![](https://csdnimg.cn/release/download_crawler_static/19105576/bg1.jpg)
2006 年 8 月
第29卷 第4期
北京邮电大学学报
Jo urna l of Be ijin g U nive rsity of Po sts an d Te le co m m u ni catio n s
Aug
.2 0 0 6
Vol
.2 9
No
.4
文章编号 :1007-5321(2006)04-0036-05
多径信道的自适应估计
王东昱 , 张 欣 , 杨大成
(北京邮电大学 无线通信中心 ,北 京 100876)
摘要 :为降低迭代型最小均方噪声抑制(
RLM
)算法的复杂度 ,对脉冲噪声抑制函数 ρ(·)进行了改进 ,通过理论分
析证明了改进后的算法仍然满足线性方程关系 ;同时还对 ρ(·)中的关键阈值参数 ξ与Δ进行了估计 ,并将改进后
的
RLM
算法应用于对时变快衰信道冲激响应矢量的估计中 .仿真结果显示 ,与标准的迭代型最小均方(
RLS
)算法
相比 ,改进后的
RLM
算法抗大脉冲干扰的能力增强 ,可以在出现大脉冲干扰的情况下使信道冲激响应矢量快速
收敛 .
关 键 词 :迭代型最小均方噪声抑制算法 ;代价函数 ;遗忘因子 ;
Kalman
增益 ;自回归模型
中图分类号 :
TN
914.53 文献标识码 :
A
A Modified RLM Algorithm for Evaluating the Impulse
Response in Fast Fading Channel
WANG Dong
-
yu
,
ZHANG Xin
,
YANG Da
-
cheng
(
BUPT
-
Qualcomm Research Center
,
B eijing Uni v e rsity o f Posts and Telec o mmuni cat ions
,
Beiji ng
100876 ,
China
)
Abstract
:
In ord er to reduce the c omplexity of the recursive lease m
-
estimate
(
RL M
)
algorithm
,
Th e
impulse noise suppression function
ρ(·)
is modi fie d
.
The a nalysi s prove s that the modifi ed a l go ri th m
still m ee ts the li n ear equati o n
.
In a ddition
,
the method of estimating the key threshold
ξ
and
Δ
in
function
ρ(·)
is p rovided
,
a nd the m odi fied RLM al gor ith m to es tim ate the im p ul s e re spo ns e v e cto r in
the time
-
v ary ing f a din g ch ann e l is a p pli ed
.
The simulatio n res ults s ho w tha t the m o difie d RLM al g o
-
rithm is more robust against consecutive impulse no ise and has better con vergence ability than conven
-
tio n a l re c ursi v e l e a se s qu ar e
(
RLS
).
Key words
:
re c u rs iv e lea se m
-
estimate algorithm
;
cost fun ction
;
forgetting factor
;
Kalman gain
;
auto
-
re gr e ssi v e mo de l
收稿日期 :2005-07-14
作者简介 :王东昱(1974—) , 男 ,博 士生 ,
E
-
ma il
:
luck
7891 @ 163 .
com
.
在无线通信中 ,时变快衰信道会对通信质量产
生严重的影响 ,因此采用自适应滤波算法对信道质
量进行快速估计是一种十分有效的方法
[1-2]
.目前
比较常用的是线性自适应滤波算法 ,但由于其不能
有效地抑制幅度突然增大的脉冲噪声 ,会导致系统
性能的严重恶化 .因此提出了一些非线性滤波算法
以降低脉冲噪声的严重干扰 ,其中具有代表性的 2
种算法是自适应阈值非线性算法和非线性
RLS
算
法
[3-4]
.此外 ,具有噪声抑制功能的线性算法
[5]
还具
有良好的收敛性能 . 将
RL M
算法中的代价函数进
一步改进 ,可使估计运算中的复杂度降低 ,并在大脉
冲干扰的情况下使估值迅速收敛 ;由于算法中的方
程满足线性关系 ,从而在进行递推运算中的复杂度
低于非线性算法
.