结合数字锁相环空间分集判决反馈盲均衡算法

为了克服常数模算法(Constant Modulus Algorithm,CMA)收敛速度慢、稳态误差大及复信道引起相位旋转的缺点,提出了结合数字锁相环的等增益合并空间分集判决反馈盲均衡算法。该算法利用空间分集技术来提高信噪比,利用判决反馈盲均衡器来克服码间干扰,利用二阶锁相环来跟踪信道的时变特性,具有纠正相位旋转、收敛速度较快、稳态误差小的优点。时变多普勒频移水声信道的仿真结果,验证了该算法的有效性。     

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。     

基于正交小波变换的变步长盲均衡算法

提出了一种基于正交小波变换的变步长盲均衡算法。该算法将正交小波变换理论引入到常数模盲均衡算法中,充分利用小波变换对信号的去相关性及指数型变步长控制迭代过程的特性来加快收敛速度。与常数模算法及基于正交小波变换的盲均衡算法相比,该算法收敛速度快、稳态误差小、均衡效果好。水声信道盲均衡的仿真结果,验证了其的性能。     

一种改进的变动量项归一化p-范数短波信道盲均衡算法

为了进一步提高脉冲环境噪声下归一化p-范数常数模(constant modulus algorithm,CMA)盲均衡算法性能,提出一种变动量项归一化p-范数常数模盲均衡算法.在归一化p-范数常数模盲均衡器更新过程中引入动量项,盲均衡器输出信号依据CMA和判决引导(decision directed,DD)算法分别计算瞬时误差,动量因子依据2种准则下的瞬时误差符号进行自适应调整,得到一种变动量项算法.计算机仿真结果表明,变动量项归一化p-范数盲均衡算法有效提高了算法收敛速度,同时与固定动量项归一化p-范数盲均衡算法相比,具有更小的稳态剩余误差,在脉冲噪声环境下的短波信道盲均衡中具有应用价值.     

基于KF和虚拟技术的最优盲水声信道均衡算法

为了准确估计水声信道的多途数和多途时延,将虚拟技术和卡尔曼滤波(KF)盲自适应算法相结合,提出基于虚拟技术和KF的盲自适应水声信道均衡算法.采用虚拟技术将多途干扰和系统电噪声虚拟成环境噪声,基于最小均方误差(MMSE)准则下KF的最优估计特性,实现水声数据传输在信道环节的最优盲估计.短途水声通信试验(收发节点水平距离14 m,载波频率10 kHz,采样频率100 kHz,码元速率64.5 bit/s)和长途水声通信试验(收发节点水平距离5 km,载波频率6 kHz,采样频率48 kHz,码元速率11.8 bit/s)结果验证了所提算法的有效性.     

基于二阶循环统计量的直接盲MMSE均衡算法

提出了一种基于二阶循环统计量的直接盲MMSE均衡算法。该算法利用接收信号的二阶循环平稳性,依据MMSE准则,不经过辨识直接均衡信道。由于利用了信号的周期循环平稳性,该算法可以实现非最小相位系统的盲均衡。仿真实验表明,与基于子空间的盲均衡算法和基于CMA的盲均衡算法相比较,该算法运算复杂度低、收敛速度快、且不会陷入局部最优点。此外,由于该算法不经过辨识直接均衡信道,所以受信道阶数误差的影响较小。     

基于判决反馈均衡的水声信道估计与通信算法

在分析基于最小均方信道估计算法的基础上,对计算量较小的匹配追踪算法进行改进,引入路径门限调整机制以克服虚假路径造成的不良影响,利用重要路径权系数的2次迭代修正方法,进一步提高了水声稀疏信道的估计精度;借助于信道估计值进行均衡系数的解算,利用判决反馈均衡器(DFE)的输出信号对信道估计质量进行实时评估,提出了一种基于DFE的信道长度自适应选择的信道估计算法,同时,通过仿真和实地实验验证了其有效性.结果表明,所提出的算法能够在未知水声环境下实现对信道估计算法的自适应调整以及对预估信道长度的合理选择,以较高的计算效率而实现对水声信道的精确估计,满足未知水声信道环境下的精确信道估计及通信应用需要.     

基于最大峰度准则和判决引导的短波信道盲均衡算法

通过研究短波信道中的Watterson模型,将线性系统盲均衡中的最大峰度准则与输出信号的判决引导均方误差相结合,作为短波信道的盲均衡算法．针对传统梯度搜索方法容易陷入局部收敛问题,提出利用实数编码的遗传算法对准则函数进行最优化搜索．仿真实验表明,该算法收敛速度快和精确度高,能够大大提高均衡后的输出信噪比．     

一种半盲联合信道估计与均衡单载波相干水声通信接收机

基于Gibbs采样技术,设计了一种新的半盲联合信道估计与均衡单载波相干的水声通信接收机.首先,通过在数据帧前加入具有循环结构的训练序列估计信道,针对水声信道的稀疏特点,采用迭代稀疏最小化(sparse learning via iterative minimization,SLIM)算法提高低信噪比下的信道估计精度,得到信噪比精确的估计.其次,在数据帧处理中,基于水声信道的时变特点,将数据帧分成特定长度的重叠块进行处理.在重叠块中基于之前得到的信道估计结果,采用Gibbs采样技术得到发送信息的最大后验概率(maximum a posteriori,MAP),同时利用新获得的信息更新信道,跟踪信道的变化.对厦门港海域获得的10km海洋试验数据进行了处理分析,结果表明:相较传统频域线性均衡和时域的判决反馈(decision feedback equalizer,DFE)算法,该算法的鲁棒性强,误比特率显著降低.     

频率分集多小波神经网络盲均衡算法

在分析多小波神经网络盲均衡的基础上,提出了频率分集多小波神经网络盲均衡算法（ FD －MWT －FNN）,该算法利用多小波的特性,加快算法的收敛速度,采用具有对称特性的误差函数减小算法的均方误差,为了进一步提高算法的性能,引入频率分集技术克服多径衰落的影响。水声信道的仿真结果表明,该算法具有收敛速度快,稳态误差小的特点。     

Single-User Blind Channel Equalization Using Modified Constant Modulus Algorithm

A modified constant modulus algorithm (MCMA) for blind channel equalization is proposed by modifying the constant modulus error function. The MCMA is compared with the conventional constant modulus algorithm (CMA) for symbol-spaced equalization of 4PSK signals. The result shows that the performance of the MCMA is superior to that of the CMA in both convergence rate and intersymbol interference for frequency selective channels in noisy environments. Simulation results using 8PSK signals also demonstrate that a fractionally spaced equalizer can preserve performance over variations in symbol-timing phase, whereas a baud-rate equalizer cannot.     

基于分数间隔均衡器的CMA＋DD双模式切换算法研究

研究了基于分数间隔均衡器的常数模与判决导引（DD）双模式切换算法,进行了多径水声信道盲均衡的仿真实验,验证了该算法的有效性。     

归一化自适应共轭梯度恒模盲均衡仿真研究

为提高恒模盲均衡算法收敛速度,提出了一种归一化自适应共轭梯度恒模盲均衡算法并进行了仿真研究。利用级联滤波方法对恒模盲均衡器输入进行了重新定义,并在此基础上采用自适应共轭梯度算法对均衡器参数进行更新,对均衡器输入采用归一化进行处理,以保证算法的稳定性。共轭梯度算法计算复杂度介于LMS和RLS算法之间,与LMS算法相比较具有更快的收敛速度,仿真结果证明归一化自适应共轭梯度算法恒模盲均衡与传统恒模盲均衡算法相比具有更好的均衡性能,复杂信道条件下剩余码间干扰可降低约10 dB,均衡系统中引入的级联滤波器可视为时变信道的一部分,表明算法对于时变信道同样有效。     

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。     

采用输出误差符号判决的变步长常数模盲均衡

针对固定步长常数模盲均衡算法在收敛速度和收敛精度上存在矛盾问题,提出了一种采用输出误差符号判决的变步长常数模盲均衡算法。在每次迭代后根据常数模准则和判决引导准则计算均衡器输出误差。如果在两种准则下输出误差符号一致,则对步长值进行修正,否则,根据自适应均衡原理利用均衡器输入信号计算最大步长值,均衡器权系数采用大步长值进行更新。与现有变步长盲均衡算法比较,无需人工设置参数,更利于工程实现。计算机仿真结果证明,采用输出误差符号判决的变步长常数模盲均衡具有良好的均衡性能。     

利用记忆梯度法改进的变步长恒模盲均衡算法研究

针对传统恒模盲均衡算法收敛速度慢、固定步长条件下收敛速度和收敛精度之间存在矛盾的缺陷,提出了一种利用记忆梯度法改进的变步长恒模盲均衡算法。用记忆梯度算法替代最速梯度下降算法实现对恒模盲均衡中均衡器权值的调整,充分利用当前和前面迭代点的梯度信息,同时利用梯度信息变化率作为学习步长调整因子。新算法有效地提高了算法收敛速度,与共轭梯度法和拟牛顿法等改进算法比较,具有较低的计算复杂度和更好的均衡性能。计算机仿真证明了这一算法的有效性。     

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.