【正文】 首先感謝我畢業(yè)設(shè)計的指導(dǎo)老師：劉麗萍老師。最后，在MATLAB仿真軟件平臺上進行了仿真。因此，研究自適應(yīng)均衡不僅具有深刻的理論意義，同時具有很高的實用價值。 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(xué)習(xí)曲線，收斂速度較快的為100次集平均學(xué)習(xí)曲線，而起伏較大的為單次實現(xiàn)的學(xué)習(xí)曲線. 36 平方誤差曲線（學(xué)習(xí)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(xué)習(xí)曲線）u=由以上分析可知，當(dāng)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。誤差曲線（學(xué)習(xí)曲線）u=39。)。)title(39。W1=w11/G。end w11=w1+w11。 e(n)=x(n)y(n)。for n=3:N x(n)=a1*x(n1)+a2*x(n2)+v(n)。%w1權(quán)值的累積w22=zeros(1,N+1)。ee=zeros(1,N)。e=zeros(1,N)。a2=。由以上的敘述可知，線性自適應(yīng)均衡器可以采用多種工作萬式，因此，將以上基本LMS算法應(yīng)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。文中好幾處這樣的低級錯誤。 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(dǎo)過程。 算法迭代公式的推導(dǎo) 本設(shè)計采用的算法是LMS算法。自適應(yīng)算法的設(shè)計主要分為兩個步驟，首先選擇均衡器的類型，然后根據(jù)選擇均衡器的類型設(shè)計均衡器的算法。 26 LMS算法與RLS算法的性能比較序號算法名稱乘法運算次數(shù)優(yōu) 點缺 點1LMS算法運算復(fù)雜度低，易于實現(xiàn)收斂慢，跟蹤能力差2RLS算法收斂快，跟蹤能力強運算復(fù)雜度高 這里結(jié)束的有點突然？加點比較后的結(jié)論唄？ 第三章 自適應(yīng)均衡算法的設(shè)計與仿真 本章將討論自適應(yīng)算法的設(shè)計與仿真。將式（31）和式（32）代入式（29），得 （232）令，得到RLS算法的迭代公式為 （233） LMS算法與RLS算法的性能比較表1給出了LMS算法與RLS算法的性能比較。設(shè)為系統(tǒng)的期望響應(yīng)信號，也稱為訓(xùn)練信號，為濾波器的輸出相對于的誤差，即 （223）取濾波器的輸出與期望響應(yīng)之間的均方誤差為代價函數(shù)，即 （224）RLS算法的關(guān)鍵是用二乘方的時間平均的最小化準則取代LMS算法的最小均方準則，即要對初始時刻到當(dāng)前時刻的所有誤差的平方進行平均，并使其最小化。 LMS算法要清除LMS算法的由來，我們先了解一下最陡下降法的迭代公式： （218）其中，為濾波器權(quán)值矢量，為更新后濾波器權(quán)值矢量，為步長值，稱為濾波器的代價函數(shù)（Cost Function），為的梯度。DFE也有橫向結(jié)構(gòu)和格型結(jié)構(gòu)，采用的算法也有LMS算法或RLS算法。這種算法采用抽頭系數(shù)可變的線性濾波器來消除ISI。（4）運算復(fù)雜度許多均衡算法盡管有較快的收斂速度，但計算量太大，因而其硬件和軟件的開銷很大，使之實際應(yīng)用受到很大的限制。對傳統(tǒng)均衡器來說，LE復(fù)雜度最小，但其誤碼率最高；而MLSE均衡器的計算復(fù)雜度最大，但對應(yīng)的誤碼性能卻是最佳的。在一些串行數(shù)據(jù)通信體制中，發(fā)送的數(shù)據(jù)序列有20%左右的碼元用于均衡器的訓(xùn)練，即1/5的頻帶沒有得到充分利用。在接收信號總的頻譜形狀己知的情況下，正交LMS算法能夠在部分響應(yīng)系統(tǒng)中達到快速收斂。這類算法的共同特點是收斂迅速，能應(yīng)付條件的快速時變。誤差估計函數(shù)是通過比較算法的實際輸出值和期望輸出值而得到的。在自適應(yīng)均衡器中，可使用不同的自適應(yīng)算法。MLSE需要知道信道特性來計算判決門限。這種算法被認為是一種有記憶噪聲的有限狀態(tài)馬爾可夫過程狀態(tài)變量的MLSE。這種均衡器利用傳統(tǒng)的最大似然接收機結(jié)構(gòu)。但是，DFE的重要缺點是容易造成錯誤的擴散。注意到前饋濾波器只用到了非因果的抽頭系數(shù)，這是因為反饋濾波器部分可以去除所有由于先前符號所引起的碼間干擾。橫向濾波器由一個前饋濾波器（FFF）和一個后饋濾波器（FBF）實現(xiàn)，如圖25所示。它用判決反饋輸出信號組成一個延遲線，用一部分抽頭系數(shù)加權(quán)求和后送回輸出端求和，以抵消碼間干擾。為了補償失真，線性均衡器在頻率零點附近補償了許多增益，因此在那些頻率點處增加了噪聲。在輸出端，分數(shù)間隔均衡器和波特間隔均衡器一樣，也是用碼率對均衡器輸出信號采樣。在許多應(yīng)用中，經(jīng)常使用T/2間隔均衡器。例如，若發(fā)射的信號具有上升余弦頻譜（其跌落因子為）的脈沖組成時，其頻譜將擴展到。從頻域角度，我們很容易分析波特間隔均衡器的局限性。 分數(shù)間隔均衡器 一般討論的線性均衡器結(jié)構(gòu)中，均衡器抽頭間的間隔為碼元間隔T（也稱波特間隔），故常稱之為波特間隔均衡器。當(dāng)信道是較嚴重的時間離散的話，均衡器的長度可以通過修改算法而不用終止操作來增加。格形濾波器的每一步可用下面的式子表征： （26） （27） （28）其中，是格形濾波器第步的反射系數(shù)。因此本文所討論的自適應(yīng)均衡均采用橫向結(jié)構(gòu)FIR濾波器。它由分為若干級的延遲線構(gòu)成，級與級之間延遲時間的間隔為T，且延遲單元的增益相同，所以線性橫向均衡器的傳遞函數(shù)可以被表示成延遲符號，即的函數(shù)。在惡劣的數(shù)字移動通信信道中，非線性均衡器顯示出比線性均衡器更良好的性能，因而被廣泛使用。實現(xiàn)均衡的濾波器結(jié)構(gòu)有許多種，而且每種結(jié)構(gòu)在實現(xiàn)時又有許多算法，分類如圖22。時域均衡器利用它所產(chǎn)生的響應(yīng)去補償己畸變的信號波形，最終能有效地消除抽樣時刻上的符號間干擾，因而在數(shù)字通信的許多領(lǐng)域，如調(diào)制解調(diào)器、移動通信、短波通信、ADSL、HDSL等應(yīng)用中得到廣泛的應(yīng)用。其基本的思想是利用可調(diào)濾波器的頻率特性去補償基帶系統(tǒng)的頻率特性，使包括可調(diào)濾波器在內(nèi)的基帶系統(tǒng)的總特性盡量接近最佳系統(tǒng)特性。若傳輸信道是頻率選擇性的，則均衡器將增大頻率衰落大的頻譜部分，削弱頻率衰落小的頻譜部分，使收到的頻譜各部分趨于平坦，相位趨于線性。橫向濾波均衡器的基帶復(fù)數(shù)沖激響應(yīng)可以描述如下： （23）其中，是橫向濾波的系數(shù)。為了能有效地消除碼間干擾，均衡器需要周期性地作重復(fù)訓(xùn)練。訓(xùn)練過程結(jié)束后，緊接著數(shù)據(jù)傳輸開始，此時接收的信號是未知的，由于均衡器處于最佳狀態(tài)，接收機正確接收概率很高，利用正確的接收數(shù)據(jù)來修正均衡器的參數(shù)，使均衡器的特性跟著信道的特性變化，這時均衡器的工作模式稱為判決引導(dǎo)模式或跟蹤模式。自適應(yīng)均衡器一般包括兩種工作方式，即訓(xùn)練模式和判決引導(dǎo)模式。自適應(yīng)濾波器含有兩個過程，即自適應(yīng)過程與濾波過程。 自適應(yīng)均衡原理自適應(yīng)均衡器是在自適應(yīng)濾波理論基礎(chǔ)上建立起來的，自適應(yīng)濾波器由兩部分組成：一是濾波子系統(tǒng)，二是自適應(yīng)算法部分。信道的衰減和群時延失真等都可能導(dǎo)致信號波形的失真，從而引起碼間干擾。 攝像機模型 乘性噪聲 乘性噪聲與信號密切相關(guān)，它與加性噪聲不同，是一個復(fù)雜的函數(shù)，可能包括各種線性畸變、非線性畸變，同時由于信道的遲延特性和損耗特性隨時間作隨機變化，故乘性干擾往往只能用隨機過程來表述。式中，m 為圖像點的齊次坐標(biāo)，dx 和dy 為每一個像素分別在x 軸、y 軸方向上的物理尺寸，( u0，v0)為光心坐標(biāo)。 第二章 攝像機標(biāo)定原理 常用坐標(biāo)系及變換 攝像機采集的模擬圖像經(jīng)計算機中的專用模數(shù)轉(zhuǎn)換卡轉(zhuǎn)換成數(shù)字圖像，每幅數(shù)字圖像在計算機內(nèi)表示為M N 的數(shù)組，M 行N 列的圖像中的每一個元素稱為像素。標(biāo)定結(jié)果的好壞直接影響著三維測量的精度和三維重建結(jié)果的好壞，因此研究攝像機標(biāo)定方法具有重要的理論意義和實際應(yīng)用價值。用立體視覺方法進行三維重建主要包括三個步驟: ①攝像機標(biāo)定，即確定攝像機內(nèi)外參數(shù)的一個過程。不管怎樣分類，定標(biāo)的最終目的是要從圖像點中求出物體的待識別參數(shù)，即攝像機內(nèi)外參數(shù)或者投影矩陣。但這些方法需要昂貴的標(biāo)定設(shè)備，而且事前要精確地設(shè)置。6 、根據(jù)標(biāo)定塊的不同有立體和平面之分。企圖用一種線性方法來找到這種對應(yīng)關(guān)系幾乎是不可能的。為了提高定標(biāo)精度，就需要通過精確分析攝像機成像的中間過程，構(gòu)造精密的幾何模型，設(shè)置具有物理意義的參數(shù)(一般包括鏡頭畸變參數(shù)、圖像中心偏差、幀存掃描水平比例因子和有效焦距偏差)，然后確定這些未知參數(shù)，實現(xiàn)攝像機的顯參數(shù)定標(biāo)。隱參數(shù)定標(biāo)是以一個轉(zhuǎn)換矩陣表示空間物點與二維像點的對應(yīng)關(guān)系，并以轉(zhuǎn)換矩陣元素作為定標(biāo)參數(shù)，由于這些參數(shù)沒有具體的物理意義，所以稱為隱參數(shù)定標(biāo)。線性模型攝像機標(biāo)定, 用線性方程求解，簡單快速，已成為計算機視覺領(lǐng)域的研究熱點之一，目前已有大量研究成果。而自標(biāo)定方法主要應(yīng)用于精度要求不高的場合，如通訊、虛擬現(xiàn)實等。傳統(tǒng)的攝像機標(biāo)定是在一定的攝像機模型下，基于特定的實驗條件，如形狀、尺寸已知的標(biāo)定物，經(jīng)過對其進行圖像處理，利用一系列數(shù)學(xué)變換和計算方法，求取攝像機模型的內(nèi)部參數(shù)和外部參數(shù)（分為最優(yōu)化算法的標(biāo)定方法、利用攝像機透視變換矩陣的標(biāo)定方法、進一步考慮畸變補償?shù)膬刹椒ê筒捎酶鼮楹侠淼臄z像機模型的雙平面標(biāo)定法）；不依賴于標(biāo)定參照物的攝像機標(biāo)定方法，僅利用攝像機在運動過程中周圍環(huán)境的圖像與圖像之間的對應(yīng)關(guān)系對攝像機進行的標(biāo)定稱為攝像機自標(biāo)定方法，它又分為：基于自動視覺的攝像機自標(biāo)定技術(shù)（基于平移運動的自標(biāo)定技術(shù)和基于旋轉(zhuǎn)運動的自標(biāo)定技術(shù)）、利用本質(zhì)矩陣和基本矩陣