这是通信过程中自适应均衡的两种仿真方法。通过LMS及RLS算法来实现自适应均衡

设计了一种用于QAM（Quadrature Amplitude Modulation）解调信号的LMS自适应均衡器。此均衡器采用线性自适应算法中的最小均方算法（LMS），其结构由线性横向滤波器和需要训练序列的滤波器抽头系数更新模块组成，它可实现16/64/256点的QAM解调。利用MATLAB/Simulink对LMS自适应均衡器的收敛速度、误码率等指标进行仿真模拟，仿真结果表明，此LMS自适应均衡器对通过非理想信道的QAM传输信号具有较好的均衡性能。

基于归一化LMS算法自适应均衡器的Simulink实现； 基于归一化LMS算法自适应均衡器的Simulink实现

自适应均衡算法的matlab仿真，可用于其他自适应均衡算法中

：提出一种估计最小均方误差的盲均衡算法。与RLS算法原理类似，该方法依据矩阵求逆引理逐步更新自相关矩阵及其伪逆，以达 到快速收敛，且对迭代初始值不敏感。与非递归算法相比，该自适应在线算法无需直接计算相关矩阵的伪逆或引入奇异值分解，避免了估 计相关矩阵的秩或信道阶数。快速收敛以及在线处理的特性使其可以应用到实时通信信号处理中。仿真结果证明算法具有很好的在线均衡 性能

使用matlab实现的自适应均衡器

介绍了自适应均衡器下的LMS和RLS算法的基本原理，并分析了2种算法中的忘却因子μ对LMS和RLS算法收敛性能的影响。通过仿真可知，在相同忘却因子下，RLS算法的收敛速度明显快于LMS算法，并且误差也比LMS算法小。

您可以参考我的博客http://adaptivefilterapplications.blogspot.com了解更多信息。 在这个模型中，我们展示了自适应滤波器如何执行和校正对信号的通道影响。 该模型显示了过滤器如何在每次迭代中适应通道。 您可以看到模型屏幕上显示的不同范围，如自适应滤波器权重、消息符号的散点图、滤波器的频率响应......它向您展示了结果：滤波器如何逐渐根据通道改变其权重。 更重要的是，它对分析和研究非常有用。 如果您想进行任何特定的应用程序，您可以进行分析，例如，哪种算法，步长的值应该是多少等等。 谢谢大家..总是欢迎您提出宝贵的建议...继续发布！！

这是一个MIMO系统下的OFDM自适应均衡算法。

自适应均衡器的LMS算法实现及其仿真.pdf