适于参数识别的多信道QRD自适应格型算法

本文基于格型滤波器的阶递归特性和Givens旋转算法的优越数值性能,推导了两种多信道递归最小二乘格型算法。第一种算法的推导是直接基于对输入数据矩阵进行正交-三角分解,并利用Givens旋转方法来计算其正交-三角分解。首先对输入数据矩阵进行预旋转,然后重复利用单信道Givens格型算法,便可得到第二种算法。两种算法都具有优越的数值性能,尤其是对有限字长的稳健性。待估计的滤波器参数矢量可根据算法的内部变量直接提取,而无需额外的三角阵进行后向代入求解运算。两信道参数识别的计算机模拟结果验证了本文的推导。     

无方根广义多道Givens格型算法及其在自适应非线性均衡中的应用

对于自适应非线性均衡问题，当非线性信道的传输函数可由二阶Ｖｏｌｔｅｒｒａ级数表征时，可以作为广义多道滤波问题来处理。本文提出了一种无方根广义多道Ｇｉｖｅｎｓ格型算法来实现该非线性信道均衡器，研究了该均衡器消除由于信道非线性衰落引起的码间干扰的性能。实验结果表明：该自适应非线性均衡器具有快速收敛性能，对非线性信道的均衡效果优于ＬＳ格型判决反馈均衡器。     

基于格型预处理的二阶自适应Volterra滤波器

虽然Volterra LMS(VLMS)算法简单,计算量小,但是由于Volterra滤波器系统是非线性的,使得输入向量自相关矩阵包含了输入信号的高阶统计量,导致矩阵特征值扩展很大,因此其收敛速度一般很慢.为加快收敛速度,利用格型滤波器后向预测误差的正交特性,提出采用两个格型滤波器正交预处理的自适应Volterra滤波算法.仿真结果表明,该算法具有比VLMS算法和GPV算法更为优越的收敛性能.     

一种基于格型滤波的二阶Volterra自适应均衡算法

针对随着Volterra滤波器记忆元增多,计算复杂度成指数快速增加的问题,本文提出了一种基于格型滤波的二阶Volterra自适应算法.利用格型滤波器正交化处理输入信号,实现了二次项信号解耦,从而减少了自适应算法的输入信号自相关矩阵条件数,提高了自适应算法性能;同时也实现了二次项的权系数矩阵对角化,大大减少了二次项的权系数,使得滤波器权系数与输出成线性关系,权系数的LMS算法变得更加简便.计算机仿真结果表明,本文所提出的算法无论对线性信道还是非线性信道都有比文献[5]算法更快的收敛速度和更好的稳态性能.     

最小二乘自适应滤波的广义多信道QR格型算法

对于广义多信道的最小二乘自适应滤波，即允许有信道参数数目不相等，本文提出一种QR格型算法。这个算法完全利用Givens旋转来解广义多道最小二乘问题，具有优越的数值性能和高度的模块化结构，适合于VLSI实现。对于通用处理器实现，这个算法需要O（p2）运算复杂度，其中p为信道数，对于基本处理单元实现，需要2p角度计算单元和3p2－p旋转单元。     

核递归最小平均P范数算法

在强脉冲噪声干扰背景中,核递归最小二乘(Kernel Recursive Least Square,KRLS)算法和核递归最大相关熵(Kernel Recursive Maximum Correntropy,KRMC)算法对非线性信号预测性能严重退化,对此提出一种核递归最小平均P范数（Kernel Recursive Least Mean P-norm,KRLMP）算法。首先运用核方法将输入数据映射到再生核希尔伯特空间。其次基于最小平均P范数准则和正则化方法,推导得到自适应滤波器的最佳权向量,其降低了非高斯脉冲和样本量少的影响。然后利用矩阵求逆理论,推导得到矩阵的递归公式。最后利用核技巧得到在输入空间高效计算的滤波器输出和算法的迭代公式。alpha稳定分布噪声背景下Mackey-Glass时间序列预测的仿真结果表明:KRLMP算法与KRLS算法和KRMC算法相比,抗脉冲噪声能力强,鲁棒性好。      

一种基于Householder变换的递归 QRD-LS算法

本文提出了一种采用Householder变换实现的递归QRD-LS算法,该算法通过采用Householder变换取代Giv- ens旋转递归实现复矩阵的QR分解来求解LS问题,可以获得比基于Givens旋转的QRD—LS算法更快的处理速度。此外, 算法引入了复数QR分解,解决了算法只能处理实数信号的问题。通过定义新的数据矩阵,算法还可以合并求解数据域正规方程中的系数矩阵和右侧向量,从而提高了计算效率。通过对其在智能天线中的应用进行仿真,验证了算法的性能。     

一种基于格型正交化的二阶Volterra自适应滤波算法

针对 Volterra 自适应滤波器输入信号相关性或附加的非线性畸变的增强使自适应滤波器性能下降的问题,本文提出基于格型正交化的二阶 Volterra 自适应滤波算法.先对输入信号进行格型预处理,得到互相正交的后向预测误差信号;然后将其作为自适应滤波器的输入,从而大大降低了一次项、平方项和交叉乘积项信号各项之间的耦合,改善了自适应算法的收敛性能.有源噪声对消的仿真结果表明,在输入噪声强相关和附加较强非线性畸变时本算法仍具有较好的消噪性能.     

抗串扰QR格型自适应滤波算法

本文就抗串扰自适应噪声抵消器，研究了一种递归最小二乘(RLS)格型自适应算法。算法的导出仅利用数值稳健的Givens。旋转方法，因此具有优越的数值性能和较好的模块化结构性能。算法不含平方根运算，十分适合用通用数字信号处理器实现。文中还就算法的阵列实现进行了探讨，只需增加少量的时间，即可实现高性能的自适应噪声抵消器。模拟结果表明，算法的收敛速度明显优于现有的LMS算法。     

基于旋转Barnes—Wall格的增益—波形矢量量化器及其在序列图象…

本文首先提出了一种基于旋转Ｂａｒｎｅｓ－Ｗａｌｌ格的格型矢量量化器（ＬＶＱ）的构造方法及快速量化算法，然后研究了以此ＬＶＱ为核心的增益－波形矢量量化器（ＧＳＬＶＱ）的实现方法，最后探讨了ＧＳＬＶＱ在序列图象编码中的应用方案，并给出了较好的实验结果。     

FPGA实现基于施密特正交化的自适应算法

在自适应波束形成算法理论基础上,将修正施密特正交化算法运用在基于三角分解的样本矩阵求逆算法中,提出了基于修正施密特正交化算法的三角分解矩阵求逆算法,并给出了具体的可编程门阵列硬件实现结构。该硬件结构的实现采用了坐标旋转数字计算机代替该算法中的除法运算,有效地节约了硬件资源消耗和结构时延。通过硬件仿真对计算结果进行分析研究,实验证明该硬件结构不仅有良好的数值稳定性,能对干扰有效抑制,且硬件资源消耗少,高度模块化。     

基于快速MVR-CORDIC算法的格型IIR滤波器

文章提出一种基于MVR-CORDIC算法的格型IIR滤波器结构。采用MVR-CORDIC算法来改进格型IIR滤波器结构中的Givens旋转模块,使改进的滤波器在SQNR性能不变的情况下,比采用常规CORDIC算法的格型IIR滤波器节省约70%的面积,速度提高60%左右,改进后的格型IIR滤波器更适合于高速实时信号处理领域。     

用于MIMO-OFDM系统QR分解的分布式脉动阵列处理算法

针对多载波系统中信道矩阵QR(正交三角矩阵)分解的延时问题,该文提出适用于MIMO-OFDM系统QR分解的分布式脉动阵列处理(Distributed Systolic Array Processing, DSAP)算法。该算法包含两种处理机制,一是交织预处理,对不同子载波信道矩阵行矢量进行分组交织处理,按照延时递增规律将每列信道矩阵元素读出并输入到脉动阵列;二是分布式脉动阵列计算,通过脉动阵列边界单元和内部单元中流水线CORDIC计算和子载波同步处理实现信道矩阵QR分解分布式处理,实现不同子载波QR分解分布于脉动阵列边界单元和内部单元中CORDIC不同级。与串行脉动阵列处理(Serial Systolic Array Processing, SSAP)算法比, DSAP算法充分利用时钟周期,分解延时约为SSAP算法的8%,有效减少数据处理延时,而复杂度几乎没有增加。     

基于奇异值分解的MIMO-OFDM系统角域MAP信道估计算法

最大后验概率信道估计算法应用于多输入多输出-正交频分复用(MIMOOFDM)系统时需要大规模的矩阵求逆和乘积运算,且系统数据传输效率随发送天线数的增加明显降低.为克服这些问题,提出了一种基于奇异值分解的角域最大后验概率信道估计算法.该算法通过期望最大化把(MIMO)信道估计问题简化为一系列独立的单输入单输出(SISO)问题,并使用奇异值分解避免了大规模矩阵求逆和乘积运算;通过多个OFDM符号联合估计信道提高了系统数据传输效率及算法的估计性能.仿真实验验证了此算法的有效性.     

OFDM系统中的信道自适应估计与跟踪算法比较

传统的QR分解和投影逼近子空间（PAST）分解算法,可用于矩阵的奇异值分解和秩数的估计。讨论了在正交频分复用（OFDM）通信系统中基于这两种分解方法对导引信号的子空间进行分解,实现信道矩阵的自适应跟踪估计。采用这种算法,降低了矩阵运算的维数,使每个符号期间信道估计的运算量减少,信道估计的均方误差减小,接收机的误码性能得到改善,同时利用计算机模拟,对两种算法运用到信道估计中的跟踪性能进行了比较。     

快速时变信道下的OFDM信道估计方法

为解决正交频分复用(OFDM)系统在快速时变信道下引入的子载波间干扰(ICI)导致性能急剧下降的问题,提出一种基于带状矩阵的数据辅助型信道估计算法。通过分析由多普勒频偏引入的子载波间干扰矩阵,运用线性模型对信道冲击响应算法进行建模,对每个子载波设计带状补偿矩阵以最大程度消除ICI。数值仿真结果表明,该信道估计算法较最小均方误差(MMSE)算法复杂度大大减小,便于实现,满足快速时变信道下的估计精度需要。     

基于RLS的MIMO OFDM自适应信道估计

依据最小均方误差准则提出了基于多相正交序列循环移位和基于重复相位旋转Chu两种训练序列设计方法,并给出了相应的最小二乘(RLS)自适应信道估计算法。首先用简单的LS算法对信道进行初步估计,然后采用RLS算法进行自适应滤波器提高信道估计的性能,最后,将滤波后得到的时域信道估计经过FFT变换为频域信道响应,并对OFDM数据符号进行频域均衡。与传统单一的信道估计技术相比,该方法具有较低的复杂度和较好的估计性能,仿真实验证明了该算法的有效性。     

认知MIMO系统基于有限反馈的干扰信道学习算法

针对认知多输入多输出(MIMO)系统中的干扰信道学习问题进行研究,提出了一种基于有限反馈的干扰信道学习算法。算法用干扰信道的零空间代替整个信道矩阵作为反馈量,在推导最优零空间码字选择准则的基础上,分析干扰信道零空间量化结果的时间相关性,并在前一帧量化结果上加一个基于旋转码本的扰动构建当前帧零空间码本。为防止量化误差的传播,进一步推导了旋转量参数的更新。理论分析和仿真结果表明,所提算法在慢变MIMO干扰信道下对零空间的跟踪效果比Grassmannian子空间包码本好。     

基于格基约减辅助的低复杂度MIMO信号检测算法

在多输入多输出(MIMO)系统中,常规的格基约减辅助信号检测算法由于复杂度高而难以在实际工程中应用。为了解决这一问题,基于Brun算法提出了一种低复杂度的信号检测算法。该算法首先通过奇异值分解(SVD)得到信道矩阵奇异向量和转换矩阵之间的近似整数关系,进而采用Brun算法对信道矩阵的对偶格基进行约减优化,最后将约减后的新对偶格基用于传统线性信号检测。仿真结果表明：该方法的复杂度约为基于常规Lenstra Lenstra Lovasz(LLL)格基约减辅助的MIMO信号检测算法的0.1倍;同时,与线性检测算法相比,检测性能提升非常明显,特别在较高信噪比(SNR)范围内。因此,该算法能够在检测性能与计算复杂度之间取得较好的折衷。     

一种低复杂度MIMO-OFDMA系统的自适应子载波分配算法

本篇论文提出一种多用户多输入多输出正交频分复用系统(MIMO-OFDMA)下行链路具有信道变化实时性的动态子载波分配算法.文中采用奇异置分解,将每个子载波的MIMO衰落信道分解为独立的并行子信道,利用子信道通对各子载波容量的求解推导出本文算法.此次优的算法在满足各个用户数据速率和BER要求的同时,能减小发射功率.仿真结果也证明了这一点.