?

　　水下聲信道是一種十分復雜的時、空、頻變參隨機多途傳輸信道，自適應均衡可以充分地利用有限的帶寬，而成為水聲信號處理中強有力的方法。它的基本思想是：通過調(diào)整參數(shù)(權重)，使均衡器的頻率特性等于信道頻率特性的倒數(shù)，從而間接獲得信道的特性，以消除多途干擾[3]。由于均衡算法及均衡結構的不同，如何改進算法和結構以達到最佳均衡效果一直是均衡器研究的重點。本文針對水聲通信實際采集數(shù)據(jù)，比較傳統(tǒng)lms判決反饋均衡器及nlms判決反饋均衡器在實際信號處理方面的優(yōu)劣，調(diào)整均衡器參數(shù)，使整體性能達到最佳。

　　算法原理

　　自適應判決反饋均衡器原理

　　多數(shù)文獻提到水聲通信中，均衡器可以很好的解決碼間干擾的問題，但均衡器結構及均衡器算法一直是人們研究的問題，判決反饋均衡器原理如圖1所示?！　　　　　　　　　　?/p>

?

　　圖1 自適應判決反饋均衡器的原理框圖

　　圖中，假設濾波器的輸入信號矢量為xl(n)=[xl(n)xl(n-1)…xl(1)]t，期望信號為d(n)，濾波器的權矢量為wl(n)=[wl0(n)wl1(n)…wl(n-1)(n)]t，則前饋濾波器的輸出yl(n)為：yl(n)=xt(n)wl(n)，輸出后誤差信號為：e(n)=d(n)-yl(n)。此時均衡器輸出為y(n)=yl(n)-yq(n)，其中yq(n)為反饋濾波器輸出。

　　由圖可知，在濾波過程中，自適應濾波器計算其對輸入的響應，并且通過與期望響應比較，得到估計的誤差信號;在自適應過程中，估計的誤差信號又進入反饋濾波器，作為反饋濾波器的輸入信號，得出新的輸出，最終將兩個濾波器輸出結果的差值作為整個均衡器的輸出。一般采用估計誤差的均方值j=e[e2(n)]作為自適應濾波器的性能函數(shù)，并利用最速下降法(w(n+1)=w(n)-μ(n)，μ為收斂因子，用于調(diào)整自適應迭代的步長;(n)為性能函數(shù)的梯度)迭代尋找其極值;從幾何意義上來說，迭代調(diào)整權系數(shù)矢量的結果是使系統(tǒng)的均方誤差沿其梯度的反方向下降，并最終達到最小均方差jmin。

　　傳統(tǒng)lms算法及歸一化lms算法

　　及其對于平穩(wěn)過程，最小均方差(least mean square，lms)算法[4][5]是直接利用單次采樣數(shù)據(jù)獲得的e2(n)代替均方誤差j(n)，來進行梯度估計的。其算法流程如下：

　　(1)根據(jù)已知數(shù)據(jù)，期望信號d(n)和濾波器的輸入信號矢量x(n)=[x(n)x(n-1)…x(1)]t，設置收斂因子μ(0<μ

　　(2)初始化濾波器的權矢量w(0)=0(或由先驗知識確定)、泄漏因子γ(0<γ<1，通常取γ近似為1);

　　(3)對n=0,1,2…，計算濾波器輸出信號y(n)=xt(n)w(n)、誤差信號e(n)=d(n)-y(n)、以及濾波器權更新系數(shù)w(n+1)=w(n)+2μe(n)x(n);

　　(4)歸一化lms算法(nlms)在傳統(tǒng)lms算法權值更新上做了調(diào)整：w(n+1)=w(n)+2μe(n)x(n)/[x(n)×x(n)-1+β]，參數(shù)屬性與傳統(tǒng)lms算法相同，參數(shù)β為防止x(n)×x(n)-1過小權值更新失真而設置。