基于子空间和LMS的线性共轭半盲多用户检测

针对实际的多载波码分多址上行链路,在基于最小均方实现的最小输出能量盲多用户检测(LMS-MOE)的基础上,提出MC-CDMA系统下一种基于子空间跟踪和LMS的线性共轭半盲多用户检测算法。该算法充分利用小区内所有用户的扩频码和伪自相关矩阵的信息使系统的性能得到了提高,采用修正的紧缩近似投影子空间跟踪信号子空间,从而避免特征值分解使计算复杂度显著降低。仿真实验验证了该算法的有效性和可行性。     

基于子空间方法的自适应半盲多用户检测

提出MC-CDMA系统下一种基于子空间方法的自适应半盲多用户检测算法。该算法通过利用小区内所有用户的扩频码设计了一种基于MOE准则的半盲检测器。针对Chebyshev逼近算法受到来自噪声子空间分量的影响导致性能下降的问题,提出一种子空间约束Chebyshev逼近算法,并使用该算法自适应得到权向量。为了减少计算复杂度,采用修正的PASTd算法自适应跟踪信号子空间。仿真实验验证了该算法的有效性和可行性。     

基于子空间的MMSE群盲多用户检测算法

针对CDMA上行链路系统中,基站已知小区内用户的扩频码而对小区外用户扩频码未知的情况,提出一种基于子空间方法的最小均方误差(minimum mean square error,MMSE)群盲多用户检测算法。该算法利用所有已知的扩频码有效消除了多址干扰,采用改进的紧缩近似投影子空间(projection approximation subspacetracking with deflation,PASTd)跟踪算法实现信号子空间的自适应跟踪,提高了收敛速度。仿真结果表明,所提算法收敛速度快,输出信干噪比和误码率性能优于PASTd盲多用户检测,逼近奇异值分解(singular value decom-position,SVD)群盲多用户检测,并保持了较低的计算复杂度。     

基于信号子空间的半盲多用户检测

将线性共轭的思想引入到基于子空间的半盲多用户检测,设计了基于子空间方法的线性共轭半盲多用户检测器,有效地改善了系统的输出信干比和误码率性能.PASTd 算法由于复杂度低而被广泛的应用于多用户检测,然而,PASTd算法跟踪到的信号子空间不正交,从而导致收敛速度极慢.针对这一问题,对PASTd算法进行了改进,提出一种修正的PASTd算法,并将其应用于线性共轭半盲多用户检测器,从而有效的提高了收敛速度,降低了计算复杂度.仿真实验验证了该算法的有效性和可行性.     

MIMO系统中基于斜投影的盲空时多用户检测算法

针对多输入多输出(multiple input multiple output, MIMO)的码分多址(code division multiple access, CDMA)系统,提出了一种基于斜投影的盲空时多用户检测算法。该算法结合MIMO系统的空间分集技术与Alamouti空时分组码 (space time block coding, STBC)方案,自适应地跟踪干扰子空间和多天线信道,在此基础上对接收信号进行斜投影抑制多址干扰(multiple access interference, MAI),解决了传统的基于子空间的最小均方误差(minimum mean square error, MMSE)盲空时多用户检测算法收敛速度慢和强干扰的情况下稳态性能低的问题,提高了多用户检测的鲁棒性,且计算复杂度较低。仿真结果表明该算法的有效性。     

基于自适应卡尔曼滤波盲多用户检测的新算法

研究在稳态的码分多址(code-divisionmultiple-access,CDMA)系统存在很强的抗多址干扰时,使多用户检测中的最优判决向量的估计保持较高的数值鲁棒性的算法。采用一种新的自适应卡尔曼滤波多用户检测算法估计CDMA系统多用户接收器的最优判决向量,高性能盲自适应多用户检测算法。通过仿真实验,可以看出,该算法收敛速度快、跟踪性能好、数值稳定性好。仿真实验表明,提出的方法能够有效抑制阵发性多用户干扰,具有很强的抗多址(multipleaccessinterference,MAI)干扰能力和较高的数值鲁棒性。     

基于对角载入的鲁棒自适应波束形成算法

作为一种梯度自适应波束形成算法,LMS算法因简单有效而得到广泛的应用.但是在存在偏差的情况下,LMS算法的性能较差.针对上述问题,考虑信号方向向量的偏差对LMS算法性能的影响,提出了一种基于对角载入的鲁棒约束LMS算法,并对算法的对角载入因子和收敛性能进行了分析,给出了保证算法收敛的步长取值范围.该算法利用对角载入的特性,可有效的抑制各种偏差所带来的影响,收敛速度快,抗扰动性强,对信号方向向量的偏差具有较强的鲁棒性,从而可以保证阵列输出的信干噪比接近最优值.仿真实验表明,与传统约束LMS算法相比,基于对角载入的鲁棒自适应波束形成算法具有很好的性能.     

一种基于背景预测的红外杂波抑制新方法

针对复杂背景下的红外弱小目标的检测问题,提出了一种中值二维最小均四阶矩(MTDLMF)自适应红外图像背景杂波抑制算法。该算法将观测数据经过一组低阶的自适应子滤波器,每个子滤波器的输出作为输入数据的一个预测,将所有的子滤波器的输出通过一个非线性中值滤波器,其输出作为最后的预测结果。该算法可以降低大量由于强边缘而引起的虚警,能够更有效地抑制杂波并且保留信号。实验结果显示,该算法对复杂背景下红外弱目标图像背景杂波抑制具有良好效果。     

基于凸联合的Krylov子空间自适应LMS算法

提出了一种基于凸联合的Krylov子空间自适应最小均方（least mean square, LMS）算法。首先采用Krylov子空间变换将未知系统的冲击响应转换为Krylov子空间下的稀疏结构,利用其稀疏特性,将一种改进的比例归一化LMS（improved proportionate normalized LMS, IPNLMS）算法和一种变阶数归一化LMS（variable tap length normalized LMS, VTNLMS）算法进行凸联合,最后通过Krylov子空间反变换得到未知系统冲击响应。仿真结果验证了所提出的凸联合自适应LMS算法具有更快的收敛速度和更小的稳态误差。     

噪声鲁棒变步长LMS算法及其在OFDM水声信道均衡中的应用

针对最小均方(least mean square, LMS)算法在低信噪比(signal to noise ratio, SNR)条件下性能较差的问题,提出一种噪声鲁棒变步长LMS(noise robust variable step-size LMS, NRVSLMS)算法。该算法通过结合改进的双sigmoid函数和误差信号自相关函数,在迭代过程中动态调整步长的大小,解决了传统LMS算法中收敛速度、跟踪性能和稳态性能互相矛盾的问题。理论分析和仿真结果表明,与其他变步长算法相比, NRVSLMS算法抗噪声能力强,具有良好的跟踪速度和稳态性能。将该算法应用于正交频分复用(orthogonal frequency division multiplexing, OFDM)水声信道均衡中,与现有LMS类自适应均衡方法相比,基于NRVSLMS算法的信道均衡方法能够显著降低系统误码率(bit error rate, BER)和均方误差(mean square error, MSE)。     

一种优化的自适应总体最小二乘系统辨识算法

对于监督信号和训练信号都含有噪声的系统辨识问题,如果采用经典的最小均方和迭代最小二乘算法进行估计,会带来较大的误差,而直接求解又会有较大的计算量,不利于在线计算.将权向量的求解转化为增广输入向量自相关矩阵瑞利商的受限最佳化问题,对增广输入向量进行遮代估计,同时建立了步长因子和误差信号问的函数关系,这个函数关系是建立在代价函数相对于步长梯度的基础上,而不是基于经验公式.所提算法结构简单,具有更好的稳健性,仿真表明这种算法相对于同类总体最小二乘算法和其他自适应算法有更快的收敛速度和更高的收敛精度.     

单快拍相干信号自适应波束形成方法

针对低快拍条件下相干信号波束形成问题,提出一种单快拍相干自适应波束形成方法。首先,构造Duvall特征消除器滤除阵列接收信号中的期望信号,再利用空间平滑方法解相关。然后,依据Hung Tuner算法对平滑后的协方差矩阵进行Gram Schmidt正交化,快速重构干扰信号子空间。最后,将静态权矢量在干扰子空间内的正交投影作为波束形成最优权矢量。该算法可有效避免协方差矩阵求逆和特征分解造成的复杂计算,且能降低由于期望信号泄露造成的子空间估计误差,在单快拍条件下性能良好。仿真分析验证了算法的优越性和理论分析的有效性。     

存在幅度/相位误差的稳健波束形成

基于线性约束最小方差准则(LCMV)的自适应波束形成器,在存在阵列幅度/相位误差情况下性能会显著下降。针对此情况,基于信号子空间与噪声子空间的彼此正交特性,对存在误差的信号导向矢量和干扰导向矢量,同时向信号子空间投影,然后对投影后的导向约束采用LCMV准则进行自适应波束形成。理论分析和仿真结果表明文中方法对阵列幅度、相位误差具有稳健性。