基于模糊控制器的变步长盲均衡算法

分析研究变步长恒模盲均衡算法基本原理和基于模糊控制器变步长盲均衡算法基本原理后,提出了一种新的基于模糊控制器的变步长盲均衡算法.该算法利用模糊控制器控制盲均衡算法的迭代步长,得到了更好的均衡性能.     

基于统计特性均衡准则的联合盲均衡算法

研究了一种基于统计特性均衡准则的判决引导盲均衡结构,以有效克服水声信道多径衰落的不利影响,并针对水声信道的时变多普勒特性,引入数字锁相环技术,提出了一种基于统计特性均衡准则的判决引导盲均衡,与数字锁相环相结合的联合盲均衡算法,以快速纠正信道引入的载波相位旋转,加快算法的收敛速度.仿真结果证明了该算法的有效性.     

基于误差峰值的改进型CMA盲均衡算法

针对CMA盲均衡算法的缺点,提出一种基于误差峰值的改进型CMA盲均衡算法。该算法把CMA盲均衡算法更新方程中的迭代步长由原来的固定值改成可变值,从而进一步提高了CMA盲均衡算法的收敛性。仿真结果表明,与CMA盲均衡算法相比,改进型CMA盲均衡算法具有更好的均衡效果和收敛性能。     

最小差错概率盲均衡算法的DSP实现

本文在分析了基于最小差错概率盲均衡算法的基础上,在TI CCS2.0 C54xSimulator上进行仿真测试,并在硬件平台上实现了基于最小错误概率盲均衡,仿真结果表明,与固定的步长的盲均衡算法相比,该算法收敛速度快,均方误差小。     

基于布谷鸟搜索算法优化的正交小波多模盲均衡算法

提出了一种新的盲均衡算法—基于布谷鸟搜索算法优化的小波多模盲均衡算法(CSWT-MMA),该算法利用正交小波变换(WT)降低信号的信噪比,并将具有卓越的全局搜索能力的布谷鸟搜索(CS)算法引入多模盲均衡算法(MMA).水声仿真结果表明,新算法能较好地捕获全局最优解,有效改善了MMA容易陷入局部最小值、收敛速度慢、稳态误差大等问题,具有更快的收敛速度和更小的均方误差,均衡质量更高.     

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。     

自适应均衡算法的盲均衡处理研究

基于中频信号的盲均衡算法,利用通信信号的周期平稳性,提出卫种代价函数,并推导了其盲均衡算法。计算机仿真表明,该算法有较好的收敛性能,克服了CM算法对相位不敏感的缺点。     

基于余弦代价函数的双模盲均衡算法

盲均衡算法不需要训练序列，就能够有效降低码间串扰（ISI），但是在脉冲噪声环境下，现有单滤波器均衡算法不能有效平衡收敛速率与均衡误差，算法收敛后ISI仍然较高。针对上述问题，提出了一种基于余弦代价函数的凸组合双模盲均衡算法。该算法将2个盲均衡器并联使用，其中一个作为快速滤波器以保证收敛速率，另一个作为慢速滤波器以降低均衡误差。为了进一步抑制脉冲噪声，将分数低阶统计量引入到基于余弦代价函数的盲均衡算法和基于判决反馈准则的盲均衡算法中，并分别作为快速滤波器和慢速滤波器的权向量更新算法。仿真实验表明：当噪声设置为25 dB的高斯白噪声时，新算法收敛后ISI会低于常模盲均衡算法CMA和基于余弦代价函数的盲均衡算法CCF，星座图也较为清晰；当噪声环境为28 dB的α稳定分布噪声时，新算法利用分数低阶统计量以抑制脉冲噪声，能够得到较低的ISI和清晰的星座图，而凸组合结构兼顾了稳态误差与收敛速率，在进一步降低稳态误差的同时确保了较快的收敛速率。     

概率密度函数的并行软方向判决盲均衡算法

基于Parzen窗方法概率密度函数盲均衡算法比恒模算法具有更好的性能,但一样会出现随机相位旋转现象.利用最大后验概率准则中的相位信息,讨论一种基于Parzen窗方法概率密度函数的并行软方向判决盲均衡算法.高阶QAM调制信号仿真结果表明,算法克服了输出信号出现的随机相位旋转现象,并且算法的收敛速度较PPDF算法快,收敛后均衡器输出的稳态码间干扰也较小.     

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.     

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。     

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。     

CES型盲均衡及其基于高阶统计量的一种实现

介绍了一种全新的设计盲均衡器的评估标准──信道评估标准ＣＥＳ（ＣｈａｎｎｅｌＥｓｔｉｍａｔｉｏｎＳｔａｎｄａｒｄ），并就其实现方式作了简要讨论，在分析现有算法优缺点的基础上，基于高阶统计量，对非最小相位线性信道，提出了一种ＣＥＳ型盲均衡算法ＨＣＢＥＡ，该方法避免了ＣＥＳ盲均衡中常见的大运算量的缺陷，由多电平ＰＡＭ及ＱＡＭ信号仿真实验表明，该方法具有良好的均衡特性。     

浅海水声信道中Turbo码性能研究

针对复杂多变、强多途和大起伏的浅海水声信道,本文建立了包括时变衰落、多途和加性干扰在内的信道仿真模型及Turbo码编/译码结构.通过计算机仿真,研究了浅海水声信道中的Turbo码性能及Turbo码性能随多途效应、衰落率和信道交织器等的变化.结果表明:在水声通信可接受的信噪比范围内(10～20 dB),Turbo码具有良好的性能(误比特率小于10-4);浅海水声信道中,Turbo码性能随多途路径数的增加而下降;Turbo码性能随衰落率的减小而略有下降;浅海水声信道中,信道交织器可改善Turbo码性能,并弥补由于衰落率不同而造成的性能差异.     

几种改进型RLS算法在自适应滤波系统中的应用

对用于信道估值(自适应模拟系统)和信道均衡(自适应逆模拟系统)的几种改进型RLS算法进行了比较。由于信道估值的最优解可以模拟出信道的传输函数，从而得到较为准确的信道参数，而信道均衡的最优解却受噪声功率谱密度的影响，因此提出了适用于时变信道的、基于信道估值的均衡方法，采用性能良好的信道估值算法将改善自适应均衡的性能。     

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.     

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。     

基于酉空时码的盲信道均衡新算法

在具有码间干扰的多入多出（MIMO）无线通讯系统中,针对酉空时编码,提出了一种新的分数间隔矩阵恒模盲均衡算法。这种新算法比矩阵恒模算法表现出更快的收敛速度、更好地抑制噪声的性能。这种均衡器可以和非相干检测器配合使用．从而存存在码间干扰的情况下实现低复杂度的完全盲均衡。