如发现有乱码，请点击下面链接浏览原文
正文摘录:

2006年第23期总第238号，z。为均衡器输入信号。根据最小均方误差理论，求解使-，。最小化时的c值，最终可求得抽头权系数C—R-’P，其中R—EEx；-zj]构成输入信号的自相关矩阵，P—Ed。z。]是期望信号与输入信号诸元素之间互相关值。根据最陡下降法，可得：C…一C女+2∥女z女其中∥为步长。1.2RI。S算法与LMS算法相比，RI.s算法采用连续估计的样本平均，可以得到自相关矩阵中期望值的更好估计：R(”)一＞_A”‘x(”)z(”)“其中H表示矩阵转置，A为遗忘因子，取值为0.95≤A≤1，z(”)为均衡器在n时刻输入的信号。最终可以得出如下的关系式：豇(n)一FFFA71R瓦(n丽--瓦1再)x1(n丽)y(n)一(1“9”(”一1)z(”)e(”)一d(n)一y(n)0(”)一玉(n一1)+k(n)e”(”)R(”)一A’R(n——1)——A’是(”),27“(n)R(”——1)其中，忌(”)为增益矢量；y(”)为均衡器输出；0(”)为抽头系数；e(”)为误差信号；d(n)为期望值信号。2仿真在Matlab平台上对LMS算法和RI。s算法分别进行了性能仿真，仿真模型如图3、图4所示，其中卷积编码的编码效率为]／2，约束长度为K一7，调制方式为QPSK，译码采用维比特硬判决算法，水声信道采用典型的3条声线仿真的方法构造一个最小相位传输，信道的传输函数为：H(2)一1—0.67z“。+0.55z”在水声信道中仿真LMS和RI.S算法的误码率性能，得出了如图4所示的性能曲线。由图5可知，LMS算法与RI。S算法性能相当。训练序列赢蜥噪j“{／~~lk数扒图3算法性能仿真模型的发送端QPSK解洲L.÷{自适应均衡t-,4维比特详码H跌比特率统汁图4算法性能仿真模型的接收端作者简介陈海兰胡晓毅许茹刘慧蔡彦在仿真过程中，LMS算法的步长取值为0.005，RLS算法的遗忘因子取值为0.998，从图6中可以看出，RLS算法的收敛速度明显比LMS算法的收敛速度快，但RLS算法的复杂度远远大于LMS算法。”Fi≥詈——]，。r～～=《鼍＜，一sj。t}。飞≥一吣{}＼i、＼{“11l}图5LMS和RLS算法的误码率性能比较图图6LMS算法与RI.S算法的学习曲线图3结’语本文主要研究了LMS算法和RLS算法，通过仿真比较了在水声信道下LMS与RI。S算法的误码率性能，并比较了LMS算法与RI.S的收敛速度。参考文献[1]张贤达.现代信号处：~EM3.北京：清华大学出版社，1994.[2]DouglasI。Jones.LearningCharacteristicsofTranspose—formI.MSAdaptiveFilters.IEEETrans.Aerosp.Electron.Syst.，1990.[3]徐明远，邵玉斌.Matlab仿真在通信与电子工程中的应用EM].西安：西安电子科技大学出版社，2005.[4]I.OK—LEETing.LMSCoefficientFilteringforTime—var—yingChirpedSignals.IEEETransactionsonSignalProcess—ing，2004.Es]陈亚勇.Matlab信号处理详解[M].北京：人民邮电出版社，2001.[6]陆光华.随机信号处理EM3.西安：西安电子科技大学出版社，2002.E7][美]VinayKIngle，JohnGProakis.数字信号处理及其Matlab实现EM].电子工业出版社，1998.[83王立宁，乐光新，詹菲.Matlab与通信仿真EM].北京：人民邮电出版社，2000.厦门大学信息科学与技术学院无线电物理专业04级硕士研究生。厦门大学信息科学与技术学院副教授。厦门大学信息科学与技术学院教授。厦门大学信息科学与技术学院助教。集关大学机械工程学院助教。