2.4 高阶谱盲均衡算法的评价指标

高阶谱盲均衡算法的评价指标主要有3条，一是收敛速度的快慢，这决定该算法能否用于实时系统；二是算法能否获得最优解，也就是代价函数有无凸性；三是算法收敛后稳态剩余误差的大小。

在一般情况下，表征盲均衡器性能的有关参数与自适应均衡器基本一样，包括收敛速度、运算复杂度、误码特性、稳态剩余误差、跟踪时变信道能力和抗干扰能力等。

2.4.1 收敛速度

收敛速度是指对于恒定输入，当迭代算法的迭代结果充分接近最优解时，即已经收敛时，算法所需的迭代次数。快速收敛算法可以快速地适应稳定环境，而且也可以及时跟踪非稳定环境的特性变换。

2.4.2 运算复杂度

运算复杂度是指完成迭代算法所需要的操作次数。许多均衡算法尽管收敛速度较快，但因其运算量太大，对硬件和软件要求很高，使其应用受到一定限制。因此，在误码率满足要求的前提下，降低运算复杂度具有十分重要的意义。

2.4.3 误码特性

在不增加算法运算复杂度和收敛速度满足要求的前提下，降低均衡器的误码率可以有效地提高通信质量。

误码率（BER）定义为在一个相当长的时间内，错误的码元数与传输总码元数之比。

2.4.4 跟踪时变信道的能力

跟踪时变信道的能力，主要体现在信道发生时变的情况下，算法能否收敛和稳定的问题。算法的跟踪能力受算法的复杂性和实现方法等因素的制约。

2.4.5 抗干扰能力

抗干扰能力是算法对信道中叠加的噪声，尤其是突发强噪声干扰的抵抗能力。抗干扰能力差的算法遇到强噪声干扰时收敛性能变差，甚至无法收敛。

2.4.6 稳态剩余误差

稳态剩余误差是指盲均衡器收敛后的剩余误差，定义为

e（n）=-x（n） （2.174）

由于x（n）一般无法知道，因此常用判决序列来代替，即

（2.175）

得到其均方误差为

式（2.176）中，R=E［Y（n）YT（n）］为均衡器输入序列的自相关矩阵；P=E［YT（n）］为互相关矩阵。