复数系统中五二阶归一化累积量盲均衡算法的研究

采用对称-反对称变换原理,提出了一种五二阶归一化累积量盲均衡算法,克服了对称信号奇数阶累积量为零而无法进行信道均衡的缺点.计算机仿真表明,该算法实现简单,收敛效果好,稳态剩余误差小,其性能优于已有的一些同类算法.     

遗传算法优化神经网络权值盲均衡算法的研究

将遗传算法与神经网络盲均衡算法相结合,提出了两段式优化神经网络权值的方案。首先利用遗传算法全局搜索能力强的特点优化初始权值,然后发挥BP算法局部搜索速度快的特点得到最佳权值。经计算机仿真表明,该算法与传统BP神经网络盲均衡算法相比,收敛速度加快,稳态剩余误差减小,误码率降低。     

基于过采样的归一化累积量盲均衡算法

传统的波特间隔均衡器只能补偿接收信号混叠的频率响应特性,并不能补偿信道畸变。针对这一问题提出一种基于过采样的归一化累积量算法,先对接收信号进行过采样,再利用变步长自适应调整均衡器的抽头系数,不仅能避免算法陷入局部最优,而且还能有效补偿信道畸变。仿真表明:引入过采样和变步长的盲均衡算法,有效地提高了收敛速度,降低了稳态剩余误差。