【正文】 均方誤差準則，使式（40）對的梯度（即偏導）為零，即 （37）則可得到的最佳值應滿足方程 （38）式中，稱為橫向濾波器的維納（Wiener）解。LMS算法的核心思想是用平方誤差代替均方誤差，即式（41）變?yōu)? （39）由最陡下降法得 （310）將式（43）代入式（44）得 （311）式中，為步長因子。 計算機仿真 LMS算法的算法流程上一小節(jié)分析了LMS算法的推導過程。本小節(jié)從計算機實現(xiàn)的角度出發(fā)，分析LMS均衡算法的流程。首先，以流程圖的形式分析LMS算法的運算過程。初始化讀入信號讀入期望信號計算均衡器輸出計算誤差調(diào)整權(quán)系數(shù)是否超過循環(huán)次數(shù)No輸入信號向量期望信號均衡算法輸出終止循環(huán)Yes 32LMS算法流程圖由圖10格式要一致。文中好幾處這樣的低級錯誤。包括公式的標注也有類似錯誤可以看出，LMS算法有兩個數(shù)據(jù)輸入口和一個數(shù)據(jù)輸出口。在實際應用中，為了觀察均衡器收斂的情況，往往需要再增加一個數(shù)據(jù)輸出，即由誤差信號導出的均方誤差值。通過對均方誤差隨迭代次數(shù)的變化情況的觀察以了解均衡器是否收斂及其收斂后穩(wěn)態(tài)誤差的大小。由以上的敘述可知，線性自適應均衡器可以采用多種工作萬式，因此，將以上基本LMS算法應用于這幾種均衡模式即可得到工作在不同狀態(tài)下的LMS線性均衡算法。 LMS算法及其應用本實驗通過一個二階自回歸過程來研究實時數(shù)據(jù)集平均對LMS算法的影響，AR模型的差分方程為：u(n)+a1x(n1)+a2x(n2)=v(n) 其中a1=。a2=。v(n)是零均值方差為的白噪聲；圖1這個圖1是哪個？為ＡＲ模型及其二階自適應線性預測模型，根據(jù)LMS算法的基本步驟可以寫出該算法的matlab程序如下： 33AR模型及二階自適應線性預測器clearclose allclca1=。a2=。u=。N=1024。G=100。e=zeros(1,N)。w1=zeros(1,N+1)。w2=zeros(1,N+1)。y=zeros(1,N)。ee=zeros(1,N)。%每個點的誤差平方ep=zeros(1,N)。%每個點的誤差平方累積eq=zeros(1,N)。%每個點的100次誤差平方均值w11=zeros(1,N+1)。%w1權(quán)值的累積w22=zeros(1,N+1)。%w2權(quán)值的累積for g=1:Gv=randn(1,N)。x(1)=v(1)。x(2)=x(1)*a1+v(2)。for n=3:N x(n)=a1*x(n1)+a2*x(n2)+v(n)。endfigure(1)plot(x)title(39。輸入信號x39。)for n=3:N y(n)=w1(n)*x(n1)+w2(n)*x(n2)。 e(n)=x(n)y(n)。 w1(n+1)=w1(n)+2*u*e(n)*x(n1)。 w2(n+1)=w2(n)+2*u*e(n)*x(n2)。 ee(n)=e(n)^2。end w11=w1+w11。 w22=w2+w22。 ep=ep+ee。endeq=ep/G。W1=w11/G。W2=w22/G。figure(2)subplot(2,1,1)plot(w1)hold on subplot(2,1,2)plot(W1)hold onsubplot(2,1,1)plot(w2,39。r39。)title(39。w1與w2的收斂曲線,u=39。)hold onsubplot(2,1,2)plot(W2,39。r39。)。title(39。100次平均后w1與w2的收斂曲線,u=39。)figure(3)subplot(2,1,1)plot(e)title(39。誤差曲線（學習曲線）u=39。)subplot(2,1,2)plot(eq)title(39。100次平均誤差曲線（學習曲線）u=39。)下面對結(jié)果進行分析：圖3哪個？為w1與w2的收斂曲線，比較平滑的為100次平均求得的收斂曲線，而另外一種起伏較大的為單次實現(xiàn)的收斂曲線，權(quán)初值為0。 34 輸入信號x（n）35 w1與w2的收斂曲線 （u=）圖4為初始權(quán)值為0，u=，即所謂的學習曲線，收斂速度較快的為100次集平均學習曲線，而起伏較大的為單次實現(xiàn)的學習曲線. 36 平方誤差曲線（學習曲線）u= 修改u值，則實驗結(jié)果如下(u=)：37 w1與w2的收斂曲線 （u=）37 平方誤差曲線（學習曲線）u=由以上分析可知，當收斂步長u值變小時，收斂曲線的起伏變小，但收斂速度也減慢！ 總結(jié)與結(jié)論在數(shù)字通信系統(tǒng)中空格，碼間干擾是影響接收性能的主要因素，解決的辦法是采用均衡技術(shù)補償信道的非理想特性。由于無線傳輸環(huán)境的時變性，均衡技術(shù)必須具有自適應能力，具有這種“智能特性”的均衡器稱之為自適應均衡器。近年來，由于無線通信的迅猛發(fā)展，自適應均衡技術(shù)的研究再次成為人們關(guān)注的研究課題。自適應均衡器作為現(xiàn)代數(shù)字通信系統(tǒng)中的一個關(guān)鍵設(shè)備，可以有效地減小碼間干擾，提高通信質(zhì)量。因此，研究自適應均衡不僅具有深刻的理論意義，同時具有很高的實用價值。本文主要是研究了自適應均衡算法。首先介紹了自適應均衡技術(shù)的概念、發(fā)展狀況和主要應用，闡述了自適應均衡器的基本原理，并對幾種常用的自適應均衡器結(jié)構(gòu)和算法進行了分析比較。其次，采用橫向濾波器作為均衡器、均方誤差作為代價函數(shù)，推導了基于LMS的自適應均衡算法的迭代公式。最后，在MATLAB仿真軟件平臺上進行了仿真。由仿真結(jié)果可知，隨著信噪比的增大，LMS算法的收斂速度加快，穩(wěn)態(tài)剩余誤差逐漸變小，誤碼率逐漸降低；橫向濾波器的階數(shù)越大，收斂速度越慢，穩(wěn)態(tài)剩余誤差越小。這一段把總結(jié)與結(jié)論分成小段落更清晰一些 參考文獻參考文獻再加一些吧[1] 張思玉．自適應均衡算法的研究[D]．碩士論文．成都：電子科技大學，2005：13．[2] 吳碧．自適應均衡技術(shù)的研究與DSP實現(xiàn)[D]．碩士論文．北京：中國科學院聲學研究所，2005：68．[3] ．Adaptive equalization[J]．Proceedings of IEEE，1985，73（9）：13491387．[4] 李強，王其申．消除噪聲的自適應濾波方法研究[J]．安慶師范學院學報：自然科學版，2004，10（1）：2930．[5] 蔡澤鑒，葛建華．改進的LMS半盲自適應信道均衡技術(shù)[J]．數(shù)字電視與數(shù)字視頻，2003，（11）：2023．[6] 夏云非，唐桃波，宋洪運．自適應信號處理在通信中的應用[J]．儀器儀表學報，2004，（3）：4244． [7] Theodore S，Rappaport．無線通信原理與應用[M]．蔡濤，李旭，杜振民譯．第一版，北京：電子工業(yè)出版社，2001．[8] 王彬，邱新蕓．自適應均衡器及其發(fā)展趨勢[J]．儀器儀表學報，2005，（8）：426428．[9] 韓明秋．自適應均衡技術(shù)的應用研究[D]．碩士論文．蘭州：蘭州大學，2005：12．[10] 榮雅君,楊秋霞．自適應濾波器的設(shè)計及其應用[J]．河北大學學報：自然科學版，2003，23（3）：307311．[11] 何振亞．自適應信號處理[M]．北京：科學出版社，2002．[12] 孫洪標．DFE自適應均衡器的FPGA設(shè)計[D]．碩士論文．天津：南開大學，2001：12．[13] 董昕．MIMO通信系統(tǒng)自適應均衡技術(shù)研究[D]．碩士論文．成都：電子科技大學，2004：3134．[14] 張璞，黃瑞光．自適應噪聲抵消系統(tǒng)的算法討論與DSP實現(xiàn)研究[J]．電聲技術(shù)，2003，（3）：5962．[15] John G，Proakis．Digital munications[M]．3rd ed，New York：McGrawHill，1995．[16] 曹達仲，王尤翠．數(shù)字移動通信中的自適應均衡技術(shù)[J]．通信技術(shù)，1997，（2）：2429．[17] 李芳，黃志勇，陳紅偉．一種高性能、低運算量自適應濾波器算法[J]．微電子學與計算機，2003，（11）：57．[18] 梁廷頁，謝勝利．短波通信中的自適應信道均衡技術(shù)[J]．通信技術(shù)，2003，138：3338．[19] 王慶平．無線通信中的自適應均衡理論及應用研究[D]．碩士論文．昆明：昆明理工大學，2005：1819． 致謝在畢業(yè)論文完稿之際，我由衷地感謝四年來熱心在學習上，生活上關(guān)心幫助我的每一個人。首先感謝我畢業(yè)設(shè)計的指導老師：劉麗萍老師。感謝劉老師對我的關(guān)懷指導，正是劉老師的耐心與理解，使我能夠做自己想做的東西，同時也是由于劉老師的嚴謹與引導，使我的論文得以順利進行。感謝給予我悉心指導的學長學姐們，感謝四年來給我諸多幫助的同學們及鼓勵支持我的舍友們，和他們建立的友誼和我所學到的知識同樣彌足可貴。永遠感謝我的家人，感謝他們在我漫漫十多年的求學路上支持和鼓勵我，讓我沒有仿徨，沒有憂慮，一直前進.最后再次向所有關(guān)心和幫助我的人表示最誠摯的謝意! 37