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。     

基于自适应滤波算法的FIR MIMO系统均衡

为了实现对多输入多输出(MIMO)系统的均衡,提出了一种基于自适应滤波算法的自适应均衡方法。应用判决反馈式均衡器(DFE)的结构,把MIMO信道均衡问题的模型建模成一个简化的滤波模型。这个滤波模型使MIMO系统均衡问题中均衡器的设计问题转化为自适应滤波中最优滤波器的设计问题。两种典型自适应滤波器设计算法——LMS算法和RLS算法被应用于该模型中进行仿真,仿真结果显示了算法的收敛性和均衡方法的可行性。这种自适应均衡方法不需要对信道进行辨识,具有较小的运算量,并且可以适应信道变化。     

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。     

归一化自适应共轭梯度恒模盲均衡仿真研究

为提高恒模盲均衡算法收敛速度,提出了一种归一化自适应共轭梯度恒模盲均衡算法并进行了仿真研究。利用级联滤波方法对恒模盲均衡器输入进行了重新定义,并在此基础上采用自适应共轭梯度算法对均衡器参数进行更新,对均衡器输入采用归一化进行处理,以保证算法的稳定性。共轭梯度算法计算复杂度介于LMS和RLS算法之间,与LMS算法相比较具有更快的收敛速度,仿真结果证明归一化自适应共轭梯度算法恒模盲均衡与传统恒模盲均衡算法相比具有更好的均衡性能,复杂信道条件下剩余码间干扰可降低约10 dB,均衡系统中引入的级联滤波器可视为时变信道的一部分,表明算法对于时变信道同样有效。     

迭代时反和自适应均衡联合的FMT水声通信

针对现有的滤波多音调制(FMT)水声通信需要使用较长的自适应均衡器来抑制水声信道中严重的多途效应引起的码间干扰这一问题,提出了迭代时反和自适应均衡联合的FMT水声通信方法.首先利用迭代方法构造的时反滤波器对解调后的各子载波信号进行滤波处理,然后利用自适应均衡器抑制残余的码间干扰.仿真分析和试验结果表明:由于迭代方法构造的时反滤波器可以显著压缩信道中的多途扩展,因此与仅使用自适应均衡的FMT水声通信方法及传统时反和自适应均衡联合处理的FMT水声通信方法相比,可以有效降低自适应均衡器的复杂度,并且通信性能更优.     

利用多输入多输出雷达低秩杂波的降维空时自适应算法

为了抑制机载多输入多输出(MIMO)雷达接收信号中的杂波和有源干扰,提出一种利用MIMO雷达低秩杂波进行降维的空时自适应处理算法(LRC-RD).首先根据系统参数离线构造杂波子空间矩阵,再结合有源干扰加噪声协方差矩阵以及目标空时导向矢量来构造降维矩阵,最后用降维后的数据计算自适应权值.LRC-RD算法可将全维数据维数降为杂波的秩加1,从而降低了计算复杂度和计算自适应权值所需的训练样本数,所以收敛速度快,并且其理论性能可以达到全维处理的理论性能.仿真实验表明,LRC-RD算法在没有误差、样本数为降维后的数据维数的2倍时,其信噪比损失在高速区比基于双迭代的算法和基于子阵划分的算法分别高出约5 dB和17 dB.     

SIMO信道组合优化递推序列检测算法

传统的盲均衡算法主要基于高阶统计量(HOS)法或信道输出过采样的二阶统计量 (SOS)算法,而这些算法不能实际应用于时变环境。与现有的自适应均衡LMS算法、RLS算法不同,提出了一种基于有限字符集信息的组合递推算法,实现单输入多输出 (SIMO)信道盲序列检测。仿真表明:该算法具有较快的收敛速度和较低的稳态误码。     

一种多输入多输出系统下基于最小发射功率的自适应算法

针对多输入多输出(MIMO)系统提出了一种新的自适应调制算法.传统的自适应调制方法以容量最大化为目标,在发射功率一定的条件下,为空间子信道分配比特和功率.实际的通信系统一般要求传输速率和误码率一定,提出的算法就以最小化发射功率为目标,在发射端自适应根据MIMO系统各个空间子信道的增益来分配传输比特、发射功率,最终获得好的频谱效率,并在满足通信系统要求的前提下,降低发射功率.仿真结果表明,提出的方法可以用低的发射功率达到用户传输速率和误码率要求.     

多输入多输出系统下低复杂度的自适应预编码方法

针对多输入多输出衰落信道中存在的码间干扰和多径干扰问题，提出了一种具有低复杂度的自适应预编码方案．该方案在发送端和接收端分别放置了预编码器和基于迫零算法的接收机，这样接收机在进行均衡译码的同时，将信道信息反馈给发送端，发送端便可以随之选择发送子载波的数目以及预编码矩阵，完成自适应预编码．该方案可有效降低系统的误码率．仿真结果表明，当误码率为10^-3时，在传输信道信息未知的情况下，该方案的信噪比比信道信息已知的基于最小均方误差预编码方案高1．3dB，且复杂度大大降低．     

超宽带系统中盲自适应降秩接收机

针对超宽带系统中的多址干扰和码间干扰问题,提出了一种低复杂度的盲自适应接收机,该接收机首先采用多级维纳滤波算法抑制多址干扰并提取期望信号各多径分量;再进一步采用紧缩近似投影子空间跟踪方法估计信道并进行最大比合并,提高输出信干噪比。仿真结果表明,其误码性能优于匹配滤波器、传统Rake接收机、解相关Rake接收机和基于恒模算法的自适应接收机,且收敛速度较快、复杂度较低。     

多输入多输出Volterra滤波均衡器设计

为了从带有噪声的输出信号中恢复出输入信号,研究了多输入多输出(MIMO)Volterra滤波均衡器的设计问题,并给出了具体的设计步骤．讨论了当使用p阶逼近Volterra滤波均衡器代替无限阶Volterra滤波均衡器时的收敛性及误差界．引进了MIMO Volterra滤波器局部l2稳定性的概念,利用多维z变换,给出了p阶逆的计算公式,然后研究了Volterra滤波均衡器的设计算法,并讨论了它的收敛性及误差界．仿真结果表明,所提方法不仅可以直接应用到多输入多输出系统,而且还可应用到阵列信号处理及无线通信系统中．     

MIMO Channel Estimation and Equalization Using Three-Layer Neural Networks with Feedback

This paper describes a channel estimation and equalization algorithm using three-layer artificial neural networks （ANNs） with feedback for multiple input multiple output wireless communication systems. An ANN structure with feedback was designed to use different learning algorithms in the different ANN layers. This actually forms a Turbo iteration process between the different algorithms which effectively improves the estimation performance of the channel equalizer. Simulation results show that this channel equalization algorithm has better computational efficiency and faster convergence than higher order statistics based algorithms.     

一种改进的自适应滤波算法及其在回波对消中的应用

提出一种改进的自适应滤波算法，它通过选择自适应滤波器的系数更新时间间隔，在系统的收敛速度与计算量之间取得折衷；算法在每次系数更新时，利用了系统过去时刻数据并将频域批处理技术运用到算法计算中,大大加快了算法的收敛速度并且降低了计算复杂度,从而克服了LMS算法收敛速度慢以及仿射投影算法(APA)、递归最小二乘算法(RLS)计算量大的缺点.将所提算法应用于声回波对消中,仿真实验结果证实了其优点.     

一种稳定的总体最小二乘自适应滤波算法

针对输入输出观测数据均含有噪声的滤波问题,提出了一种稳定的总体最小二乘自适应算法.该算法以系统的增广权向量的瑞利商与增广权向量最后元素的约束项的和作为总损失函数,利用梯度最陡下降原理导出权向量的自适应迭代算法,并通过对算法稳定性的分析确定了算法中学习因子的取值范围.所提出的算法稳定,计算复杂度低,既没有平方根运算,也不需要标准化处理.仿真实验表明,该算法的收敛性能、鲁棒抗噪性能和稳态收敛精度均明显高于同类其他总体最小二乘算法.     

采用粒子集群算法的DS-CDMA多用户检测

为了有效抑制多址干扰 ,实现结构简单、鲁棒性强的目的 ,将粒子集群算法 (PSO)应用于直扩码分多址 (DS-CDMA)通信系统的多用户检测中。提出了 PSO- MU D方法。利用改进的 PSO- MU D方法与传统多阶段多用户检测器相结合 ,在加速收敛的同时降低了计算复杂度。仿真结果表明 ,这种多用户检测器充分利用了粒子集群算法的优良特性 ,与传统的 CDMA接收机和基于遗传算法的多用户检测器相比较 ,在误码率、收敛速度、抗远近能力等方面都有显著改善     

Blind Adaptive Multiuser Detection Based on FIAPI Algorithm

Multiuser detection technology is currently one of the effective ways to suppress multiple access interference and near-far effects. Firstly, through selecting a simple compensation matrix, fast improved approximation power iteration(FIAPI) subspace tracking optimization algorithm is proposed. Secondly, for the disadvantage of high computational complexity of Kalman filtering algorithm, Kalman for blind adaptive multiuser detector based on FIAPI subspace tracking algorithm is designed. The simulation experiments show that the convergence and anti-interference ability of the blind adaptive multiuser detector based on FIAPI algorithm is greatly improved, and the average signal-to-interference ratio of the FAPI algorithm is improved by about 0.7 dB, which is higher than the average signal-to-interference ratio of the orthogonal projection approximation subspace tracking(OPAST) algorithm 2 dB or so.     

基于干扰子空间估计的跳频多址信号检测

通过对跳频多址信号的时频图案分析,建立了基于信号子空间的系统模型和跳频多址信号的解相关检测算法.该算法采用子空间跟踪的思想,将干扰子空间从检测信号空间上予以消除,克服了传统检测器需要知道系统中所有用户跳频图案的约束和串行干扰消除中的干扰扩散问题.与传统检测器相比,该算法具有更好的系统误码性能、较低的计算复杂度和很好的系统稳健性.MonteCarlo仿真结果表明,在同一个误码率条件下,基于子空间的盲多用户检测器比传统检测器的信噪比提高了2～4dB.     

Alpha稳定分布噪声环境下新的类RLS自适应算法

给出在分数低阶Alpha稳定分布环境中一种新的类RLS自适应算法.由于Alpha稳定分布信号不存在有限的二阶和二阶以上矩,因此用最小p范数准则代替了传统的最小均方准则,并利用矩阵求逆定理提出一种直接递推的类RLS算法,避免了以往类RLS算法中的IRLS迭代计算,从而使算法的计算复杂度大大降低.最后对几种自适应算法进行仿真,并对其收敛特性进行了分析.结果表明,算法的收敛速度明显快于LMP和NLMP算法.