A Study on Least Mean Fourth (LMF) and Least Mean Squares-Fourth (LMSF) Blind Equalization Algorithm

최소평균 사제곱 (LMF) 및 최소평균 제곱과 사제곱을 혼합한 형태 (LMSF)의 블라인드 등화 알고리즘에 관한 연구

In this study, wer derived LMF-Sato, LMSF-Sato complex blind equalization algorithms for complex data. And then, the convergence rates, the convergence characteristics at the steady state and the stability of the proposed LMF and LMSF blind equalization algorithms are compared with those of LMS-Sato blind equalization algorithm. In simulations with 16-QAM data, LMF-Sato and LMSF-Sato algorithms showed better performance comparing with LMS-Sato algorithm generally. When the initial estimation errors of the weights of the equalizer are large, LMF-Sato algorithm showed ill characteristic in stability. However, LMSF-Sato algorithm has good covergence characteristics and preserves robustness.

본 연구에서는 Bussgang 계열의 복소수형 LMF-Sato 및 LMSF-Sato 블라인드 등화 알고리즘을 유도한 후, 이들 알고리즘에 대한 수렴속도, 정상상태에서의 수렴특성 및 안정성을 기종의 LMS-Sato 및 LMSF-Sato 알고리즘이 LMS-Sato 알고리즘에 비해 더 나은 수렴 특성을 보여 주었다. 그러나 계수벡터의 초기 추정오차가 큰 경우 LMF-Sato 알고리즘에 비해 더 나은 수렴 특성을 보여 주었다. 그러나 계수벡터의 초기 추저오차가 큰 경우 LMF-Sato 알고리즘은 안정성이 떨어지는 특성을 보여준 반면, LMSF-Sato 알고리즘은 좋은 수렴 특성과 견실성을 고루 갖추고 있음을 보여 주었다.