当前位置：文档之家› 数字时域均衡器设计详解

数字时域均衡器设计详解

MATLAB是一个数据分析和处理功能十分强大的工程实用软件，它的滤波器设计工具箱为实现声音信号的数字滤波提供了十分方便的函数和命令，但MAT-LAB的计算速度慢。Visual C++++是Windows平台下主要的应用程序开发环境之一，它能方便实现软件开发，开发的系统具有执行速度快等优点，故MATLAB与VC的混合编程正好结合了MATLAB强大的工具箱与VC很快的执行速度。本文结合两者的优势，基于MATLAB 与VC混合编程的方法设计出一种实用的数字均衡器。

1、设计原理分析根据数字滤波器冲激响应的时域特性的比较，FIR数字滤波器优点是对有限字长效应不敏感，严格线性相位;但是实现同样指标，所需计算量远大于IIR滤波器。为了说明两种滤波器的设计方法，本设计中在数字滤波器部分使用FIR方法，而在均衡器部分使用IIR的方法分别进行设计。

1）用窗函数法设计FIR滤波器

根据过渡带宽及阻带衰减要求，选择窗函数的类型并估计窗口长度N （或阶数M=N-1），窗函数类型可根据最小阻带衰减As独立选择，因为窗口长度N对最小阻带衰减As没有影响，在确定窗函数类型以后，可根据过渡带宽小于给定指标确定所拟用的窗函数的窗口长度N，设待求滤波器的过渡带宽为△w，它与窗口长度N近似成反比，窗函数类型确定后，其计算公式也确定了，不过这些公式是近似的，得出的窗口长度还要在计算中逐步修正，原则是在保证阻带衰减满足要求的情况下，尽量选择较小的N，在N和窗函数类型确定后，即可调用MATLAB中的窗函数求出窗函数wd （n）。

根据待求滤波器的理想频率响应求出理想单位脉冲响应hd（n），如果给出待求滤波器频率应为Hd，则理想的单位脉冲响应可以用下面的傅里叶反变换式求出：

2）用双线性变换法设计IIR滤波器

自适应均衡器的设计

电子信息工程学院《DSP技术及应用》课程设计报告题目：自适应均衡器的设计专业班级：通信工程专业10级通信B班二〇一三年六月十日目录一、设计目的 (1) 二、设计要求 (1) 三、设计原理及方案 (2) 四、软件流程 (3)

五、调试分析 (9) 六、设计总结 (10) 七、参考文献 (10)

设计目的通过本学期课程的学习，我们主要对数字信号系统的通信原理、传输机制等有了深入的了解。而实践性的课程设计能够起到提高综合运用能力，提高实验技术，启发创造新思想的效果。我们小组此次课程设计是自适应均衡器设计，通过查找资料，我们了解到在一个实际的通信系统中，由于多径传输、信道衰落等影响，在接收端也会产生严重的码间串扰。串扰造成严重影响时，必须对整个系统的传递函数进行校正,使其接近无失真传输条件。为了提高通信系统的性能，一般在接收端采用均衡技术。由于信道具有随机性、时变性，因此我们设计自适应均衡器，使其能够实时地跟踪无线通信信道的时变特性，根据信道响应自动调整滤波器抽头系数。图1 公式1 我们决定使用的LMS 算法是目前使用很广泛的自适应均衡算法，同时我们按照查找资料、系统设计、仿真实现、结果优化这一流程进行。不仅使我们进一步巩固了课程知识，也提高了我们分析问题、解决问题的能力。二、设计要求 1、熟练掌握自适应滤波器的原理和LMS 算法的理论知识； 2、学会运用matlab 软件，生成并对该信号进二进制序列信号和正弦信号，并模拟一个码间串扰信道，使信号通过码间串扰信道，之后对其进行加噪处理。比较经过均衡器和未经均衡的效果随信噪比的变化。 3、完成以二进制序列信号和正弦信号为输入信号设计自适应均衡器的基础上，实现改变LMS 算法的步长进而改变自适应均衡器的抽头系数来观察信号的均方误差随步长的变化。 4、完成对归一化LMS 算法的研究，使经过信道的信号通过可以自定义NLMS 算法次数的自适应均衡器，观察信号的均方误差的变化曲线。 5、完成声音信号的采集，研究声音信号的时域波形和频域波形，对声音信号分别加高频噪声和通过模拟信道，使处理过的信号通过巴特沃斯滤波器和自适应均衡器，分析均衡器的效果。 6、组员之间相互协助，共同完成系统设计。 7、通过对自适应均衡器的设计，提高对通信原理及数字信号处理课程中所学知识的实际运用能力，以及对matlab 软件的操作能力。设计原理及方案 1、原理图 '2()s i S i H w T T π+=∑ ||S w T π≤

自适应均衡算法研究

自适应均衡算法LMS研究一、自适应滤波原理与应用所谓自适应滤波器，就是利用前一时刻已获得的滤波器参数等结果，自动地调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。根据环境的改变，使用自适应算法来改变滤波器的参数和结构。 1.1均衡器的发展及概况均衡是减少码间串扰的有效措施。均衡器的发展有史已久，二十世纪60年代前，电话信道均衡器的出现克服了数据传输过程中的码间串扰带来的失真影响。但是均衡器要么是固定的，要么其参数的调整是手工进行。1965年，Lucky在均衡问题上提出了迫零准则，自动调整横向滤波器的权系数。1969年，Gerhso和Porkasi，Milier分别独立的提出采用均方误差准则(MSE)。1972年，ungeboekc将LMS算法应用于自适应均衡。1974年，Gedard 在kalmna滤波理论上推导出递推最小均方算法RLS(Recursive least-squares)。LMS类算法和RLS类算法是自适应滤波算法的两个大类。自适应滤波在信道均衡、回波抵消、谱线增强、噪声抑制、天线自适应旁瓣抑制、雷达杂波抵消、相参检测、谱估计、窄带干扰抑制、系统辨识、系统建模、语音信号处理、生物医学、电子学等方面获得广泛的应用。 1.2均衡器种类均衡技术可分为两类：线性均衡和非线性均衡。这两类的差别主要在于自适应均衡器的输出被用于反馈控制的方法。如果判决输出没有被用于均衡器的反馈逻辑中，那么均衡器是线性的；如果判决输出被用于反馈逻辑中并帮助改变了均衡器的后续输出，那么均衡器是非线性的。

LMS RLS 快速RLS 平方根RLS 梯度RLS LMS RLS 快速RLS 平方根RLS 梯度RLS LMS RLS 快速RLS 平方根RLS 算法图1.1 均衡器的分类 1.3自适应算法LMS算法 LMS算法是由widrow和Hoff于1960年提出来的,是统计梯度算法类的很重要的成员之一。它具有运算量小,简单,易于实现等优点。 LMS算法是建立在Wiener滤波的基础上发展而来的。Wiener解是在最小均方误差(MMSE)意义下使用均方误差作为代价函数而得到的在最小误差准则下的最优解。因其结构简单、稳定性好,一直是自适应滤波经典有效的算法之一,被广泛应用于雷达、通信、声纳、系统辨识及信号处理等领域。 1.3.1 MSE的含义 LMS 算法的推导以估计误差平方的集平均或时平均（即均方误差，MSE）为基础。下面先介绍MSE的概念。设计一个均衡系统如下图所示：

自适应滤波器的dsp实现

学号: 课程设计学院专业年级姓名论文题目指导教师职称成绩 2013年 1 月 10 日

目录摘要 (1) 关键词 (1) Abstract (1) Key words (1) 引言 (1) 1 自适应滤波器原理 (2) 2 自适应滤波器算法 (3) 3 自适应滤波算法的理论仿真与DSP实现 (5) 3.1 MATLAB仿真 (5) 3.2 DSP的理论基础 (7) 3.3 自适应滤波算法的DSP实现 (9) 4 结论 ............................................... 错误！未定义书签。致谢 ................................................. 错误！未定义书签。参考文献 ............................................. 错误！未定义书签。

自适应滤波器算法的DSP实现学生姓名：学号：学院：专业：指导教师：职称：摘要：本文从自适应滤波器的基本原理、算法及设计方法入手。本设计最终采用改进的LMS算法设计FIR结构自适应滤波器，并采用MATLAB进行仿真，最后用DSP 实现了自适应滤波器。关键词：DSP（数字信号处理器）；自适应滤波器；LMS算法；FIR结构滤波器 DSP implementation of the adaptive filter algorithm Abstract：In this article, starting from the basic principles of adaptive filter and algorithms and design methods. Eventually the design use improved the LMS algorithm for FIR adaptive filter,and use MATLAB simulation, adaptive filter using DSP. Key words：DSP；adaptive filter algorithm；LMS algorithm；FIR structure adaptive filter 引言滤波是电子信息处理领域的一种最基本而又极其重要的技术。在有用信号的传输过程中，通常会受到噪声或干扰的污染。利用滤波技术可以从复杂的信号中提取所需要的信号，同时抑制噪声或干扰信号，以便更有效地利用原始信号。滤波器实际上是一种选频系统，它对某些频率的信号予以很小的衰减，让该部分信号顺利通过；而对其他不需要的频率信号则予以很大的衰减，尽可能阻止这些信号通过。在电子系统中滤波器是一种基本的单元电路，使用很多，技术也较为复杂，有时滤波器的优劣直接决定产品的性能，所以很多国家非常重视滤波器的理论研究和产品开发[1]。近年来，尤其数字滤波技术使用广泛，数字滤波理论的研究及其产品的开发一直受到很多国家的重视。从总的来说滤波可分为经典滤波和现代滤波。经典滤波要求已知信号和噪声的统计特性，如维纳滤波和卡尔曼滤波。现代滤波则不要求己知信号和噪声的统计特性，如自适应滤波。自适应滤波器是统计信号处理的一个重要组成部分。在实际应用中，由于没有充足的信息来设计固定系数的数字滤波器，或者设计规则会在滤波器正常运行时改变，因此我们需要研究自适应滤波器。凡是需要处理未知统计环境下运算结果所产生的信

基于M精编B的自适应均衡器的研究

基于M精编B的自适应均衡器的研究文件编码（008-TTIG-UTITD-GKBTT-PUUTI-WYTUI-8256）

基于M A T L A B的自适应均衡器的研究【摘要】:随着科技的发展，如何实现工作高效发展已经成为各个领域的首要因素，在通信领域亦是如此。ISI（码间串扰）是干扰时变通信质量和传输速度的主要因素。由于基带传输的通信系统不可能满足实际波形不失真的实时传输系统中，所以串扰是必然会发生的。通常把消除串扰的滤波器称为均衡器，它其实就是一个逆滤波器通道。信道失真在高速通信，无线通信中会更加严重，从而信道均衡技术是成为了通信传输中不可缺少的。在通信系统中，优良的信道均衡器可以弥补信道不理想特性，降低信号传输错误率，从而达到降低信号失真的一种重要技术手段。本文介绍了自适应均衡器的设计原则，结合递归最小二乘算法和最小均方算法。最后运用MATLAB进一步分析仿真实现这些算法的自适应线性滤波器并分析其性能。【关键词】：LMS算法；自适应；线性均衡器；RLS算法 Research on Adaptive Equalizer Based on MATLAB Abstract：With the development of technology，how to efficiently achieve development has become a primary factor in various field，is also true in the field of communication. ISI is one of the important reasons for varying interference communication quality and transmission speed. Baseband transmission of the communication system can not meet the real-time actual waveform of undistorted transmission system， crosstalk is bound to arise. Crosstalk elimination circuit usually called equalizer came from the principle that it is an inverse

用LMS算法实现自适应均衡器的MATLAB程序

用LMS算法实现自适应均衡器的MATLAB程序用LMS算法实现自适应均衡器考虑一个线性自适应均衡器的原理方框图如《现代数字信号处理导论》p.275 自适应均衡器应用示意图。随机数据产生双极性的随机序列x[n]，它随机地取+1 和-1。随机信号通过一个信道传输，信道性质可由一个三系数FIR滤波器刻画，滤波器系数分别是0.3，0.9，0.3。在信道输出加入方差为σ平方高斯白噪声，设计一个有11个权系数的FIR结构的自适应均衡器，令均衡器的期望响应为x[n-7],选择几个合理的白噪声方差σ平方(不同信噪比)，进行实验。用LMS算法实现这个自适应均衡器，画出一次实验的误差平方的收敛曲线，给出最后设计滤波器系数。一次实验的训练序列长度为500。进行20次独立实验，画出误差平方的收敛曲线。给出3个步长值的比较。 1. 仿真结果: 1

用LMS算法设计的自适应均衡器系数 1 2 3 4 5 6 7 8 9 10 11 序号 0.0383 -0.0480 0.0565 -0.1058 0.2208 -0.5487 1.4546 -0.5681 0.2238 -0.0997 0.0367 20 次 -0.0037 0.0074 -0.0010 -0.0517 0.1667 -0.5112 1.4216 -0.5244 0.1668 -0.0597 0.0164 1 次结果分析: 观察三个不同步长情况下的平均误差曲线不难看出，步长越小，平均误差越小，但收敛速度越慢，为了好的精度，必然牺牲收敛速度;当降低信噪比时，尽管20次平均仍有好的结果，但单次实验的误差曲线明显增加，这是更大的噪声功率对随机梯度的影响。 5 附程序:

word完整版自适应滤波器原理带图带总结word版推荐文档

第二章自适应滤波器原理 2.1 基本原理 2.1.1 自适应滤波器的发展在解决线性滤波问题的统计方法中，通常假设已知有用信号及其附加噪声的某些统计参数(例如，均值和自相关函数) ，而且需要设计含噪数据作为其输入的线性滤波器，使得根据某种统计准则噪声对滤波器的影响最小。实现该滤波器优化问题的一个有用方法是使误差信号(定义为期望响应与滤波器实际输出之差)的均方值最小化。对于平稳输入，通常采用所谓维纳滤波器( Wiener filter) 的解决方案。该滤波器在均方误差意义上使最优的。误差信号均方值相对于滤波器可调参数的曲线通常称为误差性能曲面。该曲面的极小点即为维纳解。维纳滤波器不适合于应对信号和/或噪声非平稳问题。在这种情况下，必须假设最优滤波器为时变形式。对于这个更加困难的问题，十分成功的一个解决方案使采用卡尔曼滤波器 (Kalman filter )。该滤波器在各种工程应用中式一个强有力的系统。维纳滤波器的设计要求所要处理的数据统计方面的先验知识。只有当输入数据的统计特性与滤波器设计所依赖的某一先验知识匹配时，该滤波器才是最优的。当这个信息完全未知时，就不可能设计维纳滤波器，或者该设计不再是最优的。而且维纳滤波器的参数是固定的。在这种情况下，可采用的一个直接方法是“估计和插入过程”。该过程包含两个步骤，首先是“估计”有关信号的统计参数，然后将所得到的结果“插入( plug into)”非递归公式以计算滤波器参数。对于实时运算，该过程的缺点是要求特别精心制作，而且要求价格昂贵的硬件。为了消除这个限制，可采用自适应滤波器(adaptive filter)。采用这样一种系统，意味着滤波器是自设计的，即自适应滤波器依靠递归算法进行其计算，这样使它有可能在无法获得有关信号特征完整知识的环境下，玩完满地完成滤波运算。该算法将从某些预先确定的初始条件集出发，这些初始条件代表了人们所知道的上述环境的任何一种情况。我们还发现，在平稳环境下，该运算经一些成功迭代后收敛于某种统计意义上的最优维纳解。在非平稳环境下，该算法提供了一种跟踪能力，即跟踪输入数据统计特性随时间的变化，只要这种变化时足够缓慢的。 40年代，N.维纳用最小均方原则设计最佳线性滤波器，用来处理平稳随机

用RLS算法实现自适应均衡器的MATLAB程序

用RLS算法实现自适应均衡器的MATLAB程序考虑一个线性自适应均衡器的原理方框图如《现代数字信号处理导论》p.275自适应均衡器应用示意图。随机数据产生双极性的随机序列x[n]，它随机地取+1和-1。随机信号通过一个信道传输，信道性质可由一个三系数FIR滤波器刻画，滤波器系数分别是0.3，0.9，0.3。在信道输出加入方差为σ平方高斯白噪声，设计一个有11个权系数的FIR结构的自适应均衡器，令均衡器的期望响应为x[n-7],选择几个合理的白噪声方差σ平方（不同信噪比），进行实验。用RLS算法实现这个自适应均衡器，画出一次实验的误差平方的收敛曲线，给出最后设计滤波器系数。一次实验的训练序列长度为500。进行20次独立实验，画出误差平方的收敛曲线。给出3个步长值的比较。仿真结果：

用RLS算法设计的自适应均衡器系数结果分析：可以看到，RLS算法的收敛速度明显比LMS算法快，并且误差也比LMS算法小，但是当用更小的忘却因子时，单次实验结果明显变坏，当忘却因子趋于0时，LS算法也就是LMS算法。

附程序： 1. RLS法1次实验 % written in 2005.1.13 % written by li*** clear; N=500; db=25; sh1=sqrt(10^(-db/10)); u=1; m=0.0001*sh1^2; error_s=0; for loop=1:1 w=zeros(1,11)'; p=1/m*eye(11,11); V=sh1*randn(1,N ); Z=randn(1,N)-0.5; x=sign(Z); for n=3:N; M(n)=0.3*x(n)+0.9*x(n-1)+0.3*x(n-2); end z=M+V; for n=8:N; d(n)=x(n-7); end for n=11:N; z1=[z(n) z(n-1) z(n-2) z(n-3) z(n-4) z(n-5) z(n-6) z(n-7) z(n-8) z(n-9) z(n-10)]'; k=u^(-1).*p*z1./(1+u^(-1).*z1'*p*z1); e(n)=d(n)-w'*z1; w=w+k.*conj(e(n)); p=u^(-1).*p-u^(-1).*k*z1'*p; y(n)=w'*z1; e1(n)=d(n)-w'*z1; end error_s=error_s+e.^2; end w error_s=error_s./1; n=1:N; plot(n,error_s); xlabel('n (忘却因子u=1;DB=25时)'); ylabel('误差'); title('RLS法1次实验误差平方的均值曲线');

自适应滤波器的设计与实现毕业论文

自适应滤波器的设计与实现毕业论文目录第一章前言 (1) 1.1 自适应滤波器简介 (1) 1.2 选题背景及研究意义 (1) 1.3 国外研究发展现状 (2) 第二章自适应滤波器的基础理论 (4) 2.1 滤波器概述 (4) 2.1.1 滤波器简介 (4) 2.1.2 滤波器分类 (4) 2.1.3 数字滤波器概述 (4) 2.2 自适应滤波器基本理论 (7) 2.3 自适应滤波器的结构 (9) 第三章自适应滤波器递归最小二乘算法 (11) 3.1 递归最小二乘算法 (11) 3.1.1 递归最小二乘算法简介 (11) 3.1.2 正则方程 (11) 3.1.3 加权因子和正则化 (16) 3.1.4 递归计算 (18) 3.2递归最小二乘(RLS)算法的性能分析 (22) 第四章基于MATLAB自适应滤波器仿真 (23) 4.1 正弦波去噪实验 (23) 4.2 滤波器正则化参数的确定 (28) 4.2.1 高信噪比 (28) 4.2.2 低信噪比 (31) 4.2.3 结论 (33) 4.3 输入信号不同对滤波效果的影响 (33)

4.3.1 输入信号为周期信号 (33) 4.3.2 输入信号为非周期信号 (38) 第五章结论与展望 (44) 5.1 结论 (44) 5.2 对进一步研究的展望 (44) 参考文献 (45) 致谢 (46) 附录 (46) 声明 (58)

第一章前言 1.1自适应滤波器简介自适应滤波器属于现代滤波的畴，它是40年代发展起来的自适应信号处理领域的一个重要应用，自适应信号处理主要是研究结构可变或可调整的系统，可以通过自身与外界的接触来改善自身对信号处理的性能，通常这类系统是时变的非线性系统，可以自动适应信号传输的环境和要求，无须详细的知道信号的结构和实际知识，无须精确设计处理系统本身。自适应系统的非线性特性主要是由系统对不同的信号环境实现自身参数的调整来确定的。自适应系统的时变特性主要是由其自适应响应或自适应学习过程来确定的，当自适应过程结束和系统不再进行时，有一类自适应系统可成为线性系统，并称为线性自适应系统，因为这类系统便于设计且易于数学处理，所以实际应用广泛。本文研究的自适应滤波器就是这类滤波器。自适应滤波器是相对固定滤波器而言的，固定滤波器属于经典滤波器，它滤波的频率是固定的，自适应滤波器的频率则是自动适应输入信号而变化的，所以其适用围更广。在没有任何信号和噪声的先验知识的条件下，自适应滤波器利用前一时刻已获得的滤波器参数来自动调节现时刻的滤波器参数，以适应信号和噪声未知或随机变化的统计特性，从而实现最优滤波。1.2选题背景及研究意义伴随着移动通信事业的飞速发展，自适应滤波技术应用的围也日益扩大。早在20世纪40年代，就对平稳随机信号建立了维纳滤波理论。根据有用信号和干扰噪声的统计特性(自相关函数或功率谱)，用线性最小均方误差估计准则设计的最佳滤波器，称为维纳滤波器。这种滤波器能最大程度地滤除干扰噪声，提取有用信号。但是，当输入信号的统计特性偏离设计条件，则它就不是最佳的了，这在实际应用中受到了限制。到60年代初，由于空间技术的发展，出现了卡尔曼滤波理论，即利用状态变量模型对非平稳、多输入多输出随机序列作最优估计。现在，卡尔曼滤波器已成功地应用到许多领域，它既可对平稳的和非平稳的随机信号作线性最佳滤波，也可作非线性滤波。实质上，维纳滤波器是卡尔曼滤波器的一个特例。在设计卡尔曼滤波器时，必须知道产生输入过程的系统的状态方程和测量方程，即要求对信号和噪声的统计特性有先验知识，但在实际中，往往难以预知这些统计特性，因此实现不了真正的最佳滤波。 Widrow.B等于1967年提出的自适应滤波理论，可使自适应滤波系统的参数自动地调整而

综合课程设计基于Matlab的自适应均衡器设计

电子信息系综合课程设计基于Matlab的自适应均衡器设计专业名称通信工程班级学号学生姓名指导教师设计时间2010.12.20~2011.1.7

课程设计任务书专业：学号：学生姓名（签名）：设计题目：基于Matlab的自适应均衡器设计一、设计实验条件实验室，Matlab软件二、设计任务及要求 1. 课题要求系统学习时域均衡原理，掌握理论知识； 2. 首先进行时域均衡原理和算法设计，再在所用的仿真软件Matlab上对设计进行仿真分析，最后写实验报告； 3. 对整个系统设计进行回顾，总结心得。三、设计报告的内容 1.设计题目与设计任务（设计任务书） 2.前言（绪论）(设计的目的、意义等) 3.设计主体（各部分设计内容、分析、结论等） 4.结束语（设计的收获、体会等） 5.参考资料四、设计时间与安排 1、设计时间：3周 2、设计时间安排：熟悉实验设备、收集资料: 4天设计图纸、实验、计算、程序编写调试: 7天编写课程设计报告: 3天答辩: 1天

基于Matlab的自适应均衡器设计一、设计目的及意义：通过本学期通信原理课程的学习，主要对数字信号系统的通信原理、传输机制等有了系统深入的了解。而实践性的课程设计能够起到提高综合运用能力，加强理论知识的学习，提高实验技术，启发创造新思想的效果。此次课程设计是自适应均衡器设计。我们按照查找资料、软件选择、系统设计、仿真实现、结果优化这一流程进行。不仅使我们进一步巩固了课程知识，也提高了我们分析问题、解决问题的能力。二、设计主体： 1 、设计原理数字信号经过这样的信道传输以后，由于受到了信道的非理想特性的影响，在接收端就会产生码间干扰(ISI)，使系统误码率上升，严重情况下使系统无法继续正常工作。理论和实践证明，在接收系统中插入一种滤波器，可以校正和补偿系统特性，减少码间干扰的影响。这种起补偿作用的滤波器称为均衡器。时域均衡是利用均衡器产生的时间波形去直接校正已畸变的波形，使包括均衡器在内的整个系统的冲击响应满无码间串扰条件。频域均衡是从校正系统频率特性出发，使包括均衡器的基带系统的总特性满足无失真传输条件；频域均衡在信道特性不变，且在传输低速数据时是适用的。而时域均衡可以根据信道特性的变化进行调整，能够有效地减小码间串扰，故在高速数据传输中得以广泛应用。图1数字基带传输系统在实际中，当数字基带传输系统（如图1）的特性 ()()ω ω ω ω R T G C G H) ( ) (=不满足奈奎斯特第一准则时，就会产生有码间串扰的响应波形。现在我们来证明：

自适应滤波器的设计(终极版)

目录摘要…………………..………………………………………………………..….............I 第1章绪论....................................................................................................................错误!未定义书签。 1.1引言……………………………………………...…..…………...……………...错误!未定义书签。 1.2课题研究意义和目的 (1) 1.3国内外研究发展状况 (2) 1.4本文研究思路与主要工作 (4) 第2章自适应滤波器理论基础 (5) 2.1自适应滤波器简介 (5) 2.2自适应滤波器的原理 (5) 2.3自适应滤波算法 (7) 2.4TMS320VC5402的简介 (8) 第3章总体方案设计 (10) 3.1无限冲激响应（IIR）滤波器 (10) 3.2有限冲激响应（FIR）滤波器 (11) 3.3电路设计 (11) 4基于软件设计及仿真 (17) 4.3 DSP的理论基础 (17) 4.4自适应滤波算法的DSP实现 (18) 5总结 (21) 参考文献 (22) 致谢 (23) 附录自适应滤波源代码 (24)

第1章绪论 1.1引言随着微电子技术和计算机技术的迅速发展，具备了实现自适应滤波器技术的各种软硬件条件，有关自适应滤波器的新算法、新理论和新的实施方法不断涌现，对自适应滤波的稳定性、收敛速度和跟踪特性的研究也不断深入，这一切使该技术越来越成熟，并且在系统辨识、通信均衡、回波抵消、谱线增强、噪声抑制、系统模拟语音信号处理、生物医学电子等方面都获得了广泛应用口。自适应滤波器实现的复杂性通常用它所需的乘法次数和阶数来衡量，而DSP强大的数据吞吐量和数据处理能力使得自适应滤波器的实现更容易。目前绝大多数的自适应滤波器应用是基于最新发展的DSP 来设计的．滤波技术是信号处理中的一种基本方法和技术，尤其数字滤波技术使用广泛，数字滤波理论的研究及其产品的开发一直受到很多国家的重视。从总的来说滤波可分为经典滤波和现代滤波。经典滤波要求已知信号和噪声的统计特性，如维纳滤波和卡尔曼滤波。现代滤波则不要求己知信号和噪声的统计特性，如自适应滤波。自适应滤波的原理就是利用前一时刻己获得的滤波参数等结果，自动地调节现时刻的滤波参数，从而达到最优化滤波。自适应滤波具有很强的自学习、自跟踪能力，适用于平稳和非平稳随机信号的检测和估计。自适应滤波一般包括3个模块：滤波结构、性能判据和自适应算法。其中，自适应滤波算法一直是人们的研究热点，包括线性自适应算法和非线性自适应算法，非线性自适应算法具有更强的信号处理能力，但计算比较复杂，实际应用最多的仍然是线性自适应滤波算法。线性自适应滤波算法的种类很多，有LMS自适应滤波算法、R路自适应滤波算法、变换域自适应滤波算法、仿射投影算法、共扼梯度算法等。 1.2课题研究意义和目的自适应滤波理论与技术是现代信号处理技术的重要组成部分，对复杂信号的处理具有独特的功能，对自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。自适应滤波器与普通滤波器不同，它的冲激响应或滤波参数是随外部环境的变化而变化的，经过一段自动调节的收敛时间达到最佳滤波的要求。自适应滤波器本身有一个重要的自适应算法，这个算法可以根据输入、输出及原参量信号按照一定准则修改滤波参量，以使它本身能有效的跟踪外部环境的变化。因此，自适应数字系

基于LMS算法的自适应均衡器的MATLAB实现_尹丽丽

第18卷　第3期Vol.18　No.3 重　庆　工　学　院　学　报 Journal of Chongq ing Institute of Technology 2004年6月 June.2004 【机械与电子】基于LMS算法的自适应均衡器的MATLAB实现尹丽丽,吴跃东 (江苏省淮安信息职业技术学院电子信息工程系,江苏淮安　223001) 摘要:介绍了基于最小均方算法(LMS算法)的自适应均衡器的原理和结构,针对用硬件实现L MS 算法的自适应均衡器存在的诸多缺点,利用MATLAB工具对各种结构形式的自适应均衡器在不同信道模型下的收敛速度和精度进行仿真,并介绍了该仿真程序。关键词:自适应均衡器;L MS算法;MATLAB 中图分类号:TN914 文献标识码:A 文章编号:1671-0924(2004)03-0061-02 MATLAB Realization of Automatic Adaptive Equalizer Based on LMS Algorithm YIN Li-li,WU Yue-dong (Depart ment of Electronic Information Engineering,Huaian Technical and Vocational School of Information,Huaian,223001,China) A bstract:This paper introduces the principle and structure of automatic adaptive equalizer based on LMS.As it has many dis- advantages,MATLAB tool can be used to simutate the convergence rate and precision of au kinds of automatic adaptive equaliz-er Under different informati channel madels.algorithm and the ways to realize it with MATLAB. Key words:automatic adaptive equalizer;LMS algorith m;MATLAB 0　引言在一个实际的通信系统中,基带传输系统不可能完全满足理想的波形传输无失真条件,因而串扰几乎是不可避免的。当串扰造成严重影响时,必须对整个系统的传递函数进行校正,使其接近无失真传输条件。这种校正可以采用串接一个滤波器的方法,以补偿整个系统的幅频和相频特性。如果这种校正是在频域进行的,称为频域均衡;如果校正是在时域里进行,即直接校正系统的冲激响应,则称为时域均衡。随着数字信号处理理论和超大规模集成电路的发展,时域均衡正成为如今高速数据传输中所使用的主要方法。 1　系统构成及工作原理目前时域均衡的最常用方法是在基带信号接收滤波器之后插入一个横向滤波器,它由一条带抽头的延时线构成,抽头间隔等于码元周期,每个抽头的延时信号经加权送到一个相加电路汇总后输出,其形式与有限冲激响应滤波器(FIR)相同,如图1所示。横向滤波器的相加输出经抽样送往判决电路。每个抽头的加权系数分别为W-N,W-N+1,…,W N,输入波形的抽样值序列为{X k},输出波形的抽样值序列为{Y k},则y k=∑ N i=-N W i X k-i,k=-2N,……,2N。横向滤波器的特征完全取决于各抽头系数,而抽头系数的调整有两种方法:手工调整和自动调整。如果接收端知道信道的特性,包括信道冲激响应或频率响应,一般采用比较简单的手动调整方式。由于无线通信信道具有随机性和时变性,即信道特性事是未知的,信道响应是时变的,这就要求均衡器必须能够实时地跟踪无线通信信道的时变特性,可以根据信道响应自动调整抽头系数,我们称这种可以自动调整滤波器抽头系数的均衡器为自适应均衡器。收稿日期:2003-11-03 作者简介:尹丽丽(1975-),女,安徽人,主要从事电子设计自动化教育与研究.

MATLAB环境下ISI信道仿真及自适应均衡器设计程序说明

MATLAB 环境下ISI 信道仿真及自适应均衡器设计程序说明一、系统模型二、ISI 信道仿真及LSM 算法自适应均衡器原理 1、发送端和接收端滤波器的级联和在采样瞬间时的信道可用等效的离散时间FIR 信道滤波器来表示，Xn={0.05 -0.063 0.088 -0.126 -0.25 0.9047 0.25 0 0.126 0.038 0.088}，n={-5,-4,…,5}。 2、基于MSE （均方准则）的均衡器抽头系数的自适应算法为： ^^1k k k k c c e y +=+? 其中^ k c 代表抽头系数向量的估值，?为迭代过程中的步长参数，k e 为误差信号，k y 代表在瞬时k 包含均衡器中2k+1接收信号值的行向量。误差信号k e 表示为：k k k e a z =-；k z 为均衡器输出，k a 为已知信号序列。最初用一已知伪随机序列{k a }在信道上将这个自适应均衡器进行训练。在解调器端，均衡器用这个已知序列去调整它的系数，一旦初始调节完成，自适应均衡器就从一个训练模式切换到直接判决模式，这时：^k k k e a z =-，式中^k a 是检测器的输出。为了确保收敛和在慢变化信道中好的跟踪能力，选择步长参数的一种经验公式是 15(21)R k P ?=+ 式中R P 代表接收到的信号加噪声的功率，它可以从接收信号中估计出。三、仿真结果图

四、结论分析从结果图中我们可以看出，在信噪比逐渐增大的过程中，未经均衡器均衡的差错率没有明显改善，可知系统中始终存在码间干扰造成的误码；经均衡器均衡后的差错率则有明显改善。但我们同时也可以看到在信噪比较低情况下，均衡器均衡之后的误码率并没有明显改善，甚至没有未均衡的差错率低，这主要是因为噪声为随机信号，功率大时对源信号影响较大，而且均衡器不易跟踪；当我们把均衡器的步长调低后，跟踪能力增强，差错率降低。附源程序代码： main_plot.m clear; clc; echo off; close all; N=10000; %指定信号序列长度 info=random_binary(N); %产生二进制信号序列 SNR_ in _dB=8:1:18; %AWGN信道信噪比 for j=1:length(SNR _in_ dB) [y, len ]=channel(info, SNR _in _dB(j)); %通过既有码间干扰又有白噪声信道

自适应信号处理RLS自适应均衡器

自适应信号处理RLS 的自适应均衡实验一实验目的：考察特征值扩散度u 对RLS 算法的影响，比较LMS 和RLS 算法，进一步了解RLS 算法。二实验原理和要求：在本实验中，采用指数加权因子1λ=的RLS 算法，设计线性离散通信信道的自适应均衡器。系统框图如图 1所示，该系统由两个独立数发生器，一个用来产生测试信道信号n x ，一个用来模拟接收器中加性白噪声的影响。随机序列 {}n x 由Bernoulli 序列组成，1n x =±，随机变量n x 具有零均值和单位方差。随机数发生器2产生的序列()v n 具有零均值，其方差2 v σ由实验中需要的信噪比决定。均衡器有11个抽头。随机噪声发生器(2) 延迟自适应横向滤波器随机噪声发生器(1) 信道 ∑ ∑ n x () v n () e n - + 图 1：自适应均衡计算机实验的框图信道的脉冲响应用升余弦表示为： 121cos (2)2n n n h W π??? ??+- , =1,2,3? ???=????? ? 0, ?其他其中W 控制幅度失真的大小，也控制着信道产生的特征值扩展。在时刻n ，均衡器第1个抽头输入为： 3 1 ()()()k k u n h x n k v n == -+∑ 均衡其输入的11个抽头(),(1),,(10)u n u n u n -- 相关矩阵R 为

(0)(1)(2)00(1)(0)(1)(2)0(2)(1)(0)(1)00(2)(1)(0)00 (0)r r r r r r r r r r r R r r r r ????????=? ????????? 其中 2 222 123122313 (0)(1)(2)v r h h h r h h h h r h h σ=+++=+= 123,,h h h 由式(3)中参数W 的值确定。三实验内容和过程本实验分为两个部分：第一部分为高信噪比的情况，第二部分为低信噪比的情况。信噪比可以表示为： 2 2S N R 10l g x v σσ= 已知 2 1 x σ=，从而可得 1S N R 2 10 10 v σ- ?= 计算的实验参数如表 1所示。表 1： RLS 自适应均衡试验参数 W 2.9 3.1 3.3 3.5 (0)r 1.0963 1.1568 1.2264 1.3022 (1) r 0.4388 0.5596 0.6729 0.7774 (2) r 0.0481 0.0783 0.1132 0.1511 m in λ 0.3339 0.2136 0.1256 0.0656 m ax λ 2.0259 2.3761 2.7263 3.0707 max min ()/R χλλ= 6.0782 11.1238 21.7132 46.8216 第一部分：信噪比=30dB 。当信噪比为30dB(即方差2 0.001 v σ=)改变W 或特征值扩散度时，RLS 算法的学习曲线如图所示：

3.2自适应均衡技术(Adaptive Equalization Techniques)

§3-2 自适应均衡技术(Adaptive Equalization Techniques) Review ：分集有哪两层含义？合并的方式有哪几种？各自的基本思想是什么？分集是如何分类的？一、均衡基础（Fundamentals of Equalization ） ====》如何补偿信道的多径衰落？均衡本质：产生与信道相反的特性，用来抵消信道的时变多径传播特性引起的码间串扰。均衡不用增加传输功率和带宽，即可改善移动通信链路的传输质量。均衡重在消除码间串扰，而分集重在消除深度衰落的影响。均衡适用于信号不可分离多径且时延扩展远大于符号宽度的情况。均衡有两个基本途径： 1、频域均衡，它使包括均衡器在内的整个系统的总传输函数满足无失真传输的条件(即H(w)=1)。它往往是分别校正幅频特性和群时延特性，模拟通信（序列均衡）通常采用这种频域均衡法。 2、时域均衡，就是直接从时间响应考虑，使包括均衡器在内的整个系统的冲激响应满足无码间串扰的条件(即h(t)=)(t δ)。数字移动通信面临的信号是时变信号，因此通常采用这种时域均衡法，来达到整个系统无码间串扰。随着码率的提高，时域均衡愈来愈复杂，研究热点逐步转入频域均衡。均衡器常被放在接收机的基带或中频部分实现二、均衡原理图3-8 均衡器的实现框图如果x (t )是原始基带号，f (t )是等效的基带冲激响应，即综合反映了发射机、信道和接

收机的射频、中频部分的总的传输特性，g (t )是发射机、信道、接收机的射频、中频部分和均衡器四者的等效冲激响应。均衡器的期望输出值为原始信息x (t )。假定n b (t )= 0，则g (t )必须满足下式： )()()()(t t h t f t g eq δ=?=-------（3-8）其频域表达式如下：1)()(=f F f H eq -------（3-9）式（3-9）的物理意义：将经过信道后的信号中频率衰落大的频谱部分进行增强，衰落小的部分进行削弱，以使所收到频谱的各部分衰落趋于平坦，相位趋于线性。均衡器实际上是传输信道的反向滤波器。由于理想基带传输系统是按Nyquist 第一准则建立，其发送和接收滤波的传输函数是以Nyquist 取样频率fs 为中心的对称滚降函数。所以理想信道的冲击响应是h(t)，非理想（失真）信道的冲击响应是f(t) ，见下图3-9。图3-9 信道失真和信道均衡 h （t ）为理想的冲激响应,在Nyquist 取样时刻，h （kTn ）=0（k ≠0）。 f （t ）在Nyquist 取样时刻，f （kTn ）≠0（k ≠0），从而形成码间串扰。时域均衡的目的就是使经过均衡器的总冲激响应趋近h （t ），以到达消除非理想信道引起的码间串扰。三、时域均衡原理若x(t)是均衡器接收信号的脉冲响应，而z(t)是经过均衡器输出的总脉冲响应，则有： ?-=t eq d t h x t z 0)()()(τττ=τττ?-t eq d h t x 0)()(

文档之家