一种改进的盲自适应波束形成算法

本文在最小二乘恒模（LSCMA）和梯度下降法（SDCMA）的基础上，提出了一种基于预解扩的判决反馈盲自适应波束形成算法，称为LS—SDCMA。本文分别在加性白高斯和多径衰落信道的环境中进行了仿真，仿真结果表明，本文提出的LS—SDCMA算法比传统的LSCMA、OCMA和SDCMA算法具有较强的抗多址干扰能力。     

线性受限最小二乘恒模波束形成算法

将线性受限条件运用于最小二乘，提出了一种线性受限最小二乘恒模波束形成算法，称为LC-LSCMA，并将它与传统的最小二乘恒模波束形成算法(LSCMA)及预解扩最小二乘恒模波束形成算法(P-LSCMA)进行了仿真比较。仿真结果表明，提出的LC-LSCMA算法比LSCMA及P-LSCMA的信干比性能和误码率性能要好，特别在低信噪比情况下性能仍优于LSCMA。     

SMI-LSCMA盲自适应多波束形成算法研究

提出一种基于协方差矩阵求逆(SMI)和最小二乘恒模(LSCMA)的恒模阵列盲多波束形成算法。该算法由SMI算法决定LSCMA算法的初始权向量,充分利用SMI结合LSCMA算法的所有优点,在干扰信号较强时,确保权向量收敛至弱期望信号。并且有稳定的SINR输出,具有良好的信号分离提取性能。仿真结果证明了SMI-LSCMA算法具有较强的稳健型和较快的收敛速度。     

线性受限最小二乘恒模盲多用户检测算法

本文将线性受限条件运用于最小二乘恒模算法,提出了一种线性受限最小二乘恒模盲多用户检测算法,称为LCLSCMA,并将它与传统的最小二乘恒模算法(LSCMA)进行了仿真比较。仿真结果表明,本文提出的LCLSCMA算法比传统的最小二乘恒模算法的信干比性能和误码率性能要好,特别在低信噪比强多址干扰情况下性能仍优于LSCMA。     

一种基于最小Rayleigh熵的盲波束形成算法

提出了一种基于最小Rayleigh熵的盲波束形成算法。该算法根据最小Rayleigh熵的原理对恒模算法的代价函数进行改进,其基本思想就是在寻找最优权矢量时把恒模信号的幅值归并到协方差矩阵里去考虑,以得到最小代价函数的闭式解,从而得到初始权值,最后再用最小二乘恒模算法（LSCMA）算法进行更新迭代。这种算法属于块处理,不存在算法收敛局部极小点和收敛速度慢的问题,所以具有较强的优越性。仿真结果证实了算法的有效性。     

基于最小二乘恒模算法及子空间方法的盲多用户检测算法

恒模算法（CMA)是一种广泛应用于阵列处理、均衡、多用户检测中的盲算法。最小二乘恒模算法(LSCMA)由于其全局收敛性及稳定性受到关注，但是它在信噪比较低时性能不是很理想。本文将最小二乘恒模算法与子空间方法相结合，提出一种基于子空间分解的恒模算法，称为LSCM_SUB算法。仿真结果表明这种算法的收敛性能比LSCMA要好，尤其是在信噪比低的时候。     

一种结合HT算法和LSCMA的联合自适应算法

最小二乘恒模算法(LSCMA)是阵列信号处理中广泛使用的一种能全局收敛且稳定性强的算法,但是在低信噪比的情况下会发生干扰捕获问题.正交化(Hung-Turner)算法在低信噪比情况下有较好的收敛性能,且计算简单.本文提出了一种正交化算法和最小二乘恒模算法的联合算法.仿真结果表明这种算法能较好的解决干扰捕获问题,其收敛性能比LSCMA要好,尤其在低信噪比的情况下.     

基于CMA算法的智能天线自适应波束形成研究

自适应波束形成是智能天线的核心技术,其主要思想是利用自适应算法调整阵列的权向量,将各阵元接收到的信号进行加权求和,把天线阵列形成的波束“导向”到特定方向上。本文介绍了恒模算法（CMA）和最小二乘恒模算法（LS—CMA）两种盲波束形成算法并运用Matlab软件对两种算法进行仿真分析,仿真结果表明,LS—CMA具有更快的收敛速度以及更好的抗干扰能力。     

基于天线阵列的一种预处理LCLSCM多用户检测算法

给出了一种天线阵列信号的预处理方法,并将线性受限条件和判决反馈用于最小二乘,提出了一种基于天线阵列的预处理线性受限判决反馈最小二乘恒模多用户检测算法,称为PLC-DFB-LSCMA算法,并与判决反馈最小二乘恒模算法(DFB-LSCMA)及传统的最小二乘恒模算法(LSCMA)进行了仿真比较,仿真结果表明,PLC-DFB-LSCMA算法的信干比性能及误码性能仍优于后二者。     

一种基于DFP方法的拟牛顿恒模算法跟踪信道变化能力的研究

本文根据信道变化快慢程度,把信道模型分成剧变信道和渐变信道.分析研究了恒模盲均衡算法(CMA)在不同的信道模型下跟踪信道变化的能力.针对于原有典型恒模盲均衡算法的性能上的劣势,结合最优化理论,提出了一种线性受限拟牛顿恒模算法,称之为LC-DFPCMA,并将它与传统的线性受限恒模算法(LC-CMA)及最小二乘恒模算法(LSCMA)进行了仿真比较.仿真结果表明,提出的LC-DFPCMA算法比LC-CMA算法能更快地跟踪信道变化且收敛效果较好;与LSCMA算法相比,算法复杂度有明显降低.     

一种新的变步长快速盲均衡算法

在无线通信信道中,码间干扰严重影响了通信的质量和可靠性。传统的自适应均衡算法需要训练序列降低了传输效率,恒模算法（CMA）可以很好的克服了这个问题。针对CMA算法收敛速度较慢和无法纠正相位误差的缺点,提出一种新的步长迭代方法的改进型恒模算法（NSMCMA）。蒙特卡罗仿真表明,提出的算法,相比传统CMA算法,不仅可以纠正信道的相位偏转,而且具有更好的均衡效果和收敛性能。     

一种改进的QAM信号的恒模算法：MCADAMA

提出了一种适用于QAM系统的改进的双模式算法MCADAMA（modified CMA-assisted decision adjusted modulus algorithm）。通过研究Axford提出的CADAMA双模式算法,受到MCMA算法的启发,结合恒模算法的特性,研究出了MCADAMA算法。通过搭建QAM盲均衡系统平台,把MCADAMA算法和其他3种恒模算法进行了比较,仿真结果表明,MCADAMA算法具有更快的收敛速度和更低的误码率,有效地提高了系统性能。     

一种新型变步长CMA盲均衡算法

针对传统固定步长CMA盲均衡算法中收敛速度和剩余误差这对矛盾,提出了一种新型变步长恒模盲均衡算法,即由瑞利分布函数实施对其步长的调节,通过调整该步长公式中的两个参数以加快收敛速度和减小剩余误差,并且在此基础上对该算法进行了改进。用4QAM信号,通过典型电话信道对固定步长的CMA算法,基于瑞利步长的CMA和改进后的CMA算法进行计算机仿真。通过对仿真出的算法收敛曲线以及输出星座图进行分析,最终得出在瑞利步长算法的基础上改进后的CMA算法克服了前两种算法的缺点,即具有收敛速度更快,剩余误差更小的优点。     

一种变步长的恒模均衡算法

针对时变信道需进行自适应均衡的要求，介绍了最常用的恒模算法（Constant Modulus Algorithm，CMA），并对该算法进行了改进，提出了一种步长因子μ与误差信号的e（n）之间另一种新的非线性函数，该函数较为简单，且在误差e（n）接近零处具有缓慢变化的特性，克服了CMA在收敛调整过程中的不足。同时给出了改进算法的仿真结果，计算机仿真结果与理论分析相一致，表明该算法提高了恒模算法的收敛速度，同时也保留了恒模算法较为稳定的性能。     

基于SP-LCCMA的STBC MC-CDMA系统盲信道估计

研究了空时编码多载波码分多址系统（STBC MC—CDMA）盲信道估计技术。根据信道位于信号子空间的特点,提出基于信号子空间投影线性约束恒模算法（SP—LCCMA）的盲信道估计,避免了噪声子空间信道估计的缺点,将估计信道应用于STBC MC—CDMA系统多用户检测。仿真结果表明,提出算法的收敛速度和信干噪比（SINR）性能优于一般恒模算法。     

Bussgang盲均衡器

文中描述了基带均衡通信系统的信号模型,研究了基于此模型的三个典型的Bussgang均衡器：恒模算法（CMA）,Sato和直接判决（DD）均衡器。给出了与算法相关的性能仿真结果。仿真结果展示了CMA均衡器可以提供更好的BER性能及比Sato和DD均衡器更快的收敛速度。     

基于MIMO系统的盲均衡算法研究

MIMO通信系统中,随着数据率的不断提高,信道呈现出频率选择性,尤其是多径干扰和多用户干扰将会使接收端产生严重的码间干扰,而盲均衡技术能有效消除码间干扰。文中重点研究了基于MIMO通信系统的恒模盲均衡算法,并在此基础上提出了基于Sigmoid函数的变步长CMA均衡算法。该算法与传统方法的不同之处在于,该改进算法中所使用的步长因子能跟随均衡器的收敛情况自适应调整,且计算仿真结果表明,改进后的CMA算法能有效抑制噪声,且收敛速度快。     

改进的线性受限共轭梯度常模算法

提出了一种改进的线性受限共轭梯度常模算法,称之为M—LCCGCMA。其核心是采用最优自适应步长的方法对已有算法进行优化,并推导出步长的解析形式,确保了算法收敛于期望用户,提高了系统性能。通过对算法代价函数的理论分析,得出了算法收敛的条件。将算法在加性白高斯和多径衰落信道的环境中进行了仿真,结果表明,该算法的信干比性能和误码率性能均比现有的自适应步长常模算法要好。     

双模式变步长解相关盲均衡算法研究

恒模算法(CMA)是一种重要的盲均衡技术,虽然能达到盲均衡效果,但是收敛后会有较大的剩余误差和相位模糊。在文献[3]中提出的VS-MCMA+DD-LMS算法的基础上做了进一步改进,提出变步长修正多模算法(VS-MMMA)和DD-LMS相结合,以及变步长解相关修正多模算法(VS-UMMMA)和DD-LMS相结合2种新算法,进行了仿真和性能分析,证明新算法在收敛速度和均衡误差方面均有明显的改进。     

一种并行的软判决引导常数模盲均衡算法

介绍了一种常数模与软判决引导结合的盲均衡算法CMA SDD。该算法克服了CMA收敛速度慢、稳态误差大的缺点,同时可以纠正相位偏转。仿真表明,在高信噪比(SNR)条件下,两种算法的稳态均方误差相近,而CMA SDD算法的收敛速度更快;在低信噪比条件下,CMA SDD算法可以获得更快的收敛速度和更低的稳态均方误差。