詳解matlab均衡演算法equalize

在matlab中，有乙個常用的均衡器物件來均衡基帶訊號,它就是equalize（）。

先來上乙個例子看看具體的功效唄；

原始碼1：

clc
close all
clear
% set up parameters.
m = 16; % alphabet size for modulation
sigconst = step(comm.rectangularqammodulator(m),(0:m-1)');
% signal constellation for 16-qam
chan = [1 0.45 0.3+0.2i]; % channel coefficients
hmod = comm.rectangularqammodulator(m); % qammodulator system object
% set up equalizers.
eqrls = lineareq(6, rls(0.99,0.1)); % create an rls equalizer object.
eqrls.sigconst = sigconst'; % set signal constellation.
eqrls.resetbeforefiltering = 0; % maintain continuity between iterations.
eqlms = lineareq(6, lms(0.003)); % create an lms equalizer object.
eqlms.sigconst = sigconst'; % set signal constellation.
eqlms.resetbeforefiltering = 0; % maintain continuity between iterations.
eq_current = eqrls; % point to rls for first iteration.
% main loop
for jj = 1:4
msg = randi([0 m-1],500,1); % random message
modmsg = step(hmod,msg); % modulate using 16-qam.
% set up training sequence for first iteration.
if jj == 1
ltr = 200; trainsig = modmsg(1:ltr);
else
% use decision-directed mode after first iteration.
ltr = 0; trainsig = ;
end% introduce channel distortion.
filtmsg = filter(chan,1,modmsg);
% equalize the received signal.
s = equalize(eq_current,filtmsg,trainsig);
% plot signals.
h = scatterplot(filtmsg(ltr+1:end),1,0,'bx'); hold on;
scatterplot(s(ltr+1:end),1,0,'g.',h);
scatterplot(sigconst,1,0,'k*',h);
legend('received signal','equalized signal','signal constellation');
title(['iteration #' num2str(jj) ' (' eq_current.algtype ')']);
hold off;
% switch from rls to lms after second iteration.
if jj == 2
eqlms.weightinputs = eq_current.weightinputs; % copy final inputs.
eqlms.weights = eq_current.weights; % copy final weights.
eq_current = eqlms; % make eq_current point to eqlms.
endend

結果如下圖，這是對乙個干擾較為嚴重的基帶訊號，經lms均衡後，有極佳的效果。

來吧，刨析一波這個equalize（）方法。

以下是matlab2018a中help的解釋：

首先，它的使用語法有：

y = equalize(eqobj,x)
y = equalize(eqobj,x,trainsig)
[y,yd] = equalize(...)
[y,yd,e] = equalize(...)

equalize方法用均衡器物件eqobj處理基帶訊號向量x，並返回均衡的訊號向量y 。

在程序結束時，eqobj包含更新的狀態資訊，如均衡器權重值和輸入緩衝值。若要構造eqobj，請使用lineareq或dfe函式，如自適應演算法中所述。

比如可以這樣寫：

eq_signal = equalize(lineareq(8, rls(0.99, 1e-2)),baseband_signal, training_signal);

其中上述training_signal是傳送端為被干擾的訊號，baseband_signal是接收端已被通道干擾，需要被均衡的訊號。

均衡器函式假定訊號x是按每個符號的nsamp取樣進行取樣的，其中nsamp是eqobj的nsamppersym屬性的值。對於cma以外的自適應演算法，均衡器使用由eqobj的sigconst屬性指定的檢測器在判決定向模式下進行自適應。均衡器的延遲為(eqobj.reftap-1)/eqobj.nsamppersym，如「來自均衡的延遲」中所述。

請注意，(eqobj.reftap-1)必須是nsamppersym的整數倍。對於分數間隔均衡器，抽頭在符號週期的分數處間隔。參考抽頭屬於訓練符號，因此必須與所有符號(即每個符號取樣的整數)重合。reftap=1對應於第乙個符號，eqobj.reftap=nsamppersym+1對應於第二個符號，依此類推。因此(eqobj.reftap-1)必須是nsamppersym的整數倍。

如果eqobj.resetbeforefilting為0，則equize在啟動均衡操作時使用eqobj中的現有狀態資訊。因此，equize(eqobj，[x1 x2])等價於[equize(eqobj，x1)equize(eqobj，x2)]。若要手動重置eqobj，請將重置功能應用於eqobj。

如果eqobj.resetbeforefilting為1，則在開始均衡操作之前，均衡重置eqobj，覆蓋eqobj中以前的任何狀態資訊。

y=equalize(eqobj，x，traing)最初使用訓練序列來調整均衡器。在對訓練序列進行處理後，均衡器在判決引導模式下自適應。traing的向量長度必須小於或等於長度(x)-(eqobj.reftap-1)/eqobj.nsamppersym。

[y，yd]=equalize(...)返回檢測到的資料符號的向量yd。

[y，yd，e]=equalize(...)返回錯誤計算中描述的錯誤計算的結果。對於cma以外的自適應演算法，e是y和參考訊號之間的誤差向量，其中參考訊號由訓練序列或檢測到的符號組成。

詳解matlab均衡演算法equalize

Nginx負載均衡配置及演算法詳解

負載均衡詳解（2）

Nginx負載均衡詳解

詳解matlab均衡演算法equalize

Nginx負載均衡配置及演算法詳解

負載均衡詳解（2）

Nginx負載均衡詳解

相關推薦