自適應均衡器是自動適應通訊通道時變特性的均衡器

自適應均衡器是自動適應通訊通道時變特性的均衡器。它通常與相移鍵控等相干調製一起使用，以減少多路徑傳播和多普勒擴展的影響。

自適應均衡器是自適應濾波器的子類別。其中心思想是改變濾波器係數來優化濾波器特性。自適應均衡器有多種類型，包括：

1. 最小均方（LMS）
2. 遞歸最小平方法（RLS）
3.隨機梯度下降（SGD）
4. 判決回饋均衡器（DFE）
5.卡爾曼濾波器（KF）
6. 最大似然（ML）
7. 最小均方誤差（MMSE）
8.迫零（ZF）
9. 最大比合併（MRC）使用自適應均衡器的優點包括：

1. 自適應均衡器可以補償時變通道特性，例如多路徑傳播和多普勒擴展。
2. 自適應均衡器可以透過減少多路徑傳播和多普勒擴展的影響來提高相移鍵控 (PSK) 等相干調製方案的性能。最小均方濾波器 (LMS) 接收器在不處於訓練模式時無法存取傳輸訊號。如果均衡器出錯的機率夠小，則可以用均衡器建立的符號決策來取代符號決策。

隨機梯度下降 (SG) 和遞歸最小二乘濾波器 (RLS) 是自適應均衡器的眾所周知的範例，除了對未來符號的傳統均衡之外，它們還使用檢測到的符號的回饋。一些系統使用預先定義的訓練序列來為適應過程提供參考點。隨機梯度下降 (SG) 是一種梯度下降演算法，用於尋找成本函數的局部最小值。此演算法的工作原理是在成本函數的負梯度方向上採取小步。這些步長足夠小，以便演算法不會陷入局部最小值，但又足夠大，以便演算法收斂到全域最小值。

在自適應均衡器中，SG 用於尋找最佳濾波器係數，以最小化期望響應與均衡器輸出之間的均方誤差 (MSE)。