针对同时同频全双工(Co-frequency and Co-time Full Duplex,CCFD)系统已有的数字域干扰对消方法收敛速度慢和对消比低的问题,本文提出了迭代变步长最小均方(Least Mean Square,LMS)算法,利用该算法实现了快速收敛的高对消比数字域干扰...针对同时同频全双工(Co-frequency and Co-time Full Duplex,CCFD)系统已有的数字域干扰对消方法收敛速度慢和对消比低的问题,本文提出了迭代变步长最小均方(Least Mean Square,LMS)算法,利用该算法实现了快速收敛的高对消比数字域干扰对消.首先,改进Logistic函数,缩短其函数值由大至小的变化区间,再利用该非线性函数计算随迭代次数变化的步长因子值,从而加快干扰对消的收敛速度,高精度递推估计自干扰信道参数,即获得高的对消比.最后,理论分析了该对消方法收敛性和计算复杂度,得到了稳态条件下对消比的闭合表达式.仿真表明,该方法与已有变步长LMS对消方法相比,对消比可增加6d B以上,收敛速度可提高1倍,与最小二乘信道估计干扰对消方法相比,对消比提高了至少10d B.展开更多
针对固定步长LMS(Least Mean Square)算法(FXSSLMS)不能同时满足快速收敛和小稳态失调误差的问题,该文提出了迭代变步长LMS算法(IVSSLMS)。与已有的变步长LMS算法(VSSLMS)不同,该算法的步长因子不再是由输出误差信号控制,而是建立了与...针对固定步长LMS(Least Mean Square)算法(FXSSLMS)不能同时满足快速收敛和小稳态失调误差的问题,该文提出了迭代变步长LMS算法(IVSSLMS)。与已有的变步长LMS算法(VSSLMS)不同,该算法的步长因子不再是由输出误差信号控制,而是建立了与迭代时间的改进Logistic函数非线性关系,克服了定步长算法收敛慢及已有变步长算法抗噪声干扰能力差的问题。最后从理论上分析了算法的性能,给出了其参数取值方法。理论分析和仿真均表明,所提算法能够在快速收敛情况下获得小的稳态失调误差,在有色噪声干扰下稳态失调误差比已有算法降低了约7 d B。展开更多
文摘针对同时同频全双工(Co-frequency and Co-time Full Duplex,CCFD)系统已有的数字域干扰对消方法收敛速度慢和对消比低的问题,本文提出了迭代变步长最小均方(Least Mean Square,LMS)算法,利用该算法实现了快速收敛的高对消比数字域干扰对消.首先,改进Logistic函数,缩短其函数值由大至小的变化区间,再利用该非线性函数计算随迭代次数变化的步长因子值,从而加快干扰对消的收敛速度,高精度递推估计自干扰信道参数,即获得高的对消比.最后,理论分析了该对消方法收敛性和计算复杂度,得到了稳态条件下对消比的闭合表达式.仿真表明,该方法与已有变步长LMS对消方法相比,对消比可增加6d B以上,收敛速度可提高1倍,与最小二乘信道估计干扰对消方法相比,对消比提高了至少10d B.
文摘针对固定步长LMS(Least Mean Square)算法(FXSSLMS)不能同时满足快速收敛和小稳态失调误差的问题,该文提出了迭代变步长LMS算法(IVSSLMS)。与已有的变步长LMS算法(VSSLMS)不同,该算法的步长因子不再是由输出误差信号控制,而是建立了与迭代时间的改进Logistic函数非线性关系,克服了定步长算法收敛慢及已有变步长算法抗噪声干扰能力差的问题。最后从理论上分析了算法的性能,给出了其参数取值方法。理论分析和仿真均表明,所提算法能够在快速收敛情况下获得小的稳态失调误差,在有色噪声干扰下稳态失调误差比已有算法降低了约7 d B。
