改进的线性受限共轭梯度常模算法 (2008年)

提出了一种改进的线性受限共轭梯度常模算法,称之为 M-LCCGCMA。其核心是采用最优自适 应步长的方法对已有算法进行优化,并推导出步长的解析形式,确保了算法收敛于期望用户,提高 了系统性能。通过对算法代价函数的理论分析,得出了算法收敛的条件。将算法在加性白高斯和 多径衰落信道的环境中进行了仿真,结果表明,该算法的信干比性能和误码率性能均比现有的自适 应步长常模算法要好。