改进的线性受限共梯度常模算法

提出了一种改进的线性受限共轭梯度常模算法，称之为mlccgcma。其核心是采用最优自适应步长的方法对已有算法进行优化，并推导出步长的解析形式，确保了算法收敛于期望用户，提高了系统性能。通过对算法代价函数的理论分析，得出了算法收敛的条件。将算法在加性白高斯和多径衰落信道的环境中进行了仿真，结果表明，该算法的信干比性能和误码率性能均比现有的自适应步长常模算法要好。