FPGA在数字滤波器设计中的应用:线性自适应信道均衡算法研究_精品.ppt

FPGA在数字滤波器设计中的应用:线性自适应信道均衡算法研究_精品.ppt

  1. 1、本文档共22页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
FPGA在数字滤波器设计中的应用:线性自适应信道均衡算法研究_精品

城南学院计算机与通信工程专业 线性自适应信道均衡算法研究 线性自适应信道均衡算法研究 长沙理工大学 城南学院计算机与通信工程专业 长沙理工大学 线性自适应信道均衡算法研究 线性自适应信道均衡算法研究 专 业:通信工程 指导教师:邓晓红 答 辩 人:何 毅 * * * 主要内容 绪论 码间干扰 均衡器的分类与结构 自适应均衡算法与实现 * * 一、绪论 引言 在无线通信中,由于多径效应影响产生码间干扰,使接收信号产生误码,而通信协议要求发送方重新发送产生误码的数据帧,从而影响无线通信信道中传输数据的速率。自适应均衡技术能补偿由于信道引起的畸变,同时有效的抗码间干扰,提高传输速率。 * * 一、绪论 均衡技术的发展: 均衡技术最早广泛应用于电话信道。 20世纪六十年代以前,均衡器是固定或手调的 1965年,Lucky提出了迫零准则 1967年,Austin提出了判决反馈均衡器。 1969年,Gersho等人提出了根据最小均方误差准则的自适应均衡算法。 1970年,Brady提出分数间隔自适应均衡方案。 1972年,Ungeboeck将LMS算法应用于自适应均衡。 1974年,Gedard在kalman滤波理论上推导出递推最小二乘算法RLS 1979年,Satonus等人提出了格型自适应均衡器。 1975年,Y.salo首次提出了盲均衡的概念。 * * 一、绪论 本文所作的工作 为了抑制码间干扰或补偿信道失真,我们需要采用均衡技术。实现均衡的算法有很多种,本课题中我们将研究均衡技术中的几种算法,并对其进行仿真。 * * 二、码间干扰 码间干扰的定义 由于实际信道的频带总是有限,并且偏离理想特性,所以使通过的信号在频域上产生线性失真,在时域上波形发生时散效应。这种时散效应对数字通信所造成的危害称之为码间干扰(ISI)。 * * 二、码间干扰 码间干扰数学模型 图2.1 数字通信系统中数学模型 常用的通信信道数学模型为 式中是 传输信号, 是信道的冲击响应, 是功率谱为的加性高斯白噪声。 * * 三、均衡器分类与结构 均衡器的分类 均衡器从结构上可以被分为两类:线性均衡器和非线性均衡器。 图3.1 均衡器的分类 * * 四、均衡器的分类与结构 本文中主要介绍三种均衡器的结构 线性横向均衡器(LTE) 判决反馈均衡器(DFE) 最大似然序列估值均衡器(MLSE) * * 三、均衡器的分类与结构 线性横向均衡器(LTE) 图3.2 线性横向均衡器结构图 判决前横向滤波器的输出为: * * 三、均衡器的分类与结构 判决反馈均衡器(DFE) 图3.3 判决反馈均衡器结构图 判决反馈均衡器的输出为: * * 三、均衡器的分类与结构 图3.4 最大似然序列估值(MLSE)结构图 最大似然序列估值(MLSE) 图3.4 带自适应匹配滤波器的最大似然序列估值(MLSE)结构 * * 四、自适应均衡算法与实现 决定算法的主要因素 收敛速度-----算法所需要的迭代次数 失调-----总平均的均方误差终值与最优的最小均方差的 差距。 计算机复杂度-----完成迭代算法所需的操作次数 数值特性 * * 四、自适应均衡算法与实现 最小均方(LMS)算法 LMS算法的具体步骤如下: 步骤1:初始化抽头系数矢量, , n=0; 步骤2:当n =n+1时 计算滤波器输出 , 计算误差函数 , 更新滤波器抽头系数矢量 。 * * 四、自适应均衡算法与实现 最小均方(LMS)算法 图4.2 LMS算法仿真结果图 * * 四、自适应均衡算法与实现 递归最小二乘(RLS)算法 RLS直接算法: 步骤1:初始化 , , ,I是N×N的单位矩阵; 步骤2:当n =n+1时,更新 K(n)为增益矢量 e(n )为估计误差 递推公式 抽头系数 * * 四、自适应均衡算法与实现 递归最小二乘(RLS)算法 RLS算法仿真图 * * 四、自适应均衡算法与实现 递归最小二乘(RLS)算法 (a) δ=0.5,SNR=25dB (b) δ=2,SNR=25dB * * 四、自适应均衡算法与实现 恒模算法与实现 CMA算法实现: 步骤1:初始化 , , ,n=0 ; 步骤2:当n =

文档评论(0)

seunk + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档