一种理想判决加权时变步长RLS方法

摘要

本发明提供了一种理想判决加权时变步长RLS方法，这些方法采用时变步长改善了算法的收敛速度并快速获得最佳滤波器权系数、采用理想判决加权以维持硬判决误差和信道噪声的鲁棒性，这些技术的运用获得了一种比现有递归最小二乘技术收敛速度更快、估计精度更高的自适应盲估计方法。本发明实现容易，不仅能用于OFDM、CDMA、TDMA等通信系统中，而且可用于涉及通信、通信、地震勘探、声纳、图像处理、计算机视觉、生物医学工程、振动工程、雷达、遥控遥测、航天等多种领域的特征参数估计。本发明的思想仍可用于所有的RLS算法以及其衍生算法和装置中。

主权项

1、本发明涉及一种理想判决加权时变步长RLS方法，其特征在于包括如下步骤：步骤1设定参数μ₀、a、b的值，其中，α_n为非线性时变参数，计算出时变的步长矩阵μ_n。μ_n＝α_n×μ₀    (1) ${\alpha }_n=C^{\frac{1}{1+{\mathrm{an}}^b}}---\left(2\right)$步骤2假设有精确的判决误差信息，这样可以利用该信息作为RLS方法判决的加权系数。该系数将使噪声和判决错误产生的影响降低。假设θ_i和φ_i分别是软判决和硬判决时的解调处理过程中的幅角，定义p_i为反映软判决和硬判决之间差异的在[0，1]之间的归一化值，有： $p_i=1-\frac{|{\phi }_i-{\theta }_i|}{\pi /S}---\left(3\right)$其中，S是可供选择的符号数目。由于信道可以表示为多个时延的抽头延时，假设传输数据表示为u(n)，x(n)为检测传输数据的输出结果，所以有：u(n)＝[u(n)，u(n-1)，...，u(n-M+1)]^T    (4)X(n)＝[x(n)，x(n-1)，...，x(n-M+1)]^T    (5)相应地，在时刻n的权重需要反映过去M个判决的精确性。于是，该可能的权重的集合为：a_n＝p_np_n-1…p_n-M+1    (6)步骤3设定参数λ的值，计算出更新矩阵H_n。H_n＝λH_n-1+a_nX(n)X^T(n)    (7)且：步骤6设定参数β₀的值，计算出误差矩阵e(n)。其中： $e\left(n\right)=Y\left(n\right)-X{\left(n\right)}^T{\hat{\beta }}_{n-1}---\left(9\right)$步骤7通过循环迭代，估计出信道特征参数 ${\hat{\beta }}_n={\hat{\beta }}_{n-1}+{\mu }_n{a}_n{H}_n^{-1}X\left(n\right)e\left(n\right).---\left(10\right)$