自适应均衡器的LMS实现

杨　明,　李　晶（.吉林化工学院　信息与控制工程学院;　.　吉林信息工程学校　电子教研组,吉林　吉林　30）

自适应均衡器的LMS实现

杨明1,李晶2
（1.吉林化工学院信息与控制工程学院;2.吉林信息工程学校电子教研组,吉林吉林132022）

摘要：为了对非理想信道进行补偿，通信系统中广泛采用信道均衡技术，以降低信道对信号的畸变，提升传输的可靠性。本文介绍了基于最小均方算法（LMS算法）的自适应均衡器原理和结构，并利用MATLAB对其算法进行了仿真。

关键词：自适应均衡器；LMS；MATLAB

0　引言

随着现代通信技术的快速发展，通讯环境越来越复杂，如何快速有效地解调信号是通信系统面临的一个新的课题。在通信领域，自适应算法已经在信道均衡、频率跟踪与检测方面有了广泛的应用[1]。研究表明，借助自适应滤波器的信号跟踪能力和抗干扰能力，能够使得基带信息的提取更加方便，获得比相干解调更好的性能。

1　自适应均衡器

均衡器可以分为两种：时域均衡和频域均衡。由于通信系统是复杂多变的，信道特性是不可预知的。为了能够在接收端达到更好的接收效果，均衡器就需要具有良好的自适应性能，以满足信道的多变性。如果在均衡器的设计中加入信号处理的自适应算法，则这一类均衡器即为自适应均衡器。在通信系统当中，基带信号的复包络包含多种信号信息。均衡器可以根据基带信号来实现对信道冲击响应的估计，而在接收端的信号解调过程当中则可以使用自适应算法。

2　LMS自适应均衡器

信道均衡器可以使通信系统在通带外的增益近似为零，故附加了均衡器的信道在通带内的振幅是均匀的，而其它部分基本为零，而相位响应在通带内则为频率的线性函数。最小均方(LeastMeanSquare，LMS)算法由Widrow于1960年提出[2]。LMS算法的原理是使实际输出和期望输出的均方误差取得最小，而在整个逼近过程中需要不断地用输入信号估计梯度矢量，并调整系统的各个加权。

由Wiener滤波理论可知，滤波器的最优抽头系数矢量可表示为

（1）初始化抽头系数矢量w(n)=[0,0....]T,n=0；

（2）当n=n+1时计算滤波器输出y(n)=wHx(n)；

（3）计算误差函数e(n)=d(n)-y(n)，更新滤波器抽头系数矢量w(n)=w(n-1)+μ(n)e*(n)x(n)。

3　实验测试

实验中，调制信号为4QAM，信道参数为〔0.4,0.7,0.6〕。具体实验结果如图1所示。图1(a)为理想4QAM调制信号星座图，图1(b)为受到含噪信道作用后的信号星座图，图1(c)是均衡器输出端信号的星座图，图1(d)是LMS算法的收敛速度。实验结果表明，LMS算法可以均衡器随着信道状况进行自适应的改变，以到达最优解。

4　结论

本文主要介绍了LMS自适应均衡器的原理，并用MATLAB对其算法进行了仿真。实验表明自适应滤波器能很好的滤除干扰，具有很好的应用价值。使用LMS算法的自适应均衡器，可以很好地去除码间干扰，保证通信系统的传输可靠性。

参考文献：

[1]何振亚.自适应信号处理[M].北京:科学出版社,2002.

[2]王谦.基于LMS算法的自适应次声滤波器设计[D].华中科技大学,2008.