Figura 22 - Modelo de referência para otimização do equalizador.
Na Figura 22 tem-se
|
(72)
|
|
|
(73)
|
|
|
(74)
|
Supondo que a amostragem é feita em t=kT,
e tomando como base a Figura 22, tem-se que o valor médio quadrático
do sinal de erro no detetor, e(kT) = u(kT)-ak, é dado
por
|
(75)
|
Para determinar o erro médio quadrático
mínimo, deriva-se (75) em relação a cada um dos coeficientes
{Wi} e iguala-se o resultado a zero. Chega-se então ao
seguinte resultado
|
(76)
|
onde
|
(77)
|
e
|
(78)
|
A equação (76) pode ser expressa em
notação matricial como
|
(79)
|
onde
| (78) | (78) | (79) |
|
(80)
|
Note-se que
é o vetor gradiente. Se a matriz Ry for inversível,
a solução de (79) que fornece os coeficientes ótimos
pode ser expressa por
|
(81)
|
Pode-se mostrar também que o erro médio
quadrático mínimo pode ser expresso por
|
(82)
|
e que o erro correspondente a uma determinada matriz
de coeficientes W pode ser expresso por
|
(83)
|
Critério do Mínimo Erro Absoluto
Outro critério utilizado para determinar os
coeficientes de um equalizador é o da minimização
do erro absoluto, definido por
|
(84)
|
onde
|
(85)
|
e, de acordo com a Figura 22,
|
(86)
|
Pode-se mostrar que a condição para
obter os valores ótimos dos coeficientes é a anulação
das primeiras 2N amostras em torno da amostra principal. Ou seja,
|
(87)
|
Por este motivo o equalizador que minimiza o erro absoluto é também denominado Equalizador "Zero Forcing".
Substituindo (86) em (87) e fazendo p(0)=1, tem-se
o sistema de equações
|
(88)
|
|
(89)
|
Usando-se notação matricial (88) pode
ser expressa como
|
(90)
|
onde
|
(91)
|
|
(92)
|
Supondo que a matriz Gy tem uma matriz
inversa, a solução de (90) que fornece os coeficientes ótimos
será
|
(93)
|