基于Ｔ／２分数间隔的ＳＥＩ双模式盲均衡算法

针对超指数迭代(SEI)算法收敛后均方误差大、SEI算法和判决引导(DD)算法以硬切换方式存在性能不稳定的缺陷,通过分析分数间隔均衡器结构和性能,采用软切换方式将SEI算法和DD算法相结合,提出了一种分数间隔超指数迭代双模式盲均衡算法.该算法用SEI算法与DD算法同时对分数间隔盲均衡器的权向量进行调整,当由SEI算法调整前后均衡器判决输出一致时,DD算法参与系数调整,这种软切换方式充分利用了SEI算法能使眼图增开的良好性能和DD收敛速度快、稳态误差小的优点,避免了硬切换带来的不利影响;而采用分数间隔均衡器避免了因欠采样引起的频谱混叠,均衡器可以更有效地对信道失真进行补偿.水声信道的仿真结果,验证了算法的有效性.     

多算法加权融合的盲均衡算法

在研究了多种广泛使用的盲均衡算法的基础上,设计了一种对多种算法加权融合的新算法：
当均衡器的输出信号可靠性足够高时,用可获得高收敛精度的多模辅助算法(MAMA)进行均衡
;当均衡器的输出信号可靠性不够高时,用修正的常模算法(MCMA)、多模算法(MMA)和MAMA 三种算法的加权融合来均衡,且控制权重,使权重随迭代次数变化,提高了算法性能. 仿真结果证明,新算法性能稳定,在恶劣的水声信道中,可以在大约2?800次迭代后收敛,达到-35?dB左右的码间干扰(ISI).     

基于T/2分数间隔的不同变步长盲均衡算法

在分析分数间隔均衡器(FSE)和多模算法的基础上,针对算法固定步长存在收敛速度和剩余误差的性能要求相矛盾的问题,研究以不同变步长的T/2分数间隔多模盲均衡算法.各变步长利用与误差项或均衡输出项的非线性关系自适应调整步长.利用QPSK信号进行仿真分析,结果表明,本算法在收敛速度和稳态误差方面的性能优于固定步长,且相同实验条件下,不同步长的盲均衡算法性能也不同.     

一种适用于水声信道盲均衡算法及仿真

对于高阶QAM信号,常数模算法的收敛误差不为零,而多模算法的收敛速度慢,提出了一种混合常数模算法,并将该算法应用于水声信道盲均衡。该算法根据均衡器输出信号模值与其判决模值之间的距离,设置一判决域。根据该判决域,算法的迭代过程在常数模和多模算法之间自动切换,且收敛后自动切换到多模算法。该算法收敛速度快,且均方误差小,特别适合高于高阶QAM信号的盲均衡,通过对水声信道均衡的计算机仿真,验证了该算法的优点及对多途干扰抑制的有效性。     

多模盲均衡算法的一种最速下降优化实现方法

盲均衡算法的传统实现方式大都基于随机梯度下降法,随机梯度法实现简单的代价是较慢的收敛速度和较大的稳态误差.文章基于实用性的考虑,采用批数据处理方式,给出了多模盲均衡算法的一种最速下降实现方法,该方法在每次迭代过程中不需要产生均衡器输出,而是直接利用接收数据的统计量和当前均衡器系数来估计代价函数的最速下降方向,具有收敛速度快,稳态误差小的特点;可以实现流水线式的实时处理,适合包长固定或可变的信号传输场合.     

归一化加权双模式盲均衡算法

恒模算法（CMA）打开信道眼图的能力强,但收敛速度慢,稳态误差大,适于均衡器启动阶段的工作;决策指向算法（DD）收敛速度快,稳态误差低,但要求决策装置正确判决率高,适于跟踪阶段的工作;归一化自适应滤波算法能够动态地调整步长因子,提高收敛速度。结合上述三方面的优势,提出一种归一化的加权双模式盲均衡算法,和切换式双模式算法相比,新算法的主要优势在于无需在两种模式之间切换,降低了接收设备的复杂性。针对16QAM系统的仿真结果表明新算法和切换式算法相比,稳健性更好,收敛速度更快,并且更适合在低信噪比条件下使用。     

基于星座图改进的QAM盲均衡算法

针对多模辅助算法均方误差高的缺点,提出了两种基于星座图改进的盲均衡算法.首先利用16QAM星座图信息,增加多模辅助算法代价函数中信号点的均衡数目,得到改进的多模辅助算法,与多模辅助算法相比,改进后的算法稳态均方误差更低,而且收敛速度略有提高;其次将改进的多模辅助算法和判决引导算法相结合,根据均方误差调整两种算法的比例,得到的混合算法进一步降低了稳态均方误差.水声信道仿真结果表明:提出的两种算法都可以有效地降低均方误差,适用于对精度要求较高的场合.     

抑制α稳定噪声的改进常数模盲均衡算法

为了改善α稳定噪声环境中盲均衡器的性能,文章提出一种改进常数模盲均衡算法(MAEC-CMA)。对均衡器输入信号进行软限幅,并对原自适应误差受限常数模盲均衡算法(AECCMA)的误差信号进行非线性变换,有效地抑制了α稳定噪声的影响。采用2种水声信道,在高斯噪声与α稳定噪声的情况下对算法进行了计算机仿真。结果表明:在高斯噪声环境中,MAECCMA算法与AECCMA算法具有相似的性能,相对于常数模(CMA)算法和归一化最小平均绝对偏差(NLMAD)算法它具有较快的收敛速度;在α稳定噪声环境中,文中提出的MAECCMA算法性能优于其它3种算法。     

一种新的应用于水声信道的空间分集均衡器（英文）

水声信道存在天然的多径衰落特性使得水下声通信变得极其困难,尤其在高阶QAM情况下更为严重.因此针对水声信道提出了一种新的空间分集均衡器来克服由多径衰落引起的码间干扰.该空间分集均衡器中使用的算法由常数模算法和多模算法两部分组成.其中的多模算法部分能够利用高阶QAM信号位于不同的模值上的特点来提高新空间分集均衡器的性能.和基于常数模算法的传统空间分集均衡器相比,新的空间分集均衡器具有低稳态均方误差和快收敛速度.水声信道中的计算机仿真实验验证了新方法的有效性.     

基于多层神经网络的盲均衡算法

提出了一种新的基于多层神经网络的盲均衡算法,神经网络的训练采用一种新的混合算法。该算法结合了Ｒｏｓａｒｉｏ算法与Ｓｏｌｉｓ和Ｗｅｔｓ的随机优化方法的优点,具有全局收敛特性。模拟结果显示,该算法比常量模板算法具有更快的收敛速度,性能优于线性均衡器和使用传统ＢＰ方法的神经网络均衡器。     

一种适用于高阶QAM信号的水声信道盲均衡算法

目前，盲均衡是水声通信领域中的热点问题。针对多径衰落水声信道的均衡问题，提出了一种修正的超指数迭代盲均衡算法，该算法可校正水声信道引入的载波相位旋转。在收敛阶段采用该算法，之后根据某一切换准则，切换到判决导引算法，可有效减小超指数迭代算法对高阶正交幅度调制信号的剩余均方误差。仿真结果表明，该算法有效纠正了载波相位旋转，并获得了较快的收敛速度和较小的稳态误差，提高了水声通信的质量，因而具有良好的工程应用价值。     

一种基于递归逆的快速盲均衡算法

在现代数字通信中,盲均衡算法是克服多径衰落引起的码间干扰(Inter symbol Interfer-ence,ISI)的有效方法。文章利用递归逆(Recursive Inverse,RI)自适应滤波算法收敛速度快、稳态均方误差小的优点,提出一种新的双模式盲均衡算法。该算法通过一种新的双模式机制,将RI自适应滤波算法应用于盲均衡,可以在获得小的MSE(Mean Square Error,MSE)的同时实现快速收敛。仿真结果表明,相比盲RLS(Recursive Least Square)算法和传统双模式算法,该算法在获得良好稳态MSE性能的同时提高了收敛速度,可以有效地对多径环境中突发信号进行盲均衡。     

基于离散Hopfield神经网络的盲信号均衡新算法

针对许多现有的盲均衡算法对发送信号,均衡器,信道等都有不同的要求,本文在利用接收数据正交补投影和发送信号属于有限字符集的先验知识之上,构造出直接待恢复盲信号的二次规划问题,推出了一种基于离散Hopfield神经网络直接盲信号均衡的新方法,该算法有效地克服了上述问题,在SIMO(单输入多输出)信道上的仿真结果表明:该算法收敛速度快,性能好。     

改进型CMA-DFE盲均衡算法的研究

CMA-DFE盲均衡算法在时变信道中有着广泛的应用.针对CMA-DFE盲均衡算法的缺点,提出一种改进型CMA-DFE盲均衡算法.该算法把CMA-DFE盲均衡算法中前馈滤波器和反馈滤波器更新方程中的迭代步长由原来的固定值改成可变值,从而进一步提高了CMA-DFE盲均衡算法的收敛性.仿真实验结果表明,与CMA-DFE盲均衡算法相比,改进型CMA-DFE盲均衡算法具有更好的均衡效果和收敛性能.     

一种改进的水声信道载波恢复盲均衡算法

针对超指数迭代判决反馈盲均衡算法在水声通信系统中表现出收敛性差的问题,提出了一种带二阶锁相环的改进超指数迭代判决反馈盲均衡算法．该算法基于对修正超指数迭代算法误差函数的分析,提出了一种新的、能够快速收敛的误差函数,并有效提高了载波恢复能力; 在判决反馈均衡器中引入二阶数字锁相环,实现对相位旋转的跟踪和补偿,从而实现对原始发射信号的正确恢复．在两种水声信道条件下,采用两种调制信号分别对算法的收敛性能和载波恢复性能进行了计算机仿真,结果表明: 在混合相位信道环境中,新算法相比超指数迭代判决反馈算法在均方误差、收敛速度上得到很大改善; 在具有相位旋转的信道环境中,新算法实现了对相位旋转的有效补偿,改善了载波恢复性能．     

时变信道下CPM信号自适应盲均衡算法

针对时变频率选择性衰落信道下二阶连续相位调制 (CPM) 信号盲均衡中存在的均衡性能较差问题,提出了一种新的自适应盲均衡算法。该算法使用双向自适应软输入软输出(SISO)方法,同时利用过去、现在和将来的观察数据符号来进行递归最小二乘(RLS)估计,有效改善了信道估计的精度。仿真结果表明所提算法具有良好的盲均衡性能。     

一种新的基于数据可靠性判决引导盲均衡算法

提出了一种适合于多电平正交幅度调制数字通信系统的盲均衡算法,该算法以改进的常模算法为基础,并根据数据的可靠性进行判决引导.理论分析和计算机模拟表明,该算法克服了常模算法稳态误差大的缺点,提高了改进的常模算法的收敛速度,并能纠正信道存在的相位旋转,实用性强.     

基于递归神经网络的盲均衡算法的改进

提出了一种改进的基于递归神经网络的盲均衡算法,它利用信号的高阶统计特性构造了代价函数,用共轭梯度算法对递归神经网络进行训练,且利用线性搜索法对参数进行动态选取,模拟结果显示该算法能很好的用于各种信道及信号的均衡．     

一种混和型盲均衡算法

盲均衡器在通信系统中有着重要的作用,但一般的盲均衡器存在收敛速度慢的缺点。文中以广泛使用的CMA (Constant Modulus Algorithm)为基础,提出了一种混和型盲均衡算法,不仅提高了收敛速度,而且减小了收敛后的剩余干扰,使均衡器收敛后不必切换到普通均衡方式。