一种用于QAM解调信号的LMS自适应均衡器

设计了一种用于QAM(Quadrature Amplitude Modulation)解调信号的LMS自适应均衡器。此均衡器采用线性自适应算法中的最小均方算法(LMS)．其结构由线性横向滤波器和需要训练序列的滤波器抽头系数更新模块组成．它可实现16／64／256点的QAM解调。利用MATLAB／Simulink对LMS自适应均衡器的收敛速度、误码率等指标进行仿真模拟,仿真结果表明,此LMS自适应均衡器对通过非理想信道的QAM传输信号具有较好的均衡性能。     

基于LMS的联合通道均衡算法

传统自适应通道均衡算法收敛速度和稳态误差间存在矛盾,为了改善这一特性,提出了一种基于LMS的联合通道均衡算法.将两个均衡器线性加权对同一通道进行均衡,利用LMS算法迭代得到最优权向量.求取了联合系数的理论最优解并分析了算法的统计性能.分析和仿真实验均表明,联合均衡算法的暂态性能和稳态性能都优于单个均衡器.     

几种LMS算法在水声信道通信系统中应用的比较

为了减小水声通信系统中存在的由于多径传播效应引起的符号间干扰,在系统中使用了线性均衡器.本文首先介绍了几种LMS算法基本原理,利用Matlab仿真软件,给出了这几种算法在水声信道通信系统中的自适应均衡的仿真系统,并由这些算法对于均衡器的影响进行了比较,最后又对比较的结果进行了分析.     

LMS算法和RLS算法在水声信道通信系统中应用的比较

为了减小水声通信系统中存在的由于多径传播效应引起的符号间干扰,可在系统中使用线性均衡器。首先介绍了LMS算法和RLS算法基本原理,利用Matlab仿真软件,给出了两种算法在水声信道通信系统中的自适应均衡的仿真系统,并对这两种算法对于均衡器的影响进行了比较,最后对比较的结果进行了分析。     

LMS算法和RLS算法在水声信道通信系统中应用的比较

为了减小水声通信系统中存在的由于多径传播效应引起的符号间干扰,可在系统中使用线性均衡器。首先介绍了LMS算法和RLS算法基本原理,利用Matlab仿真软件,给出了两种算法在水声信道通信系统中的自适应均衡的仿真系统,并对这两种算法对于均衡器的影响进行了比较,最后对比较的结果进行了分析。     

一种变步长LMS算法自适应均衡器研究

最小均方(LMS,Least Mean Square)算法由于其简单易实现,在自适应信号处理领域十分流行且应用广泛,但其缺点是收敛速度相当缓慢.研究了基于一种变步长(VSS,Variable Step Size)LMS算法的自适应信道均衡器.仿真了LMS算法和VSS-LMS算法的迭代收敛过程和对加噪正弦信号的处理.结果表明,跟传统LMS算法相比,这种变步长的LMS算法在收敛性能上有显著的优势.     

DTMB接收系统中一种最优分集接收技术研究

通过对于DTMB(Digital Television Terrestrial Multimedia Broadcasting,数字电视地面多媒体广播)接收系统的研究,提出了一种最优分集接收结构。本结构结合了时域自适应判决反馈均衡器和空间分集技术,采用LMS(最小均方值)算法进行均衡器抽头自适应调整。相对于现有接收结构的研究,创新的提出了采用双前馈滤波器接收,合并至判决器后再传递到反馈滤波器的均衡器结构。该最佳接收结构相较两支路信号直接合并再输入到均衡器的接收结构,极大的提高了系统鲁棒性,减少了均衡器误码率。系统通过自适应调整判决器中两个前馈滤波器输入信号的权重,更加有效的适应信道的动态变化,较之两路信号等增益合并性能上更加优越,在实际接收机设计中也有很大的应用价值。     

判决反馈均衡器结构及LMS算法研究

数字通信系统中多径衰落的无线信道环境通常会使接收信号受到严重的码间干扰。自适应均衡可以校正信道产生的畸变。文中介绍了基于LMS算法的自适应均衡器的原理和结构,在给定的信道模型下利用MAT- LAB工具对其收敛速度和精度进行仿真,结果表明在无线通信中,判决反馈均衡器比线性均衡器有更好的效果。     

可编程模糊逻辑控制器芯片的应用应用

研究了一种电流型可编制模糊逻辑控制器芯片（PFLC）的两种典型应用。在智能控制领域,利用PFLC设计并调试了倒立模糊控制系统,系统参数可由线性二次最优控制的方法导出。在信号处理领域,设计了一种基于PFLC的模糊自适应非线性均衡器,学习算法采用LMS算法,只需8次乘法运算,易于将PFLC扩展成为自学习模糊控制器芯片。     

基于国标的低复杂度分数间隔均衡器设计

基于地面数字电视国标ADTB-T规格,采用CMA LMS混合均衡算法配合有效的切换控制使均衡器获得良好的收敛速度和基础性能.同时,针对传统均衡器运算量过大的现象,提出了一种降低更新频率的算法,在保证基础性能的条件下有效地减小均衡器的硬件开销.