请教RLS算法中的smoothing问题。# EE - 电子工程
w*m
1 楼
比如在OFDM系统中，接受信号和发送信号的关系是
y(m)=C(m)X(m)+w(m)
这里，m是time index，C(m)是要估计的channel impulse response vector。
w(m)是高斯白噪声。系统的多普勒频移是fd，可以很高。
通常在time domain中用RLS算法估计第n时刻的C(n)是
min sigma [y(m)-C(m)X(m)]^2 lambda^{n-m}
sigma中的m从0到n。lambda是forgetting factor，小于1.
如果引入smoothing算法的话，估计n时刻的C(n)是
min sigma [y(m)-C(m)X(m)]^2 lambda^{abs(n-m)}
m从0到整个Packet的结尾。
现在的simulation 结果是用了smoothing反而效果变差了。
确实比较想不通。那位能解释一下？
再说一下packet的结果。有4个pilot symbol，加上10个data symbol。
后面的data symbol的估计值是通过decision directed方式得到的。
y(m)=C(m)X(m)+w(m)
这里，m是time index，C(m)是要估计的channel impulse response vector。
w(m)是高斯白噪声。系统的多普勒频移是fd，可以很高。
通常在time domain中用RLS算法估计第n时刻的C(n)是
min sigma [y(m)-C(m)X(m)]^2 lambda^{n-m}
sigma中的m从0到n。lambda是forgetting factor，小于1.
如果引入smoothing算法的话，估计n时刻的C(n)是
min sigma [y(m)-C(m)X(m)]^2 lambda^{abs(n-m)}
m从0到整个Packet的结尾。
现在的simulation 结果是用了smoothing反而效果变差了。
确实比较想不通。那位能解释一下？
再说一下packet的结果。有4个pilot symbol，加上10个data symbol。
后面的data symbol的估计值是通过decision directed方式得到的。
