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。     

盲信道均衡中的一种修正恒模算法

用于数字通信盲信道均衡的恒模算法(CMA)存在收敛速度慢和相位旋转等缺点.该文提出了一种修正的恒模算法(MCMA),该算法能使被修正的误差函数最小化,并且自适应学习率可由接收序列即时调整.用正交振幅调制(QAM)信号对两种算法进行了性能比较,广泛的模拟结果显示提出的修正恒模算法比普通恒模算法的收敛速度快,均衡输出符号间干扰(ISI)小.该算法收敛后均衡器输出既无相位旋转也无延迟等特点.与普通恒模算法相比该文提出的修正恒模算法的盲均衡性能更优.     

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.     

基于最大峰度准则和遗传算法的盲辨识与盲均衡

根据最大峰度准则设计了一种针对线性系统的盲辨识与盲均衡算法.该算法在对系统参数进行估计的同时,用求逆滤波器的方法估计均衡器系数,并利用最大峰度准则不断调整系统参数的估计值,使其逼近实际值.由于采用了高阶累积量,算法对高斯噪声有较好的抑制能力.针对传统梯度搜索方法容易陷入局部收敛问题,又提出利用实数编码的遗传算法对准则函数进行最优化搜索.仿真实验表明,本算法具有快速收敛性能和高精确度等优点,能够大大提高均衡后的输出信噪比.     

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。     

基于高阶统计量的MIMO系统辨识与均衡算法

将高阶统计量与盲分离的移位阻断SHIBBS算法相结合, 利用高阶统计量能辨识非最小相位系统和SHIBBS算法分离效果与计算量适中的特点, 提出一种在频域内对MIMO系统进行辨识的方法; 针对在此解混后的信号存在排序不确定性的问题, 直接在频域上采用互四阶累计量, 从而很好地对信号进行了分离; 针对信号的比例模糊问题, 利用LMS自适应的恒模算法（CMA）对排序后信号均衡补偿, 仿真实验证明了此算法的有效性.     

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。     

一种基于MCMA的双模切换变步长的盲均衡算法

在修正常模算法（MCMA）代价函数的基础上，根据OAM信号分布的特点，得到一种误差控制函数在CMA和DD算法间切换的、变步长的盲均衡算法。它充分利用了CMA与DD算法各自的优点，改善了常算法收敛速度慢和收敛后剩余码间干扰大的不足，能够补偿由信道引起的相位误差，同时还具有重新启动的能力。计算机仿真表明：该算法收敛速度较快，收敛后剩余码间干扰很小，输出星座图紧簇，没有相位旋转，而且在信道突变的情况下能快速达到二次均衡。     

基于MSE变换的变步长恒模盲均衡算法

在介绍恒模盲均衡算法基础上,提出一种新的变步长恒模盲均衡算法,算法中的步长由MSE经变换后控制。新算法解决了传统恒模算法中,由于采用固定步长而造成的收敛速度与收敛精度之间的矛盾。理论分析和计算机仿真实验均表明该算法与传统的恒模算法相比,都具有更快的收敛速度和更小的稳态剩余误差。     

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。     

一种改进的自适应盲均衡算法

以广泛使用的随机梯度算法为基础,分析了盲均衡器的收敛性能,提出了一种具有凸性的代价函数和一种归一化的迭代步长,改善了误差性能的多模性,加快马鞍点处的收敛速度。     

基于Simulink的坐标变换多模盲均衡算法建模与仿真

针对传统的常模盲均衡算法(CMA)均衡高阶正交幅度调制(QAM)信号会产生失效问题,在利用坐标变换、双曲正切误差函数和非线性判决反馈结构特点的基础上,提出了一种基于坐标变换的多模盲均衡算法(CTHMMADFE)。该算法通过坐标变换将高阶非常模QAM信号变为常模4QAM信号,利用双曲正切函数作误差函数,利用判决反馈结构非线性特性进一步补偿信道非线性影响。通过M文件对CTHMMADFE的性能进行验证,在获得性能最佳时算法中各参数值后,由这些参数构建CTHMMADFE的Simulink仿真模型。     

一种基于输出过采样的IIR盲均衡算法

基于对IIR信道输出过采样,构造了一种单输入多输出(SIMO)信道模型。在该模型中,由于在AR子信道采用RLS迭代算法和在MA子信道采用了一种改进的CMA算法,从而使得该算法比传统算法更简化,收敛速度得到提高。仿真实验结果验证了该算法的有效性。     

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.     

基于免疫算法的RBF神经网络盲均衡算法

本文采用免疫算法来优化RBF神经网络,得到一种更加优化、更加合理的混合算法,即免疫神经网络,并将此算法用于盲均衡器的优化设计,MATLAB仿真实验结果表明,经此算法优化后的盲均衡器,其均衡效果显著提高.     

基于相邻信号点的自适应变模盲均衡算法

针对基于星座图划分的正交幅度调制盲均衡算法迭代初期误判率较高的缺点,在分析正交幅度调制信号自适应变模盲均衡算法的基础上,提出了一种改进的自适应变模算法。该算法在对每个星座点都均衡的同时,还将相邻星座点的影响考虑在内,并采用新的加权因子选取方法动态控制相邻星座点的权重比例,使得算法的误判率降低,从而具有更快的收敛速度。不同的水声信道仿真实验进一步验证了该算法在收敛速度上的优越性。