adaptiveCMA.m

   1 function [adaptFilterOut, convergeIdx] = 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   convergeIdx = Inf;
  21
  22   for it = 1:numSymbs
  23     if it <= (taps - 1) / 2;
  24       xp = [zeros((taps - 1) / 2 - it + 1, 1); rSampledUnitEnergy(1:it + (taps - 1) / 2)];
  25     elseif it + (taps - 1) / 2 > numSymbs
  26       xp = [rSampledUnitEnergy(it - (taps - 1) / 2 : end); zeros(it + (taps - 1) / 2 - numSymbs, 1)];
  27     else
  28       xp = rSampledUnitEnergy(it - (taps - 1) / 2 : it + (taps - 1) / 2);
  29     end
  30
  31     xout = sum(hxx .* xp);
  32     ex = 1 - abs(xout) ^ 2;
  33
  34     if abs(ex) < 0.01
  35       convergeCount = convergeCount + 1;
  36     else
  37       convergeCount = 0;
  38     end
  39     if ~converged && convergeCount >= 10
  40       converged = 1;
  41       convergeIdx = it;
  42     end
  43
  44     adaptFilterOut(it) = xout;
  45
  46     hxx = hxx + mu * ex * xout * conj(xp);
  47   end
  48
  49 %{
  50   %% try MATLAB builtin equalizer
  51   alg = cma(mu);
  52   eqObj = lineareq(taps, alg);
  53   eqObj.Weights((taps + 1) / 2) = 1;
  54   rPadded = [rSampledUnitEnergy; zeros((taps - 1) / 2, 1)];
  55   matlabEq = equalize(eqObj, rPadded);
  56   matlabEq = matlabEq((taps + 1) / 2 : end);
  57 %}
  58 end