Block-based fuzzy step size NLMS algorithms for subband adaptive channel equalisation

Metodologia de Equalização Adaptativa de Canais de Comunicação via Algoritmo NLMS com o Tamanho de Passo Variável Fuzzy

“…O número de amostras ou instantes de tempo do sinal de entrada foi definida com K = 4000 e foram realizadas 100 simulac ¸ões independentes de Monte Carlo. Os resultados obtidos através da equalizac ¸ão adaptativa via algoritmo FVSS-NLMS foram comparados com o NLMS com o tamanho de passo fuzzy (versão do NMLS com o VSS adaptado apenas em func ¸ão do erro quadrático por um MFIS proposto em [13]) e pelas versões tradicionais dos algoritmos LMS e NLMS com o tamanho de passo fixo. O tamanho de passo para os algoritmos LMS e NLMS foi definido com µ = 0, 03.…”

“…Nesta sec ¸ão são apresentados os resultados obtidos através da equalizac ¸ão adaptativa do canal de comunicac ¸ão apresentado na Sec ¸ão IV-A. Nas Figuras 1, 5 e 9 são apresentadas as evoluc ¸ões temporais do MSE para os algoritmos LMS, NLMS, NLMS com o tamanho de passo fuzzy [13] e FVSS-NLMS, com as relac ¸ões sinal-ruído iguais a SNR = 18 dB, SNR = 24 dB e SNR = 30 dB, respectivamente. Conforme pode ser visto nessas figuras, o algoritmo FVSS-NLMS obteve as melhores desempenhos em velocidade de convergência e em MSE no regime estacionário.…”

“…Na literatura, existem poucas metodologias propostas que tratam ajustar o VSS através de um MFIS. Em [13] foi utilizado um MFIS para o ajuste do VSS aplicado na equalizac ¸ão de canais, em que o tamanho de passo é ajustado somente em func ¸ão do erro quadrático obtido a cada instante de tempo, não sendo levado em considerac ¸ão nenhuma informac ¸ão sobre a quantidade de instantes de tempo necessários para a convergência do vetor de pesos de um filtro adaptativo. Uma vez que se espera que ao fim dos instantes de tempo ocorra a convergência do vetor de pesos do filtro adaptativo, a quantidade de instantes de tempo é um parâmetro importante para a otimizac ¸ão do funcional de custo descrito pelo gradiente estocástico.…”

Blind Fuzzy Adaptation Step Control for a Concurrent Neural Network Equalizer

“…For subband adaptive channel equalization, Ng et al proposed the Block-based Fuzzy Step Size (BFSS) strategy for the Normalized Least Mean Square (NLMS) algorithm. The BFSS updates the adaptation step over fixed time intervals in order to reduce computational complexity without sacrificing convergence rate and MSE performance [16]. The main drawback of SFGF and BFSS algorithms is the necessity to transmit a training sequence, which is used to update the adaptation step [15,16].…”

Variable step‐size sign algorithm against impulsive noises

“…To overcome this drawback in terms of the convergence rate, research on step-size adjustment in adaptive filtering algorithms has also developed steadily [12][13][14][15][16][17][18] for achieving a fast convergence rate. In general, a large step size leads to fast convergence and a large steady-state estimation error, whereas a small step size leads to slow convergence and a small steady-state estimation error.…”