Exponenta Banner
exponenta event banner

Сравнение алгоритмов RLS и LMS

Открыть сценарий в реальном времени

Выравнивание сигнала КАМ, проходящего по частотно-избирательному каналу замирания, с использованием алгоритмов RLS и LMS. Сравните производительность двух алгоритмов.

Укажите порядок модуляции. Создайте соответствующее опорное созвездие QAM.

M = 16; 
sigConst = qammod(0:M-1,M,'UnitAveragePower',true);

Создайте частотно-избирательный статический канал с тремя отводами.

rchan = comm.RayleighChannel('SampleRate',1000, ...
    'PathDelays',[0 1e-3 2e-3],'AveragePathGains',[0 -3 -6], ...
    'MaximumDopplerShift',0, ...
    'RandomStream','mt19937ar with seed','Seed',73);

Эквалайзер RLS

Создайте объект эквалайзера RLS.

eqrls = lineareq(6,rls(0.99,0.1)); 
eqrls.SigConst = sigConst; 
eqrls.ResetBeforeFiltering = 0;

Генерировать и КАМ модулировать случайную обучающую последовательность. Пропустите последовательность через канал замирания Рэлея. Пропустите принятый сигнал и обучающий сигнал через эквалайзер для установки весов отводов эквалайзера.

trainData = randi([0 M-1],200,1);
trainSig = qammod(trainData,M,'UnitAveragePower',true);
rxSig = rchan(trainSig);
[~,~,errorSig] = equalize(eqrls,rxSig,trainSig);

Постройте график величины оценки ошибки. 

plot(abs(errorSig))
title('Error Estimate, RLS Equalizer')
xlabel('Symbols')
ylabel('Amplitude')

Ошибка почти устранена в пределах 200 символов.

Передача сигнала КАМ по частотно-избирательному каналу. Выравнивание принятого сигнала с помощью ранее «обученного» эквалайзера RLS. Измерьте время, необходимое для выполнения цикла обработки.

tic
for k = 1:20
   data = randi([0 M-1],1000,1); % Random message
   txSig = qammod(data,M,'UnitAveragePower',true);

   % Introduce channel distortion.
   rxSig = rchan(txSig);

   % Equalize the received signal.
   eqSig = equalize(eqrls,rxSig);

end
rlstime = toc;

Постройте график созвездия принятых и выровненных сигналов. 

h = scatterplot(rxSig,1,0,'c.');
hold on
scatterplot(eqSig,1,0,'b.',h)
legend('Received Signal','Equalized Signal')
title('RLS Equalizer')
hold off

Эквалайзер удалил эффекты замирания канала.

Эквалайзер LMS

Повторите процесс выравнивания с помощью эквалайзера LMS. Создайте объект эквалайзера LMS.

eqlms = lineareq(6,lms(0.03)); 
eqlms.SigConst = sigConst; 
eqlms.ResetBeforeFiltering = 0;

Выполните обучение эквалайзера СКТ.

trainData = randi([0 M-1],1000,1);
trainSig = qammod(trainData,M,'UnitAveragePower',true);
rxSig = rchan(trainSig);
[~,~,errorSig] = equalize(eqlms,rxSig,trainSig);

Постройте график величины оценки ошибки. 

plot(abs(errorSig))
title('Error Estimate, LMS Equalizer')
xlabel('Symbols')
ylabel('Amplitude')

Для обучения эквалайзера LMS требуется 1000 символов.

Передача сигнала КАМ по тому же частотно-избирательному каналу. Выравнивание принятого сигнала с помощью ранее «обученного» эквалайзера LMS. Измерьте время, необходимое для выполнения цикла обработки.

tic
for k = 1:20
   data = randi([0 M-1],1000,1); % Random message
   txSig = qammod(data,M,'UnitAveragePower',true);

   % Introduce channel distortion.
   rxSig = rchan(txSig);

   % Equalize the received signal.
   eqSig = equalize(eqlms,rxSig);

end
lmstime = toc;

Постройте график созвездия принятых и выровненных сигналов. 

h = scatterplot(rxSig,1,0,'c.');
hold on
scatterplot(eqSig,1,0,'b.',h)
legend('Received Signal','Equalized Signal')
title('LMS Equalizer')

Эквалайзер удаляет эффекты канала замирания.

Сравните время выполнения цикла для двух алгоритмов эквалайзера.

[rlstime lmstime]

Алгоритм LMS является более эффективным в вычислительном отношении, поскольку для выполнения цикла обработки требуется 50% времени. Однако тренировочная последовательность, требуемая алгоритмом LMS, в 5 раз длиннее.

Документация по инструментам связи

Поддержка