基于过采样的六二阶归一化累积量盲均衡算法

现有盲均衡算法大多采用先辨识信道、再进行均衡的方法,但信道阶数的估计是一个难点。将高阶归一化累积量用于盲均衡,提出一种基于过采样的六二阶归一化累积量盲均衡算法。该算法不需要辨识信道和估计信道阶数,只对接收信号的六二阶归一化累积量进行优化。仿真结果验证了算法的有效性。     

一种基于信道盲辨识和盲均衡的多径信道调制方式识别算法

针对多径环境下MPSK和MQAM信号的调制识别问题,该文提出了一种基于信道盲辨识和盲均衡的调制识别算法。算法首先进行信道阶数精确估计,然后以矩阵外积分解为基础,加入特征值扰动分析,提高了信道盲辨识和盲均衡的稳定性,最后,对均衡后的星座图进行多级减法聚类,得到信号的调制方式。与现有算法相比,算法结构简单,所需数据量小,适用范围广,实用性强。仿真结果证明了算法的有效性。     

一种改进的稀疏多径信道盲辨识算法

针对无线多径稀疏信道,利用信道有效近似思想,提出了一种改进的基于矩阵外积分解的信道盲辨识与盲均衡算法。算法首先利用改进的VIA信道阶数估计准则,对多径稀疏信道“有效部分”的阶数进行精确估计,然后利用改进的矩阵外积分解算法估计出信道冲激响应的“有效部分”,最后利用该估计结果对接收数据进行反卷积运算,恢复出发送信号。为了降低噪声以及信道冲激响应中的“零抽头”部分对信道盲辨识性能的影响,本算法对噪声方差估计方法进行了改进,提高了算法在中、低信噪比条件下的盲辨识性能。与现有算法相比,本算法不仅降低了对信噪比的要求,而且克服了基于LC准则的子空间算法(SSA, Subspace Algorithm)的相位偏转问题,其中噪声方差的估计方法也可应用于信噪比估计技术。仿真实验以及对SPIB微波信道测试结果验证了本文算法的有效性。      

基于粒子滤波的Turbo盲均衡

粒子滤波是一种基于贝叶斯估计的算法,在信道盲辨识和盲均衡问题上具有快收敛、抗深衰信道等优势。Turbo盲均衡在低信噪比条件下有较好的误码性能。为了在深衰信道下使通信具有良好的误码性能,对粒子滤波盲均衡算法进行改进,改进算法的重要性采样函数利用了粒子的先验信息,得到一种软输入软输出的粒子滤波盲均衡算法。依据Turbo盲均衡的框架结构实现了一种基于粒子滤波的Turbo盲均衡算法,该算法利用信道编码带来的编码增益,提高了均衡和信道辨识的性能。仿真结果表明相比粒子滤波盲均衡算法本文提出算法的误码率性能提高1dB左右,误帧率性能则提高了3dB以上,经分析可知在信道系数估计较为准确的条件下,系统数据帧几乎没有误码。      

基于粒子滤波器的盲辨识和盲均衡新方法

提出了一种新的基于粒子滤波器的盲辨识及盲均衡算法。在对信道进行辨识时，通过对信道均值的采样来代替对真实信道的采样，避免了对信道的后验密度进行采样，从而降低了算法的复杂度。算法还采用先验密度作为重要性函数，以便于对重要性函数进行采样。仿真结果表明，该算法收敛速度快，所需的数据量少，在信噪比较低时也能完成对信道的盲辨识和盲均衡。     

一种基于确定信息的迭代IIR系统盲辨识和盲均衡的算法

提出了一种基于确定信息的迭代IIR系统盲辨识和盲均衡算法。该算法不需要信通或信号的统计信息,因此能在较少样本下给出较精确的估计。算法分别估计IIR信道中AR与MA参数,并通过构造出更多方程从而提高参数的估计精度。仿真试验表明,本文的迭代算法优于现有算法。     

一种新颖的抗阶数过估计的增强子空间盲辨识算法

研究了子空间盲辨识算法在信道阶数过估计时失效的问题,提出一种新的鲁棒性强的增强算法。首先针对过估计模型,提出了"加权矩阵定理",理论证明通过构造一个加权矩阵来修正子空间算法,可消除阶数过估计的影响;然后,给出一种用指数序列构造近似的加权矩阵的增强算法。与子空间盲辨识算法相比,增强算法复杂度相当,对阶数过估计鲁棒性强。仿真实验验证了该算法的有效性。     

一种不受信道阶数估计影响的SIMO直接盲均衡算法

针对单输入多输出（Single-Input-Multiple-Output, SIMO）模型提出一种完全不需要信道阶数估计的直接盲均衡算法。文章利用接收数据的截短协方差矩阵和信号子空间的关系设计一种零延迟均衡器,并通过信道矩阵和均衡器系数的合响应特性克服了算法相位偏转的问题,最后得到一种对信道阶数估计鲁棒并且没有相位偏转的盲均衡算法。该算法不同于一般子空间类算法,不需要直接对接收信号的协方差矩阵进行信号子空间和噪声子空间的分解,因此对信道阶数估计具有很强的鲁棒性。文章给出了算法的Batch实现过程,同时为更好适应一般时变信道环境和实现实时处理的要求,通过递归迭代得到算法的自适应实现过程。仿真实验表明该算法几乎不受信道阶数过估计或欠估计的影响,同时该算法具有良好的均方误差（Mean Square Error, MSE）和误符号率SER（Symbol Error Rate, SER）性能,并且具有很快的收敛速度。      

基于QR分解的MIMO信道盲辨识和盲均衡方法

针对SIMO信道的经典盲估计方法,如子空间法(SS)等,都是基于接收端样本自相关阵的特征值分解(EVD)或奇异值分解(SVD)来实现信道估计的,而基于QR分解的SIMO信道盲辨识方法是最近提出的一种性能优良的新算法.本文将该算法推广为MIMO信道盲辨识算法,并且证明了在一定的假设下,即使各路源信号为空间相关且其统计特性未知时,该算法仍然保持有效.实验结果表明这种MIMO辨识算法具有收敛速度快、计算量小、无须对噪声做额外的处理、对噪声不敏感等优点.我们还将这种算法与经典的MIMO辨识算法进行了性能比较.     

具有周期调制和循环前缀的块传输系统中MIMO信道的盲辨识

在块传输系统中,可通过添加块前缀来辅助信道识别。一种针对具有循环前缀和周期调制的块传输系统的盲辨识方法,利用了信道矩阵的块循环特性来求解信道系数。该文将该算法推广到了多用户系统,并给出了算法的辨识条件。同样是基于二阶统计量的方法,新算法克服了基于子空间分解类算法对噪声,对信道阶数误估计,对信道零点位置敏感的缺点。文中仿真证明了在较低信噪比条件下,利用新算法仍可对多输入多输出信道进行较好的估计。     

基于均衡代价函数的信道阶数盲估计算法

针对信道阶数估计问题,利用单输入多输出(Single-Input Multiple-Output,SIMO)有限冲激响应(Finite Impulse Response,FIR)信道的结构特点和输入/输出信号的统计特征,提出了一种基于均衡代价函数的信道阶数盲估计算法.首先计算了归一化最小二乘均衡(Normalized Least Squares Equalization,NLSE)代价函数在理想条件下的理论渐近值,并指出其拐点与信道阶数之间的对应关系.然后分析了NLSE代价函数在实际条件下的近似值.最后引入了拐点优化因子,提出了一种基于NLSE代价函数拐点检测的信道阶数估计算法.理论分析和仿真结果表明,在信噪比(Signal-to-Noise Ratio,SNR)较低和信道首尾系数较小的情况下,该算法比现有其它方法具有更强的鲁棒性,可以获得更小的接收信号均衡误差.     

一种变步长短波信道盲均衡算法

通过对短波通信中的自适应均衡(Adaptive Equalization)和盲均衡(Blind Equalization)技术进行比较研究,分析了自适应均衡和盲均衡中各种均衡算法的适用条件和优缺点,重点研究分析了盲均衡算法,并针对盲均衡算法进行改进,提出了将盲均衡算法与变步长思想结合起来,解决了收敛速度与收敛精度(均方剩余误差)的矛盾。用MATLAB对算法进行仿真,对仿真结果进行分析比较并得出结论,验证此改进算法的有效性。     

基于支持向量机的水声信道盲均衡算法研究

水声信道的带宽极为有限,与需要训练序列的自适应均衡算法相比盲均衡技术节省了带宽,特别适合高速水声通信和多点通信。针对基于高阶统计量的盲均衡算法收敛速度慢的缺点,研究了一种基于支持向量机的盲均衡算法,它收敛速度快并具有全局最优解。通过对浅海信道触发通信信号的计算机仿真,证明了算法的有效性。     

基于遗传算法的盲信道均衡

盲均衡技术能够仅利用接收信号的统计特性对信道特性进行均衡,克服了传统自适应均衡技术需要训练序列、降低系统有效信息传输率的缺陷,成为目前的研究热点。本文简单介绍了通信中的盲均衡技术,并针对一个简单的信道模型给出了基于遗传算法的盲均衡算法。仿真结果表明,多次迭代的盲均衡的均值能够很好地代表未知信道的性能。     

CMA算法盲均衡性能分析

由于受多径传输和有限带宽的影响,无线信道不可避免地存在码间干扰和信道间干扰.盲均衡技术是一种不需要训练序列就能补偿信道畸变的新兴自适应均衡技术.文中从Bussgang类盲均衡原理出发,讨论了属于Bussgang类的CMA盲均衡算法,并利用Simulink对算法进行了仿真.从仿真结果可看出步长对算法收敛性能和精度的影响,步长越小,收敛速度越慢,但稳态误差越小;反之亦然.     

Godard盲均衡算法研究

信道均衡是克服码间干扰的重要措施．但是由于传统的均衡需要发送一训练序列来进行初始抽头系数的调节，这会降低通信中的有效数据传榆率．盲均衡技术的提出就是为了解决这一难题．文中从盲均衡的信号模型入手，对Godard算法进行了研究与仿真，并讨论了其中的几个关键参数．     

基于进化思想的盲均衡新算法研究

进化思想是目前模拟进化过程的三种主要研究途径之一，它主要强调个体的行为变化、强调父代和子代之间或繁殖群体之间的行为联系。盲均衡是一种在信道畸变相当严重的条件下，不用借助于训练序列，仅根据接收到的信号序列本身进行自适应均衡的方法；本文运用进化思想和传统Godard均衡器代价函数，提出一种基于进化思想的盲均衡新算法，计算机模拟结果表明：该算法比已有的盲均衡算法收敛速度快，且不会误收敛至局部最小值。