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。     

最小均方误差判决和自适应判决反馈均衡器的设计实现

介绍了基于FIR和IIR的采用最小均方误差（MMSE）算法的判决反馈均衡器,针对该算法的缺点提出了两种采用自适应算法的判决反馈均衡器;LMS算法和CMA算法,对这些算法的仿真表明了各自的性能和优缺点,在此基础上提出了一种改进的混合算法,仿真表明,该算法只需要少量的训练序列,性能比CMA算法有明显的改进。     

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。     

纯滞后对象的神经网络辨识及自适应控制

提出了一种针对纯滞后对象的神经网络及控制结构，在神经控制器的线训练中，引入了反向传播的预测误差信号，并采用基于Ｋａｌｍａｎ滤波的学习算法分别训练用于辨识的神经网络及神经控制器。     

无需初始状态先验统计知识的最优状态估计

为获得系统状态的最优线性无偏估计（ＢＬＵＥ）,Ｋａｌｍａｎ滤波算法要求事先知道系统状态的均值与方差,但此要求往往难以满足．今放弃这一要求而考虑离散线性时变多输入多输出（ＭＩＭＯ）随机系统的状态估计问题．若系统是完全可重构的,则本文所给新的滤波算法便将给出系统状态的ＢＬＵＥ．对于即使不可观测的完全可重构确定性系统,该新算法也能给出其无差估计．     

稀疏图上有效的MST多边更新并行算法

ＭＳＴ（最小生成树ＭｉｎｉｍｕｍＳｐａｎｎｉｎｇＴｒｅｅ之略）多边更新（ｕｐｄａｔｉｎｇ）问题定义如下：给定一个赋权图Ｇ（Ｖ,Ｅ）和Ｇ的一棵最小生成树Ｔ（Ｖ,ＥＴ）,其中｜Ｖ｜＝ｎ,ＥＴ是树边集合,（１）给Ｇ添加Ｋ条新边,或者（２）在图Ｇ上改变Ｋ条边的权后重新为Ｇ寻找一棵最小生成树,１≤Ｋ＜ｎ．本文基于ＳＩＭＤＣＲＥＷＰＲＡＭ共享存贮模型,运用“进－退”策略,并把这一特殊手段与已有的平行算法组合起来,为一类稀疏图（｜Ｅ-ＥＴ｜＝Ｏ（Ｋ））找到了一种有效的ＭＳＴ多边更新算法．该算法需要Ｏ（ｌｏｇｎｌｏｇＫ）时间和Ｏ（ｍａｘ｛ｎ,ｕＫ／ｌｏｇｎｌｏｇＫ｝）处理机．     

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。     

分数间隔判决反馈均衡技术的研究

本文研究了基于分数间隔的判决反馈均衡器,这种均衡器既对时间同步误差不敏感,又能在消除码间干扰的同时不引入噪声增益。分别采用最小均方算法,递归最小二乘算法和恒模算法来实现分数间隔判决反馈均衡器。通过仿真,比较了这三种算法的优缺点。在此基础上提出了一种改进的LMS和CMA算法相结合的混合算法。该算法只需要少量的训练序列,且性能比CMA算法有明显的改进。     

基于SA-GSO的小波加权多模盲均衡算法

为解决传统多模盲均衡算法（MMA）在均衡高阶QAM信号时存在的收敛速度慢、稳态误差大等问题,提出了一种基于模拟退火萤火虫优化的小波加权多模盲均衡算法（SA-GSO-WT-WMMA）。该算法在MMA的基础上增加了加权项,并引入了模拟退火萤火虫优化（SA-GSO）算法和正交小波变换（WT）,利用加权项自适应地调整算法中代价函数的模值,利用SA-GSO算法极强的全局寻优能力来优化均衡器的初始权向量,利用正交小波变换降低信号的自相关性,有效提高了均衡效果。水声信道仿真实验表明,该算法在降低稳态均方误差和加速收敛速度两方面表现卓越。     

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。     

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。     

SIMO信道组合优化递推序列检测算法

传统的盲均衡算法主要基于高阶统计量(HOS)法或信道输出过采样的二阶统计量 (SOS)算法,而这些算法不能实际应用于时变环境。与现有的自适应均衡LMS算法、RLS算法不同,提出了一种基于有限字符集信息的组合递推算法,实现单输入多输出 (SIMO)信道盲序列检测。仿真表明:该算法具有较快的收敛速度和较低的稳态误码。     

前馈神经网络复值盲均衡算法的研究

提出了一种新的前馈神经网络(N-FNN)复值盲均衡算法。新算法改变了传统均衡技术大量发送训练序列而降低系统传输的有效信息率,有效地消除码间干扰,提高了通信质量。笔者设计出新的传递函数和代价函数,利用最陡梯度下降法推导出输出层和隐层单元权值的迭代公式。通过对QAM信号进行计算机仿真,笔者提出的新算法与同类算法相比,具有均方误差收敛速度加快、误码率降低、稳态剩余误差减小等优点     

高阶谱与二阶循环谱在信道盲辨识与盲均衡中的性能比较

重点研究了高阶谱和二阶循环谱及其在信道盲辨识与盲均衡中的应用，对基于最小二乘和快速傅立叶变换的算法进行了比较，得出了一些重要结论：高阶谱算法具有较强的抗高斯噪声性能，但其收敛速度慢；二阶循环谱算法具有收敛速度快和所需数据最小的优点，但其收敛残余误差大。     

量化在基于正交小波的盲均衡算法上的应用

常数模算法(CMA)是实际中应用最广的一种盲均衡算法，基于正交小波的CMA算法(WBCMA)与传统的LMS算法的横向均衡器相比收敛速度快，但计算量却有所增加，把量化应用到WBCMA上，采用以2的整数次幂对误差项进行量化，减小了误差项的字节数，因此减少了算法迭代中的乘法运算．计算机仿真证明了该方法的有效性，     

基于最小错误概率变步长的盲均衡算法

在分析了基于最小错误概率盲均衡算法的基础上,用牛顿梯度变步长算法实现了基于最小错误概率新的变步长盲均衡,克服了固定步长收敛速度和收敛精度之间的矛盾,加快了收敛速度,减小了稳态剩余误差。计算机仿真结果分别给出了4PAM,8PAM信号在典型电话信道和普通最小相位信道中牛顿梯度变步长算法与固定步长算法的收敛曲线。由两种算法收敛曲线的比较可以看出,新算法的收敛性能明显得到改善。     

考虑温度的电池荷电状态估算和主被动均衡

电池的荷电状态(SOC)估算和电池均衡作为电池管理系统BMS的核心功能,对电池的一致性和使用寿命、安全等至关重要。在电池的工作期间,温度直接影响了电池的可用容量和放电特性,从而加剧了SOC的估算误差。因此,本文考虑了温度对电池的影响,对SOC估算方法进行了改进,并利用主被动均衡改善了单体一致性问题。首先,通过建立电池的热特性模型对电池的内部温度进行估计,将温度估计结果对扩展卡尔曼滤波(EKF)算法进行了改进,再使用该算法进行SOC估算。并分别在UDDS、DST、HPPC工况下验证了本文改进的算法对提高SOC估算精度的有效性。其次,以更高精度的SOC估算结果作为变量,本文提出了一种主被动均衡电路并合理设计了均衡策略。最后,在仿真验证下,本文改进的EKF算法显著提高了SOC的估算精度,并通过主被动均衡实现了DST工况下一组SOC极差为13%的六节单体电池之间的快速均衡。研究结果表明,本文改进的方法能有效降低温度带来的SOC估算误差,改善了电池单体间的不一致性问题。     

基于最小错误概率变步长的盲均衡算法

在分析了基于最小错误概率盲均衡算法的基础上,用牛顿梯度变步长算法实现了基于最小错误概率新的变步长盲均衡,克服了固定步长收敛速度和收敛精度之间的矛盾,加快了收敛速度,减小了稳态剩余误差。计算机仿真结果分别给出了4PAM,8PAM信号在典型电话信道和普通最小相位信道中牛顿梯度变步长算法与固定步长算法的收敛曲线。由两种算法收敛曲线的比较可以看出,新算法的收敛性能明显得到改善。     

基于剩余容量估算的快速蓄电池均衡

针对现有蓄电池均衡方法工作时间长、只对电压均衡而不对容量均衡等缺点,采用基于Kalman滤波器与系统参数辨识集成的方法计算蓄电池剩余容量,并提出了一种新型蓄电池容量均衡结构。该容量均衡方法采用将串联蓄电池组单体分层的结构,使得每层的蓄电池单体不但能够在层内进行容量均衡,同时还可以与其他层之间均衡,因此均衡速度得到很大提高,均衡时间比传统方法缩短50%左右,而快速均衡电路的成本并没有增加。仿真和实验结果表明,该结构比传统结构均衡速度显著增加。     

双目标代价函数自适应均衡算法

为了实现有效的高速通信，色散信道必然引入符号间干扰。克服干扰的有效技术就是均衡。为此，提出了一个双目标代价函数，不同于以前的单目标代价函数。并给出了其实现算法和仿真结果，通过性能比较可以看出建议的准则和算法是有效的。