【正文】 AM 信號通過普通信道后改進(jìn)算法和恒模算法的收斂曲線。圖 32(b)給出 4QAM 信號的星座圖。圖 32(c)~(e)給出了 4QAM 信號通過普通信道后改進(jìn)算法和恒模算法均衡前后的星座圖。從圖 32(a)中可以看出，4QAM 信號通過普通信道時，改進(jìn)算法具有較快的收斂速度和較小的穩(wěn)態(tài)剩余誤差。從圖 32(b)~(e)中可以看出，信號經(jīng)過均衡后改進(jìn)算法的星座更加集中、清晰，即改進(jìn)算法具有更小的穩(wěn)態(tài)剩余誤差和誤碼率。由實驗一和實驗二得知在兩種不同信道下改進(jìn) CMA 算法收斂速度都明顯快于CMA 算法而且有較小的穩(wěn)態(tài)剩余誤差。由此可見改進(jìn) CMA 算法的性能要優(yōu)于 CMA算法。盲均衡優(yōu)于傳統(tǒng)自適應(yīng)均衡之處在于：不需要用訓(xùn)練序列，發(fā)信端無需任何改動，僅在接收端改變算法即可大幅度提高通信系統(tǒng)可靠性，因此可以很好的運用于多點通信系統(tǒng)和廣播系統(tǒng)中的均衡問題。此項技術(shù)的實際應(yīng)用，對于提高接收信號的質(zhì)量、保證信息的準(zhǔn)確可靠，具有十分重要的意義。本文介紹了 CMA 算法的特點，給出了 CMA 迭代算法的具體步驟。然后，采用 CMA 盲算法對自適應(yīng)濾波器進(jìn)行均衡，并對 CMA 盲均衡算法的性能進(jìn)行了研究并提出了一種基于 MSE 的變步長恒模算法。計算機(jī)仿真結(jié)果表明，盲均衡算法迭代步長的選取會影響到算法的收斂速度和穩(wěn)態(tài)誤差的大小，在具體選擇迭代步長時，在保證盲均衡算法收斂的范圍內(nèi)，可根據(jù)實際需要在二者之間作出折中選擇。均衡器的階數(shù)在比較高時，對盲均衡算法收斂性能的影響己經(jīng)非常小，因此，對于收斂性能相當(dāng)?shù)木馄?，可以選擇其中階數(shù)較小的。還表明了，改進(jìn)算法性能優(yōu)于恒模算法。另外，隨著信噪比的增加，CMA 盲均衡算法的收斂性能也相應(yīng)提高。結(jié)論盲均衡是一種新的自適應(yīng)均衡技術(shù)，它不再需要參考輸入的訓(xùn)練序列來維持正常工作，僅依據(jù)接收序列本身的先驗信息來均衡信道特性。因此，在數(shù)據(jù)通信系統(tǒng)中不必發(fā)送訓(xùn)練序列，這樣就提高了信道效率。同時盲均衡技術(shù)還可以獲得更好的均衡性能。盲均衡技術(shù)優(yōu)越的性能使它受到更加廣泛的關(guān)注，并在許多領(lǐng)域中得到應(yīng)用。盲均衡技術(shù)可有效地應(yīng)用于數(shù)字通信、雷達(dá)、地震和圖像處理等系統(tǒng)，現(xiàn)已成為數(shù)字通信領(lǐng)域中熱點研究的課題之一，相信未來的盲均衡技術(shù)將會得到更大的發(fā)展和更廣的應(yīng)用。本文所做的主要工作有:(1) 分析了傳統(tǒng)CMA算法的收斂性能，并進(jìn)行計算機(jī)仿真實驗加以驗證。傳統(tǒng)CMA算法采用固定步長造成收斂速度與收斂精度的矛盾，使其應(yīng)用受到很大的局限。為了提高CMA 算法的收斂性能，將自適應(yīng)均衡算法中變步長的思想引入到CMA算法中。(2) 提出了一種基于MSE變換的CMA盲均衡算法。對改進(jìn)算法進(jìn)行了理論分析，研究了改進(jìn)算法中參數(shù)的選取原則，計算機(jī)仿真表明改進(jìn)算法相對于CMA算法收斂性能有一定的提高。盲均衡是一項涉及許多知識領(lǐng)域的新興的綜合技術(shù)。特別是隨著通信技術(shù)的飛速發(fā)展，使盲均衡技術(shù)的應(yīng)用領(lǐng)域更加廣泛。本文關(guān)于盲均衡技術(shù)所做的研究工作是十分有限的，有關(guān)盲均衡技術(shù)需要做的研究工作還很多。(1) Bussgang類盲均衡算法代價函數(shù)的非凸性，使之容易產(chǎn)生局部收斂。因此，Bussgang類盲均衡算法代價函數(shù)的凸性，是一研究的熱點。(2) 可以將更加先進(jìn)的數(shù)學(xué)理論方法引入到盲均衡技術(shù)的研究中，提高盲均衡算法的性能。(3) 對有盲均衡技術(shù)的理論知識加以實現(xiàn)、應(yīng)用。由于作者的知識水平有限，文中還存在許多不足的地方，敬請各位老師批評指正，提出寶貴意見。 參考文獻(xiàn)[1] 及其在理工課程中的應(yīng)用指南[ M].西 安 ： 西安電子科技大學(xué)出版社，2022[2]周炯槃，龐沁華，續(xù)大我，(第三版)[M].北京：北京郵電大學(xué)出版社，:148156.[3] Bussgang 族盲均衡算法的研究[D]. 大連，大連海事大學(xué)通信與信息系統(tǒng)專業(yè)，2022[4][D].哈爾濱，哈爾濱工程大學(xué)信號與信息處理專業(yè)，2022[5] Bussgang 技術(shù)盲均衡算法的研究[D].太原，太原理工大學(xué)電路與系統(tǒng)專業(yè)，2022[6][D]. 南京，南京郵電大學(xué)通信與信息系統(tǒng)專業(yè)，2022[7][D]. 太原，太原理工大學(xué)電路與系統(tǒng)專業(yè)，2022[8] (CMA)及在通信信道均衡中的研究 [D].南京，東南大學(xué)信號與信息處理專業(yè)，2022 [9][D]. 太原，太原理工大學(xué)電路與系統(tǒng)專業(yè)，2022 [10]陳 懷 琛 .數(shù)字信號處理教程—MATLAB 釋義與實現(xiàn) [M].北 京 ： 電子工業(yè)出版社，2022[11] MATLAB 實現(xiàn)[ M].北 京 ： 電子工業(yè)出版社，2022[12] Albert Benveniste, Maurice Goursat. Blind Equalizers[J].IEEE munications, 1984(32):871~879.[13] Philip Schniter, C. Richard Johnson. Dithered SignedError CMA: Robust,Computationlly, Efficient Blind Adaptive Equalization[J].IEEE signal processing,1999,(47):19591597.附錄第 2 章實驗一程序：clear allM=4。 n=5000。 m=3000。h1=[ ]。L=11。u1=。u2=。u3=。mse_av1=zeros(1,nL+1)。mse_av2=zeros(1,nL+1)。mse_av3=mse_av2。snr=20。 for j=1:m s=randint(1,n,M)。 s1=qammod(s,M)。 m1=sum(abs(s1).^4)。 m2=sum(abs(s1).^2)。 R2=m1/m2。 s2=filter(h1,1,s1)。 x=awgn(s2,snr,39。measured39。)。 w1=[0 0 0 0 0 1 0 0 0 0 0]。 w2=w1。 w3=w1。 for i=1:nL+1 y=x(i+L1:1:i)。 z1(i)=w1*y39。 z2(i)=w2*y39。 z3(i)=w3*y39。 e1=R2(abs(z1(i))^2)。 e2=R2(abs(z2(i))^2)。 e3=R2(abs(z3(i))^2)。 w1=w1+u1*e1*y*z1(i)。 w2=w2+u2*e2*y*z2(i)。 w3=w3+u3*e3*y*z3(i)。 mse1(i)=e1^2。 mse2(i)=e2^2。 mse3(i)=e3^2。 end。 mse_av1=mse_av1+mse1。 mse_av2=mse_av2+mse2。 mse_av3=mse_av3+mse3。end。mse_av1=mse_av1/m。mse_av2=mse_av2/m。mse_av3=mse_av3/m。plot([1:nL+1],mse_av1,39。r39。,[1:nL+1],mse_av2,39。y39。,[1:nL+1],mse_av3,39。g39。)。legend(39。u1=39。,39。u2=39。,39。u3=39。)title(39。CMA39。)。xlabel(39。迭代次數(shù)39。,39。fontsize39。,14)ylabel(39。MSE39。,39。fontsize39。,14)hold on scatterplot(s1,1,0,39。k*39。)hold onscatterplot(x,1,0,39。k*39。)hold onscatterplot(z1,1,0,39。k*39。)hold onscatterplot(z2,1,0,39。k*39。)hold on scatterplot(z3,1,0,39。k*39。)第3章實驗一程序：clear allM=4。 n=6000。m=2022。h=[ ]。L=11。mse_av1=zeros(1,nL+1)。mse_av2=mse_av1。for j=1:m s=randint(n,1,M)。 s1=qammod(s,M)。 m1=sum(abs(s1).^4)。 m2=sum(abs(s1).^2)。 R2=m1/m2。 s2=filter(h,1,s1)。 snr=20。 x=awgn(s2,snr,39。measured39。)。 w1=[0 0 0 0 0 1 0 0 0 0 0].39。w2=w1。for i=1:nL+1 y=x(i+L1:1:i)。 x1(i)=(w1)39。*y。 x2(i)=(w2)39。*y。 e1=R2(abs(x1(i))^2)。 e2=R2(abs(x2(i))^2)。 u1=。 a=。 u2=a*(e2)^2。 w1=w1+u1*e1*y*conj(x1(i))。 w2=w2+u2*e2*y*conj(x2(i))。 mse1(i)=e1^2。 mse2(i)=e2^2。 end。 mse_av1=mse_av1+mse1。 mse_av2=mse_av2+mse2。 end。 mse_av1=mse_av1/m。 mse_av2=mse_av2/m。plot([1:nL+1],mse_av1,39。y39。,[1:nL+1],mse_av2,39。r39。)xlabel(39。迭代次數(shù) 39。,39。fontsize39。,14)ylabel(39。MSE39。,39。fontsize39。,14)legend(39。恒模算法,39。改進(jìn)算法39。)hold onscatterplot(s1,1,0,39。k*39。)hold on scatterplot(s2,1,0,39。k*39。)hold onscatterplot(x,1,0,39。k*39。)hold on scatterplot(x1,1,0,39。k*39。)hold onscatterplot(x2,1,0,39。k*39。)致謝在本文的完成過程中，我得到,靜同學(xué)和王同學(xué)的無私幫助和支持，正是老師的諄諄教誨和同學(xué)們毫無保留的幫助使作者得以順利的完成本論文。在論文寫作過程中參考了大量文獻(xiàn)資料，在此謹(jǐn)向文獻(xiàn)資料的作者們表示感謝。再次感謝老師在本次設(shè)計過程中給予我的關(guān)懷和幫助。