【正文】 AM 信號通過普通信道后改進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，信號經過均衡后改進算法的星座更加集中、清晰，即改進算法具有更小的穩(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 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 CMA 算法的性能要優(yōu)于 CMA算法。盲均衡優(yōu)于傳統(tǒng)自適應均衡之處在于：不需要用訓練序列，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。此項技術的實際應用，對于提高接收信號的質量、保證信息的準確可靠，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 盲算法對自適應濾波器進行均衡，并對 CMA 盲均衡算法的性能進行了研究并提出了一種基于 MSE 的變步長恒模算法。計算機仿真結果表明，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，可根據實際需要在二者之間作出折中選擇。均衡器的階數在比較高時，對盲均衡算法收斂性能的影響己經非常小，因此，對于收斂性能相當的均衡器，可以選擇其中階數較小的。還表明了，改進算法性能優(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提高。結論盲均衡是一種新的自適應均衡技術，它不再需要參考輸入的訓練序列來維持正常工作，僅依據接收序列本身的先驗信息來均衡信道特性。因此，在數據通信系統(tǒng)中不必發(fā)送訓練序列，這樣就提高了信道效率。同時盲均衡技術還可以獲得更好的均衡性能。盲均衡技術優(yōu)越的性能使它受到更加廣泛的關注，并在許多領域中得到應用。盲均衡技術可有效地應用于數字通信、雷達、地震和圖像處理等系統(tǒng)，現(xiàn)已成為數字通信領域中熱點研究的課題之一，相信未來的盲均衡技術將會得到更大的發(fā)展和更廣的應用。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，并進行計算機仿真實驗加以驗證。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，使其應用受到很大的局限。為了提高CMA 算法的收斂性能，將自適應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。對改進算法進行了理論分析，研究了改進算法中參數的選取原則，計算機仿真表明改進算法相對于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域的新興的綜合技術。特別是隨著通信技術的飛速發(fā)展，使盲均衡技術的應用領域更加廣泛。本文關于盲均衡技術所做的研究工作是十分有限的，有關盲均衡技術需要做的研究工作還很多。(1) Bussgang類盲均衡算法代價函數的非凸性，使之容易產生局部收斂。因此，Bussgang類盲均衡算法代價函數的凸性，是一研究的熱點。(2) 可以將更加先進的數學理論方法引入到盲均衡技術的研究中，提高盲均衡算法的性能。(3) 對有盲均衡技術的理論知識加以實現(xiàn)、應用。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[1] 及其在理工課程中的應用指南[ M].西 安 ： 西安電子科技大學出版社，2022[2]周炯槃，龐沁華，續(xù)大我，(第三版)[M].北京：北京郵電大學出版社，:148156.[3] Bussgang 族盲均衡算法的研究[D]. 大連，大連海事大學通信與信息系統(tǒng)專業(yè)，2022[4][D].哈爾濱，哈爾濱工程大學信號與信息處理專業(yè)，2022[5] Bussgang 技術盲均衡算法的研究[D].太原，太原理工大學電路與系統(tǒng)專業(yè)，2022[6][D]. 南京，南京郵電大學通信與信息系統(tǒng)專業(yè)，2022[7][D]. 太原，太原理工大學電路與系統(tǒng)專業(yè)，2022[8] (CMA)及在通信信道均衡中的研究 [D].南京，東南大學信號與信息處理專業(yè)，2022 [9][D]. 太原，太原理工大學電路與系統(tǒng)專業(yè)，2022 [10]陳 懷 琛 .數字信號處理教程—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 39。,39。fontsize39。,14)ylabel(39。MSE39。,39。fontsize39。,14)legend(39。恒模算法,39。改進算法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,靜同學和王同學的無私幫助和支持，正是老師的諄諄教誨和同學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資料，在此謹向文獻資料的作者們表示感謝。再次感謝老師在本次設計過程中給予我的關懷和幫助。