步长自适应算法被指定为一个积极的标量。增加步长减少了均衡器收敛时间,但使平衡的输出信号不稳定。确定使用时允许的最大步长LMS自适应算法,使用gydF4y2BamaxstepgydF4y2Ba对象的功能。*操作符表示复杂的共轭和误差计算gydF4y2BaegydF4y2Ba=gydF4y2BadgydF4y2Ba- - - - - -gydF4y2BaygydF4y2Ba。gydF4y2Ba

递归最小二乘算法gydF4y2Ba

RLS算法,在前面的示意图,gydF4y2BawgydF4y2Ba向量的权重吗gydF4y2BawgydF4y2Ba_我gydF4y2Ba,gydF4y2BaugydF4y2Ba是所有输入的向量gydF4y2BaugydF4y2Ba_我gydF4y2Ba。基于当前的输入,gydF4y2BaugydF4y2Ba,逆相关矩阵,gydF4y2BaPgydF4y2Ba,RLS算法首先计算卡尔曼增益向量,gydF4y2BaKgydF4y2Ba,因为gydF4y2Ba

$KgydF4y2Ba =gydF4y2Ba \frac{PgydF4y2Ba ugydF4y2Ba}{(gydF4y2Ba FgydF4y2Ba ogydF4y2Ba rgydF4y2Ba ggydF4y2Ba egydF4y2Ba tgydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ngydF4y2Ba ggydF4y2Ba FgydF4y2Ba 一个gydF4y2Ba cgydF4y2Ba tgydF4y2Ba ogydF4y2Ba rgydF4y2Ba)gydF4y2Ba +gydF4y2Ba {ugydF4y2Ba}^{HgydF4y2Ba} PgydF4y2Ba ugydF4y2Ba} 。gydF4y2Ba$

使用的遗忘因子的自适应算法被指定为一个标量范围(0,1)。减少遗忘因子降低了均衡器收敛时间,但使平衡的输出信号不稳定。gydF4y2BaHgydF4y2Ba表示厄密共轭转置。基于当前的逆相关关系矩阵,逆相关关系矩阵gydF4y2Ba

${PgydF4y2Ba}_{新gydF4y2Ba} =gydF4y2Ba \frac{(gydF4y2Ba 1gydF4y2Ba -gydF4y2Ba KgydF4y2Ba {ugydF4y2Ba}^{HgydF4y2Ba})gydF4y2Ba {PgydF4y2Ba}_{当前的gydF4y2Ba}}{FgydF4y2Ba ogydF4y2Ba rgydF4y2Ba ggydF4y2Ba egydF4y2Ba tgydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ngydF4y2Ba ggydF4y2Ba FgydF4y2Ba 一个gydF4y2Ba cgydF4y2Ba tgydF4y2Ba ogydF4y2Ba rgydF4y2Ba} 。gydF4y2Ba$

基于当前的权重集,创建新组权重RLS算法gydF4y2Ba

wgydF4y2Ba_新gydF4y2Ba=gydF4y2BawgydF4y2Ba_{当前的gydF4y2Ba}+gydF4y2BaKgydF4y2Ba*gydF4y2BaegydF4y2Ba。gydF4y2Ba

*操作符表示复杂的共轭和误差计算gydF4y2BaegydF4y2Ba=gydF4y2BadgydF4y2Ba- - - - - -gydF4y2BaygydF4y2Ba。gydF4y2Ba

恒模算法gydF4y2Ba

CMA自适应算法,在前面的示意图,gydF4y2BawgydF4y2Ba向量的权重吗gydF4y2BawgydF4y2Ba_我gydF4y2Ba,gydF4y2BaugydF4y2Ba是所有输入的向量gydF4y2BaugydF4y2Ba_我gydF4y2Ba。基于当前的权重集,CMA自适应算法创建新组权重gydF4y2Ba

wgydF4y2Ba_新gydF4y2Ba=gydF4y2BawgydF4y2Ba_{当前的gydF4y2Ba}+ (gydF4y2BaStepSizegydF4y2Ba)gydF4y2BaugydF4y2Ba*gydF4y2BaegydF4y2Ba。gydF4y2Ba

使用的步长自适应算法被指定为一个积极的标量。增加步长减少了均衡器收敛时间,但使平衡的输出信号不稳定。CMA的确定允许的最大步长自适应算法,使用gydF4y2BamaxstepgydF4y2Ba对象的功能。*操作符表示复杂的共轭和误差计算gydF4y2BaegydF4y2Ba=gydF4y2BaygydF4y2Ba(gydF4y2BaRgydF4y2Ba- - - - - - |gydF4y2BaygydF4y2Ba|gydF4y2Ba^2gydF4y2Ba)gydF4y2Ba,在那里gydF4y2BaRgydF4y2Ba是一个常数相关信号星座。gydF4y2Ba

配置自适应均衡器gydF4y2Ba

选择线性或判决反馈均衡器的结构。决定使用哪一个自适应算法- LMS, RLS或CMA。指定设置的结构和algorithm-specific操作模式。gydF4y2Ba

配置一个均衡器包括选择一个线性或判决反馈结构,选择一种自适应算法,并指定具体操作模式的结构和算法。gydF4y2Ba

指定一个自适应均衡器gydF4y2Ba
均衡器训练gydF4y2Ba
管理使用均衡器时延误gydF4y2Ba

当决定自适应算法最适合您的需要,考虑:gydF4y2Ba

LMS算法执行快速但收敛缓慢。其复杂性增长线性权重的数量。gydF4y2Ba
RLS算法收敛迅速。其复杂性增长大约与权重的数量的平方。该算法也可以不稳定,当权重的数量很大。gydF4y2Ba
恒模算法(CMA)没有训练信号时是有用的。它最适合常数相移键控等模量调节。gydF4y2Ba
- 如果CMA没有额外的边信息,它可以引入相位模糊。例如,CMA的权重发现可能产生一个完美QPSK星座但引入相位旋转90,180或270度。在这种情况下,采用相位模糊校正算法或选择一个微分调制方案。微分相位调制方案对歧义。gydF4y2Ba

查看或更改任何属性的一种自适应均衡器,使用通道对象描述的语法gydF4y2Ba显示和修改对象属性gydF4y2Ba。gydF4y2Ba

关于自适应算法的更多信息,请参阅参考资料中列出gydF4y2Ba选择参考均衡器gydF4y2Ba。gydF4y2Ba

指定一个自适应均衡器gydF4y2Ba

定义一个均衡器对象gydF4y2Ba
自适应算法的任务gydF4y2Ba

创建一个自适应均衡器对象用于MATLABgydF4y2Ba^®gydF4y2Ba,选择gydF4y2Bacomm.LinearEqualizergydF4y2Ba或gydF4y2Bacomm.DecisionFeedbackEqualizergydF4y2Ba系统对象™。对于仿真金宝app软件gydF4y2Ba^®gydF4y2Ba,可以使用gydF4y2Ba线性均衡器gydF4y2Ba或gydF4y2Ba判决反馈均衡器gydF4y2Ba块。基于传播通道特性仿真,使用标准gydF4y2Ba均衡gydF4y2Ba选择均衡器结构。gydF4y2Ba

均衡器对象有很多属性,均衡器的信息记录。属性可以相关:gydF4y2Ba

均衡器的结构,如阀门的数量。gydF4y2Ba
自适应均衡器使用算法,如步长LMS和CMA算法。gydF4y2Ba
均衡器的当前状态的信息。均衡器对象可以输出权重的值。gydF4y2Ba

查看或更改任何一个均衡器对象的属性,使用通道对象描述的语法gydF4y2Ba显示和修改对象属性gydF4y2Ba。gydF4y2Ba

定义一个均衡器对象gydF4y2Ba

打开生活的脚本gydF4y2Ba

这些配置的代码创建均衡器对象:gydF4y2Ba

symbol-spaced线性RLS均衡器与10重量。gydF4y2Ba
稍微间隔线性RLS均衡器10重量、BPSK星座,每个符号两个样品。gydF4y2Ba
一个判决反馈RLS均衡器和三个权重的前馈滤波器和两个权重反馈滤波器。gydF4y2Ba

所有三个均衡器对象指定RLS自适应算法遗忘因子为0.3。gydF4y2Ba

创建均衡器不同类型的对象。默认设置用于属性没有设置使用gydF4y2Ba“名称-值”gydF4y2Ba对。gydF4y2Ba

eqlin = comm.LinearEqualizer (gydF4y2Ba“算法”gydF4y2Ba,gydF4y2BaRLS的gydF4y2Ba,gydF4y2Ba“NumTaps”gydF4y2Ba10gydF4y2Ba“ForgettingFactor”gydF4y2Ba,0.3)gydF4y2Ba

eqlin = comm.LinearEqualizer属性:算法:“RLS”NumTaps: 10 ForgettingFactor: 0.3000 InitialInverseCorrelationMatrix: 0.1000星座:[0.7071 -0.7071 + 0.7071 + 0.7071我……]ReferenceTap: 3 InputDelay: 0 InputSamplesPerSymbol: 1 TrainingFlagInputPort:假AdaptAfterTraining:真正的InitialWeightsSource:“汽车”WeightUpdatePeriod: 1gydF4y2Ba

eqfrac = comm.LinearEqualizer (gydF4y2Ba“算法”gydF4y2Ba,gydF4y2BaRLS的gydF4y2Ba,gydF4y2Ba“NumTaps”gydF4y2Ba10gydF4y2Ba“ForgettingFactor”gydF4y2Ba,0.3,gydF4y2Ba…gydF4y2Ba“星座”gydF4y2Ba[1],gydF4y2Ba“InputSamplesPerSymbol”gydF4y2Ba,2)gydF4y2Ba

eqfrac = comm.LinearEqualizer属性:算法:“RLS”NumTaps: 10 ForgettingFactor: 0.3000 InitialInverseCorrelationMatrix: 0.1000星座:[1]ReferenceTap: 3 InputDelay: 0 InputSamplesPerSymbol: 2 TrainingFlagInputPort:假AdaptAfterTraining:真正的InitialWeightsSource:“汽车”WeightUpdatePeriod: 1gydF4y2Ba

eqdfe = comm.DecisionFeedbackEqualizer (gydF4y2Ba“算法”gydF4y2Ba,gydF4y2BaRLS的gydF4y2Ba,gydF4y2Ba“NumForwardTaps”gydF4y2Ba3,gydF4y2Ba…gydF4y2Ba“NumFeedbackTaps”gydF4y2Ba2,gydF4y2Ba“ForgettingFactor”gydF4y2Ba,0.3)gydF4y2Ba

eqdfe = comm.DecisionFeedbackEqualizer属性:算法:“RLS”NumForwardTaps: 3 NumFeedbackTaps: 2 ForgettingFactor: 0.3000 InitialInverseCorrelationMatrix: 0.1000星座:[0.7071 -0.7071 + 0.7071 + 0.7071我……]ReferenceTap: 3 InputDelay: 0 InputSamplesPerSymbol: 1 TrainingFlagInputPort:假AdaptAfterTraining:真正的InitialWeightsSource:“汽车”WeightUpdatePeriod: 1gydF4y2Ba

自适应算法的任务gydF4y2Ba

打开生活的脚本gydF4y2Ba

使用gydF4y2Ba算法gydF4y2Ba财产分配使用的自适应算法的均衡器。gydF4y2Ba

算法的任务gydF4y2Ba

在创建均衡器对象时,自适应分配算法。gydF4y2Ba

eqlms = comm.LinearEqualizer (gydF4y2Ba“算法”gydF4y2Ba,gydF4y2Ba“LMS”gydF4y2Ba);gydF4y2Ba

创建均衡器对象与默认属性设置。LMS是默认的自适应算法。gydF4y2Ba

eqrls = comm.LinearEqualizer;eqrls.AlgorithmgydF4y2Ba

ans = ' LMS 'gydF4y2Ba

更新gydF4y2BaeqrlsgydF4y2Ba利用RLS自适应算法。gydF4y2Ba

eqrls.Algorithm=gydF4y2BaRLS的gydF4y2Ba;eqrls.AlgorithmgydF4y2Ba

ans = ' RLS 'gydF4y2Ba

克隆和复制对象gydF4y2Ba

配置一个新的均衡器对象通过克隆现有均衡器对象,然后改变其属性。克隆gydF4y2BaeqlmsgydF4y2Ba创建一个独立的均衡器,gydF4y2BaeqcmagydF4y2Ba,然后更新算法gydF4y2Ba“CMA”gydF4y2Ba。gydF4y2Ba

eqcma =克隆(eqlms);eqcma.AlgorithmgydF4y2Ba

ans = ' LMS 'gydF4y2Ba

eqcma.Algorithm=gydF4y2Ba“CMA”gydF4y2Ba;eqcma.AlgorithmgydF4y2Ba

ans = ' CMA 'gydF4y2Ba

如果你想要一个独立的重复使用gydF4y2Ba克隆gydF4y2Ba命令。gydF4y2Ba

eqlms.NumTapsgydF4y2Ba

ans = 5gydF4y2Ba

eq2 = eqlms;eq2.NumTaps=6; eq2.NumTaps

ans = 6gydF4y2Ba

eqlms.NumTapsgydF4y2Ba

ans = 6gydF4y2Ba

的gydF4y2Ba克隆gydF4y2Ba命令创建一个副本gydF4y2BaeqlmsgydF4y2Ba这是独立的gydF4y2BaeqlmsgydF4y2Ba。相比之下,命令gydF4y2BaeqB = eqAgydF4y2Ba创建gydF4y2BaeqBgydF4y2Ba作为一个参考gydF4y2BaeqAgydF4y2Ba,所以gydF4y2BaeqBgydF4y2Ba和gydF4y2BaeqAgydF4y2Ba总是有相同的属性设置。gydF4y2Ba

均衡器训练gydF4y2Ba

线性平衡系统通过使用不同的培训计划gydF4y2Ba
线性平衡符号用EVM-Based培训gydF4y2Ba

线性平衡系统通过使用不同的培训计划gydF4y2Ba

打开生活的脚本gydF4y2Ba

证明线性均衡使用至少意味着广场(LMS)算法恢复QPSK符号通过AWGN信道。应用不同的均衡器级培训计划并显示符号错误。gydF4y2Ba

系统设置gydF4y2Ba

模拟QPSK-modulated系统情况。传输数据包200训练符号和1800组成的随机数据符号。配置一个LMS线性均衡器恢复数据包数据。gydF4y2Ba

M = 4;numTrainSymbols = 200;numDataSymbols = 1800;信噪比= 20;trainingSymbols = pskmod (randi ([0 M - 1] numTrainSymbols 1), M,π/ 4);numPkts = 10;lineq = comm.LinearEqualizer (gydF4y2Ba“算法”gydF4y2Ba,gydF4y2Ba“LMS”gydF4y2Ba,gydF4y2Ba…gydF4y2Ba“NumTaps”gydF4y2Ba5,gydF4y2Ba“ReferenceTap”gydF4y2Ba3,gydF4y2Ba“StepSize”gydF4y2Ba,0.01);gydF4y2Ba

训练均衡器在每个数据包的开始复位gydF4y2Ba

使用前缀训练符号在处理每一个数据包。处理每个数据包后,重置均衡器。这个重置迫使均衡器训练水龙头没有以前的知识。均衡器误差信号情节第一,第二,最后包显示更高的符号错误在每个数据包的开始。gydF4y2Ba

jj = 1;图gydF4y2Ba为gydF4y2Ba2 = 1:numPkts b =兰迪([0 m - 1] numDataSymbols 1);dataSym = pskmod (b、M,π/ 4);包= [trainingSymbols; dataSym];rx = awgn(包、信噪比);[~,犯错]= lineq (rx trainingSymbols);重置(lineq)gydF4y2Ba如果gydF4y2Ba(2 = = 1 | 2 | 2 = = | | 2 = = numPkts)次要情节(3、1,jj)情节(abs (err))标题([gydF4y2Ba“包#”gydF4y2Banum2str (ii)])包含(gydF4y2Ba“符号”gydF4y2Ba)ylabel (gydF4y2Ba的误差大小gydF4y2Ba)轴([0,长度(包),0,1])网格gydF4y2Ba在gydF4y2Ba;jj = jj + 1;gydF4y2Ba结束gydF4y2Ba结束gydF4y2Ba

图包含3轴对象。坐标轴对象与标题1 # 1包包含一个类型的对象。坐标轴对象与标题2 # 2包包含一个类型的对象。坐标轴对象与标题3 # 10包包含一个类型的对象。gydF4y2Ba

训练均衡器在每个数据包的开始没有重置gydF4y2Ba

处理每个数据包使用前缀训练符号。不处理每个数据包后重置均衡器。每个数据包后不重置,均衡器保留利用权重从培训前包。均衡器误差信号情节第一,第二,最后包显示初始培训第一数据包后,后续的数据包有更少的符号错误在每个数据包的开始。gydF4y2Ba

释放(lineq) jj = 1;图gydF4y2Ba为gydF4y2Ba2 = 1:numPkts b =兰迪([0 m - 1] numDataSymbols 1);dataSym = pskmod (b、M,π/ 4);包= [trainingSymbols; dataSym];频道= 1;rx = awgn(包*通道,信噪比);[~,犯错]= lineq (rx trainingSymbols);gydF4y2Ba如果gydF4y2Ba(2 = = 1 | 2 | 2 = = | | 2 = = numPkts)次要情节(3、1,jj)情节(abs (err))标题([gydF4y2Ba“包#”gydF4y2Banum2str (ii)])包含(gydF4y2Ba“符号”gydF4y2Ba)ylabel (gydF4y2Ba的误差大小gydF4y2Ba)轴([0,长度(包),0,1])网格gydF4y2Ba在gydF4y2Ba;jj = jj + 1;gydF4y2Ba结束gydF4y2Ba结束gydF4y2Ba

定期训练均衡器gydF4y2Ba

系统与信号受时变通道需要周期性的均衡器训练保持锁定通道的变化。指定一个系统200年培训每1800数据符号的象征。培训、均衡器之间不会更新利用权重。均衡器过程每包200符号。gydF4y2Ba

Rs = 1 e6;fd = 20;spp = 200;gydF4y2Ba每个包的%符号gydF4y2Bab =兰迪([0 m - 1] numDataSymbols 1);dataSym = pskmod (b、M,π/ 4);包= [trainingSymbols;dataSym];流= repmat(包10 1);tx =(0:长度(流)1)/ Rs;频道= exp(1 * 2 *π* fd * tx);rx = awgn(流。*通道信噪比);gydF4y2Ba

设置gydF4y2BaAdaptAfterTraininggydF4y2Ba财产gydF4y2Ba假gydF4y2Ba停止均衡器抽头更新后的重量训练阶段。gydF4y2Ba

(lineq) lineq发布。AdaptAfterTraining=假gydF4y2Ba

lineq = comm.LinearEqualizer属性:算法:LMS的NumTaps: 5 StepSize: 0.0100星座:[0.7071 -0.7071 + 0.7071 + 0.7071我……]ReferenceTap: 3 InputDelay: 0 InputSamplesPerSymbol: 1 TrainingFlagInputPort:假AdaptAfterTraining:假InitialWeightsSource:“汽车”WeightUpdatePeriod: 1gydF4y2Ba

平衡数据受损。情节的角误差通道,均衡器误差信号,信号星座。随着信道的变化,均衡器的输出不移除通道的影响。输出星座旋转不同步,导致一些错误。gydF4y2Ba

[y,犯错]= lineq (rx trainingSymbols);图次要情节(2,1,1)情节(tx,打开(角(频道)))包含(gydF4y2Ba的时间(秒)gydF4y2Ba)ylabel (gydF4y2Ba“通道角(rad)”gydF4y2Ba)标题(gydF4y2Ba角误差随时间的gydF4y2Ba次要情节(2,1,2)情节(abs (err))包含(gydF4y2Ba“符号”gydF4y2Ba)ylabel (gydF4y2Ba的误差大小gydF4y2Ba网格)gydF4y2Ba在gydF4y2Ba标题(gydF4y2Ba时变信道没有再培训的gydF4y2Ba)gydF4y2Ba

图包含2轴对象。坐标轴对象与标题1角误差随着时间的推移,包含一个类型的对象。坐标轴对象2标题时变信道没有培训包含一个类型的对象。gydF4y2Ba

散点图(y)gydF4y2Ba

图散点图包含一个坐标轴对象。标题为散点图的坐标轴对象包含一个类型的对象。这个对象表示通道1。gydF4y2Ba

设置gydF4y2BaTrainingInputPortgydF4y2Ba财产gydF4y2Ba真正的gydF4y2Ba配置均衡器对水龙头暗示时进行再培训gydF4y2BatrainFlaggydF4y2Ba输入。只有当均衡器的火车gydF4y2BatrainFlaggydF4y2Ba是gydF4y2Ba真正的gydF4y2Ba。每2000个符号后,均衡器通过水龙头和保持锁在通道的变化。情节的角误差通道,均衡器误差信号,信号星座。随着信道的变化,均衡器的输出删除信道的影响。输出星座不旋转的同步和减少错误。gydF4y2Ba

(lineq) lineq发布。培训FlagInputPort = true; symbolCnt = 0; numPackets = length(rx)/spp; trainFlag = true; trainingPeriod = 2000; eVec = zeros(size(rx)); yVec = zeros(size(rx));为gydF4y2Bap = 1: numPackets [yVec ((p - 1) * spp + 1: p * spp, 1), eVec ((p - 1) * spp + 1: p * spp, 1)] =gydF4y2Ba…gydF4y2Balineq (rx ((p - 1) * spp + 1: p * spp, 1), trainingSymbols, trainFlag);symbolCnt = symbolCnt + spp;gydF4y2Ba如果gydF4y2BasymbolCnt > = trainingPeriod trainFlag = true;symbolCnt = 0;gydF4y2Ba其他的gydF4y2BatrainFlag = false;gydF4y2Ba结束gydF4y2Ba结束gydF4y2Ba图次要情节(2,1,1)情节(tx,打开(角(频道)))包含(gydF4y2Ba“t (sec)”gydF4y2Ba)ylabel (gydF4y2Ba“通道角(rad)”gydF4y2Ba)标题(gydF4y2Ba角误差随时间的gydF4y2Ba次要情节(2,1,2)情节(abs (eVec))包含(gydF4y2Ba“符号”gydF4y2Ba)ylabel (gydF4y2Ba的误差大小gydF4y2Ba网格)gydF4y2Ba在gydF4y2Ba标题(gydF4y2Ba时变信道与再培训的gydF4y2Ba)gydF4y2Ba

图包含2轴对象。坐标轴对象与标题1角误差随着时间的推移,包含一个类型的对象。轴与培训对象2标题时变信道包含一个类型的对象。gydF4y2Ba

散点图(yVec)gydF4y2Ba

图散点图包含一个坐标轴对象。标题为散点图的坐标轴对象包含一个类型的对象。这个对象表示通道1。gydF4y2Ba

线性平衡符号用EVM-Based培训gydF4y2Ba

打开生活的脚本gydF4y2Ba

恢复QPSK符号与线性均衡器采用恒模算法(CMA)和EVM-based水龙头培训。当使用盲均衡器算法,如CMA、训练均衡器水龙头使用gydF4y2BaAdaptWeightsgydF4y2Ba属性来启动和停止训练。辅助函数用于生成情节和应用相位校正。gydF4y2Ba

初始化系统变量。gydF4y2Ba

rng (123456);M = 4;gydF4y2Ba%正交相移编码gydF4y2BanumSymbols = 100;numPackets = 5000;raylChan = comm.RayleighChannel (gydF4y2Ba…gydF4y2Ba“PathDelays”gydF4y2Ba[0,1],gydF4y2Ba…gydF4y2Ba“AveragePathGains”gydF4y2Ba-12年[0],gydF4y2Ba…gydF4y2Ba“MaximumDopplerShift”gydF4y2Ba1 e-5);信噪比= 50;adaptWeights = true;gydF4y2Ba

创建均衡器和维生素与系统对象。平衡系统对象指定一个线性均衡器采用CMA自适应算法。调用辅助函数来初始化图块。gydF4y2Ba

lineq = comm.LinearEqualizer (gydF4y2Ba…gydF4y2Ba“算法”gydF4y2Ba,gydF4y2Ba“CMA”gydF4y2Ba,gydF4y2Ba…gydF4y2Ba“NumTaps”gydF4y2Ba5,gydF4y2Ba…gydF4y2Ba“ReferenceTap”gydF4y2Ba3,gydF4y2Ba…gydF4y2Ba“StepSize”gydF4y2Ba,0.03,gydF4y2Ba…gydF4y2Ba“AdaptWeightsSource”gydF4y2Ba,gydF4y2Ba输入端口的gydF4y2Ba)gydF4y2Ba

lineq = comm.LinearEqualizer属性:算法:“CMA”NumTaps: 5 StepSize: 0.0300星座:[0.7071 -0.7071 + 0.7071 + 0.7071我……]ReferenceTap: 3 InputSamplesPerSymbol: 1 AdaptWeightsSource:“输入端口”InitialWeightsSource:“汽车”WeightUpdatePeriod: 1gydF4y2Ba

信息(lineq)gydF4y2Ba

ans =gydF4y2Ba结构体字段:gydF4y2Ba延迟时间:2gydF4y2Ba

维生素与= comm.EVM (gydF4y2Ba“ReferenceSignalSource”gydF4y2Ba,gydF4y2Ba…gydF4y2Ba“估计从参考星座”gydF4y2Ba);[errPlot, evmPlot scatSym adaptState] =gydF4y2Ba…gydF4y2BainitFigures (numPackets lineq);gydF4y2Ba

均衡回路gydF4y2Ba

实现均衡回路:gydF4y2Ba

产生相移键控数据包。gydF4y2Ba
应用瑞利衰落和AWGN来传输数据。gydF4y2Ba
应用均衡接收的数据和相位校正均衡器的输出。gydF4y2Ba
估计维生素和切换gydF4y2BaadaptWeightsgydF4y2Ba旗帜gydF4y2Ba真正的gydF4y2Ba或gydF4y2Ba假gydF4y2Ba基于维生素水平。gydF4y2Ba
更新图块。gydF4y2Ba

为gydF4y2Bap = 1: numPackets data =兰迪([0 m - 1] numSymbols 1);tx = pskmod(数据、Mπ/ 4);rx = awgn (raylChan (tx),信噪比);rxDelay = finddelay (rx, tx);[y,犯错,但是]= lineq (rx adaptWeights);y = phaseCorrection (y);维生素与挣值管理=都(y);adaptWeights =(维生素> 20);updateFigures (errPlot evmPlot、scatSym adaptState,gydF4y2Ba…gydF4y2Ba出世,y(结束)、维生素p, numPackets adaptWeights)gydF4y2Ba结束gydF4y2Ba

图包含4轴对象。坐标轴对象1标题利用重量大小包含一个干细胞类型的对象。坐标轴对象2标题散点图包含一个类型的对象。坐标轴对象3标题调整重量信号包含一个类型的对象。挣值管理坐标轴对象4标题都包含一个类型的对象。gydF4y2Ba

rxDelaygydF4y2Ba

rxDelay = 0gydF4y2Ba

图块显示,维生素与变化,均衡器切换的decision-directed重量适应模式。gydF4y2Ba

辅助函数gydF4y2Ba

这个helper函数初始化数据显示四块仿真结果。gydF4y2Ba

函数gydF4y2Ba[errPlot evmPlot,散射,adaptState] =gydF4y2Ba…gydF4y2BainitFigures (numPkts lineq) yVec =南(numPkts, 1);evmVec =南(numPkts, 1);wVec = 0 (lineq.NumTaps, 1);adaptVec =南(numPkts, 1);图次要情节(2 2 1)evmPlot =茎(wVec);网格gydF4y2Ba在gydF4y2Ba;轴([1 lineq。NumTaps 0 1.8]) xlabel(“龙头”gydF4y2Ba);ylabel (gydF4y2Ba“| |权重”gydF4y2Ba);标题(gydF4y2Ba利用重量大小的gydF4y2Ba次要情节(2,2,2)散射=情节(yVec,gydF4y2Ba“。”gydF4y2Ba);轴gydF4y2Ba广场gydF4y2Ba;轴([-1.2 1.2 -1.2 1.2]);网格gydF4y2Ba在gydF4y2Ba包含(gydF4y2Ba“同步”gydF4y2Ba);ylabel (gydF4y2Ba“交”gydF4y2Ba);标题(gydF4y2Ba“散点图”gydF4y2Ba);次要情节(2,2,3)adaptState =情节(adaptVec);网格gydF4y2Ba在gydF4y2Ba;轴([0 numPkts -0.2 - 1.2]) ylabel (gydF4y2Ba“培训”gydF4y2Ba);包含(gydF4y2Ba“符号”gydF4y2Ba);标题(gydF4y2Ba“适应重量信号”gydF4y2Ba次要情节(2,2,4)errPlot =情节(evmVec);网格gydF4y2Ba在gydF4y2Ba;轴([1 numPkts 0 100])包含(gydF4y2Ba“符号”gydF4y2Ba);ylabel (gydF4y2Ba'维生素(%)'gydF4y2Ba);标题(gydF4y2Ba“维生素”gydF4y2Ba)gydF4y2Ba结束gydF4y2Ba

这个helper函数更新数据。gydF4y2Ba

函数gydF4y2BaupdateFigures (errPlot evmPlot scatSym,gydF4y2Ba…gydF4y2BaadaptWts adaptState, w, y,维生素,p, numFrames)gydF4y2Ba持续的gydF4y2BayVec evmVec adaptVecgydF4y2Ba如果gydF4y2Bap = = 1 yVec =南(numFrames, 1);evmVec =南(numFrames, 1);adaptVec =南(numFrames, 1);gydF4y2Ba结束gydF4y2BayVec (p) = y;evmVec (p) =维生素;adaptVec (p) = adaptWts;errPlot。YData = abs (evmVec);evmPlot。YData = abs (w);scatSym。XData =实际(yVec);scatSym。YData = imag(yVec); adaptState.YData = adaptVec; drawnowlimitrategydF4y2Ba结束gydF4y2Ba

这个helper函数适用于相位校正。gydF4y2Ba

函数gydF4y2Bay = phaseCorrection (y) =角(y((真正的(y) > 0) &(图像放大(y) > 0)));(< 0.1)=(< 0.1)+π/ 2;θ=意味着(一)-π/ 4;y = y * exp(1 *θ);gydF4y2Ba结束gydF4y2Ba

管理使用均衡器时延误gydF4y2Ba

适当的平衡,你必须确定和占系统延迟。如以下示例所示,您可以使用gydF4y2BafinddelaygydF4y2Ba函数来确定系统延迟。这个示例使用LMS线性均衡但RLS的同样的方法是有效的和CMA自适应算法和判决反馈均衡器。gydF4y2Ba

线性平衡延时信号gydF4y2Ba

打开生活的脚本gydF4y2Ba

模拟系统延迟之间的传播符号和收到样品。典型的发射机和接收机系统过滤器,导致延迟。这种延迟必须占同步系统。在这个例子中,系统介绍了延迟没有发送和接收滤波器。线性均衡,使用至少意味着广场(LMS)算法,恢复QPSK符号。gydF4y2Ba

初始化模拟变量。gydF4y2Ba

M = 4;gydF4y2Ba%正交相移编码gydF4y2BanumSymbols = 10000;numTrainingSymbols = 1000;mpChan = [1 0.5 * exp(1 *π/ 6)0.1 * exp(1我*π/ 8)];systemDelay = dsp.Delay (20);信噪比= 24;gydF4y2Ba

生成QPSK-modulated符号。应用多路径通道过滤、系统延迟和AWGN传播符号。gydF4y2Ba

data =兰迪([0 m - 1] numSymbols 1);tx = pskmod(数据、Mπ/ 4);gydF4y2Ba% OQPSKgydF4y2BadelayedSym = systemDelay(过滤器(mpChan 1 tx));rx = awgn (delayedSym,信噪比,gydF4y2Ba“测量”gydF4y2Ba);gydF4y2Ba

创建均衡器和维生素与系统对象。平衡系统对象指定一个线性均衡器使用LMS算法。gydF4y2Ba

lineq = comm.LinearEqualizer (gydF4y2Ba“算法”gydF4y2Ba,gydF4y2Ba“LMS”gydF4y2Ba,gydF4y2Ba…gydF4y2Ba“NumTaps”gydF4y2Ba9gydF4y2Ba“ReferenceTap”gydF4y2Ba5);维生素与= comm.EVM (gydF4y2Ba“ReferenceSignalSource”gydF4y2Ba,gydF4y2Ba…gydF4y2Ba“估计从参考星座”gydF4y2Ba);gydF4y2Ba

平衡不调整输入延迟gydF4y2Ba

平衡了符号。gydF4y2Ba

[err1日元,wts1] = lineq (rx, tx (1: numTrainingSymbols, 1));gydF4y2Ba

找到之间的延迟收到了使用符号和传播符号gydF4y2BafinddelaygydF4y2Ba函数。gydF4y2Ba

rx rxDelay = finddelay (tx)gydF4y2Ba

rxDelay = 20gydF4y2Ba

显示均衡器信息。延迟的延迟值表示引入的均衡器。计算的总延迟的总和gydF4y2BarxDelaygydF4y2Ba和均衡器延迟。gydF4y2Ba

eqInfo = info (lineq)gydF4y2Ba

eqInfo =gydF4y2Ba结构体字段:gydF4y2Ba延迟:4gydF4y2Ba

totalDelay = rxDelay + eqInfo.Latency;gydF4y2Ba

直到均衡器输出收敛,符号错误率很高。情节错误输出,gydF4y2Baerr1gydF4y2Ba使相等时,确定输出是收敛的。gydF4y2Ba

情节(abs (err1))包含(gydF4y2Ba“符号”gydF4y2Ba)ylabel (gydF4y2Ba的误差大小gydF4y2Ba)标题(gydF4y2Ba“平衡误差信号”gydF4y2Ba)gydF4y2Ba

图包含一个坐标轴对象。坐标轴对象与标题均衡器误差信号包含一个类型的对象。gydF4y2Ba

情节显示超出1000符号培训期间过多的错误。当解调符号和计算符号错误,占unconverged输出和系统之间的时间间隔均衡器输出和传播符号,跳过第一个2000符号。gydF4y2Ba

dataRec1 = pskdemod(日元(2000 + totalDelay:结束),M,π/ 4);symErrWithDelay = symerr(数据(2000:end-totalDelay)、dataRec1)gydF4y2Ba

symErrWithDelay = 5999gydF4y2Ba

evmWithDelay =维生素(日元)gydF4y2Ba

evmWithDelay = 33.0110gydF4y2Ba

错误率和维生素都很高,因为接收延迟并不是占均衡器的系统对象。gydF4y2Ba

调整输入迟延均衡器gydF4y2Ba

平衡使用延迟接收的数据值来设置gydF4y2BaInputDelaygydF4y2Ba财产。因为gydF4y2BaInputDelaygydF4y2Ba你必须释放,nontunable属性吗gydF4y2BalineqgydF4y2Ba系统对象重新配置gydF4y2BaInputDelaygydF4y2Ba财产。平衡了符号。gydF4y2Ba

(lineq) lineq发布。InputDelay = rxDelaygydF4y2Ba

lineq = comm.LinearEqualizer属性:算法:LMS的NumTaps: 9 StepSize: 0.0100星座:[0.7071 -0.7071 + 0.7071 + 0.7071我……]ReferenceTap: 5 InputDelay: 20 InputSamplesPerSymbol: 1 TrainingFlagInputPort:假AdaptAfterTraining:真正的InitialWeightsSource:“汽车”WeightUpdatePeriod: 1gydF4y2Ba

[y2, err2, wts2] = lineq (rx, tx (1: numTrainingSymbols, 1));gydF4y2Ba

情节水龙头重量和平衡的误差大小。茎图显示了均衡器抽头权值前后系统延迟。二维线情节展示了延时信号均衡器收敛较慢,而信号的延迟删除。gydF4y2Ba

次要情节(2,1,1)干细胞([真正的(wts1), (wts2)])包含(gydF4y2Ba“龙头”gydF4y2Ba)ylabel (gydF4y2Ba利用实际重量的gydF4y2Ba)传说(gydF4y2Ba“rxDelayed”gydF4y2Ba,gydF4y2Ba“rxDelayRemoved”gydF4y2Ba网格)gydF4y2Ba在gydF4y2Ba次要情节(2,1,2)干细胞([图像放大(wts1),图像放大(wts2)])包含(gydF4y2Ba“龙头”gydF4y2Ba)ylabel (gydF4y2Ba“利用虚构的重量”gydF4y2Ba)传说(gydF4y2Ba“rxDelayed”gydF4y2Ba,gydF4y2Ba“rxDelayRemoved”gydF4y2Ba网格)gydF4y2Ba在gydF4y2Ba

图包含2轴对象。坐标轴对象1包含2杆类型的对象。这些对象代表rxDelayed rxDelayRemoved。坐标轴对象包含2杆类型的对象。这些对象代表rxDelayed rxDelayRemoved。gydF4y2Ba

图绘制([abs (err1), abs (err2)])包含(gydF4y2Ba“符号”gydF4y2Ba)ylabel (gydF4y2Ba的误差大小gydF4y2Ba)传说(gydF4y2Ba“rxDelayed”gydF4y2Ba,gydF4y2Ba“rxDelayRemoved”gydF4y2Ba网格)gydF4y2Ba在gydF4y2Ba

图包含一个坐标轴对象。坐标轴对象包含2线类型的对象。这些对象代表rxDelayed rxDelayRemoved。gydF4y2Ba

情节的错误输出平衡的信号,gydF4y2BarxDelayedgydF4y2Ba和gydF4y2BarxDelayRemovedgydF4y2Ba。对于信号的延迟删除,均衡器收敛培训期间在1000年的象征。当解调符号和计算符号错误,占unconverged输出和系统之间的时间间隔均衡器输出和传播符号,跳过第一个500符号。重新配置的均衡器占系统信号的延迟使更好的均衡,并减少错误和维生素与象征。gydF4y2Ba

eqInfo = info (lineq)gydF4y2Ba

eqInfo =gydF4y2Ba结构体字段:gydF4y2Ba延迟:4gydF4y2Ba

totalDelay = rxDelay + eqInfo.Latency;dataRec2 = pskdemod (y2 (500 + totalDelay:结束),M,π/ 4);symErrDelayRemoved = symerr(数据(500:end-totalDelay)、dataRec2)gydF4y2Ba

symErrDelayRemoved = 0gydF4y2Ba

evmDelayRemoved =维生素(y2 (500 + totalDelay:结束)gydF4y2Ba

evmDelayRemoved = 9.5660gydF4y2Ba

在仿真软件中使用自适应均衡器金宝appgydF4y2Ba

与过滤和衰落信道自适应均衡gydF4y2Ba

这个示例使用:gydF4y2Ba

开放模式gydF4y2Ba

这个模型显示了选择的自适应均衡器的行为有衰落信道的通信链路。发射机和接收机根提出了余弦脉冲形状的过滤。子系统块使您能够选择使用线性或判决反馈均衡器之间的最小均方(LMS)或递归最小二乘(RLS)自适应算法。gydF4y2Ba

模型结构gydF4y2Ba

发射机产生16 qam随机信号数据,包括训练序列,应用根提出了余弦脉冲形状的过滤。gydF4y2Ba
通道障碍包括多径衰落、多普勒频移、载波频率偏移,整数变量延迟,自由空间路径损耗和情况。gydF4y2Ba
接收方应用根提出了余弦脉冲形状的过滤,调整增益,包括均衡器模式控制,使培训和使您能够从这些选择选择均衡器算法。gydF4y2Ba

$数组$ $ \开始{}{l l c | | | |} \线\ vphantom {\ displaystyle \ int} & # xA; \ mathbf{选择}& # 38;\开始{数组}{1}\ mathbf{均衡器\ & # xA;算法}\结束数组{}\ \ \线\ mathrm {LMS \ & # xA;线性}& # 38;\开始{数组}{1}\ mathrm{线性最小\ \意味着\广场\ & # xA;均衡器}\结束数组{}\ \ \线\ mathrm {LMS \ & # xA; DFE} & # 38; \开始{数组}{1}\ mathrm{决定\反馈\ \意味着\广场\ & # xA;均衡器}\结束数组{}\ \ \线\ mathrm {RLS \ & # xA;线性}& # 38;\开始{数组}{1}\ mathrm{线性递归\ \ \广场\ & # xA;均衡器}\结束数组{}\ \ \线\ mathrm {RLS \ & # xA; DFE} & # 38; \开始{数组}{1}\ mathrm{决定\反馈\递归最小\ \ & # xA;广场\均衡器}\结束数组{}\ \ \线\{数组}$ $gydF4y2Ba$

范围帮助你了解不同的均衡器和自适应算法的行为。gydF4y2Ba

探索模型示例gydF4y2Ba

试验模型gydF4y2Ba

这个模型提供了几种方法你改变设置和观察结果。的gydF4y2BaInitFcngydF4y2Ba中发现的gydF4y2Ba模型文件>属性>回调gydF4y2Ba调用gydF4y2Bacm_ex_adaptive_eq_with_fading_initgydF4y2Ba初始化模型。这个文件使您能够设置不同的模型,包括:gydF4y2Ba

系统参数,如信噪比。gydF4y2Ba
脉冲整形滤波器参数,如滚边和滤波器长度。gydF4y2Ba
路径损耗值。gydF4y2Ba
信道条件:瑞利或Rician衰落,通道路径,通道路径延迟和多普勒频移。gydF4y2Ba
均衡器的选择和配置。gydF4y2Ba

模型考虑gydF4y2Ba

这种基于通信链路是现代通信系统的代表。gydF4y2Ba

最优均衡配置依赖于信道条件。初始化文件集的多普勒频移和多径衰落信道参数,强调的功能不同的均衡器。gydF4y2Ba

执行判决反馈均衡器结构优于线性均衡器结构更高的码间干扰。gydF4y2Ba
RLS算法执行比LMS算法更高的多普勒频率。gydF4y2Ba
LMS算法执行迅速,慢慢收敛,其复杂性增长线性权重的数量。gydF4y2Ba
RLS算法收敛快,其复杂性增长大约权重的数量的平方。它可以不稳定,当权重的数量很大。gydF4y2Ba
通道行使不同的均衡器具有以下特点。gydF4y2Ba

$数组$ $ \开始{}{l l c | | | |} \线\ vphantom {\ displaystyle \ int} & # xA; \ mathbf{选择}& # 38;\开始{数组}{1}\ mathbf{通道\ & # xA;特征}\结束数组{}\ \ \线\ mathrm {LMS \ & # xA;线性}& # 38;\开始{数组}{1}\ mathrm{3 \开发\多路径\衰落\通道\ \ & # xA; 10 \赫兹\多普勒\转变}\结束数组{}\ \ \线\ mathrm {LMS \ & # xA; DFE} & # 38; \开始{数组}{1}\ mathrm{5 \开发\多路径\衰落\通道\ \ & # xA; 25 \赫兹\多普勒\转变}\结束数组{}\ \ \线\ mathrm {RLS \ & # xA;线性}& # 38;\开始{数组}{1}\ mathrm{2 \开发\多路径\衰落\通道\ \ & # xA; 70年转变\赫兹\多普勒\}\结束数组{}\ \ \线\ mathrm {RLS \ & # xA; DFE} & # 38; \开始{数组}{1}\ mathrm{5 \开发\多路径\衰落\通道\ \ & # xA; 100年转变\赫兹\多普勒\}\结束数组{}\ \ \线\{数组}$ $gydF4y2Ba$

初始设置为其他渠道障碍是相同的均衡器。载波频率偏移值设置为50赫兹。自由空间路径损耗将60分贝。整数变量延迟设置为2样品,需要执行一些时机复苏的均衡器。gydF4y2Ba

深通道消失和路径损耗导致均衡器输入信号电平可以远低于所需的输出信号电平和导致不可接受的均衡器收敛时间长。的gydF4y2Ba自动增益控制gydF4y2Ba块调整接收信号的大小减少均衡器收敛时间。你必须调整最优增益输出功率水平基于调制方案的选择。16 qam,所需的10 W的输出功率。gydF4y2Ba

训练均衡器是一开始执行的仿真。gydF4y2Ba

运行仿真gydF4y2Ba

运行仿真计算符号错误数据和产生这些数据:gydF4y2Ba

星座图后的信号接收滤波器。gydF4y2Ba
信号的星座图调整后收益。gydF4y2Ba
均衡后的星座图信号的信号质量测量显示。gydF4y2Ba
一个均衡器错误情节。gydF4y2Ba

图所示,均衡器算法选择gydF4y2BaRLS线性gydF4y2Ba。监控这些数字,你可以看到,接收到的信号质量波动仿真时间的推移。gydF4y2Ba

的gydF4y2Ba在处方筛选gydF4y2Ba和gydF4y2Ba后自动增益控制gydF4y2Ba星座图显示信号均衡。gydF4y2Ba后自动增益控制gydF4y2Ba显示通道条件对传输信号的影响。的gydF4y2Ba在情商gydF4y2Ba图显示了均衡后的信号。均衡后的信号星座图的绘制显示的信号质量变化基于均衡过程的有效性。在整个模拟、信号星座绘制之前均衡偏离明显从一个16 qam信号星座。的gydF4y2Ba在情商gydF4y2Ba星座可以提高或降低平衡误差信号各不相同。的gydF4y2Ba情商的错误gydF4y2Ba策划的gydF4y2Ba情商的错误gydF4y2Ba情节,显示可怜的均衡的仿真。起初错误降低然后提高均衡器的收敛。gydF4y2Ba

进一步的探索gydF4y2Ba

双击gydF4y2Ba均衡器选择器gydF4y2Ba块,并选择不同的均衡器。运行仿真看到各种均衡器的性能选项。您可以使用信号记录器从这个实验比较结果。框图,右键单击信号电线和选择gydF4y2Ba日志选择信号gydF4y2Ba。(如果已启用信号记录,模拟运行完成后,打开仿真数据检查员查看记录的信号。gydF4y2Ba

在MATLAB®命令提示符,输入gydF4y2Ba编辑cm_ex_adaptive_eq_with_fading_init.mgydF4y2Ba打开初始化文件,然后修改一个参数并重新运行仿真。例如,调整通道特征(params.maxDoppler |,gydF4y2Baparams.pathDelaysgydF4y2Ba,gydF4y2Baparams.pathGainsgydF4y2Ba)。RLS自适应算法性能优于LMS自适应算法的最大多普勒是增加。gydF4y2Ba