恒模算法的一种在线自适应初始方法

利用恒模均衡器与维纳均衡器之间的关系,在Lang Tong等人提出CSR CMA的基础上,使用了一种新的初始化方法,对传统的恒模算法(CMA)进行了改进,使其可以在线自适应调整其初始权值,从而可以改善恒模算法的收敛性能,并防止恒模算法的误收敛。计算机仿真试验验证了改进算法优良的收敛性能。     

改进型 BP 神经网络自适应均衡器设计

针对传统的基于 BP 神经网络的自适应均衡器存在的缺陷,提出了一种改进的 BP 神经网络自适应均衡器的 FPGA 设计方法.从互连结构、训练法则及收敛算法等几个方面对 BP 网络进行改进,通过加入协调器提高 BP 网络收敛速度和容错性能,并根据 BP 网络的并行性能得到分块结构模型,同时采用流水线技术使计算速度明显提高.通过软件仿真,验证了这种结构简单、收敛速度较快的 BP 网络的有效性和可行性,并在ModelSim 工具上完成了自适应均衡器的仿真验证     

一种新的用于3G互连的盲均衡改进算法TDE—CMA

DVB中广泛使用的CMA均衡算法一直深受伪收敛问题的困扰。从CMA算法的代价函数、迭代方程 及初始化系数等方面对伪收敛问题进行研究,在此基础上提出一种带时延估计的CMA改进算法。该算法通过引 入时延校正因子来调整主径的位置,从而避免了伪收敛现象。计算机仿真表明该方法大大提高了原算法的收敛 性,并且具有运算量小、易实现的优点,是一种实用性较强的改进算法,适用于高速的３G互连应用。     

基于修正常系数模板的变步长双模式盲自适应均衡算法

为解决修正常系数模板算法(MCMA)收敛速度缓慢的问题,在MCMA算法的基础上,给出了一种变步长双模式MCMA算法.改进算法在启动阶段用步长可变加快其收敛性,在收敛后转换到判决引导模式(DD),以保证算法收敛后稳态误差在可靠范围内.通过对实测信道的Monte-Carlo仿真,比较了MCMA算法和变步长双模式MCMA算法的性能,证明了该改进算法收敛速度快,稳态误差小.     

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。     

基于遗传算法的直接盲信号检测

针对现有的盲均衡遗传算法收敛速度慢,难以准确地收敛到最优解的问题,借助接收数据阵补投影算子对待测发送序列向量的零化作用,把信号盲检测问题转化为整数约束下的二次优化问题,提出了一种基于遗传算法的直接盲信号检测的方法.所用遗传算法的特点是,适应度函数是直接针对被检测序列构造的,编码空间与遗传空间一致,搜索空间是离散、有限的.仿真结果表明,该算法收敛速度快、性能好.     

一种改进的变步长双模算法研究

在对常模算法 (CMA) 和改进常模算法(MCMA)的研究基础上,提出了一种改进的变步长双模算法(Variable Step-size MCMA-DD).改进算法通过误差信号自动地调节步长,从而调节算法的收敛速度.通过仿真表明,改进算法具有与MCMA-DD算法相近的误码性能,但是很大程度地加快了算法的收敛速度.     

单层感知器在自适应均衡中的应用

本文研究了感知器在通信信道均衡中的应用。提出用单层感知器实现信道均衡,以均方对数似然函数为均衡器的性能指标函数,并给出一种新的自适应学习算法用于训练单层感知器的权系数。计算机仿真结果表明本文提出的算法比常用的线性均衡器LMS算法具有更好的收敛性能和均衡效果。     

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。     

多跳无线网络中基于博弈理论的拓扑控制算法研究

本文根据博弈论思想为多跳无线网络中的拓扑控制问题设计了一种新颖的收益函数,该收益函数不仅考虑了网络的连接性,而且还考虑了网络的干扰特性和路由性能。理论分析表明,根据此收益函数,网络行为将收敛于一个理想的稳定状态（纳什均衡点）,通过最佳响应算法可以求得此稳定状态。     

组合卡尔曼均衡新算法的研究

在分析卡尔曼算法收敛性能基础上，提出了组合卡尔曼均衡算法，并在时变信道上以线性均衡器（ＬＥ）及判决反馈均衡器（ＤＦＥ）研究了其性能。组合卡尔曼算法与Ｋａｌｍａｎ算法收敛速度相同，稳态误差相近，但克服了Ｋａｌｍａｎ算法因计算误差阵ＰＫ产生会入误差累积而使算法发散的缺陷．     

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.     

多输入多输出系统中基于多级维纳滤波的均衡算法

基于多级维纳滤波器,提出了一种多输入多输出系统中的降秩自适应均衡算法.该算法利用多级维纳滤波器得到一组子空间基向量,通过子空间投影,把均衡器输出限定在低维子空间内,从而降低了自适应均衡的迭代复杂度,加快了收敛速度.理论分析和仿真表明,降秩均衡算法有效地提高了均衡器的收敛速度,降低了计算复杂度,并在多级维纳滤波器的级数不超过 10 的情况下,就能达到近似满秩均方误差性能.     

一种适合256QAM系统的盲均衡算法

提出了一种适合２５６ＱＡＭ系统的新的盲均衡算法．理论分析和模拟结果表明,该算法具有收敛速度快、残差小的特点,特别是对幅度和相位特性畸变严重的信道,也能得到令人满意的结果．     

基于动量项前馈神经网络盲均衡算法

针对基于前馈神经网络的盲均衡算法中，BP优化算法具有收敛速度慢、易陷入局部极小的缺点，提出了一种新的盲均衡算法，该算法结合动量项前馈神经网络与传统恒模盲均衡算法的优点，将以前权值的调节量用于当前权值的修改过程，降低了算法对于误差曲面局部极值点的敏感性。仿真结果表明，该算法可有效抑制网络陷入局部极小，防止振荡，加快盲均衡器的收敛速度。     

基于改进目标函数的前馈神经网络盲均衡算法

针对前馈神经网络的特性和盲均衡中CMA算法的特点构造出一个新的目标函数J(n)。该目标函数综合考虑使盲均衡的代价函数和神经网络的误差函数同时减小。仿真结果表明,使用此算法加快了均衡过程的收敛速度、减小了剩余误差及误码率。