自适应均衡算法LMS研究

自适应均衡算法LMS研究一、自适应滤波原理与应用所谓自适应滤波器，就是利用前一时刻已获得的滤波器参数等结果，自动地调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波

LMS 自适应均衡算法研究 一、自适应滤波原理与应用 所谓自适应滤波器，就是利用前一时刻已获得的滤波器参数等结果，自动地调节现时 刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。 根据环境的改变，使用自适应算法来改变滤波器的参数和结构。 1.1 均衡器的发展及概况 均衡是减少码间串扰的有效措施。均衡器的发展有史已久，二十世纪60年代前，电 话信道均衡器的出现克服了数据传输过程中的码间串扰带来的失真影响。但是均衡器要么 是固定的，要么其参数的调整是手工进行。1965年，Lucky在均衡问题上提出了迫零准则， 自动调整横向滤波器的权系数。1969年，Gerhso和Porkasi，Milier分别独立的提出采 用均方误差准则(MSE)。1972年，ungeboekc将LMS算法应用于自适应均衡。1974年， Gedard在kalmna滤波理论上推导出递推最小均方算法RLS(Recursive least-squares)。 LMS类算法和RLS类算法是自适应滤波算法的两个大类。自适应滤波在信道均衡、回波抵 消、谱线增强、噪声抑制、天线自适应旁瓣抑制、雷达杂波抵消、相参检测、谱估计、窄 带干扰抑制、系统辨识、系统建模、语音信号处理、生物医学、电子学等方面获得广泛的 应用。 1.2 均衡器种类 均衡技术可分为两类：线性均衡和非线性均衡。这两类的差别主要在于自适应均衡器 的输出被用于反馈控制的方法。如果判决输出没有被用于均衡器的反馈逻辑中，那么均衡 器是线性的；如果判决输出被用于反馈逻辑中并帮助改变了均衡器的后续输出，那么均衡 器是非线性的。