盲检测的递推算法

在ε均衡概念基础上，提出了对含公零点SIMO(单输入多输出)信道的盲均衡算法。该算法充分利用发送符号属于有限字符集的先验知识，先用ε算法盲检测少量发送序列，然后再用递推算法恢复出发送信号。仿真结果表明：不管信道是否包含公零点，文中提出的算法性能都明显地优于基于二阶统计量的其它经典算法，并且算法还可适用于时变信道。     

信道盲辨识的新方法

只要单输入多输出(SIMO)信道的公因式满足本文提出的充分必要条件，那么本文方法就可以有效地辨识这些带公零点的信道．本文算法由以下步骤组成：先借助整数约束二次优化盲检测属于给定字符集的发送信号，然后根据这些估得的发送信号辨识传输信道．仿真结果表明：本文新算法明显优于现有的文献算法．     

信道盲辨识的新方法

只要单输入多输出(SIMO)信道的公因式满足本文提出的充分必要条件,那么本文方法就可以有效地辨识这些带公零点的信道.本文算法由以下步骤组成:先借助整数约束二次优化盲检测属于给定字符集的发送信号,然后根据这些估得的发送信号辨识传输信道.仿真结果表明:本文新算法明显优于现有的文献算法.     

SIMO系统直接盲检测的新算法

借助接收数据阵的广义左零空间，把发送信号盲恢复问题转换为求解带整数约束的二次规划问题，进而根据盲检测的发送信号辨识传输信道。而且文中方法可以有效地辨识带公零点的SIMO(单输入多输出)信道。仿真结果表明：新算法明显优于现有的文献算法，且辨识含公零点SIMO信道有着卓越的性能表现。     

SIMO含公零点信道的直接盲序列检测

本文首先在BPSK字符集下提出了与经典迫零均衡有本质不同的ε-均衡概念,给出了ε-均衡器存在的充分必要条件.然后,本文借助接收数据阵补投影算子对待测发送序列向量的零化作用,把BPSK信号盲检测问题转化为带二值约束的二次规划问题.最后,通过复数量重新定义成实数量,本文把上述的ε-均衡概念和盲检测算法成功地推广应用于QPSK复信道情况.仿真试验表明:不管SIMO信道是否包含公零点,也不管零点是否在单位圆内,本文算法都表现出超越于子空间法和线性预报法的优良性能.     

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。      

含公零点FIR-MIMO信道的直接盲检测

首先在发送信号属于有限字符集和FIR-MIMO信道卷积矩阵行数大于列数的情况下,给出了FIR-MIMO均衡器存在的一个充分性条件。然后,利用变换矩阵的方法把盲信号检测问题转化为二值约束下的二次规划问题,并利用遗传算法求解二次规划,最后进行了实例仿真。仿真结果表明：在FIR-MIMO信道含公零点的情况下,所提出的均衡器可以正确地恢复发送信号;而无论FIR-MIMO信道是否含有公零点,提出的直接盲多用户检测算法都比经典的子空间算法性能优越。     

一种基于矩阵外积分解的信道盲辨识与盲均衡算法

本文提出了一种鲁棒性较好的信道盲辨识和盲均衡算法.在仅需知道信道阶数上界的条件下,首先采用改进的信道阶数估计算法对信道阶数进行精确估计,与现有算法相比,所需信噪比降低、对信道的适应性提高;然后,在矩阵外积分解算法的基础上,加入特征值扰动分析,提高了信道盲辨识和盲均衡性能.仿真结果证明了算法的有效性.     

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。     

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。     

采用奇异值分解方法的半盲信道辨识算法

针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,提出一种半盲信道辨识算法。通过奇异值分解将信道矩阵分解为同维矩阵与酉矩阵乘积的形式,分别利用接收数据和已知符号求解同维矩阵与酉矩阵,最终得到信道矩阵的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性,避免了传统半盲方法面临的最优加权选择问题,性能稳定,且对信道噪声与信道阶数都具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。     

一种新OFDM系统及其信道盲估计性能的研究

提出了一种采用不等长分组新的OFDM系统。采用不等长分组的好处是不需要加循环前缀，就能在发射序列中引入周期平稳性，因此采用子空间算法可实现信道的盲辨识。还对信道盲估计性能进行了分析。     

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.     

基于Hopfield神经网络的盲均衡算法

基于Hopfield神经网络的盲均衡算法是把发送信号盲恢复问题转换为求解带整数约束的二次规划问题,再利用hopfield网络来求解这个NP难的组合优化问题,从而直接恢复出信号。Hopfield神经网络分为两种,一种是连续空间的hopfleld神经网络,一种是离散空间的hopfield网络,文章介绍怎样用这两种方法对含公零点信道上发送的信号进行准确地恢复,基于Hopfield神经网络的盲均衡算法收敛速度快,性能明显优于其它经典算法。     

基于子空间分解的OFDM信道盲辨识

该文提出一种基于子空间分解的正交频分复用(OFDM)信道的盲辨识算法,将OFDM信号等效为单输入多输出的过采样信号,采用过采样信号的循环稳态特性和子空间分解方法估计信道参数,算法不需要任何训练序列和周期性的引导信号,实现了0FDM信道的盲辨识。对于宽带OFDM移动通信系统,通常子信道数较大,信道响应持续时间短于0FDM符号周期,因此,可以将整个系统分为若干个子系统,各子系统分别进行信道辨识,能有效地降低信道估算的复杂性。     

一种衰落信道下OFDM信号的半盲检测算法

本文提出了一种衰落信道下OFDM信号的半盲检测算法。采用文献[1]为时变OFDM信道建立的2维非线性递归模型,本文利用稀疏的导频符号估计信道响应,并运用最短路径搜索原理寻找原始的发送序列。计算机仿真结果证明,该算法对OFDM信号进行了快速、准确的半盲检测。     

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。      

CDMA时变色散信道的快速半盲辨识方法

利用CDMA时变色散信道的离散正则模型,给出了一种新的信道快速盲辨识算法,首先使用时-频解相关RAKE接收机消除了多址干扰的影响,然后再利用解相关处理后信号的一阶统计量,实现对信道的辨识。和基于二阶统计量以及高阶统计量的盲辨识算法相比,该算法仅需要少量的导频符号,就可实现对信道的估计,具有更低的计算复杂度和更好的抗噪性能。仿真结果证明了算法的有效性。     

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。     

用于盲接收的turbo均衡与迭代信道估计

Turbo均衡是一种将信道均衡和差错控制译码联合迭代处理的均衡机制,与传统的均衡器相比,能在更低的信噪比条件下克服严重信道失真导致的符号间干扰(ISI)。该文提出一种用于盲接收的turbo均衡和迭代信道估计方案,不依赖于训练序列或发送符号的先验知识,采用初始盲均衡处理来启动迭代信道估计和turbo均衡。在该方案中,初始盲均衡算法的选择是十分关键的,它需要在恶劣的信道条件为后续迭代处理的启动提供足够的先验信息。该文根据turbo均衡的特点,选择了超指数算法作为初始盲均衡。仿真结果表明,该文提出的用于盲接收的turbo均衡方案是有效的。