用MATLAB实现自适应均衡器的原理展示

用matlab实现自适应均衡器的原理展示 西北师范大学物理与电子工程学院2009届学生毕业论文 毕 业 论 文题 目： 用MATLAB实现自适应均衡器的原理展示学 院： 物理与电子工程学院 专 业： 电子信息工程 毕业年限： 2009届 学生姓名： 宣菲菲 学 号： 200572020137 指导教师： 白晓娟 目 录摘要:4关键词4Abstract4引言61MATLAB概述71.1 MATLAB简介71.2 MATLAB系统的组成81.3 MATLAB的特点82.自适应均衡器技术的应用92.1自适应滤波在信号处理中的应用92.2系统辨识或系统建模92.3自适应噪声对消器102.4自适应信道均衡器103.自适应均衡器原理113.1均衡技术113.1.1 均衡的分类113.1.2 时域均衡的分类及实现113.1.3 时域均衡的原理113.2基本自适应算法143.2.1递归最小二乘法143.2.2最小均方算法（LMS）153.2.3迫零调整算法154.界面154.1图形对象154.2图形对象句柄164.3界面设置及显示164.3.1界面设置164.3.2界面显示175.运行结果195.1运行步骤195.2运行结果比较225.2.1误差比较225.2.2输出序列比较235.2.3误码率比较246.工作流程图25总结26致谢26参考文献27附录（主程序）28用MATLAB实现自适应均衡器的原理展示学生姓名：宣菲菲 指导老师姓名：白晓娟 学生届别：2009 专业：电子信息工程 班级：05级（1）班 学号：200572020137摘要:在数字基带传输系统中发送和接收滤波器，由于实际信道特性不可能达到理想的传输特性，并且发送和接收滤波器也不可能完全实现理想的最佳特性。因此，系统码间串扰总是存在的。理论和实践证明，在接收端抽样判决器之前插入一种可调滤波器，将能减少码间串扰的影响，甚至是实际系统的性能十分接近最佳系统性能。在此理论基础上，利用最小二乘法设计了一个抽头系数为8的滤波器并得到最佳的抽头系数，使包括均衡器在内的整个传输系统的冲激响应满足无码间干扰条件，整个设计借助于MATLAB强大的系统工具实现了对信道对自适应均衡的原理展示。关键词时域均衡 误码率 码间串扰 最佳抽头系数 最小二乘算法AbstractIn the digital base-band transmission systems to send and receive filter characteristics as a result of the actual channel of transmission can not achieve the desired characteristics, and send and receive filters can not fully achieve the best characteristics of an ideal. Therefore, the system code there is always the crosstalk between the theory and practice has proved that the sample receiving end in the prior decision to insert a variable filter, will be able to reduce the impact of crosstalk between the codes, or even the actual performance of the system is very close to the best system performance, this is the adaptive equalizer. In this theory basis, using least-square method for designing a tap coefficient of filter and get the best tap coefficient, which includes the transmission system of equalizer the impulse response meets no interference between conditions, the design of the system by MATLAB powerful tools to achieve the balance of channel of the principle of adaptive.Keywords:Time-domain equilibrium , ber , Cross talk between code,The best tap coefficient,The least-square method.引言在现代社会中，计算机通信的快速发展要求提高数据传输系统的数据传输率。在有线传输系统中，当数据高于4800bit/s时，就需采用自适应均衡器。由于有线信道的传输特性不是理想的，其幅频响应与相频响应分别是非恒定和线性的，而且随着气候、气温等因素而变化，因此需要用自适应均衡器来补偿信道参数变化所引起的畸变，以减少误码。在数字微波接力通信系统，由多径传输所引起的码间干扰，也必须采用自适应均衡技术来克服它。通常在短波传输系统中，当传输率高于100bit/s时，就需要采用均衡器了。自适应信号处理是信息科学中信号与信息处理学科的一个重要的分支学科。自适应滤波理论和技术是统计信号处理和非平稳随机信号处理的主要内容，它具有维纳滤波和卡尔曼滤波的最佳滤波性能，但不需要先验知识的初始条件，它是通过自学习来适应外部自然随机环境的，因而自适应滤波器可以用来检测确定性信号，也可以检测平稳的或非平稳的随机过程。从理论上讲，利用自适应均衡器与变换域算法可以从宽带噪声干扰中提取被淹没的宽带信号，使用并联形式的自适应递归滤波器进行自适应噪声抵消，可以得到较高的性能。信道均衡实质上就是要抵消多径干扰所引起的码间干扰。在数字蜂窝移动通信系统中，码间干扰更为严重，采用自适应判决反馈均衡器（ADFE）有可能改进传输性能，但由于信道模型复杂，要得到好的快速变信道均衡，还有不少问题。自适应均衡器是在自适应滤波理论基础上建立起来的，包括非线性动力学神经网络滤波理论。我们呀考虑到信道的时变特性和非线性，应用某种准则的自适应算法对均衡器参数随着信号和信道的变化作相应的调整。从自适应均衡器参数与接收信号的关系来看，大体上可分为线性均衡器与非线性均衡器。其中非线性均衡器按照功能和结构则可分为非递归均衡器和递归均衡器，以及神经智能均衡器。自适应信号处理技术在雷达、通信、声纳、图像处理、计算机视觉、地震勘探、生物医学工程、振动工程等领域有着及其重要的应用。目前这门学科仍在继续向纵深方向迅速发展，特别是盲目自适应信号处理和利用神经网络进行的非线性自适应信号处理，对于实现智能信息处理系统，有着及其美好的应用前景。1MATLAB概述1.1 MATLAB简介MATLAB是一种高效的工程计算语言，它将计算、可视化和编程等功能集于一个易于使用的环境。在MATLAB环境中描述问题及编制求解问题的程序时，用户可以按照符合人们的科学思维的方式和数学表达习惯的语言形式来书写程序。其典型应用主要包括以下几个方面：（1）数学计算（2）算法开发（3）数据采集（4）系统建模和仿真（5）数据分析和可视化（6）科学计算和工程绘图（7）应用软件开发（包括用户界面）MATLAB是一个交互式系统（写程序和执行命令同步），其基本的数据元素是没有维数限制的阵列。这使得用户可以解决许多工程技术的问题，特别是那些包含矩阵和向量的公式计算。采用MATLAB编制解决上述问题的程序比采用只支持标量和交互式的编程语言（如C语言和Fortan）更加方便。MATLAB这个词代表“矩阵实验室”(MATrix LABoratory)，它是以线性代数软件包LINPACK和特征值计算软件包EISPACK中的子程序为基础发展起来的一种开放型程序设计语言。20世纪80年代初期，Cleve Moler和John Litte 采用C语言改写了MATLAB的内核，不久他们便成立了Mathworks软件开发公司，并将MATLAB推向市场。历经十几年的发展和竞争，MATLAB成为国际认可的最优化的科技应用软件。在大学里，他应用于高等数学、自然科学和过程学的标准教学工具；在工业界，他是一个高效的研究和开发工具。随着科技的发展，许多优秀的工程师不断对MATLAB进行了完善，使其从简单的矩阵分析软件逐渐发展成为一个具有极高通用性，并带有众多实用工具的运算操作平台。1.2 MATLAB系统的组成MATLAB的一个重要特色就是他有一套程序扩展系统和一组称之为工具箱的特殊应用子程序。工具箱是MATLAB函数的子程序库，每一个工具箱都是为某一类学科专业和应用而定制的，主要包括信号处理、控制系统、神经网络、模糊逻辑、小波分析和系统仿真等方面的应用。MATLAB系统主要由以下5个主要部分组成，下面具体进行介绍。（1)开发环境：由一系列工具组成。这些工具方便用户使用MATLAB的函数和文件，其中许工具采用的是图形用户界面。包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。（2)MATLAB数学函数库：这是一个包含大量计算算法的集合，这些函数包括从最简单最基本的函数到诸如矩阵，特征向量、快速傅立叶变换的复杂函数。（3)MATLAB语言：这是一个高级的矩阵阵列语言，它包含控制语句、函数、数据结构、输入和输出和面向对象编程特点。用户可以在命令窗口中将输入语句与执行命令同步，也可以先编写好一个较大的复杂的应用程序(M文件)后再一起运行。（4)图象处理：用MATLAB可以将向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。高层次的做图包括二维和三维的可视化、图象处理、动画和表达式作图。低层次的作图定制图形的显示和为用户的MATLAB应用程序建立的图形用户界面。（5)MATLAB应用程序接口(API):这是一个库，它允许用户编写可以和MATLAB进行交互的C语言程序。1.3 MATLAB的特点MATLAB具有用法简单、灵活、结构性强、延展性好等优点，已经逐渐成为科技计算、视图交互系统和程序中的首选语言工具。特别是它在线性代数、数理统计、自动控制、数字信号处理、动态系统仿真等方面表现突出，已经成为科研工作人员和工程技术人员进行科学研究和生产实践的有利武器。MATLAB具有以下几个特点：（1）功能强大的数值运算功能（2）强大的图形处理能力（3）高级但简单的程序环境（4）丰富的工具箱（5）可与 C、C+ 等语言结合，提供强大高级语言接口功能，使得程序开发更方便。MATLAB本身就是一个方便学习的程序语言。MATLAB提供互动且丰富的帮助功能，让使用者现学现卖。强大的功能，简单的操作，非常容易学习特点，可以最有效的缩短研发时间。2.自适应均衡器技术的应用2.1自适应滤波在信号处理中的应用自适应滤波器的各种应用在很多文献中都有介绍，一些重要的应用包括：（1）系统建模，其中自适应滤波器作为估计未知系统特性的模型。（2）自适应噪声对消器，其中自适应滤波器用于估计并对消期望信号中的噪声分量；（3）数字通信接收机，其中自适应滤波器用于信道识别并提供码间串扰的均衡器；（4）自适应天线系统，其中自适应滤波器用于波束方向控制，并可在波束方向图上提供一个零点以便消除不希望的干扰。2.2系统辨识或系统建模所谓系统辨识，实质上是根据系统的输入和输出信号来估计或确定系统的特性以及系统的单位脉冲响应或传递函数。系统建模是一个非常广泛的概念，在控制、通信和信号处理等领域里都有重要意义。实际上，系统辨识和建模不仅局限于传统的工程领域，而且可以用来研究社会系统、经济系统和生物系统等。本节只讨论通信和信号处理中的系统辨识和建模问题。采用滤波器作为通信信道的模型，并利用自适应系统辨识的方法对通信信道进行辨识，从而可以进一步地对通信信道进行均衡处理。 模型建立的过程通常分为三步：（1）选择模型的结构和阶次； （2）估计模型的参数；（4）验证模型的性能是否满足要求，如果不满足要求，回到第（1）步重新设2.3自适应噪声对消器在通信和其他许多信号处理应用问题中，接收的信号中往往伴随着干扰和噪声，影响接收信号的可靠性，导致误码率的上升。自适应信号处理就是利用最优滤波器将受到噪声和干扰污染的信号中估计、检测或恢复出原始信号，例如经典的维纳滤波器和卡尔曼滤波器。最优滤波器可以是固定的，也可以是自适应的，其中设计固定滤波器依赖于信号和噪声的先验统计知识，而自适应滤波器则不需要或只需很少有关信号噪声的统计先验知识。自适应噪声抵消(ANC)系统是自适应最优滤波器的一种变形，它是于1965年由美国斯坦福大学最先研究成功的。自适应噪声抵消的基本原理是将被噪声污染的信号与参考信号进行抵消运算，从而消除带噪信号中的噪声。其关键问题是自适应噪声抵消系统的参考信号一定要与待消除的噪声具有一定相关性，而与要检测或提取的信号不相关。一般来说，从接收信号中减去噪声似乎是很危险的，极有可能会导致噪声不仅不能被消除，反而会消弱有用信号。但是，自适应噪声抵消系统经过自适应系统的控制和调整，能够有效地从噪声中恢复出原始信号。2.4自适应信道均衡器在数字基带传输系统中发送和接收滤波器，由于实际信道特性不可能达到理想的传输特性，并且发送和接收滤波器也不可能完全实现理想的最佳特性。因此，系统码间串扰总是存在的。理论和实践证明，在接收端抽样判决器之前插入一种可调滤波器，将能减少码间串扰的影响，甚至是实际系统的性能十分接近最佳系统性能。这种对系统进行校正的过程成为均衡，实现均衡的滤波器称为均衡器。因为很多数字通信系统的信道(例如无线移动通信信道)特性是未知和时变的，要求接收端的均衡器必须具有自适应的能力。所以，均衡器可以采用自适应信号处理的相关算法，以实现高性能的信道均衡，这类均衡器称为自适应均衡器。3.自适应均衡器原理3.1均衡技术3.1.1 均衡的分类广义上讲，“均衡”是指任何消除或减少码间干扰的信号处理或滤波技术。均衡根据通信系统中的一项重要技术，分为两种方式：频域均衡和时域均衡。（1）频域均衡是利用可调滤波器的频率特性来弥补实际信道的幅频特性和群延时特性，使包括均衡器在内的整个系统的总频率特性满足无码间干扰传输条件。（2）时域均衡是直接从时间响应角度考虑，使包括均衡器在内的整个传输系统的冲激响应满足无码间干扰条件。频域均衡满足奈奎斯特整形定理的要求，仅在判决点满足无码间干扰的条件相对宽松一些。所以，在数字通信中一般采用时域均衡。3.1.2 时域均衡的分类及实现时域均衡器可以分两大类：线性均衡器和非线性均衡器。如果接收机中判决的结果经过反馈用于均衡器的参数调整，则为非线性均衡器；反之，则为线性均衡器。均衡器的结构可分为横向和格型等。时域均衡的实现有很多种方法，但是从实现的原理上看，时域均衡器按调整方式可分为手动均衡和自动均衡。自动均衡又分为预置式自动均衡和自适应式自动均衡。预置式均衡是在实际传输之前先传输预先规定的测试脉冲，然后自动或手动调整抽头增益；自适应式均衡技术主要靠先进的均衡算法实现，3.1.3 时域均衡的原理时域均衡是一种能使数字基带系统中码间串扰减少到最小成都的行之有效的技术，比较直观且易于理解。在图1的基带传输系统中，其总传输特性表示为H()=GT()C()GR() （式3.1）当H(w)不满足奈奎斯特第一准则(无码间串扰条件): H(+2i/TS)=TS(或常数) | | /TS H（）= 0 | | /TS （ 式3.2）时，就会形成有码间串扰的响应波形。为此，在接受滤波器GR()之后插入一个称之为横向滤波器的可调滤波器T(),形成新的总传输函数H()H()= =GT()C()GR()T() = H()T() （式3.3）码型变换相乘器发送滤波器GT()信道C()接受滤波器GR()码反变换器抽样判决器图1 基带传输系统模型dnand(t)TS(t)d(t)y(t)andn显然，只要设计T()，使总传输特性H() 满足无码间串扰条件，即H(+2i/TS)=TS(或常数) | | /TS （式3.4）则包含T()在内的H()就可以在抽样时刻消除码间串扰。这就是时域均衡的基本思想。对于奈奎斯特第一准则，因为H(+2i/TS) =H(+2i/TS) T(+2i/TS) | | /TS（式3.5）设T(+2i/TS)是以2/TS为周期的周期函数，当其在（-/TS，/TS）内有T()= TS /H(+2i/TS) | | /TS（式3.6）成立时，就能使H(+2i/TS)=TS(或常数) | | /TS（式3.7）成立。对于一个以2/T为周期的周期函数，可以用傅里叶级数表示 ,即T()= cne-jnTsw（式3.8）式中cn=TS/2T() e-jnTswd（式3.9）由上式看出，T()的傅里叶系数cn完全是由H()决定。再对T()= cne-jnTsw进行傅里叶反变换，则可求出T()的冲激响应为hT(t)=F-1T()= cn(t-nT)（式3.10）根据上式，可构造实现T(的插入滤波器，它实际上是由无限多个横向滤波器排列的延迟单元构成的抽头延迟线加上一些可变增益放大器组成，因此称为横向滤波器。每个延迟单元的延迟时间等于码元宽度TS，每个抽头的输出经可变增益（增益可正可负）放大器加权后输出。这样，当有码间串扰的波形x(t)输入时，经横向滤波器变换，相加器将输出无码间串扰波形y(t)。TssTssTssTssTssTssTssTssx(t)有码间串扰+图2 8抽头横向滤波器的结构图无码间串扰y(t)=x(t)*hT(t)上述分析表明，借助横向滤波器实现均衡时可能的，并且只要用无限长的横向滤波器，就能做到消除码间串扰的影响。然而，使横向滤波器的抽头无限多是不现实的，大多数情况下也是不必要的。因为实际信道往往仅是一个码元脉冲波形对邻近的少数几个码元产生串扰，抽头数太多会给制造和使用都带来困难，所以设计了一个八抽头的滤波器如图2所示。3.2基本自适应算法 预置式自动均衡按照“迫零调整原理”自动或手动调整抽头增益；自适应式均衡常用的算法主要有“迫零调整算法”、“最小均方误差算法（LMS）”和“递归最小二乘法”等。3.2.1递归最小二乘法最小二乘法是一种对未知方程的最近似求取方法。通常是实验得到若干数据后，带入并用此种方法得到与实验结果最接近的方程。得到的方程与所有数据将有误差平方的和最小。最小二乘算法是一种数学优化技术，它通过最小化误差的平方和找到一组数据的最佳函数匹配。也就是是用最简的方法求得一些绝对不可知的真值，而令误差平方之和为最小。 3.2.2最小均方算法（LMS）1959年，Widrow和Hof提出的最小均方(LMS )算法对自适应技术的发展起了极 大的作用。由于LMS算法简单和易于实现，它至今仍被广泛应用。对LMS算法的性能 和改进算法已经做了相当多的研究，并且至今仍是一个重要的研究课题。进一步的研究工作涉及这种算法在非平稳、相关输入时的性能研究。当输入相关矩阵的特征值分散时， LMS算法的收敛性变差，研究的另一个方面在于如何解决步长大小与失调量之间的矛盾。全称 Least mean square3.2.3迫零调整算法在迫零调整算法中，为使信道系统与均衡器集合恰的冲击响应，只在要接受码元的抽样值最大，而其相邻时刻的串扰均为0。信道冲击响应的矩阵和抽头系数两个矩阵相乘，得到h矩阵，h0=1，其他全为0，然后对冲击响应矩阵求逆，就可以得出抽头系数矩阵。4.界面4.1图形对象MATLAB把构成图形的各个基本要素称为图形对象，系统将每一个对象按树形结构组织起来，如图3所示图3 图形对象的树形结构计算机屏幕图形窗口用户菜单坐标抽用户控件曲面文字曲线图像光源方框区域块每个图形对象都可以被独立地造作。在MATLAB中，每一个具体的图形都是由若干个不同的图形对象组成。每个具体图形不一定包含全部对象，但是必须有计算机屏幕和图形窗口对象。4.2图形对象句柄MATLAB在创建每一个图形对象时，都为该对象分配唯一的一个值，称为图形对象句柄（Handle）。句柄是图形对象的唯一标示符，不同对象的句柄不可能重复和混淆。计算机屏幕作为根对象由系统自动建立，其句柄值为0，而图形窗口对象的句柄值为一正整数，并显示在该窗口的标题栏，其他图形对象的句柄为浮点数。常用的获取图形对象句柄的函数有：(1) gcf 获取当前图形窗口的句柄（Get Current Figure）(2) gca 获取当前坐标轴的句柄(Get Current Axis)(3) gco 获取最近被选中的图形对象的句柄（Get Current Object）(4) findodj 按照指定的属性来获取图形对象的句柄4.3界面设置及显示4.3.1界面设置建立图形窗口对象使用figure函数，其调用格式为：句柄变量=figure（属性名1，属性值1，属性名2，属性值2，）MATLAB通过对属性的操作来改变图形窗口的形式。也可以使用figure函数按MATLAB的默认的属性值建立图像窗口，格式为：figure 或 句柄变量= figure界面主要是用句柄图像完成的，并添加了菜单，对图形窗口中的控件采用Callback属性的回调函数命令来实现整个设计的功能。4.3.2界面显示（1）、主界面（2）程序显示界面（3）系统说明（4）帮助5.运行结果5.1运行步骤（1）在N，LC，ns文本框中输入数字（N为整数），回车，得到信道输出波形、误码率BER1和信道频谱图。这是前9个脉冲（总共63个脉冲）信道输出波形信道的频谱图为信道输出后的误码率BER1为（2）开始训练。在键盘上敲击T键，进行训练。每敲击一次进入一个抽样值，直到滤波器系数收敛到最佳值，同时输出误差波形和均衡器输出序列。在所给信道条件下，滤波器系数的最佳值的图形为：最佳抽头系数值误差波形均衡器的输出波形（3)改变信道参数，使N=1，LC=2，ns=0.1，按回车键，原训练脉冲经过信道之后的波形（4）训练完成后，在键盘上敲击C键，自动保留最佳的滤波器系数值，清除误差波形和均衡器输出序列。 （5）敲击键盘上的N键，自动输入用户数据（本设计中的失真波形），根据最佳系数，得到均衡器的输出序列和误差波形，同时计算得出此时的误码率。误差波形均衡器的输出波形 此时的误码率BER2为：（5）在图形界面中点击“Reset”键，恢复初始状态，再次进行训练。（6）在图形界面中点击“Close”键，关闭图形界面。5.2运行结果比较5.2.1误差比较训练过程中误差的变化：（1-9,共63）训练结束后，根据最佳滤波器系数得到的误差的变化：（1-9,共63）5.2.2输出序列比较训练过程中的均衡器的输出值与原始采样序列的比较：根据最佳滤波器系数得到的均衡器的输出值与原始采样序列的比较：5.2.3误码率比较图形界面中还显示了两次输出的误码率，分别为：BER1（信道输出后的误码率）BER2（经过自适应均衡器调整之后的误码率）。6.工作流程图总结在自适应均衡器的设计过程中我感觉满意的主要有：（1）这是我与别人合作完成的设计。虽然在设计过程中参考了书目，也有与同学讨论问题，但总体来说自己完成了一定的工作。（2）对均衡的效果，我也感觉满意。在我设计的均衡器中，对输入波形，通过信道的波形以及均衡后的波形进行对比，达到了均衡的效果。（3）界面的整体布局。在界面的分布方面我花了很多精力去做，通过这次课设，我自己感觉到有一定的收获：（1）巩固了所学知识。（2）学会了如何查找资料。安排为查找资料时间，通过一定的搜寻，我知道了在哪里能找到想要的资料，用什么办法能更快找到想要的资料（3）养成了独立思考和解决问题的能力总体来说，这次论文还是成功的，基本达到了预定的要求和目的。致谢本论文的完成，离不开学校、老师、同学的关心和帮助。在此首先诚挚的感谢学校给予图书馆丰富的藏书，感谢指导老师白老师，白老师在有关论文的大体思想上给了我正确的方向，使我获益匪浅。另外感谢杨亮同学的合作，感谢同学们提供资料，如果没有他们的帮助和支持是没有办法完成我的毕业设计的，再次，谨以此文献给你们。参考文献【1】沈福民. 自适应信号处理M. 西安电子科技大学出版社【2】蒋青,于秀兰. 通信原理M. 人民邮电出版社【3】刘卫国. MATLAB程序设计与应用（第二版）M. 高等教育出版社【4】唐向宏，岳恒立，郑雪峰MATLAB及在电子信息课程中的应用M电子工业出版社，2006【5】苏金明，阮沈勇MATLAB实用指南M电子工业出版社，2002【6】导向科技编著MATLAB6.0程序设计与实例应用M. 中国铁道出版社，2001【7】樊昌信.通信原理(第5版)M.国防工业出版社【8】王沫然MATLAB6.0与科学计算M电子工业出版社，2001附录（主程序）function eqlz(action)switch actioncase init p,t,pn,pm,tm,ndex=channelpulse(1,0,0); hl=findobj(tag,origpulses); set(hl,xdata,t,ydata,p); hn=findobj(tag,n); set(hn,string,1); hlc=findobj(tag,LC); set(hlc,string,0); hn=findobj(tag,Noise); set(hn,string,0); hc=findobj(tag,err1); set(hc,string,0); eqlz ShowEqlz; eqlz channel;case channel hn=findobj(tag,n); numsec=eval(get(hn,string); hlc=findobj(tag,LC); lc=eval(get(hlc,string); p,t,pn,pm,tm,ndex,Omega,Am=channelpulse(numsec,lc,lc); hpls=findobj(tag,mainaxes); set(hpls,userdata,p,t,pn,pm,tm,ndex,Omega,Am); eqlz showline;case showline hl=findobj(tag,mainaxes); S=get(hl,userdata); p=S1; t=S2; pn=S3; pm=S4; tm=S5; ndex=S6; Omega=S7; Am=S8; hns=findobj(tag,Noise); N0=eval(get(hns,string); ns=N0*randn(length(t),1); hl=findobj(tag,pulses); set(hl,xdata,t,ydata,p+ns); hl=findobj(tag,Freqs); set(hl,xdata,Omega,Ydata,Am); errn=0; for k=1:length(pn) pm(k)=pm(k)+ns(ndex(k); hl=findobj(tag,strcat(original,num2str(k); set(hl,xdata,tm(k),tm(k),ydata,0,pn(k); hdsr=findobj(tag,strcat(desired,num2str(k); set(hdsr,xdata,tm(k),tm(k),ydata,0,pn(k); if pn(k)*pm(k)length(tm) return; end S21=W1; S22=Y1; S23=k; set(ha2,userdata,S2); if tm(k)tmax hs=findobj(tag,xslide); vmax=get(hs,max); v=get(hs,value); v=v+1; set(hs,value,v); v=min(v,vmax); ha=findobj(tag,mainaxes); xrange=get(ha,xlim); xrange=xrange+v; set(ha,xlim,xrange); ha=findobj(tag,origaxes); set(ha,xlim,xrange); ha=findobj(tag,eqlzaxes); set(ha,xlim,xrange); ha=findobj(tag,erraxes); set(ha,xlim,xrange); end eqlz ShowEqlz; %- case c %clear equalizer ha=findobj(tag,eqlzaxes); S3=get(ha,userdata); k=S33; for kk=1:k hy=findobj(tag,strcat(eqlzoutput,num2str(kk); set(hy,xdata,ydata,); end herr=findobj(tag,eqerror); set(herr,xdata,ydata,); xrange=-1 9; ha=findobj(tag,mainaxes); set(ha,xlim,xrange); ha=findobj(tag,origaxes); set(ha,xlim,xrange); ha=findobj(tag,eqlzaxes); set(ha,xlim,xrange); ha=findobj(tag,erraxes); set(ha,xlim,xrange); h=findobj(tag,xslide); v=0; set(h,value,v) ha2=findobj(tag,eqlzaxes); S2=get(ha2,userdata); Wgt=S21; Nw=8; Ystate=zeros(Nw,1); k=1; set(ha,userdata,Wgt,Ystate,k); %- case n %normal communication ha1=findobj(tag,mainaxes); S1=get(ha1,userdata); pn=S13; pm=S14;tm=S15; ern=0; for kk=1:63 ha2=findobj(tag,erraxes); S2=get(ha2,userdata); Wgt=S21; Ystate=S22; k=S23; x=pn(k); y=pm(k); Y1,err,dhat=adap1(y,x,Wgt,Ystate); hy=findobj(tag,strcat(eqlzoutput,num2str(k); set(hy,xdata,tm(k),tm(k),ydata,0,dhat); if pn(k)*dhat0 ern=ern+1; end herr=findobj(tag,eqerror); ex=get(herr,xdata); ey=get(herr,ydata); ex=ex,tm(k); ey=ey,abs(err); set(herr,xdata,ex,ydata,ey); k=k+1; S21=Wgt; S22=Y1; S23=k; set(ha2,userdata,S2); end S23=k-1; ha3=findobj(tag,eqlzaxes); set(ha3,userdata,Wgt,Y1,k); hcc=findobj(tag,err2); set(hcc,string,100*ern/63); endcase reset xrange=-1 9; ha=findobj(tag,mainaxes); set(ha,xlim,xrange); ha=findobj(tag,origaxes); set(ha,xlim,xrange); ha=findobj(tag,eqlzaxes); set(ha,xlim,xrange); ha=findobj(tag,erraxes); set(ha,xlim,xrange); h=findobj(tag,xslide); v