离散多音系统中信道辨识和符号同步的综合方法

分析了离散多音系统中信道辨识和符号同步的内在联系,提出了一种用于信道辨识和符号同步的综合方法,应用能量判决的准则同时实现信道频域响应和时域冲激响应的辨识以及符号边界的定位,在非对称数字用户线（ADSL）系统中应用该方法,使得系统的几何信噪比有10dB左右的提高,且算法的复杂度有所下降。     

应用于数字/模拟微波系统的70MHz中频自适应均衡器

本文提出了一种应用于数字/模拟微波系统的中频自适应均衡技术.在理论分析的基础上,给出了具体的硬件电路及软件程序实现,并分别对数字及模拟系统进行了实验室系统测试和现场测试.结果表明,研制的均衡器具有良好的均衡能力,在一定程度上能有效地抵御多径造成的频率选择性衰落对微波传输信道的影响.     

基于已知信道的均衡器设计和性能分析

论述了线性均衡器和判决反馈均衡器的基本原理,已知通信信道的特性时,对该信道分别采用线性均衡和判决反馈均衡仿真,得到二者的性能曲线和均衡器的最佳抽头系数,通过对得到的结果进行分析和比较,来合理地设计合适的线性均衡器或判决反馈均衡器.这些分析方法和得到的结论对工程中的均衡器实现具有一定的价值.     

数字微波140Mb/s、16QAM系统基带自适应均衡器

目前国内外广泛使用的数字微波140Mb/s、16OAM系统,由于选择性衰落造成的码间干扰,一般都采用基带自适应均衡器予以补偿。本文研究了基带横向均衡器和判决反馈均衡器在不同抽头个数时最小相位衰落和非最小相位衰落的均衡能力、并分析了定时相位偏差对均衡器的影响。     

基于模糊自适应推理系统的非线性信道参数辨识

当前对高速通信的需求导致对信道资源的利用已经超出了可以采用线性模型建模的范围,必须采用适当的非线性模型进行描述.为了实现对高速通信中非线性信道的辨识,提出采用自适应神经模糊推理系统进行信道辨识的方法.利用减法聚类法实现对 ANFIS 网络结构识别,在此基础上采用误差反传和最小二秉相结合的混合学习算法训练网络,从而实现对非线性信道的辨识.仿真结果表明,该方法与 BP 网络相比具有更高的收敛速度和识别精度,与基于网格划分的 ANFIS 相比,吴有更高的运算效率.     

基于模糊自适应推理系统的非线性信道参数辨识

当前对高速通信的需求导致对信道资源的利用已经超出了可以采用线性模型建模的范围,必须采用适当的非线性模型进行描述。为了实现对高速通信中非线性信道的辨识,提出采用自适应神经模糊推理系统进行信道辨识的方法。利用减法聚类法实现对ANFIS网络结构识别,在此基础上采用误差反传和最小二乘相结合的混合学习算法训练网络,从而实现对非线性信道的辨识。仿真结果表明,该方法与BP网络相比具有更高的收敛速度和识别精度,与基于网格划分的ANFIS相比,具有更高的运算效率。     

弥散非线性信道自适应均衡器

提出一种基于非线性差分方程模型的弥散非线性信道自适应均衡器。在弥散非线性信道上传送高速数据信号时，根据正文估计原理和快速正交算法，利用接收信号序列和训练序列可以迅速估计出该差分方程的基向量和权系数。所提出的自适应非线性均衡器的结构使其具有较好的自适应功能．模拟结果表明，采用这种自适应均衡器可使高速音带数据传输系统的误码性能改善３个数量级。     

一种结构自适应的非线性信道神经网络均衡器

针对非线民生信道提供了一种判决反馈神经网络自适应均衡器结构自适应方法，经自适应优化了结构，既可以以最少的参数保持较好的均衡性能，又可以显著降低运算量，从而极大地提高处理速度，模拟结果表明，该均衡器切实可行，特别适用于高速数传。     

自适应信道均衡器算法仿真与性能分析

使用自适应信道均衡器来抵消数字传输系统中噪声和信道造成的影响。采用两种自适应算法:LMS算法和RLS算法,并对算法进行了仿真,分析了系统参数对两种算法性能的影响,最后比较了LMS与RLS算法的收敛速度。仿真结果与理论分析相一致,验证了自适应算法的有效性。结果表明,虽然LMS算法不如RLS算法收敛速度快,但算法简单,易于实现。     

16-QAM数字微波系统判决反馈均衡器的改进和性能分析

本文分析了16-QAM 数字微波系统判决反馈均衡器的性能,提出了一种选取抽头系数调整步长的新方法,并在硬件实现中采用了取样代替乘法的设想,以节省大量乘法器.     

HDSL在30路数字话音传输设备中的应用设计

讨论了直接利用ＨＤＳＬ（高比特率数字用户环路）技术实现３０路数字话音传输的一种设计方案，介绍了系统结构设计和软件实现。     

用于数字微波通信的中频自适应均衡器的研制

本文根据W.D.Rummler提出的衰落模型,提出了用组合钟均衡多径衰落的方案,推导了一个信道参数的估计方程。用改进的卡尔曼滤波算法,采用博德网络和可变容差法获得的最优均衡电路,设计了微处理机控制的中频自适应均衡器,它具有良好的补偿特性。     

一种基于自适应滤波的系统辨识方法

采用自适应滤波技术，给出了系统辨识的一种方法。该方法具有计算简单、实用的特点，可以在理论模型不清楚的情况下，通过测量和学习，实现对未知系统的最佳拟合。     

PCM二次群自适应判决反馈均衡器的研制

本文导出了迫零算法的ADFE(自适应判决反馈均街器)抽头系数调节公式,提出了ADFE的原理框图及电路图,讨论了各单元电路的设计。研制的8.448Mb/s ADFE样机表明ADFE前向滤波器和后向滤波器抽头作用明显,自动增益控制达10dB范围。     

基于信道估值的判决反馈均衡器研究

比较分析了基于信道参数得到的滤波器系数解分别作为均衡器前向和反馈滤波器的最优解及最优初始解的情况下均衡的性能改善程度,并将波特间隔判决反馈均衡器(BS-DFE)和分数间隔判决反馈均衡器(FS-DFE)的性能作了比较.理论和仿真分析表明:基于信道参数得到的滤波器系数解如果作为均衡器前向和反馈滤波器的最优解,在信道保持不变的情况下有优势;将基于信道参数得到的滤波器系数解作为均衡器前向和反馈滤波器的最优初始化解,结合不同的均衡器结构(BS-DFE和FS-DFE),与LMS算法结合,得到的均衡效果在不同程度上得到改善,FS-DFE均衡的效果比BS-DFE的均衡效果更加收敛,但运算量并没有得到改善.研究表明:在不同的情况下,各种均衡方式方法都有其自身特点,根据实际要求采用不同的均衡方式或同时使用会取得最佳效果.     

基于自适应神经模糊推理系统的非线性系统辨识与仿真

针对非线性系统的模糊性、不确定性等特点，将模糊推理系统和神经网络相结合，介绍了一种自适应神经模糊推理系统，并将其应用于非线性系统辨识中，仿真结果表明：训练后的ANFIS能够很好地逼近实际的非线性系统，并且辨识精度高。     

基于神经网络的系统辨识

本文介绍了一种由系统的输入和输出建立系统预测模型的方法——基于神经网络的辨识。并给出了网络的递推公式,并举例。仿真结果表明,辨识的精度可人为确定。该方法适用于复杂的控制问题或要求控制精度较高的控制问题,如原油含水控制及井下压力的控制等方面。     

基于LMS算法的自适应均衡器的分析

LMS算法由于简单而获得了广泛的应用,文章通过MATLAB仿真,分析了基于LMS算法的自适应均衡器的特性,分别讨论了步长参数和特征值扩散度对均衡器收敛特性和均方误差的影响。