aa.m

lms算法的MATLAB仿真

% lms + dfe//最小均方误差，判决反馈结构
K         =5;%抽头数
K_BACK    =3;%反馈抽头数
actual_isi= [0.05 -0.063 0.088 -0.126 -0.25 0.9047 0.25 0 0.126 0.038 0.088];%ISI
 est_c     = zeros(1,2*K+1);%初始化系数
est_back  = zeros(1,K_BACK);%初始化反馈系数
delta     = 0.1;%步长
delta_back= 0.1;%
Num       = 4000;
mse       = [];

% 产生信息序列
info      = round(rand(1,Num));%随机序列
% 信道输出
channel_out = filter(actual_isi,1,info);%经fir滤波器后的信道输出
% 产生高斯白噪声
noise       = normrnd(0,0.02,1,length(channel_out));%均值为0，标准差为0.02的正态分布
% 叠加噪声
channel_out = channel_out + noise;%累加
data_len    = length(channel_out);%求序列长度
y_out_k     = zeros(K_BACK);%初始化
% 进行均衡**************************************************************
for k=2:data_len-2*K
   y_k      = channel_out(k:k+2*K);
   y_temp   = y_out_k(2:K_BACK);
   y_out_k  = [info(k) y_temp];
   % 得到均衡之后的数据*************************************************
   z_k      = est_c * y_k';
   z_temp   = est_back * y_out_k'; 
   z_k      = z_k + z_temp;
   % 得到误差**********************************************************
   e_k      = info(k) - z_k; 
   % 更新均衡的系数****************************************************
   est_c  = est_c + delta*e_k*y_k;
   est_back=est_back + delta_back*e_k*y_out_k;
   mse    = [mse abs(e_k)];
end;%程序结束************************************************************
figure;
plot(mse);%画图
grid on;%方格