adaptiveCMA.m

   1 function adaptFilterOut = adaptiveCMA(rSampled)
   2   %% adaptive filter
   3   %% CMA
   4   taps = 19; % ODD taps
   5   hxx = zeros(taps, 1);
   6   %% hxx: real indices  -K, ..., 0, ..., K.   K = floor(taps/2)
   7   %%    MATLAB indices   1      1+K     taps
   8   %% initialize hxx, hxx[0] = 1, hxx[k] = hxx[-k] = 0
   9   hxx(ceil(taps/2)) = 1;
  10
  11   mu = 1e-3;
  12   numSymbs = length(rSampled);
  13
  14   %% Check average energy of symbols
  15   rSampledUnitEnergy = normalizeEnergy(rSampled, numSymbs, 1);
  16
  17   adaptFilterOut = zeros(numSymbs, 1);
  18   converged = 0;
  19   convergeCount = 0;
  20
  21   for it = 1:numSymbs
  22     if it <= (taps - 1) / 2;
  23       xp = [zeros((taps - 1) / 2 - it + 1, 1); rSampledUnitEnergy(1:it + (taps - 1) / 2)];
  24     elseif it + (taps - 1) / 2 > numSymbs
  25       xp = [rSampledUnitEnergy(it - (taps - 1) / 2 : end); zeros(it + (taps - 1) / 2 - numSymbs, 1)];
  26     else
  27       xp = rSampledUnitEnergy(it - (taps - 1) / 2 : it + (taps - 1) / 2);
  28     end
  29
  30     xout = sum(hxx .* xp);
  31     ex = 1 - abs(xout) ^ 2;
  32
  33     if abs(ex) < 1e-3
  34       convergeCount = convergeCount + 1;
  35     else
  36       convergeCount = 0;
  37     end
  38     if ~converged && convergeCount >= 10
  39       converged = 1
  40       it
  41     end
  42
  43     adaptFilterOut(it) = xout;
  44
  45     hxx = hxx + mu * ex * xout * conj(xp);
  46   end
  47
  48 %{
  49   %% try MATLAB builtin equalizer
  50   alg = cma(mu);
  51   eqObj = lineareq(taps, alg);
  52   eqObj.Weights((taps + 1) / 2) = 1;
  53   rPadded = [rSampledUnitEnergy; zeros((taps - 1) / 2, 1)];
  54   matlabEq = equalize(eqObj, rPadded);
  55   matlabEq = matlabEq((taps + 1) / 2 : end);
  56 %}
  57 end