【正文】 h1=[,
。 n=5000。)。,39。legend(39。ISI信道自適應(yīng)均衡系統(tǒng)仿真39。)。 ylabel(39。SNR in dB39。blue*39。r*39。)+error。 symerr_noeq(i)=sum((demodmsg_noeq(trainlen+1:N)~=msg(trainlen+1:N)))/(Ntrainlen)。[eqmsg yd e]=equalize(eq,filtmsg,trainmsg)。trainmsg=modmsg(1:trainlen)。measured39。 filtmsg=filter(channel,1,modmsg)。 trainlen=500。 order=11。end for i=1:20 msg=randint(N,1,M)。 error1=abs(e39。 demodmsg=qamdemod(eqmsg,M)。 [eqmsg yd e]=equalize(eq,filtmsg,trainmsg)。 trainmsg=modmsg(1:trainlen)。measured39。 filtmsg=filter(channel,1,modmsg)。 trainlen=500。 order=11。for i=1:20 msg=randint(N,1,M)。M=4。fontsize39。MSE39。fontsize39。迭代次數(shù)39。)。title(39。u2=39。u=39。)。,[trainlen:len],abs(error2(trainlen:len)),39。endplot([trainlen:len],abs(error(trainlen:len)),39。error2=abs(e39。 symerr_noeq2(i)=sum((demodmsg_noeq(trainlen+1:len)~=msg(trainlen+1:len)))/(lentrainlen)。 demodmsg_noeq=qamdemod(filtmsg,M)。 eq2=lineareq(order,lms(u2))。measured39。 filtmsg=filter(channel,1,modmsg)。 trainmsg=modmsg(1:trainlen)。 modmsg=qammod(msg,M)。 u2=。)。hold onscatterplot(eqmsg(trainlen:len),1,0,39。g*39。)。 endscatterplot(modmsg,1,0,39。error=abs(e39。 symerr_noeq(i)=sum((demodmsg_noeq(trainlen+1:len)~=msg(trainlen+1:len)))/(lentrainlen)。 demodmsg_noeq=qamdemod(filtmsg,M)。 eq=lineareq(order,lms(u))。measured39。 filtmsg=filter(channel,1,modmsg)。 trainmsg=modmsg(1:trainlen)。 modmsg=qammod(msg,M)。 u=。len=5000error=zeros(1,len)。close all。我還要感謝我的家人，是他們的無限關(guān)愛使我能順利完成大學的學習，是他們在我遇到難題時給我及時的幫助與無限的動力！最后，對參加論文評審和答辯的各位老師致以最誠摯的致謝!大連交通大學 2022屆本科生畢業(yè)設(shè)計（論文） 26參考文獻[1] MATLAB 實現(xiàn)[M].北京：電子工業(yè)出版社，2022.[2] [M]. 北京：國防工業(yè)出版社 (第二版)，2022.[3] Bussgang 技術(shù)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.[4] 張輝. 現(xiàn)代通信原理與技術(shù)[M]. 西安：西安電子科技大學出版社， 2022.[5] [M]. 北京：電子工業(yè)出版社， 2022.[6] [M]. 北京：科學出版社，2022 .[7] [M]. 西安：西安電子科技大學出版社， 2022.[8] 及其在理工課程中的應(yīng)用指南 [M].西安：西安電子科技大學出版社，2022.[9] (第四版 )[M].北京：國防工業(yè)出版社， 2022.[10] [M]. 北京：國防工業(yè)出版社，2022.[11] 邱天爽，張旭秀，李小兵等. 統(tǒng)計信號處理 非高斯信號處理及其應(yīng)用[M].北京：電子工業(yè)出版社，2022.[12] 李妍. Matlab 通信仿真開發(fā)手冊 [M].北京：國防工業(yè)出版社，2022．[13] Godard,D,SelfRecovering Equalization and Carrier Tracking in TwoDimensional DataCommunicatioSystems,Communications[J],IEEETransactionson[legacy,pre1988],682,1975．[14] Benveniste, Goursat,M,BlindEqualizers,Communications[J].IEEE Transactions on legacy,pre1988:,1984．[15] Johnson,R,Jr,Schniter,P,Endres,etal,Blind equalization using the constant modulus criterion:a review[C],Proceedings of the IEEE,1998．大連交通大學 2022屆本科生畢業(yè)設(shè)計（論文） 27附 錄實驗 采用線性橫向均衡器與 LMS 算法主程序clear all。同時要感謝四年來各位老師的諄諄教誨和各位同學的無私幫助和支持。由于時間的關(guān)系，對其他的均衡算法沒有做出研究，但其他算法還是有必要深入研究的。均衡算法種類繁多，本論文只介紹了其中幾個，盲均衡中只介紹了 CMA 算法。對常用的自適應(yīng)均衡算法進行了研究，包括 LMS 算法和 CMA 算法。本文的主要工作有以下幾個方面：分析了通信信道的特點，建立了通信信道的模型，分析產(chǎn)生碼間干擾的原因，研究了消除碼間干擾的方法，即時域均衡。分析了各種均衡器結(jié)構(gòu)和自適應(yīng)算法，并對其進行了比較和計算機仿真?；诖?，本文對均衡器的結(jié)構(gòu)和自適應(yīng)算法做了理論研究和計算機仿真分析，具有一定的理論意義和實踐意義。在高速通信、無線通信領(lǐng)域，信道對信號的畸變更加嚴重，因此信號均衡技術(shù)是不可或缺的。大連交通大學 2022屆本科生畢業(yè)設(shè)計（論文） 24第五章 總 結(jié)在信息日益膨脹的數(shù)字化、信息化時代，通信系統(tǒng)擔負了重大的任務(wù)，這要求數(shù)字通信系統(tǒng)向著高效率、高可靠性的方向發(fā)展。 LMS 算法與 CMA 算法比較利用上述仿真條件，對 LMS 算法和 CMA 算法的誤碼率進行下比較，得知 CMA 算法收斂速度比較快,而且誤差比較小。仿真源碼程序見附錄所示。從圖中可以看出，均衡器輸入信號由于信道和噪聲的影響，產(chǎn)生了嚴重的碼間干擾，接收機已經(jīng)不能正常工作，而均衡后信號星座圖已經(jīng)完全張開。并討論影響其因素。抽頭系數(shù)為11個。 CMA算法均衡器仿真利用上面給出的CMA算法和線性橫向均衡器，用MATLAB進行仿真，它的步長因子是u=，u2=,，采樣次數(shù)為5000。仿真源碼程序見附錄所示。從圖中可以看出，均衡器輸入信號由于信道和噪聲的影響，產(chǎn)生了嚴重的碼間干擾，接收機已經(jīng)不能正常工作，而均衡后信號星座圖已經(jīng)完全張開。并討論影響其因素。信道參數(shù) [,]：抽頭系數(shù)為 11個。大連交通大學 2022屆本科生畢業(yè)設(shè)計（論文） 18第四章 均衡器的仿真與實現(xiàn) 仿真系統(tǒng)框圖圖 41 信號系統(tǒng)仿真框圖首先,輸入雙極性基帶信號，進入調(diào)制系統(tǒng)，而后通過含高斯白噪聲的信道，此時信號已經(jīng)雜亂不堪，我們在將信號通過均衡器，使之盡量恢復到進入信道前的樣子，最后，我們將恢復之后的信號進行解調(diào)輸出。由于 LMS 算法的簡單和性能優(yōu)良，因此得到了廣泛的應(yīng)用。)()(xyT= + .1?)(]||[22nxyR?可以看出，CMA 算法中抽頭系數(shù)的整個更新過程僅僅只與接收到的信號和發(fā)送信號的統(tǒng)計特性有關(guān)，而與估計誤差值 無關(guān)，因此，算法開始迭代時不需要)(dne?發(fā)送一定長度的訓練序列。]12[CMA 算法的無記憶非線性函數(shù) g(.)為： = [| |+ | | | |3] ())(nyg||)(ny2R)(ny大連交通大學 2022屆本科生畢業(yè)設(shè)計（論文） 17式中， = 是常數(shù)。p恒模算法(CMA)就是當參數(shù) p=2 時的 算法，是由 最早提出的。s Godar算法最早提出了恒模盲均衡算法 (Const Modulus Algorithn, CMA)。當選擇的無記憶非線性函數(shù)滿足()，就成為 均衡算法。大量的隨機過程都屬于 過程。由此，可得 過程的定義：Busan隨機過程{x(n)}稱為 過程，若它滿足條件usan ())}({)}()][{knyEkygE???式中 g(.)是一無記憶的非線性函數(shù)。上式可近似表示為： ≈ ())(y?10Li )(ii最后一步之所以成立是因為當 n 足夠大時，運算近似收斂，抽頭系數(shù)調(diào)整停止，所以 nk 的抽頭系數(shù)近似等于 n 時刻的抽頭系數(shù)，即 。由圖 32 可知，均衡器輸出信號 相對于估計值 的誤差信號 滿足： )(ny)(~nx)(ne = ()e)(yLMS 自適均衡應(yīng)算法采用式()，即 = +2 ()1(?w?)(xe寫成標量形式為： ()1,.0,)(2)( ?????Linnii由()式可得，當 =0 時，橫向濾波器 的權(quán)系數(shù)趨于收斂。y~nx ]10[盲均衡器采用一個非線性估計函數(shù) g(.)，使Busga= [ ] ())(g)(y用 近似代替 ，不同的 盲均衡算法有不同的非線性函數(shù) g(.)。圖 32 中 為均衡器的輸出相對估計信號 的誤差信號； 為均衡器的輸入)(ne )(~x)(nx信號。 盲均衡器的原理框圖如 32Busgan所示。盲均衡算法的基本原理是先建立一個目標函數(shù)或代價函數(shù)，使得理想系統(tǒng)Busgan對應(yīng)于該代價函數(shù)的極小值點，然后采用某種自適應(yīng)算法尋求代價函數(shù)的極值點。所以，當ISI 涉及的符號數(shù)多且信道不是十分惡劣時，一般采用隨機梯度盲均衡算法，且它與傳統(tǒng)使用的 LMS 算法容易融合在一起，有利于算法的實現(xiàn) ?；谧畲笏迫粶蕜t的盲均衡算法在三種算法中最佳，但是 ISI 涉及的符號數(shù)多時，復雜性會急劇上升。它和前面所述的自適應(yīng)算法的根本區(qū)別在于誤差產(chǎn)生的不同。 ]10[盲均衡技術(shù)是一種不需要發(fā)射端發(fā)送訓練序列，僅利用信道輸入輸出的基本統(tǒng)計特性就能對信道的彌散特性進行均衡的一種特殊技術(shù)。由于訓練序列并不包含用戶的數(shù)據(jù)，而占用信道資源，自然會降低信道的利用率。根據(jù)對算法的不同要求，選取一個恰當?shù)乃惴?，對提高自適應(yīng)濾波器的性能是很有益處的。從算法對輸入 的適應(yīng)性而言，NLMS 算法最)(x好，LMS 算法最差。)(n)(xnSg?Sgn]8[ 以上四種算法具有各自的特點。)(n)(varx??(3) = ，其中 (0,2)，為歸一化 LMS 算法。這幾種算法的改變都是基于大連交通大學 2022屆本科生畢業(yè)設(shè)計（論文） 14對迭代步長 的改變而改變的：?(1) =常數(shù)，為基本 LMS 算法。)(]|)([|102xinxETNi??? ]1[LMS 算法有它自身的優(yōu)點，但是，由于