A Variable Modulus Algorithm using Sigmoid Nonlinearity with Variable Variance

가변 분산을 갖는 시그모이드 비선형성을 이용한 가변 모듈러스 알고리즘

To estimate for an error signal with sigmoid nonlinearity what reduced constellation applies closed eye pattern in the initial equalization, there can be improves problems of previous soft decision-directed algorithm that increasing estimate complexity and decreasing of convergence speed when substitute high-order constellation. The characteristic of sigmoid function is adjusted by a mean and a variance parameter, so it depends on adjustment of variance that what reduced constellation $values(\gamma)$ can have ranges between + $\gamma$ and - $\gamma$. In this paper, we proposed Variable Modulus Algorithm (VMA) that can be improving a performance of steady-state by adjustment of variance when equalization works normally and each cluster of constellation decrease.

눈 모형이 닫혀있는 등화 초기에 축소 신호점을 적용한 시그모이드 비선형성으로 오차신호를 추정하면, 기존 연판정의거 알고리즘의 문제점인 고차 신호점을 적용 시 계산 복잡도가 증가하고 수렴속도가 저하되는 단점을 개선할 수 있다. 시그모이드 함수는 평균과 분산 파라미터로 특성이 조절되므로, 분산 값을 조절함에 따라 축소 신호점의 값$(\gamma)$이+$\gamma$와-$\gamma$ 사이의 범위를 가질 수 있다. 본 논문에서는 등화가 올바르게 진행하여 각 신호점에서 군집의 크기가 줄어들 때 분산 값을 가변함으로써 정상상태 성능을 개선할 수 있는 가변 모듈러스 알고리즘(Variable Modulus Algorithm: VMA)을 제안한다.