MATLAB 变步长LMS均衡算法误码率仿真 您看到的介绍及图片即为本程序实现的功能，程序经过我自己电脑的测试，确保能实现相应的功能。 有详细的说明文档，能帮助您迅速上手。 仿真均衡方式：变步长LMS均衡，恒定步长LMS均衡； 可仿真均衡算法随着迭代次数增加误码率下降的曲线。

最近在搞信道均衡的仿真，发现变步长LMS算法挺有意思。传统LMS步长固定，收敛速度和稳态误差总要取舍，这个可变步长的版本倒是能动态调整。今天咱们用MATLAB撸个对比仿真，看看两种算法的误码率表现。

先上核心参数设置：

N = 1e4; % 发送符号数
taps = 5; % 均衡器抽头数
mu_fixed = 0.02; % 固定步长
mu_max = 0.1; % 最大步长
channel = [0.2 1 0.5 -0.3 0.1]; % 多径信道
SNR = 20; % 信噪比

这里有个坑要注意：信道的阶数不能比均衡器抽头数大太多，不然神仙也均衡不回来。咱们先用QPSK调制，随机生成数据后过信道加噪声：

data = randi([0 3], N, 1);
tx = pskmod(data,4,pi/4);
rx = filter(channel, 1, tx);
rx = awgn(rx, SNR, 'measured');

重点在均衡器更新部分。固定步长LMS的权重更新很简单：

w = w + mu_fixed * e(k) * rx_slice;

变步长的版本有意思多了，这里用Sigmoid函数控制步长变化：

mu_var = mu_max / (1 + exp(-abs(e(k))));
w = w + mu_var * e(k) * rx_slice;

这个指数衰减的设计让误差大时步长猛增，误差小时自动收油门。实际跑起来能看到变步长初期收敛明显快，后期又不会像固定步长那样在最优值附近震荡。

误码率统计这块得注意采样点选择，得等均衡器收敛后再开始计数。我通常在迭代200次后才记录误码：

if k > 200
    error_count = error_count + (decoded ~= data(k-delay));
end
BER = error_count / (N - 200);

跑完整个仿真流程后，典型的误码率曲线长这样（附图见原程序输出）。红色是固定步长，蓝色是变步长。可以看到前500次迭代时变步长把误码率从0.25直接拉到0.05，而同期的固定步长还在0.15晃悠。到2000次时两者都收敛，但变步长的稳态误码率低半个数量级。

MATLAB 变步长LMS均衡算法误码率仿真 您看到的介绍及图片即为本程序实现的功能，程序经过我自己电脑的测试，确保能实现相应的功能。 有详细的说明文档，能帮助您迅速上手。 仿真均衡方式：变步长LMS均衡，恒定步长LMS均衡； 可仿真均衡算法随着迭代次数增加误码率下降的曲线。

不过实际调试时发现个有趣现象：当初始步长设置过大时，变步长算法反而容易发散。这时候需要给mu_max加个限制，或者加个泄漏因子防止步长失控。这也说明自适应算法不是万能的，参数调不好照样翻车。

最后给新人提个醒：仿真时记得设置rng固定随机种子，不然每次结果波动太大没法对比。完整代码里还包含了步长变化曲线绘制模块，能看到那个Sigmoid函数是怎么动态调节的——这可能是变步长算法最性感的时刻，看着步长随着误差起伏就像看心电图似的。

想要复现结果的直接拿代码改参数就行，注意改信道参数的时候别太奔放。下次试试把信道改成时变的，应该能看到变步长更大的优势，不过那就是另一个故事了。