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。     

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．     

依据高阶累积盲解卷积

对盲均衡（盲解卷积）提出了两种三阶累积量的基本算法，在算法中依据非因果的ＡＲ（自回归）模型及与逆滤波器系数相关的方程，把非最小相位系统的盲均衡问题转化为解相应的线性方程组的问题，保证了这种解法的唯一性。在算法中仅利用了累积量的对角线切片，从而使该算法简单、准确。仿真实验结果表明，该算法是可行有效的     

利用高阶矩解决数字通信中的盲均衡问题

针对盲均衡算法中，以梯度的估值计算抽头最佳系数时收敛性不理想的问题，介绍了一种新的以高阶矩来求解均衡系数的方法，并对该方法的性能进行了讨论。     

码分多址系统中的上行信道盲估计及多用户检测

提出了一种基于信道盲估计的多用户检测方法,该方法首先估计出码分多址（ＣＤＭＡ）系统中各用户信道的等效ＦＩＲ滤波器参数,在此基础上求解各用户的信号。在停产信道 盲估计时,仅利用了采样信号的二阶统计量,计算机仿真实验表明,该方法是一种具有抗远近疚及多址干扰、适用于频率选择性衰落信道ＣＤＭＡ多用户检测方法。     

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.     

基于高阶倒谱盲均衡器的设计

倒谱盲均衡算法的关键是建立信号的倒谱与信道参数之间的关系方程,然后以解方程的方式获得信道参数。阐述了基于倒谱盲均衡器的基本构成和工作原理,分析了其特点,推导了基于四阶倒谱盲均衡器的传输函数,给出了均衡器的结构形式。     

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。     

基带DτAGC算法及其在DFE均衡器中的应用

根据恒幅－窄带原理ＤτＡＧＣ（Ｉ／Ｄ）抗干扰方法,导出一种用于处理离散基带信号的ＤτＡＧＣ递推算法,并将此算法用于数字信道的ＤＦＥ自适应均衡。计算机模拟实验表明,ＤτＡＧＣ算法能有效地抑制脉冲干扰、压缩动态范围,与固定时间常数ＡＧＣ算法相比,采用ＤτＡＧＣ算法的ＤＦＥ均衡器误码率明显降低。     

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。     

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。     

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。     

基于遗传算法神经网络盲均衡算法的研究

将遗传算法引入神经网络盲均衡,利用其全局搜索能力强的特性来消除传统神经网络算法易陷入局部最优解、训练速度慢的缺点。采用两阶段寻优法,首先,通过遗传算法来为神经网络提供一个全局较优的局部搜索空间;其次,利用传统神经网络在这个局部空间进行更精确地搜索,最终实现盲均衡。计算机仿真表明,该算法能达到更好的收敛特性和均衡效果。     

基于遗传算法神经网络盲均衡算法的研究

将遗传算法引入神经网络盲均衡,利用其全局搜索能力强的特性来消除传统神经网络算法易陷入局部最优解、训练速度慢的缺点。采用两阶段寻优法,首先,通过遗传算法来为神经网络提供一个全局较优的局部搜索空间;其次,利用传统神经网络在这个局部空间进行更精确地搜索,最终实现盲均衡。计算机仿真表明,该算法能达到更好的收敛特性和均衡效果。     

基于混沌的通信系统的盲信道均衡

研究了基于混沌的通信系统的盲均衡问题.其出发点是利用基于无先导变换,并组合信号建模技术,进而提出一种盲均衡算法.仿真结果表明,这种盲均衡算法能有效地抑制各种信道畸变和噪声.与基于扩展卡尔曼滤波器的盲均衡算法相比,在低信噪比的情况下,前者有较快的收敛速度,并具有较好的均衡实现.     

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。     

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。     

采用瞬时梯度变化率判决的双模式盲均衡算法

为进一步提高恒模盲均衡算法的性能,文中提出了一种采用瞬时梯度变化率判决的双模式盲均衡算法。利用两次相邻均衡迭代前后的归一化权值变化量定义瞬时梯度变化率,并依此设置判据实现均衡迭代过程中的恒模算法和判决引导算法的适时切换,实现双模式盲均衡算法。双模式盲均衡算法可以有效结合恒模算法稳健和判决引导算法快速收敛和收敛精度高的优点,提高盲均衡算法的性能,计算机仿真结果证明了算法的有效性。     

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。