基于多项式插值的定时恢复内插算法

经典的数字调相信号的定时恢复算法中,接收端定时误差矫正主要采用对内插滤波器逼近的方法来实现,这往往会将插值误差通过滤波后平均到定时输出中.提出一种基于时域多项式插值的定时误差矫正算法,通过选取最佳定时位置附近的采样点来构成插值模型,根据Lagrange插值算法或Newton插值算法得出表示信号时域波形的连续多项式函数解析式,取出该最佳定时点处的函数值作为定时恢复的输出,针对输出表达式的多项式特性以及差商和差分的关系对其进行类似Farrow结构的改进,以降低计算复杂度.对该算法在高斯信道下进行仿真,结果表明,所提出的时域样点插值法比内插滤波器逼近法的星座点收敛得更小,且收敛速度更快.     

CDMA2000系统数据辅助定时误差恢复与EVM分析

分析了基站综测仪中定时误差对EVM测量值的影响,研究了通用的平方律定时误差恢复算法和Garden算法.结合CDMA2000系统,提出了基于数据辅助联合PN同步的定时误差恢复算法(CM-DA).该算法利用PN同步的相关峰值进行误差估计,提高了相关计算值的利用率,节省了计算量,算法精度高于通用算法.通过系统仿真,该算法定时误差恢复的性能能够满足对综测仪EVM参数精度的要求.     

卫星高速数据传输中低误差抑制均衡算法

幅相键控调制系统中,为消除码间干扰,并解决高阶调制信号多模值的匹配问题,本文基于均衡器输出功率的线性变换定义新的代价函数,使用抑制低误差函数项的方法构造新的梯度函数,进而提出了新的均衡算法。该算法通过解决信号多模值与算法散度常量的匹配问题,提高收敛速度和降低稳态均方误差;通过抑制低误差函数项的方法,保证收敛过程的稳定。仿真结果表明,针对16-APSK调制信号,本文算法在保证收敛稳定性的同时,其均衡性能较恒模算法也有显著的提高。     

基于定时-相位联合估计的CPM并行同步算法

针对连续相位调制(continuous phase modulation,CPM)信号非数据辅助算法同步精度差问题,提出了一种基于定时-相位联合估计的低复杂度并行同步算法.采用非数据辅助方法从离散域分解CPM信号,推导新的相位偏移误差估计公式,根据定时-相位联合似然函数,利用误差估计方法相似形式,设计了一种适用于CPM信号的并行同步方案.该方法在低信噪比条件时对似然函数进行近似,从而减少同步参数对同步性能影响,通过引入双同步精度源,迭代求取相偏估计最优解,提高非数据辅助算法同步增益.仿真结果表明,并行同步算法与直接联合算法相比,以较低系统复杂度代价获得同步性能提升,在低信噪比环境下,性能逼近修正克拉美罗限.     

MIMO系统级联的多输入单输出均衡器研究

针对MIMO系统接收端信号之间的相关性影响其盲均衡效果的问题,提出一种级联的多输入单输出(MISO)均衡器。每级MISO均衡器恢复一个发射信号,之后利用信道估计算法对混合信号进行修改,修改后传递到下一级MISO均衡器进行类似的处理。通过原理分析以及性能仿真可见,级联的MISO均衡器能够克服信号相关性对均衡效果的不良影响,与传统MIMO均衡器相比,算法收敛后信号星座点更集中,全局用户间总干扰比也更低;并且下一级MISO均衡器的均方误差低于上一级。     

凸组合实时判决反馈稀疏水声信道盲均衡算法

针对高速水声通信信道稀疏特性,提出了一种凸组合实时判决反馈盲均衡算法。将盲均衡器分为保持均衡器支路和稀疏均衡器支路,以保持均衡器能量和权系数的瞬时梯度为判据,对稀疏均衡器支路对应抽头进行实时稀疏化处理。算法中避免设置稀疏化阈值,对不同稀疏水声信道和通信信号具有通用性,且对于时变稀疏水声信道可以利用保持均衡器支路恢复稀疏均衡器支路置零抽头系数,使算法对信道具有较强跟踪和冷启动能力。典型稀疏水声信道条件下的仿真结果证明,凸组合实时判决反馈稀疏水声信道盲均衡算法性能稳健,与全阶判决反馈盲均衡算法相比,计算简单,收敛速度快,稳态剩余误差小,有利于算法在水声通信系统中的推广应用。     

自适应非零延迟MMSE盲均衡算法

针对单输入多输出(SIMO)模型提出一种基于非零延迟均衡器的自适应最小均方误差(MMSE)盲均衡算法,该方法通过均衡器系数、不同延迟下的截短协方差矩阵及信号子空间三者之间的关系将零延迟均衡器推广到非零延迟均衡器。该方法不同于传统的零延迟均衡算法,可利用信道的多阶参数进行盲均衡使其减小信道一阶参数对均衡效果的影响,且对信道阶数过估计具有鲁棒性。文章给出了算法的Batch实现过程,同时为更好地适应一般时变信道环境和实现实时处理的要求,利用快速次子空间追踪算法(FDPM)通过递归迭代得到算法的自适应实现过程。仿真实验表明在信道一阶参数能量较小或信道阶数过估计的条件下,即使信噪比较低,算法仍具有良好的均方误差(MSE)性能,此外自适应算法能够在几百个样本值内使信号快速达到收敛。     

多输入-多输出系统级联的多输入单输出均衡器研究

针对多输入-多输出(MIMO)系统接收端信号之间的相关性影响其盲均衡效果的问题,提出一种级联的多输入单输出(MISO)均衡器。每级MISO均衡器恢复一个发射信号,之后利用信道估计算法对混合信号进行修改,修改后传递到下一级MISO均衡器进行类似的处理。通过原理分析以及性能仿真可见,级联的MISO均衡器能够克服信号相关性对均衡效果的不良影响,与传统MIMO均衡器相比,算法收敛后信号星座点更集中,全局用户间总干扰比也更低;并且下一级MISO均衡器的均方误差低于上一级。     

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SA-GSO的小波加权多模盲均衡算法

为解决传统多模盲均衡算法（MMA）在均衡高阶QAM信号时存在的收敛速度慢、稳态误差大等问题,提出了一种基于模拟退火萤火虫优化的小波加权多模盲均衡算法（SA-GSO-WT-WMMA）。该算法在MMA的基础上增加了加权项,并引入了模拟退火萤火虫优化（SA-GSO）算法和正交小波变换（WT）,利用加权项自适应地调整算法中代价函数的模值,利用SA-GSO算法极强的全局寻优能力来优化均衡器的初始权向量,利用正交小波变换降低信号的自相关性,有效提高了均衡效果。水声信道仿真实验表明,该算法在降低稳态均方误差和加速收敛速度两方面表现卓越。     

存在定时误差的MQAM信号调制方式识别

为了提高在定时误差情况下的多电平正交幅度调制(MQAM)信号调制方式的识别率,提出了一个改进的聚类分析算法(MQAM基带信号进行识别).该算法采用γ和N两个参数进行聚类,对接收到的数据进行盲定时估计并经过插值滤波消除定时误差,提高识别率.仿真结果表明,该算法对定时误差20%Ts,信噪比为5 dB的64 QAM信号也有85%的识别率.     

基于时延空时滤波的P300波形提取及目标分类算法

提出一种基于时延空时滤波的P300波形提取及目标分类算法.将多通道脑电信号进行时延,利用最小二乘法思想构造代价函数,通过交替优化的方式估计空时滤波器和源信号,使代价函数收敛并得到空时滤波器,实现空域的源分离和时域的波形提取.经过仿真P300数据对算法性能进行验证,结果表明,该算法对P300波形恢复效果优于同类型的相关算法.对真实脑电数据进行处理,用算法得到的空时滤波器提取P300源成分作为分类特征,利用训练集得到的P300源成分训练Fisher分类器进行目标分类.结果表明,算法的P300波形提取效果、目标分类准确率及AUC值均优于同类型的相关算法.因此,该算法可有效提取P300波形并进行目标分类.      

基于误差信号自相关函数的变步长恒模盲均衡算法研究

提出了一种自适应变步长恒模盲均衡算法，利用剩余误差信号的自相关函数估计值作为控制步长的因子来自适应改变步长的大小，克服了恒模算法存在的固有缺陷。理论分析和仿真实验均表明该算法与恒模算法相比，在收敛过程中加快了收敛速度，收敛后又能减小对均衡器参数的误调，具有更小的稳态剩余误差。     

L_1范数下恢复稀疏信号的鲁棒性优化分析

通过实例分析,说明在某些测量矩阵下,‖e‖M是L_1范数下恢复稀疏信号时误差估计的最优控制.同时为保证稀疏信号恢复的鲁棒性,提出误差估计式所需满足的条件,并据此改进和完善L_1范数下恢复稀疏信号算法的理论步骤.     

基于余弦代价函数的双模盲均衡算法

盲均衡算法不需要训练序列，就能够有效降低码间串扰（ISI），但是在脉冲噪声环境下，现有单滤波器均衡算法不能有效平衡收敛速率与均衡误差，算法收敛后ISI仍然较高。针对上述问题，提出了一种基于余弦代价函数的凸组合双模盲均衡算法。该算法将2个盲均衡器并联使用，其中一个作为快速滤波器以保证收敛速率，另一个作为慢速滤波器以降低均衡误差。为了进一步抑制脉冲噪声，将分数低阶统计量引入到基于余弦代价函数的盲均衡算法和基于判决反馈准则的盲均衡算法中，并分别作为快速滤波器和慢速滤波器的权向量更新算法。仿真实验表明：当噪声设置为25 dB的高斯白噪声时，新算法收敛后ISI会低于常模盲均衡算法CMA和基于余弦代价函数的盲均衡算法CCF，星座图也较为清晰；当噪声环境为28 dB的α稳定分布噪声时，新算法利用分数低阶统计量以抑制脉冲噪声，能够得到较低的ISI和清晰的星座图，而凸组合结构兼顾了稳态误差与收敛速率，在进一步降低稳态误差的同时确保了较快的收敛速率。     

采用输出误差符号判决的变步长常数模盲均衡

针对固定步长常数模盲均衡算法在收敛速度和收敛精度上存在矛盾问题,提出了一种采用输出误差符号判决的变步长常数模盲均衡算法。在每次迭代后根据常数模准则和判决引导准则计算均衡器输出误差。如果在两种准则下输出误差符号一致,则对步长值进行修正,否则,根据自适应均衡原理利用均衡器输入信号计算最大步长值,均衡器权系数采用大步长值进行更新。与现有变步长盲均衡算法比较,无需人工设置参数,更利于工程实现。计算机仿真结果证明,采用输出误差符号判决的变步长常数模盲均衡具有良好的均衡性能。     

采用输出误差符号判决的变步长常数模盲均衡

针对固定步长常数模盲均衡算法在收敛速度和收敛精度上存在矛盾问题,提出了一种采用输出误差符号判决的变步长常数模盲均衡算法。在每次迭代后根据常数模准则和判决引导准则计算均衡器输出误差。如果在两种准则下输出误差符号一致,则对步长值进行修正,否则,根据自适应均衡原理利用均衡器输入信号计算最大步长值,均衡器权系数采用大步长值进行更新。与现有变步长盲均衡算法比较,无需人工设置参数,更利于工程实现。计算机仿真结果证明,采用输出误差符号判决的变步长常数模盲均衡具有良好的均衡性能。     

基于代价函数的盲分离在线白化算法

针对盲信号分离的白化预处理过程，提出了一种基于代价函数的在线白化算法．该算法利用一类代价函数的极值点特性，采用递归计算的方式获得信号的白化矩阵．与传统的白化算法相比，本算法计算量低、利用样本少，因此可适用于信号的在线预白化处理．仿真试验表明，本算法收敛速度快，白化效果理想，为进一步的研究在线盲分离提供了良好的基础．     

基于优化最小化的加强稀疏性的稀疏信号恢复算法

针对稀疏信号恢复算法对稀疏性约束不强的问题,提出了一种基于加强稀疏性非凸函数的稀疏信号恢复算法.通过分析收缩函数和惩罚函数的关系,提出一种新的具有加强稀疏性的非凸的惩罚函数,利用优化最小化(majorization-minimization,MM)方法构造非凸函数的凸上界,并对目标函数的凸部分和凸上界进行迭代求解,实现了对稀疏信号的加强恢复.相较于现存的基于非凸惩罚函数的稀疏信号恢复算法,本算法具有不受参数干扰和梯度方向包含目标函数非凸部分的优势.将提出的算法应用于稀疏无线信道的估计,仿真结果表明,该算法在噪声环境下可以使用更少的导频,取得更准确的信道估计结果.     

基于相位差复指数变换的传声器多声源定位

为了提高多声源定位的性能并且避免针对高频段相位差的去卷绕处理,提出了一种基于相位差复指数变换的传声器多声源定位算法.首先,挑选出信噪比较大的频点,以提高算法对噪声的鲁棒性,并对被挑选出的频点作相位差复指数变换;然后,基于语音信号在时-频域的稀疏性,将被挑选出的频点聚类至各声源;最后,利用各声源包含的频点构建代价函数,使得代价函数最小的假设时延差即为估计的声源时延差.仿真结果表明,该算法充分利用了高频段的相位信息,无需对高频段相位差进行去卷绕处理.相比广义硬聚类算法,该算法收敛速度更快,定位成功率更高,均方根误差更小.