[論文]QRDLSL算法自適應(yīng)均的衡器實驗.doc

自適應(yīng)信號處理（實驗）課程名稱： 自適應(yīng)信號處理 設(shè)計題目： qrd-lsl算法自適應(yīng)均衡器實驗院 系： 電子與信息技術(shù)研究院 班 級： 電子二班 設(shè) 計 者： 學(xué) 號： 指導(dǎo)教師： 設(shè)計時間： 2010年5月9日 一、實驗?zāi)康?、研究qrd-lsl算法用于有失真線性信道的自適應(yīng)均衡問題。2、比較qrd-lsl算法和rls算法學(xué)習(xí)曲線。二、實驗原理1、自適應(yīng)均衡器圖1 自適應(yīng)均衡試驗框圖如圖1所示，系統(tǒng)中使用兩個獨立的隨機數(shù)發(fā)生器，一個用來表示，用來測試信道。另一個用來表示，用來模擬接收器中加性白噪聲的影響。序列是=的bernoulli序列，隨機變量具有零均值和單位方差。第二個序列具有零均值，其方差由實驗中需要的信噪比決定。均衡器有11個抽頭。信道的沖激響應(yīng)定義為 （1）其中，控制幅度失真的大小，因此也控制信道產(chǎn)生的特征值擴(kuò)散度。將延遲7個樣值之后的信道輸入作為均衡器的期望響應(yīng)。2、自適應(yīng)均衡器實驗參數(shù)加權(quán)因子：預(yù)測階數(shù)：均衡器抽頭數(shù)：歸一化參數(shù)：表1中列出：（1）自相關(guān)函數(shù)的值；（2）最小特征值，最大特征值，特征值擴(kuò)散度。表1 自適應(yīng)均衡實驗參數(shù)小結(jié)2.93.13.33.51.09631.15681.22641.30220.43880.55960.67290.77740.04810.07830.11320.15110.33390.21360.12560.06562.02952.37612.72633.07076.078211.123821.713246.82163、qrd-lsl算法信號流圖圖2 qrd-lsl濾波器算法信號流圖參數(shù)初始化,生成隨機數(shù)序列生成信道輸出序列產(chǎn)生均值為0，方差為的隨機噪聲計算均衡器抽頭及理想輸出y調(diào)用qrd-lsl 算法過程達(dá)到循環(huán)次數(shù)更新權(quán)向量 是否信道脈沖響應(yīng)h(n)設(shè)定信道參數(shù)w（依次為2.9，3.1，3.3，3.5 ）開 始結(jié) 束根據(jù)不同實驗繪制各個實驗曲線三、程序流程圖圖3 基于qrd-lsl算法自適應(yīng)均衡試驗程序流程圖四、實驗內(nèi)容1、學(xué)習(xí)曲線圖4給出當(dāng)信道參數(shù)取四種不同值（和3.5）時，qrd-lsl算法的學(xué)習(xí)曲線。通過對最終預(yù)測階數(shù)進(jìn)行200次獨立的試驗，再對最后的先驗估計誤差（即更新項）的平均值取集平均，得到每一條曲線。為了計算，我們對利用 （2）可以得到： （3）其中為角度歸一化聯(lián)合過程估計誤差的最終值，為相關(guān)的變換因子。對于每一個特征值擴(kuò)散度，一旦初始化完成，qrd-lsl算法與rls算法的學(xué)習(xí)曲線的路徑實際是相同的。這一關(guān)系通過比較圖4和圖5中的曲線很容易驗證（在這兩種情況下，都采用雙精度算法，這樣有限精度效應(yīng)可以忽略）。圖4 自適應(yīng)均衡實驗中的qrd-lsl算法學(xué)習(xí)曲線需要注意的是，當(dāng)計算圖4中曲線時，在初始化階段，計算更新項時不考慮變換因子固有的瞬態(tài)變化的影響。圖5 四種不同特征值擴(kuò)散度情況下rls算法的學(xué)習(xí)曲線（，）2、變換因子在圖6中，我們示出了四種變換因子的集平均（對于最后一級）與迭代次數(shù)之間的關(guān)系，它對應(yīng)前面指定的四種不同的特征值擴(kuò)散度。圖中畫出的曲線通過對進(jìn)行200次獨立試驗并取集平均獲得。值得注意的是，在初始瞬態(tài)結(jié)束后，變換因子的集平均隨時間的變化規(guī)律遵循以下所謂的逆定理（已被逼近證實）。 對于和 （4）這一方程提供了對圖6所示實驗計算曲線的良好擬合，特別是當(dāng)比預(yù)測階數(shù)大很多的情況下，可以檢驗擬合結(jié)果的正確性。同樣需要注意的是，當(dāng)時，實驗得到的變換因子曲線對均衡器輸入相關(guān)矩陣特征值擴(kuò)散度的變化不敏感。圖6 變換因子對于不同特征值擴(kuò)散度的集平均3、脈沖響應(yīng)在圖7中，我們畫出經(jīng)次迭代后自適應(yīng)均衡器脈沖響應(yīng)對四個特征值擴(kuò)散度中每一個的集平均結(jié)果。如前，實驗中集平均通過200次獨立試驗得到。對于所有實際情況，qrd-lsl算法的結(jié)果很難與信道脈沖響應(yīng)相應(yīng)理論值區(qū)分。（a）w=2.9，=6.0782