使用自正交演算法之盲目等化

Abstract

盲目等化器是一種不需訓練訊號(Training sequence)而能自行收斂之等化器,此種等化器在 很多情況下特別有用,例如有些時候訓練訊號 很難傳送或是會延遲一段很長的時間,這時傳統之等化器就受到很大之限制.使用盲目等化 器最大的缺點在於其收斂速度緩慢,這是由於 其使用LMS演算法所致,LMS使用隨機梯度( Stochastic gradient)的搜尋方式,因此其係數之調整 不一定往最佳之方向,這種現象在盲目等化器 中尤其明顯,本計畫即針對此問題,提出一有效 之改善方法,眾所週知,LMS演算法之收斂速度和 輸入向量之自相關矩陣之固有值分佈 (Eigenspread)有關,此分佈越小則收斂越快,基於此觀念 ,我們提出以自正交(Self- orthogonalization)演算法 來降低盲目等化器之固有值分佈,以增進其收 斂速度,使用此法,理論上固有值分佈可降至1, 換句話說,等化器將以其最快之速度收斂,同時 我們也將探討快速自正交演算法,以降低演算 之複雜度.