基于样条函数Renyi熵的时间分集小波盲均衡算法

针对时间分集分数间隔判决反馈盲均衡算法(TD)计算量大、收敛速度慢的缺点,该文提出了一种基于样条函数Renyi熵的时间分集小波盲均衡算法。该算法直接把定义的样条函数Renyi熵作为代价函数用于TD的权向量更新,利用分数间隔获得更详细的信道信息;由正交小波变换降低输入信号的自相关性,以加快收敛速度;利用时间分集和判决反馈结构来降低多径衰落对通信质量的影响。水声信道盲均衡的仿真实验,验证了该算法的有效性。     

基于DD-LLMS算法的盲自适应判决反馈均衡器

本文把用于自适应线性滤波器的LLMS算法推广到盲判决反馈均衡器,并应用于短波信道的盲均衡。仿真结果表明这种DD—LLMS盲判决反馈均衡算法具有很好的稳定性、较快的收敛速度和较好的跟踪性能。     

脉冲噪声下基于Renyi熵的分数低阶双模盲均衡算法

针对脉冲噪声下盲均衡器难以快速收敛并有效抑制噪声的问题,该文提出一种基于Renyi熵的分数低阶双模盲均衡算法。该算法将Renyi熵与分数低阶统计量相结合并用作代价函数来更新盲均衡器权向量,利用Renyi熵提高算法的收敛速度,利用分数低阶统计量增强算法对脉冲噪声的抑制能力。为了提升系统稳健性,该文进一步提出双阈值加权判决法,通过设置双阈值并引入非线性加权函数,使得两种代价函数之间的切换更为平滑。在不同脉冲性噪声、不同信道环境下进行仿真实验,结果表明,该文算法既能有效抑制脉冲噪声,又具有较快的收敛速度。     

基于DD-LMS和MCMA的盲判决反馈均衡算法研究

文章对具有DFE结构的盲均衡算法作了研究,在一种修正常模算法(MCMA)代价函数中引入泄漏因子,并将常模算法(CMA)和直接判决-最小均方误差算法(DD-LMS)同时应用到盲判决反馈均衡器的抽头更新中,得到一种适用范围广?均衡特性好?变步长的DD-LLMS MCMBDFE算法。该算法在均衡的同时能自动补偿由信道引起的相位误差,收敛速度快,收敛后剩余误差小,同时还能克服当均衡器长期没有持续输入激励时,LMS算法产生的抽头系数漂移问题。仿真结果表明DD-LLMS MCMBDFE算法是一种有效的盲判决反馈均衡算法。     

一种新的混合信道盲均衡算法

为同时提高盲均衡的稳态MSE性能和收敛速度,该文提出了一种混合信道盲均衡算法。该算法采用判决反馈均衡器结构,在判决可靠时采用DD-LMS(Directed Decision-Least Mean Square)误差项进行迭代,而判决不可靠时采用改进恒模算法(Modified Constant Modulus Algorithm,MCMA)误差项进行迭代,同时判决可靠区间根据直接判决误差进行自适应迭代。该文采用经过数字无线信道的64QAM信号进行了信道均衡仿真。仿真结果表明,相比MCMA算法,该文提出的混合盲均衡算法有效地提高了收敛速度,并具有良好的稳态MSE性能,在误比特率为10-6时,能提高SNR约2dB。     

基于多小波双变换的非线性卫星信道盲均衡算法

针对非线性卫星信道Volterra盲均衡系统收敛缓慢、计算复杂高等不足,提出了基于多小波双变换的非线性卫星信道盲均衡算法.该算法用Wiener均衡器代替Volterra均衡器,减小了均衡器结构的复杂性;用平衡正交多小波对Wiener均衡器的输入信号进行变换,降低了输入信号的自相关性;在Wiener均衡器输出端增加一级判决反馈滤波器,同时对其输入信号作平衡多小波变换,又降低了判决反馈滤波器输出信号的自相关性.仿真结果验证了该算法的有效性.     

适用于高阶QAM信号的分数间隔混合盲均衡算法

为了提高高阶QAM信号的盲均衡性能,提出一种分数间隔混合盲均衡算法。该算法将恒模盲均衡算法(CMA)与判决引导算法相结合,并充分利用了分数间隔均衡结构在收敛速度、稳态误差方面的优势。均衡器系数更新首先进行时域解相关,为了消除恒模盲均衡算法的相位不敏感特性,在实现上构造载波同步与盲均衡的大环路。仿真结果表明,对方形星座图的高阶QAM信号,该算法可以提供更快的收敛速度和更小的稳态误差。     

OFDM-TDM在快衰落环境下的双模式MCMA算法研究

OFDM-TDM快衰落下的盲均衡算法做了研究,结合插值算法及DD-LMS和MCMA算法,并将其应用到盲判决反馈均衡器进行抽头更新,在频率选择性衰落下得到一种均衡性能更优的插值DD-LMS+MCMBDFE算法。该算法在均衡的同时不仅能自动补偿相位误差,还能有效补偿多普勒频偏误差,收敛后剩余误差更小。仿真结果表明插值DD-LMS+MCMBDFE算法是一种有效的盲判决反馈均衡算法。     

基于组合代价函数的双模式盲均衡新算法

以常数模和判决引导准则设计的双模式盲均衡算法可显著提高均衡性能,目前已有双模式盲均衡算法均需设置切换参数且切换参数选择和设定缺乏理论依据.为解决双模式盲均衡算法中切换参数难以确定的问题,提出来一种组合代价函数的双模式盲均衡新算法.利用常数模和判决引导准则通过加权设计代价函数,在盲均衡器更新过程中自适应调节权值实现算法由常数模算法向判决引导算法的切换,避免了在双模式算法中设计切换参数,提高了算法的泛化性能.为克服常数模算法相位盲的缺点,在虚实分开改进的常数模算法基础上优化组合代价函数以及盲均衡器更新算法的设计,进一步提高了算法收敛性能.仿真结果证明,组合代价函数双模式盲均衡新算法可充分发挥常数模算法和判决引导算法的优点,具有更快的收敛速度和更小的稳态剩余误差.     

用于QAM系统的软判决引导的盲均衡算法

本文对基于最大后验概率密度函数（ｐ，ｄ，ｆ）的盲均衡技术作了研究，提出了一种实用的软判决引导的盲均衡算法，该算法能能够得到快速的收敛速度和小的剩余码间串扰（ＩＳＩ），并提出了使用软判引导算法的盲判决反馈均衡器（ＤＦＥ）其性能明显优于线生均衡器（ＬＥ）；最后，保证新算法可靠地收敛，给出了卷积噪声方差的近似迭代算法，模拟结果证明了提出了均衡技术对各种信道和ＱＡＭ信号的有效性。     

A reliable blind convergence technique for phase-splittingequalizers

This article proposes a technique for providing reliable blind convergence of the phase-splitting equalizer. It is shown that the phase-splitting equalizer is difficult to train blindly with the conventional blind algorithm. The proposed technique modifies the cost function of the blind algorithm so that the two filters of the phase-splitting equalizer constitute a Hilbert pair. We also investigate the steady-state performance of the proposed blind algorithm for high-speed digital transmission application     

一种基于子带分解技术的宽带盲均衡器结构和算法

高速宽带无线通信中,多径传输信道可能导致几百个符号间的相互干扰,这使得接收端的线性盲均衡器的收敛速度极其缓慢。基于子带分解技术,该文提出了一种适合于高速宽带无线传输的盲均衡器结构及算法。该结构将子带分解技术和全频带的子卷积方法有机结合在一起,明显地加快了高速宽带传输条件下线性盲均衡器的收敛速度;同时通过对接收数据进行降低速率的并行处理,该结构还能减小运算复杂度,有利于工程的实时实现。仿真实验结果验证了文中提出的结构和算法的有效性。     

一种用于水声信道的稀疏权超指数迭代盲均衡算法研究

超指数算法的迭代算法便于跟踪时变信道,但是,其计算量与权长的平方成比例,不利于工程实现.该文利用水声信道的稀疏性,采用超指数算法的部分步骤,估计权向量并进行稀疏处理,初始化超指数迭代算法,不但减小了算法的计算量,而且加快了算法的收敛速度.计算机仿真证明了该方法的有效性.     

Sparse adaptive constant blind equalization algorithm for sparse multipath channel

In order to improve the convergence rate of the blind equalizer for sparse multipath channel,a novel blind equalization approach called l₀-norm constraint proportionate normalized least mean square constant algorithm was proposed for M-order phase-shift keying (MPSK) signal.Based on the constant modulus characteristics of MPSK signal and the sparse property of equalizer,a new blind equalization cost function with the l₀-norm penalty on the equalizer tap coefficients was firstly constructed.Then the update formula of the tap coefficients was derived according to the gradient descent algorithm.Moreover,the iteration step was updated by drawing upon the normalized proportionate factor.The algorithm not only assigned step sizes proportionate to the magnitude of the current individual tap weights,but also attracted the inactive taps to zero adaptively.Theoretical analysis and simulation results show that the proposed algorithm outperforms the existing blind equalization algorithms for sparse channel in reducing ISI and improving convergence rate.     

基于QR-RLS算法的OFDM系统盲自适应时域均衡器

在正交频分复用(OFDM)系统中,使用时域均衡器来消除由于循环前缀长度小于信道时延扩展长度而导致的符号间干扰。为了克服Merry算法收敛速度较慢的缺点,提出了一种适用于无线时变信道环境的改进的盲自适应时域均衡器。该算法利用QR-RLS算法实现均衡器抽头的迭代计算,改善了Merry算法的收敛速度和鲁棒性。理论分析和仿真结果表明,该算法收敛速度明显优于Merry算法,且性能接近MSSNR算法最优解。     

基于正交小波变换的前馈神经网络盲均衡算法

针对前馈神经网络（FNN）盲均衡算法收敛速度慢、均方误差大的缺点,在分析FNN盲均衡算法和正交小波变换（OWT）理论的基础上,提出了基于正交小波变换的FNN盲均衡算法。该算法利用正交小波变换良好的去相关性,对FNN均衡器输入信号进行预处理后,降低了输入信号的自相关性,从而加快了收敛速度和减小了均方误差。水声信道盲均衡的仿真结果表明,该算法在收敛速度与均方误差方面的性能比FNN盲均衡算法优越。     

Fast and low complexity blind equalization via subgradient projections

We propose a novel blind equalization method based on subgradient search over a convex cost surface. This is an alternative to the existing iterative blind equalization approaches such as the Constant Modulus Algorithm (CMA), which often suffer from the convergence problems caused by their nonconvex cost functions. The proposed method is an iterative algorithm called SubGradient based Blind Algorithm (SGBA) for both real and complex constellations, with a very simple update rule. It is based on the minimization of the l/sub /spl infin// norm of the equalizer output under a linear constraint on the equalizer coefficients using subgradient iterations. The algorithm has a nice convergence behavior attributed to the convex l/sub /spl infin// cost surface as well as the step size selection rules associated with the subgradient search. We illustrate the performance of the algorithm using examples with both complex and real constellations, where we show that the proposed algorithm's convergence is less sensitive to initial point selection, and a fast convergence behavior can be achieved with a judicious selection of step sizes. Furthermore, the amount of data required for the training of the equalizer is significantly lower than most of the existing schemes.