时变步长符号递归常数模算法及仿真

针对符号递归常数模算法稳态误差大的缺点,提出一种时变步长符号递归常数模算法。水声信道仿真结果表明,与传统的常数模算法及符号递归常数模算法相比,变步长符号递归常数模算法收敛速度快,而且剩余均方误差更低,对水声信道具有良好的均衡能力。     

一种适用于水声信道的双模式盲均衡算法

针对常数模算法(CMA)和符号回归常数模算法(SR-CMA)存在的问题,提出了一种基于分数间隔的双模式常数模(DCMA)盲均衡算法。该算法将常规CMA算法和SR-CMA算法相结合,通过判决圆环完成两种算法之间的切换,根据信噪比确定判决圆环的边界。仿真结果表明,DCMA 的计算效率高于CMA,算法稳定性优于SR- CMA,而且可以获得较低的剩余均方误差。     

一种快速收敛的水声信道分数间隔盲均衡算法

为了加快常数模盲均衡算法(CMA)的收敛速度并降低剩余均方误差,提出了一种快速收敛的分数间隔常数模算法。新算法采用T/2分数间隔均衡器,针对水声通信中常用的BPSK信号,设计了一个新的误差函数,取代常数模算法中的误差函数。最后,采用浅海水声信道进行了仿真,结果表明,新算法性能稳定;收敛速度高于常数模算法和分数间隔常数模算法;剩余均方误差与分数间隔常数模算法处于同一水平。     

基于正交小波变换的变步长盲均衡算法研究

针对常数模算法(CMA)剩余误差大与收敛速度慢的问题,将变步长思想和正交小波变换引入到常数模盲均衡算法中,提出了基于正交小波变换的指数型变步长常数模盲均衡算法(WT-VCMA)。水声信道仿真结果表明:与基于剩余误差的指数型变步长常数模盲均衡算法(VCMA)及常规常数模算法(CMA)相比,新算法具有更快的收敛速度和更小的剩余误差。     

适用于水声信道的快速判决反馈盲均衡算法研究

基于对常数模判决反馈算法(CMDFE)进行分析,提出了一种能够快速收敛的判决反馈盲均衡算法。该算法中构造了一种与常数模算法不同的、能够快速收敛的误差函数,并利用该误差函数对前向权进行调整,而反馈权的调整仍使用常数模误差项。前向权和反馈权系数的更新取不同的步长值。最后通过水声信道模型仿真,对这几种算法进行了数值分析研究。结果表明：所提出的算法可有效地实现对多途水声信道的均衡,并且其收敛速度高于常数模算法和常模判决反馈算法。     

几种适用于水声信道的常模类盲均衡算法研究

对比研究了3种常模类盲均衡算法在水声信道均衡中的收敛性能，这些算法包括传统的常数模算法、归一化常数模算法和解相关常数模算法。通过仿真对各算法性能进行了分析。仿真结果表明，在算法剩余均方误差非常接近的情况下，解相关常数模算法和归一化常数模算法快于传统的常数模算法。     

基于粒子群优化的正交小波盲均衡算法

为克服常数模算法(CMA)收敛速度慢、稳态误差大的缺点,在分析正交小波常数模盲均衡算法(WT-CMA)基础上,该文提出了基于粒子群优化的正交小波常模盲均衡算法(PSO-WT- CMA)。该算法利用粒子群的信息共享机制和有效的全局搜索特点,寻找最优的均衡器权值,并用正交小波变换降低信号的自相关性。水声仿真结果表明:与常数模算法(CMA)、基于粒子群优化的常数模盲均衡算法(PSO-CMA)和基于正交小波变换的常数模盲均衡算法(WT-CMA)相比,该算法在提高收敛速度和减小码间干扰方面的性能有很大的改善。     

稀疏水声信道判决反馈盲均衡算法研究

针对高速水声通信中信道的稀疏特性,提出了一种基于常数模准则的稀疏水声信道判决反馈盲均衡算法。该算法将改进的常数模算法与一种变化的判决反馈均衡器结构(部分反馈均衡器)有机结合,利用水声信道的稀疏特性,不但很好地实现了稀疏水声信道的盲均衡,而且简化了计算,易于算法的硬件实现。用典型稀疏水声信道进行了计算机仿真。结果表明,该算法性能稳定,计算量小,稳态均方误差低,整体性能与基于自适应LMS的稀疏迭代算法接近。该研究为高速水声通信中稀疏信道的均衡提供了一种可实现的方法。     

一种新的盲多用户检测算法

恒模算法(CMA)是盲多用户检测中利用高阶统计量作为代价函数的自适应算法,但其步长恒定,不能随通信信道实际情况变化.在CMA和线性约束恒模算法(LCCMA)的基础上,将自适应步长引入到CMA中,得到自适应步长恒模算法(ASCMA),该算法能够根据通信信道情况自适应调节滤波器的步长,从而改善CMA算法的性能.通过MATLAB仿真表明,在白噪声通信信道环境中,ASCMA与LCCM相比,其输出信干比(SIR)、收敛速度等性能都有了较大的提高.     

一种抵抗水声信道多途干扰的新的盲均衡算法

由于在时变水声信道中会产生随机相位失真，CMA算法的误码性能严重下降。在双模式盲均衡算法的基础上，提出了一种适用于水声信道的新的盲均衡算法——NCMA算法。计算机仿真结果表明，在时变水声信道中，该算法性能优于双模式算法，能够达到对信号相位失真的恢复，并且收敛性能优于双模式算法。     

Increasing the speed of convergence of the constant modulusalgorithm for blind channel equalization

The constant modulus algorithm (CMA) is an excellent technique for blind channel equalization. A signed error version of CMA (SE-CMA) and dithered signed error version (DSE-CMA) have been proposed which afford overall computational efficiency. We propose three different error functions for faster convergence. This would be essential for communication systems, which cannot afford a high startup delay or for systems, where the channel's impulse response is rapidly fluctuating. One of these algorithms relies on the idea of a variable step size, which increases the rate of convergence     

差异维度传感器数据融合新方法

针对不同维度传感器数据融合问题,提出一种利用三维量测(同时含有距离和角度信息)结果为不足维量测(仅有距离或仅有角度信息)构建假量测点和协方差的新方法。仿真结果表明,该方法能够有效地利用不同维度的量测数据,明显提高目标的定位精度,具有一定的应用价值。     

基于干扰抑制的恒模波束跟踪新算法

当干扰信号强度不小于期望信号时,常规恒模算法(CMA)会错误跟踪到干扰信号;期望信号导向矢量线性约束恒模算法(LSCCMA)通过对期望信号来波方向约束,可正确跟踪到期望信号,但是算法在干扰信号来波方向上不能形成明显的零陷。为此,提出了基于干扰约束的恒模算法(LIC-CMBTA)。理论分析和仿真结果证明,该算法不仅可以正确跟踪到期望信号,并且可实现在多个强干扰信号来波方向上形成深度可调的干扰零陷,从而提高了常规恒模算法波束跟踪的稳健性。     

基于峰度自然对数最大化的信号盲分拣算法和盲波束形成

该文基于峰度自然对数最大化准则,提出了一种自适应一元信号盲分拣算法,提出的算法可以用于一元信号盲分离和进行盲波束形成,与基于峰度值最大化准则的KMA算法相比,收敛速度快,有较强的稳健性,将非线性函数引入学习速率的调节,算法自动选取学习步长,避免了人工选取学习速率不当而导致算法发散。同时,提出了两种复数抽气算法,配合一元信号盲分拣算法可以依次分离多个信号源,仿真试验验证了算法的有效性。用提出的算法在四元线阵上盲分离两个水声信号,结果发现,一元信号盲分离实现的盲波束形成波束图与最优波束接近。     

A feedback approach to the steady-state performance of fractionallyspaced blind adaptive equalizers

This paper proposes a new approach to the analysis of the steady-state performance of constant modulus algorithms (CMA), which are among the most popular adaptive schemes for blind equalization. A major feature of the proposed feedback approach is that it bypasses the need for working directly with the weight error covariance matrix. In so doing, approximate expressions for the steady-state mean-square error of several CM algorithms are derived, including CMA2-2, CMA1-2, normalized CMA, and a new normalized CMA variant with less bias. A comparison among the various algorithms is also performed, along with several simulation results. The conclusions confirm the superior performance of CMA2-2     

Decision directed adaptive blind equalization based on the constant modulus algorithm

In this paper, new decision directed algorithms for blind equalization of communication channels are presented. These algorithms use informations about the last decided symbol to improve the performance of the constant modulus algorithm (CMA). The main proposed technique, the so called decision directed modulus algorithm (DDMA), extends the CMA to non-CM modulations. Assuming correct decisions, it is proved that the decision directed modulus (DDM) cost function has no local minima in the combined channel-equalizer system impulse response. Additionally, a relationship between the Wiener and DDM minima is established. The other proposed algorithms can be viewed as modifications of the DDMA. They are divided into two families: stochastic gradient algorithms and recursive least squares (RLS) algorithms. Simulation results allow to compare the performance of the proposed algorithms and to conclude that they outperform well-known methods.     

改进的水声信道载波恢复盲均衡算法

为提高修正的常数模算法(MCMA)的收敛速度,进一步降低算法的剩余均方误差,提出了3种改进的盲均衡算法,既保留了MCMA算法载波恢复的功能,又不同程度地提高了MCMA算法的收敛速度。最后通过水声信道仿真,对这些算法的性能进行了验证和比较。     

Binary constant modulus blind equalization for multi-level QAM signals under Gaussian and non-Gaussian noise

A binary constant modulus algorithm (BCMA) is proposed in this work for the blind equalization of multi-level quadrature amplitude modulation (QAM) systems. A novel cost function and its corresponding iteration formula are developed, which removes both the excess error and the steady state error introduced in the design of the most popular constant modulus algorithm (CMA). Theoretical analysis indicates the proposed algorithm can solve the performance degradation of CMA applying to the non-constant QAM signals. Moreover, it can combat the impulsiveness of alpha stable noise. Simulation results illustrate the effectiveness and robustness of the new algorithm under both Gaussian and non-Gaussian environments.