快速启动自适应均衡算法的研究

研究一种快速启动自适应均衡算法,提出并证明了一个命题。计算机模拟结果表明:快速启动均衡算法总是优于LMS算法,固定信道中,性能甚至优于RLS算法;时变信道中,性能接近RLS算法。文中的快速启运自适应均衡算法,具有训练时间较短(与LMS算法比较)、运算简单、容易实现的特点,是一种比较实用的均衡算法。     

用于自适应天线的稳健的RLS算法

抗干扰通信是电子战的重要组成部分，自适应天线不仅具有很强的抗干扰能力而且可以与其它通信抗干扰技术相兼容，自适应算法是自适应天线的核心。本文把应用数学学科研究的热门方法之一“稳健估计（RE）”应用于RLS算法中，得到稳健的RLS算法（RRLS），理论分析与计算机模拟结果都证明了RRLS算法基本保持了RLS算法的优点，同时在抗突出值干扰方面，优于RLS算法，提高了RLS算法的稳健性。     

用于自适应天线的稳键的RLS算法

抗干扰通信是电子战的重要组成部分，自适应天线不仅具有很强的抗干扰能力而且可以与其它通信抗干扰技术相兼容，自适应算法是自适应天线的核心，本文把应用数学学科研究的热门方法之一“稳健估计（RE）”应用于RLS算法中，得到稳健的RLS算法（RRLS），理论分析与计算机模拟结果都证明了RRLS算法基本保持了RLS算法的优点，同时在抗突出值干扰方面，优于RLS算法，提高了RLS算法的稳健性。     

平均自适应滤波的信道均衡算法研究

近年来数字传输系统的信道均衡侧重于训练时间的缩短和跟踪速度的加快,需要研究快速收敛的自适应算法。从这点考虑递归最小二乘(RLS)均衡器是最佳的选择,但RLS算法的运算非常复杂而且存在稳定性问题,因而有必要研究一种能够代替传统RLS的算法。在本文中介绍一种基于平均自适应滤波(AFA)算法的均衡器,其主要优点是与RLS算法相当的快速收敛速度,同时运算复杂度较低。     

基于LMS及RLS的自适应均衡算法仿真分析

在通信系统中采用均衡技术是改善信道特性行之有效的方法,为此从时域均衡原理出发,讨论了基于LMS和基于RLS的自适应均衡算法,并利用Matlab对两类算法进行了仿真,从均衡前后信号的星座图、算法收敛特性以及均衡前后系统的误码特性这三个方面对两类算法的性能进行了比较.     

基于遗传算法的RLS自适应算法研究

在通信系统中采用信道均衡技术是改善信道特性行之有效的方法,但研究算法的同时,往往需要通过大量的仿真实验取平均值来选取最优的参数值,本文首先利用MATLAB仿真软件对线性调制下RLS自适应算法进行仿真分析,然后引入遗传算法的寻优特性及其优点,对RLS最佳遗忘因子λ的选取进行了寻优,得出最佳遗忘因子λ的取值,提供了参数选择的一条捷径,最后通过对比最优λ与参照λ,计算RLS算法均衡已知信号的均方误差值,证明了该方法的可行性。     

平方根递归最小二乘自适应判决反馈均衡器算法

在近四年来发展的平方根递归最小二乘(RLS)算法的基础上,本文导出了一种新形式的自适应均衡器算法——分数间隔(Fractional]y-spaced)平方根RLS判决反馈均衡(DFE)算法。除了保持DFE的优良特性外,该算法以少量计算量增加的代价改善了普通RLS均衡算法(如快速Kalman、斜格算法等)的数值稳定性并压缩了其动态范围。文中给出了数值结果对比。     

基于RLS_DGD的查找表更新算法

在间接学习结构的数字预失真技术中,需要使用自适应算法来更新查找表（LUT,LookUp Table）。在各种自适应算法中,RLS算法收敛快但是复杂度高。为降低其计算复杂度,这里提出采用二维坐标下降的RLS（RLS_DCD, RLS using Dichotomous Coordinate Descent）算法更新查找表,达到在数字预失真器系数的预测过程中以较低的运算量实现快速收敛的目的。仿真结果和分析表明,与采用RLS的自适应查找表更新算法比较,在邻信道功率比（ACPR, Adjacent Channel Power Ratio）改善指标相当的情况下,采用RLS—DCD的自适应查找表更新算法能大幅度降低其运算量。     

自适应滤波算法LMS和RLS及其在应用中的性能

本文介绍了最小均方误差(LMS)算法和递推最小二乘(RLS)两种自适应滤波理论,并在自适应均衡和信道估计两个应用领域中进行了MATLAB仿真结果.     

自适应滤波LSL算法及其在去噪中的应用

讨论了基于前向预测误差和后向预测误差的最小二乘方格形(LSL)算法,并对LSL算法及其在噪声消除中的应用进行了分析研究。该算法结合了LMS算法的高计算效率和RLS算法的快速收敛等优点,在自适应信道均衡和自适应阵列信号处理等方面获得了应用。     

改进型RLS算法用于信道估值与信道均衡的比较

文对用于信道估值和信道均衡的几种改进型RLS算法进行了比较,理论分析和计算机仿真结果说明信道估值的最优解可以模拟出信道的传输函数,噪声仅对自适应滤波算法的收敛过程产生影响,而信道均衡的最优解受噪声功率谱密度的限制。因此性能良好的信道估值算法可以用于信道均衡中,以改善自适应均衡的性能。     

IEEE 802.16单载波调制系统的信道均衡技术

简要介绍了固定宽带无线接入标准IEEE 802.16以及一种用于信道均衡的自适应算法——指数加权RLS,对判决导引信道均衡技术的原理进行了具体描述。最后分别就两种自适应的均衡算法（LMS、RLS）,结合一种具体IEEE 802.16单载波调制系统推荐测试信道进行了仿真,得出RLS算法优于LMS的结论。     

一种基于MMSE的低复杂度自适应均衡算法

传统的MMSE均衡算法需要作信道估计,算法复杂度也很高,采用了一种基于最陡梯度下降的LMS迭代算法,该算法不需要信道估计,也不需要复杂的矩阵逆运算,其算法复杂度远远低于MMSE均衡算法的复杂度。仿真结果表明,该LMS迭代算法的收敛速度比RLS算法的收敛速度稍慢,而误码率与RLS算法相当,但其算法复杂度远远低于RLS算法和传统的MMSE均衡算法。     

一类平滑型自适应均衡器的快速收敛算法

本文指出现有的自适应均衡器快速kalman算法和斜格算法属于滤波型算法,不能很好地消除前导干扰。为了克服这一缺点,作者导出了一类平滑型的自适应均衡快速收敛算法。理论分析和计算机模拟均表明平滑型新算法大大提高了均衡效果,是一类有效的算法。     

数字通信系统中自适应均衡技术的研究

克服数字通信系统码间干扰的有效方法就是在接收端采用均衡技术。文中给出了均衡问题的数学描述，综述了实现均衡的方法，讨论了基于LMS和基于RLS的自适应均衡算法，并通过MATLAB仿真比较了两类算法的性能。     

一种基于RLS算法的自适应时延估计算法

针对基于LMS算法的自适应时延估计算法收敛速度慢的缺点,推导出一种基于RLS算法的自适应时延估计算法,并分析了基于RLS算法的自适应滤波器的均值性能。经仿真证明该算法的收敛速度有了一定提高,并且其时延估计的跟踪性能得到了改善。     

无人机数据链路信道LMS和RIS自适应均衡性能比较

通过时LMS和RLS自适应算法在无人机数据链路不同信道特性均衡中的应用进行研究，得出了两种均衡算法在对于不同信道均衡效果的差异，给出了两种均衡算法的最佳应用条件。     

基于矩阵广义逆递推的自适应滤波算法

本文把自适应滤波算法的优化准则之一最小二乘准则:J(n)= ∑ n i=1 λ^n-i|e(i)|²写为矩阵形式,利用矩阵广义逆递推公式直接对输入信号矩阵而不是自相关矩阵进行递推更新,得到一种新的自适应滤波算法.和其它算法如LMS算法、NLMS算法、FRLS算法、TDNLMS算法、 APA算法、Leaky-LMS算法和RLS算法进行了计算机模拟仿真比较,仿真结果表明该算法有良好的收敛性能,收敛速度快于LMS算法、NLMS算法、FRLS算法、 APA算法、Leaky-LMS算法和RLS算法.     

MIMO系统的自适应均衡技术研究

研究了用于MIMO系统的自适应均衡的几种算法，比较了最小均方算法(LMS)、递归最小二乘算法(RLS)、判决反馈算法(DFE)、格型梯度自适应均衡算法(GALE)和格型最小二乘自适应均衡算法(LSALE)。文章的最后给出了仿真结果及结论。     

梯度可变遗忘因子RLS算法在智能天线中的应用

提出了用于智能天线自适应波束形成的梯度变遗忘因子RLS算法-GVFF-RLS (Gradient variable forgetting factor Recursive Least Square)算法，通过稳态性能分析及仿真模拟结果，此算法相比其它RLS算法有更快的跟踪能力和更小的均方误差(Mean Square Error)，并且在低信噪比的条件下仍能保持良好的性能。