适用于高阶QAM信号的水声信道盲均衡算法

提出了一种适用于高阶QAM信号的盲均衡新算法.首先针对正交幅度调制(QAM)信号星座图的特点定义了一个新的代价函数,并将得到的误差函数的实部和虚部分别用于QAM信号的同相分量和正交分量的均衡,降低了剩余均方误差.为了加快算法的收敛速度,对误差项采用了归一化方法以增加迭代步长.水声信道仿真结果表明,算法性能稳健、收敛速度快、剩余均方误差小,适用于高速水声通信信道的盲均衡.     

一种双模式盲均衡新算法

为了克服常数模算法(CMA)收敛速度慢、稳态剩余误差大的缺点,研究了常数模算法与判决引导算法(DD)相结合的双模式盲均衡算法,通过分析CMA和DD之间的相似之处,引出了一种新的切换条件用于该算法中2种模式之间的切换,并提出了基于该新切换条件的双模式盲均衡新算法.与硬切换不同,新算法中2种模式对信号的均衡是交替进行的.新算法充分利用了CMA能使眼图睁开的良好性能和DD收敛速度快、稳态误差小的优点,使其具有比CMA更快的收敛速度和更小的稳态剩余误差.用水声信道对算法的性能进行了仿真研究,结果证明了该算法的有效性.     

8PSK信号在衰落信道下信噪比盲估计算法

针对传统信噪比估计算法要求利用训练序列或一帧数据范围内信道系数恒定等问题,文章提出了一种8PSK信号在衰落信道下盲信噪比估计算法。该算法利用信道系数的统计特性,理论分析信噪比与接收信号的数值关系,采用多项式数据拟合和观测量归一化处理的方式,推导信噪比与接收信号解析式。数值仿真表明该算法在0～8dB范围内,可取得良好的信噪比估计效果。     

基于盲信号处理的舰船辐射噪声检测

根据舰船辐射噪声在水中传递的环境及特点,采用盲信号处理技术重构出相应的原始辐射源信号,该方法能够减少噪声及舰船间的相互干扰,提高了原始辐射源信号的信噪比,从而为水中兵器目标信号的准确检测提供了基础。仿真实验研究了单船舶辐射噪声信号谐波成分的分离及多船舶辐射噪声混合信号的分离,结果表明该算法稳定性好、收敛速度快,是一种有效的舰船辐射噪声检测方法。     

梯度自适应在盲分离算法中的研究

通过传感器获得的水下声场信号含有复杂多样的噪声信号,从收集的信号中提取有用的信号,是盲源信号分离的研究重点。本文针对自然梯度算法在盲源信号分离中的收敛速度慢,误差精度低等问题,利用步长自适应进行改进,通过实验对比结果可以看出,本文所改进的算法收敛速度快,提高了系统的性能,算法简单,推广性强。     

一种分数间隔解相关判决反馈盲均衡算法

针对波特间隔盲均衡算法的缺陷,利用分数间隔盲均衡算法能获得更多更详细的信道信息,判决反馈滤波器能补偿深度谱零点信道畸变所产生的影响,解相关常数模算法能加快收敛速度的优点,提出一种分数间隔解相关判决反馈盲均衡算法(FSDDFE).该算法采用分数间隔加判决反馈的模型结构,在均衡器(前馈滤波器)权系数的调整中,引入了解相关常数模算法,使FSDDFE算法的收敛速度显著加快、均方误差明显减少.水声信道的仿真结果,验证了该算法的有效性能.     

基于接收信号信噪比预测的自适应跳频信道质量评估

针对自适应跳频通信的特点,提出基于接收信号信噪比预测算法的信道质量评估方法.在FFH/BFSK系统中采用卡尔曼滤波器、信号子空间法和误码率性能分析法进行仿真.结果表明,在0～25dB的信噪比变化范围内,估计和预测误差较小,能够对信道质量做出实时评估,可用于快速自适应跳频通信系统.     

基于分离度的步长自适应EASI算法

首先定义了描述信号分离状态的分离度,并利用分离度作为参数来控制EASI算法中的步长因子,从而提出了一种基于分离状态的步长自适应EASI盲源分离算法。由于该算法步长是基于分离度的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于其它固定步长或变步长的EASI算法。     

盲源分离技术在水声信号中的应用研究

通过研究α稳定分布,提出海洋噪声、舰船辐射噪声等符合低阶α稳定分布,在进行对称α稳定分布且独立的随机源信号进行盲分离处理时,若仍然采用高斯分布将不收敛。本文设计了分数低阶矩阵盲源分离算法,最后通过实验对比本文所设计算法和时延分离算法。实验结果表明:本文所设计的算法对于α稳定分布且有独立的随机信号,具有较好的收敛性,能够有效实现盲源信号分离。通过从复杂的海洋噪声中仍能较好地提取出船舱辐射噪声的实验,说明即使信噪比发生变化,源信号分离后相似系数较分离前仍然有稳定地提高。     

基于分离度梯度的步长自适应自然梯度算法

首先定义了描述信号分离状态的分离度,并利用分离度作为参数来控制自然梯度算法中的步长因子,从而首次提出了一种基于分离状态的步长自适应自然梯度盲源分离算法。由于该算法步长是基于分离度的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于其他固定步长或变步长的自然梯度算法。