1.算法仿真效果
matlab2022a仿真结果如下：
2.算法涉及理论知识概要
均衡器的分类
• 均衡处理方法
时域均衡器：单载波数字通信中多采用时域均衡器，从时域的冲激响应考虑
正交频分复用OFDM调制：采用频域均衡
• 是否使用训练序列或导频
DA（数据辅助）
DD（判决指向）
NDA（盲均衡）：需要在接收到足够多的数据情况下才能得到一个可靠的估计
导频或训练序列的插入
地面数字电视一般使用DA方式信道估计和均衡
• 多径衰落信道可以看成是在时间和频率上的一个二维信号
• 训练序列时域的间隔取决于信道的相关时间
• 训练序列频域的间隔取决于相关带宽
• 训练序列对信道在时-频空间的不同点上进行采样，利用采样插值即可得到整个信道的频率响应值
时域均衡器
• 均衡器的输出是否用于反馈控制
线性均衡器：输出未被用于反馈控制
非线性均衡器：输出用于反馈，如判决反馈均衡器（DFE－decision Feedback Equalizer）
• 线性均衡器
均衡器（Equalizer），是一种可以分别调节各种频率成分电信号放大量的电子设备，通过对各种不同频率的电信号的调节来补偿扬声器和声场的缺陷，补偿和修饰各种声源及其它特殊作用，一般调音台上的均衡器仅能对高频、中频、低频三段频率电信号分别进行调节。
在通信系统中，在基带系统中插入均衡器能够减小码间干扰的影响。均衡器（equalizer） 通信系统中，校正传输信道幅度频率特性和相位频率特性的部件。将频率为f的正弦波送入传输信道，输出电压与输入电压的幅度比随f变化的特性称为幅度频率特性，简称幅频特性；输出电压与输入电压间的相位差随f变化的特性称为相位频率特性，简称相频特性。
所谓信道估计，发送端发送已知的、预定义的序列（输入），然后接收端从接收序列拟数据中（输出），将假定的某个信道模型的模型参数（信道衰变模型），估计出来的过程。
如果信道是线性的话，那么信道估计就是对系统冲激响应进行估计。
需强调的是信道估计是信道对输入信号影响的一种数学表示，而“好”的信道估计则是使得某种估计误差最小化的估计算法。
PN码（Pseudo-Noise Code），是一具有与白噪声类似的自相关性质的0和1所构成的编码序列，最广为人知的二位元P-N Code是最大长度位移暂存器序列，简称m-序列， 他具有长 2的N次方 - 1个位元。
压缩采样匹配追踪(CompressiveSampling MP)是D. Needell继ROMP之后提出的又一个具有较大影响力的重构算法。CoSaMP也是对OMP的一种改进，每次迭代选择多个原子，除了原子的选择标准之外，它有一点不同于ROMP：ROMP每次迭代已经选择的原子会一直保留，而CoSaMP每次迭代选择的原子在下次迭代中可能会被抛弃。
3.MATLAB核心程序
```SNR = 30;
train_code_num = 500;
info_code_num = 5000;
code_num = train_code_num + info_code_num;
[ src_codes ] = bitsgen( code_num );
[ response_codes ] = channel( 21,128,SNR,src_codes );
.............................................................
figure
subplot(2,3,1)
plot(I,Q,'b.',...
'LineWidth',1,...
'MarkerSize',6,...
'MarkerEdgeColor','k',...
'MarkerFaceColor',[0.0,0.9,0.0]);
axis([-2,2,-2,2])
I = real(response_codes(train_code_num+1:end-FrontOrder+1))/std(real(response_codes(train_code_num+1:end-FrontOrder+1)));
Q = imag(response_codes(train_code_num+1:end-FrontOrder+1))/std(imag(response_codes(train_code_num+1:end-FrontOrder+1)));
subplot(2,3,2)
plot(I,Q,'b.',...
'LineWidth',1,...
'MarkerSize',6,...
'MarkerEdgeColor','g',...
'MarkerFaceColor',[0.0,0.9,0.0]);
axis([-4,4,-4,4])
I = real(am_xEst(train_code_num+1:end))/std(real(am_xEst(train_code_num+1:end)));
Q = imag(am_xEst(train_code_num+1:end))/std(imag(am_xEst(train_code_num+1:end)));
title(['SNR=',num2str(SNR)])
subplot(2,3,3)
plot(I,Q,'b.',...
'LineWidth',1,...
'MarkerSize',6,...
'MarkerEdgeColor','r',...
'MarkerFaceColor',[0.0,0.9,0.0]);
axis([-2,2,-2,2])
subplot(2,3,[4,5,6])
plot(ee);
```
