非线性信道判决反馈快速收敛神经网络均衡器

针对严重符号间串扰及轻度非线性畸变的数学信道，提出了一种神经网络判决反馈均衡器。它将传统的线性信道判决反馈结构巧妙地随入二层感知器中，学习时充分利用训练信号的信息，在可调权数较少的情况下，取得了较好的均衡效果；人为选择初始权值大大提高了收敛速度。模拟结果表明：该均衡器简单实用、便于实时处理，且均衡性能有较大的改善。     

凸组合实时判决反馈稀疏水声信道盲均衡算法

针对高速水声通信信道稀疏特性,提出了一种凸组合实时判决反馈盲均衡算法。将盲均衡器分为保持均衡器支路和稀疏均衡器支路,以保持均衡器能量和权系数的瞬时梯度为判据,对稀疏均衡器支路对应抽头进行实时稀疏化处理。算法中避免设置稀疏化阈值,对不同稀疏水声信道和通信信号具有通用性,且对于时变稀疏水声信道可以利用保持均衡器支路恢复稀疏均衡器支路置零抽头系数,使算法对信道具有较强跟踪和冷启动能力。典型稀疏水声信道条件下的仿真结果证明,凸组合实时判决反馈稀疏水声信道盲均衡算法性能稳健,与全阶判决反馈盲均衡算法相比,计算简单,收敛速度快,稳态剩余误差小,有利于算法在水声通信系统中的推广应用。     

基于直接判决反馈的BPSK/QPSK信号幅度估计

推导了理想高斯信道下信号幅度估计的克拉美-罗界（CRB）,提出了一种基于直接判决反馈的BPSK/QPSK信号幅度估计算法,并对该算法的性能进行了理论分析和仿真。仿真结果表明,在直接判决反馈模式下,该算法的估计方差在高信噪比下接近克拉美罗界。     

线性均衡器与判决反馈均衡器算法的学习曲线比较

为了说明判决反馈均衡器对信道中的码间干扰的消除作用,利用Matlab对线性均衡器和判决反馈均衡器在离散多径信道中进行仿真。最后,对两种算法的学习曲线进行分析对比,最终说明判决反馈均衡器的优越性。     

基于时间反转的水声信道判决反馈均衡算法

水声通信系统中多径扩展对水声信号传输有不利影响,而传统自适应均衡器不能实时补偿信道时变多径效应,因此利用时间反转技术的空时聚焦性,将时间反转技术与T/2分数间隔判决反馈均衡器相联合,构建了基于时间反转的水声信道判决反馈算法。仿真实验说明该算法可抑制码间干扰,降低误码率,验证了新算法的正确性和有效性。     

适用于高速背板通信的动态增益与盲均衡协同校正自适应均衡模型

针对背板通信中信道的时变干扰,该文提出具有增益自适应和盲均衡动态校正功能的均衡模型。该模型基于符号-符号LMS算法,采用CTLE(连续时间线性均衡器)对受到信道干扰的信号进行初步补偿,同时利用增益监控算法和动态盲均衡自适应算法实现对信道幅度衰减的监测和补偿。而在DFE(判决反馈均衡器)中,同时结合半速率结构进行信号的补偿和判决,进一步消除误差。研究结果表明,该模型可对受干扰眼图进行大幅度的校正和补偿,提高传输信号的可靠性,实现均衡功能。     

频率选择性信道下的一种新的V-BLAST检测方法

在V-BLAST系统中,针对频率选择性信道,提出了一种基于最小递归二乘(RLS)算法,结合多输入多输出的判决反馈均衡和并行干扰对消(RLS-MIMO-PIC-DFE)的检测方法.该法将干扰信号作为新的反馈滤波器并行输入,并行干扰对消系数等效为加长的滤波器系数,并通过RLS算法进行自适应更新.仿真结果表明,与其它方法比较,该法能够得到更好的误符号率性能.     

自适应均衡器在超短波高速数传系统中的应用

为满足超短波(VHF)频段高速数据传输的需求,将π/4 DQPSK调制与自适应均衡技术相结合。基于VHF信道特性,并综合考虑性能及复杂度因素,选用自适应判决反馈均衡器结构,并采用递归最小二乘算法实现快速收敛。仿真结果表明,采用低阶均衡器,在实测多径信道模型下可获得良好的接收性能,但在扩展多径信道模型下接收性能有所下降。实际应用中,应根据传输距离及具体的无线传播环境,合理设置均衡器的抽头个数。     

基于信道线性滤波估计的迭代解调及译码技术

为了提高衰落信道下基于判决反馈的差分迭代译码 (Turbo DPSK)系统的性能 ,针对系统的特点 ,提出了一种基于信道增益线性滤波估计的解调 /译码算法。与传统的基于信道增益线性预测估计的 Turbo DPSK解调 /译码算法相比 ,新算法在根据判决反馈进行信道增益 hi 的估计时 ,不仅利用了时刻 i以前的波形值和判决反馈 ,而且还利用了 i时刻本身的波形值和判决反馈 ,因而能更有效地消除噪声干扰 ,获得更准确的信道估计 ,从而提高了系统的性能。仿真结果表明 ,该算法对系统性能确有明显的提高 ,在误码率为10 - 4时 ,性能增益大约为 0 .6 d B。     

基于已知信道的均衡器设计和性能分析

论述了线性均衡器和判决反馈均衡器的基本原理,已知通信信道的特性时,对该信道分别采用线性均衡和判决反馈均衡仿真,得到二者的性能曲线和均衡器的最佳抽头系数,通过对得到的结果进行分析和比较,来合理地设计合适的线性均衡器或判决反馈均衡器.这些分析方法和得到的结论对工程中的均衡器实现具有一定的价值.     

一种结构自适应的非线性信道神经网络均衡器

针对非线民生信道提供了一种判决反馈神经网络自适应均衡器结构自适应方法，经自适应优化了结构，既可以以最少的参数保持较好的均衡性能，又可以显著降低运算量，从而极大地提高处理速度，模拟结果表明，该均衡器切实可行，特别适用于高速数传。     

Wavelet Neural Networks for Adaptive Equalization by Using the Orthogonal Least Square Algorithm

Equalizers are widely used in digital communication systems for corrupted or time varying channels. To overcome performance decline for noisy and nonlinear channels, many kinds of neural network models have been used in nonlinear equalization. In this paper, we propose a new nonlinear channel equalization, which is structured by wavelet neural networks. The orthogonal least square algorithm is applied to update the weighting matrix of wavelet networks to form a more compact wavelet basis unit, thus obtaining good equalization performance. The experimental results show that performance of the proposed equalizer based on wavelet networks can significantly improve the neural modeling accuracy and outperform conventional neural network equalization in signal to noise ratio and channel non-linearity.     

码片均衡多径干扰抵消联合接收机

研究了低扩频比下如何提高数据传输系统性能的问题,提出了一种新的线性码片均衡与非线性干扰抵消相级连结构即RLS-MPIC结构,并给出了导频抵消码片均衡算法(PC-MRLS)．PC-MRLS算法抑制了导频干扰,为MPIC提供了较好的初始判决值;MPIC对均衡后多径信号进行抑制,进一步提高了系统的性能．理论分析与计算机模拟结果表明,RLS-MPIC接收机与传统的Rake接收机、码片均衡器以及多级干扰抵消接收机相比,在性能上有较大的改善．     

基于自适应滤波算法的FIR MIMO系统均衡

为了实现对多输入多输出(MIMO)系统的均衡,提出了一种基于自适应滤波算法的自适应均衡方法。应用判决反馈式均衡器(DFE)的结构,把MIMO信道均衡问题的模型建模成一个简化的滤波模型。这个滤波模型使MIMO系统均衡问题中均衡器的设计问题转化为自适应滤波中最优滤波器的设计问题。两种典型自适应滤波器设计算法——LMS算法和RLS算法被应用于该模型中进行仿真,仿真结果显示了算法的收敛性和均衡方法的可行性。这种自适应均衡方法不需要对信道进行辨识,具有较小的运算量,并且可以适应信道变化。     

快时变信道下基于LSQR算法的ICI均衡

为了尽量消除正交频分复用(OFDM)系统中由于信道快时变导致的子载波间干扰(ICI),确保快时变信道下的可靠通信,提出了一种低复杂度LSQR(least square QR)判决反馈均衡器(DFE).该均衡算法充分利用了带状矩阵特性和时域LSQR迭代计算的特点,在计算复杂度和性能之间取得了良好的折中.仿真结果表明,在快时变信道下与已有的块判决反馈均衡(BDFE)算法比较,在计算复杂度相当的条件下,所提出的算法可有效改善带状矩阵近似误差导致的性能损耗,在高信噪比情况下有效地克服了"地板效应",在保持低复杂度的同时获得了更好的性能.     

基于小波神经网络的航空通信盲均衡方法

针对航空通信信道中,多径干扰带来的信号畸变以及信道记忆效应所产生的码间干扰会严重影响通信质量,且现有的均衡算法由于收敛速度较慢无法适应高速航空通信的需求。提出了一种利用均衡器输出信号构建反馈循环的小波神经网络盲均衡算法。该方法利用反馈循环来消除航空信道的记忆效应,并结合小波神经网络时频局域性的特性来消除航空信道的多径效应和信号畸变所产生的码间干扰。仿真结果表明,该方法可以有效提高盲均衡算法的收敛速度,并使输出的信号星座图更加清晰与紧凑,有利于码间干扰的消除,具有一定的实际应用价值。     

一种快速时变信道下的单载波频域均衡算法

借鉴多载波系统中的迭代和判决反馈干扰消除算法,提出一种适用于快速时变信道的单载波频域均衡算法.通过线性均衡得到信号的初始估计,从接收信号中迭代消除由于快速衰落所引起的符号间干扰,基于最小均方误差准则进行频域均衡,并将信道时变所造成的符号间干扰视为等效噪声.仿真结果表明,所提出的算法能够有效降低快速时变信道下的误码平层.     

MIMO Channel Estimation and Equalization Using Three-Layer Neural Networks with Feedback

This paper describes a channel estimation and equalization algorithm using three-layer artificial neural networks （ANNs） with feedback for multiple input multiple output wireless communication systems. An ANN structure with feedback was designed to use different learning algorithms in the different ANN layers. This actually forms a Turbo iteration process between the different algorithms which effectively improves the estimation performance of the channel equalizer. Simulation results show that this channel equalization algorithm has better computational efficiency and faster convergence than higher order statistics based algorithms.