多径信道下的LMS、RLS均衡算法研究（三）

%http://blog.sina.com.cn/s/blog_5def5a660100ie4r.html
%采用10次蒙特卡洛仿真绘制结果，如果想获得更平滑结果，可适当调整nFrame，我将DFE-LMS和横向滤波器LMS
%均衡做在了一起比较，如有问题，请留言！
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% DFE-LMS算法 实数基带系统仿真程序
% 功能：实数基带系统判决反馈LMS均衡算法仿真-->BER\MSE指标
% 编写：李振兴
% E-Mail:lizhenxing@126.com
% Tel:
% 任何问题以及错误欢迎通过邮箱交流
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
clc
clear all
close all hidden
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% 初始化参数设置（用户可根据需要修改此处参数）
nFrame = 10;                         % 仿真发送的帧数（可作为蒙特卡洛仿真次数）
nPacket = 2500;                     % 每帧的发送的数据点数
stepa = 0.01;                       % 学习步长
stepb = 0.1;
dB = 25;                            % 信噪比
e = zeros(1,nPacket);               % 瞬时计算误差
E = zeros(1,nPacket);               % 统计均方误差（为平滑用）
h = [0.18,0.3,1,0.18];              %ISI信道参数
h = h/norm(h);
nW = 11;                       % 横向均衡器阶数
nB = 2;                        % 反馈层阶数
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 注意：当帧数nFrame不等于1的时候不要绘制星座图！
% nFrame根据需要可以适当设置，只要使得MSE曲线足够平滑就可以
% 均衡器阶数对结果影响较大，这里给出的是经过实验的最佳阶数
% 学习步长不宜设置过大
%% 算法实现过程
LP = nPacket-nW;                % 移掉几个数据避免负或零下标
X = zeros(nW+1,LP);             % 组织均衡器输入矩阵
Y = zeros(nB+1,LP);
y = zeros(1,nPacket);
z = zeros(1,nPacket);% 循环开始（迭代次数=nFrame*nPacket）
for kk = 1:nFrame      % 此处修改蒙特卡洛次数W = zeros(nW+1,1);B = zeros(nB+1,1);sX = round(rand(1,nPacket))*2-1; % BPSK 或 2PAM 信号
%    scatterplot(sX);              % nFrame=1时调试用rX = filter(h,1,sX);            % 通过信道
%    scatterplot(rX);              % nFrame=1时调试用vn = randn(1,nPacket);          % 产生噪声数据vn = vn/norm(vn)*10^(-dB/20)*norm(rX);  % 根据信噪比调整噪声功率SNR = 20*log10(norm(rX)/norm(vn));     % 计算SNRrX = rX+vn;                            % 接收信号XX = sign(rX);[num,rate] = symerr(XX,sX)              % 计算均衡前的误码
%    scatterplot(rX);                     % nFrame=1时调试用for i=1:LPX(:,i)=rX(i+nW:-1:i).';endfor i = 1:LPY(:,i) = y(i+nB:-1:i);end% 开始均衡器参数调整for i = 1:LPif i < nB+1y(i) = W'*X(:,i);for j = 1:LPY(:,i) = sign(y(i+nB:-1:i));end   temp = B'*Y(:,i);elsey(i) = W'*X(:,i)+temp;Y(:,i) = sign(y(i:-1:i-nB));temp = B'*Y(:,i);             endz(i) = W'*X(:,i)+temp;e(i) = z(i)-sX(i);         % LMS代价函数W = W - stepa*2*e(i)*X(:,i);      % LMS迭代算法B = B - stepb*2*e(i)*Y(:,i);E(i) = E(i)+e(i)^2;
end
end
save E;
clc
clear all
close all%% 初始化参数设置（用户可根据需要修改此处参数）
nFrame = 10;                         % 仿真发送的帧数（可作为蒙特卡洛仿真次数）
nPacket = 2500;                     % 每帧的发送的数据点数
step = 0.01;                       % 学习步长
dB = 25;                            % 信噪比
e1 = zeros(1,nPacket);               % 瞬时计算误差
E1 = zeros(1,nPacket);               % 统计均方误差（为平滑用）
h = [0.18,0.3,1,0.18];              %ISI信道参数
h = h/norm(h);
nW = 11;                       % 均衡器阶数
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 注意：当帧数nFrame不等于1的时候不要绘制星座图！
% nFrame根据需要可以适当设置，只要使得MSE曲线足够平滑就可以
% 均衡器阶数对结果影响较大，这里给出的是经过实验的最佳阶数
% 学习步长不宜设置过大
%% 算法实现过程
LP = nPacket-nW;                % 移掉几个数据避免负或零下标
X = zeros(nW+1,LP);             % 组织均衡器输入矩阵% 循环开始（迭代次数=nFrame*nPacket）
for kk = 1:nFrame      % 此处修改蒙特卡洛次数W = zeros(nW+1,1);sX = round(rand(1,nPacket))*2-1; % BPSK 或 2PAM 信号
%    scatterplot(sX);              % nFrame=1时调试用rX = filter(h,1,sX);            % 通过信道
%    scatterplot(rX);              % nFrame=1时调试用vn = randn(1,nPacket);          % 产生噪声数据vn = vn/norm(vn)*10^(-dB/20)*norm(rX);  % 根据信噪比调整噪声功率SNR = 20*log10(norm(rX)/norm(vn));     % 计算SNRrX = rX+vn;                            % 接收信号XX = sign(rX);[num,rate] = symerr(XX,sX)              % 计算均衡前的误码
%    scatterplot(rX);                     % nFrame=1时调试用for i=1:LPX(:,i)=rX(i+nW:-1:i).';end% 开始均衡器参数调整for i = 1:LPe1(i) = W'*X(:,i)-sX(i);         % LMS代价函数W = W - step*2*e1(i)*X(:,i);      % LMS迭代算法E1(i) = E1(i)+e1(i)^2;end
end% 平滑误差  load E.mat;figure(1);subplot(2,1,1);semilogy(E/nFrame,'r')legend('DFELMS');%hold onsubplot(2,1,2);semilogy(E1/nFrame,'k')%hold off%legend('DFE','LMS');legend('LMS');

LMS与DFE-LMS均方误差曲线对比

基于DFE的LMS算法流程图

参考文献
[1].http://blog.sina.com.cn/s/blog_5def5a660100ie4r.html

[2].刘茂才. 室内可见光通信系统均衡技术研究[D].哈尔滨:哈尔滨工业大学,2015

多径信道下的LMS、RLS均衡算法研究（三）相关推荐

多径信道下的LMS、RLS均衡算法研究（二）
将经过多径衰落信道后信号通过LMS(least-mean-square)最小均方.RLS(recursive least-squares)最小二乘算法进行均衡处理. 图1 LMS.RLS算法均衡效果的 ...
多径信道下通过LMS均衡算法提高通信质量——详细版
目录一.理论基础二.核心程序三.仿真测试结果作者ID :fpga和matlab CSDN主页:https://blog.csdn.net/ccsss22?type=blog 擅长技术: 1.无 ...
沉浸式 3D 场景下的多视点视频增强算法研究
沉浸式 3D 场景下的多视点视频增强算法研究研究内容图像质量增强为什么进行图像质量增强图像有损压缩技术多视点视频中的深度图像特点视点数目增强虚拟视点合成技术视点外推为什么进行视点数 ...
【误码率仿真】基于matlab多径信道下OFDM通信系统误码率仿真【含Matlab源码 2078期】
⛄一.OFDM简介 1 OFDM调制解调原理一个OFDM信号可以表示为每个子载波可采用正交幅度调制(QAM)或相移键控调制(PSK).其中Xi,k为第i个OFDM符号在第k个子载波上传输的数据;N ...
【OFDM】多径信道下OFDM通信系统误码率仿真附matlab代码
1 内容介绍仿真是科学研究和工程建设中非常重要的方法.交频分复用(OFDM)技术是下一代移动通信的核心技术之一.重点研究了多径瑞利衰落信道下最大多径时延对基于OFDM技术的通信系统性能的影响. 2 ...
m低信噪比下GPS信号的捕获算法研究,分别使用matlab和FPGA对算法进行仿真和硬件实现
目录 1.算法概述 2.仿真效果预览 3.MATLAB/FPGA部分代码预览 4.完整MATLAB/FPGA程序 1.算法概述 GPS卫星发送的信号一般由3个分量组成:载波.伪码和导航电文,其中伪码和 ...
多径信道理论的直观感受与MATLAB仿真
格式乱了,程序源码与原文点击下面链接: 多径信道理论的直观感受与MATLAB仿真 - 子木的文章 - 知乎 https://zhuanlan.zhihu.com/p/116761401 目录 1.多径 ...
QPS 提升60%，揭秘阿里巴巴轻量级开源 Web 服务器 Tengine 负载均衡算法
前言在阿里七层流量入口接入层(Application Gateway)场景下, Nginx 官方的Smooth Weighted Round-Robin( SWRR )负载均衡算法已经无法再完美施展 ...
Nginx系列之负载均衡算法策略
负载均衡实际上是一种网络技术,主要是基于现有的网络结构,增加吞吐量.加强网络数据处理能力.提高应用系统的灵活和可用性.利用Nginx可实现负载均衡,Nginx支持加权Round-Robin负载均衡算法 ...

多径信道下的LMS、RLS均衡算法研究（三）

多径信道下的LMS、RLS均衡算法研究（三）相关推荐

最新文章

热门文章