基于线性变换的MMSE盲多用户检测法

提出了一种基于线性变换和预测的盲多用户检测方法，可同时消除MAI和ISI．它仅利用了某特定用户的扩频序列，先进行线性变换和线性预测，再进行MMSE检测．由于不进行直接信道估计，避免了信道估计误差，使算法的准确性得到了提高．     

基于峰态的盲信号分离

就一种基于信号峰态(kurtosis)极值化的盲信号分离方法进行了探讨．首先介绍算法理论，然后提出了一种简化快速的最速下降算法，解决了收敛指向性的问题，并将对混合语音信号的分离扩展到混合图像信号的分离．实验结果表明，同其他基于峰态的盲分离算法相比，其分离效果好，而且在收敛速度、运算复杂度方面有显著的优势．     

置换混叠信号的盲检测和分离

针对观测信号相互置换的情况,从盲源分离的角度研究置换混叠信号的盲检测与分离问题,给出了置换混叠信号的数学模型,提出了基于特征域可分的置换混叠区域检测方法,根据频谱特性和局部相关性分别提出了正弦置换混叠信号和置换混叠图像的盲检测与分离算法. 实验结果表明,该方法能有效应用于置换混叠信号的检测.     

一种改进的最大熵方法在船舶辐射噪声盲分离中的应用

对于船舶辐射噪声信号的盲信号分离(BSS)问题，由于常用的最小互信息(MMI)方法需要估计输出信号的高阶累积量，这对于非高斯、非平稳的船舶辐射噪声来说信号估计的精度将会降低．为此，本文验证了最大熵(ME)方法在处理此类复杂信号时能作为最佳对比函数的条件，并在此基础上用高斯混合模型来估计信号的概率分布，提高了信号概率密度估计的精度；同时在算法的迭代过程中使用自然梯度下降法代替随机梯度下降法，提高了算法的收敛速度．通过对船舶辐射噪声信号的盲分离实验，证明了此分离算法是有效的．     

基于RSA密码体制的不可跟踪盲签名方案

基于RSA密码体制,利用扩展Euclidean算法构造了两种不可跟踪盲签名方案.方案比一般的盲签名方案就有更强的安全性.     

一种适用于高阶QAM信号的双模式多模盲均衡算法

为了克服常数模算法(CMA)收敛速度慢、稳态误差大的缺点,利用QAM信号信道利用率高及高阶QAM信号模值不为常数的特点,提出了一种适用于高阶QAM信号的双模式多模盲均衡算法(DMMA).该算法以常规的CMA为基础模式,以多模算法(MMA)为第二模式,用该模式对于处在不同模值上的信号,以相对应的模值为参数分别进行均衡.另外,两种模式是同时对信号进行均衡的,并且在第二模式中,利用判决条件对均衡器的输出信号进行判决,使得模值能自动进行切换.利用水声信道对DMMA和CMA进行仿真实验,结果表明,与CMA相比,DMMA能针对性地对位于不同模值上的信号分别进行均衡,且收敛速度快、稳态误差小.     

基于离散正则模型的时变信道盲辨识算法

以CDMA时变信道离散正则模型为基础,提出了基于改进的矩阵外积分解的时变信道盲辨识算法。算法对传统的矩阵外积分解算法进行修正,使其适应离散正则模型两级盲辨识,并引入了精确的时延阶数估计,克服了现有算法需要预先知道信道时延实际阶数的局限,使其在仅知道信道阶数上界的条件下完成盲辨识。仿真结果表明了该算法的有效性。     

基于动态递归模糊神经网络盲均衡算法的研究

模糊系统和神经网络已广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识;而由于无线通信信道的时变性和不确定性,决定了盲均衡器本身就是一个动态的均衡过程,所以研究利用动态递归模糊神经网络的盲均衡算法是可行的,而且也是必要的。仿真结果表明:由于动态模糊神经网络的均衡过程同时利用了系统的当前数据和历史数据,对动态系统的均衡,较传统神经网络在均衡的精度和稳定性方面具有更好的效果。     

基于曲线拟合的卫星通信信号参数盲估计

针对非协作卫星通信环境,提出了一种卫星通信信号参数盲估计方法。它利用线性调制信号功率谱形状的对称性及其与成型滤波器的关系,基于曲线拟合的思想进行功率谱包络的提取,进而实现载波频率、带宽等参数的盲估计。仿真结果验证了该方法对MPSK、MQAM等常用卫星通信信号的有效性,且能适应较低的信噪比,具有计算量小、易于实现等优点。     

Online blind source separation based on joint diagonalization

A now algorithm is proposed for joint diagonalization. With a modified objective function, the now algorithm not only excludes trivial and unbalanced solutions successfully, but is also easily optimized. In addition, with the new objective function, the proposed algorithm can work well in online blind source separation (BSS) for the first time, although this family of algorithms is always thought to be valid only in batch-mode BSS by far. Simulations show that it is a very competitive joint diagonalization algorithm.