MC-CDMA系统中的自适应半盲多用户检测算法

研究多载波CDMA(MC-CDMA)上行半盲多用户检测技术，对基于Chebyshev逼近算法实现的最小输出能量(MOE)盲多用户检测进行改进，提出MC-CDMA系统下一种基于子空间跟踪和Chebyshev逼近的自适应半盲多用户检测算法。该算法基于MOE线性检测器原理，充分利用小区内所有用户的扩频码，设计了一种基于MOE准则的半盲检测器，很好地消除了多址干扰。为了减少计算复杂度，将修正的PASTd算法应用于Chebyshev逼近算法估计MOE半盲检测器的最优权向量。该算法计算复杂度低，具有较好的抗多址干扰性能和检测性能。仿真结果验证了该算法的可行性和优越性。     

一种噪声抑制的线性共轭多用户检测算法

当权向量受到噪声的影响时,最小输出能量（MOE）检测器的性能将显著下降．针对这一问题,设计了一种噪声抑制的线性共轭MOE检测器．将约束最小均方（LMS）算法应用到新的MOE检测器,提出一种基于约束LMS的盲噪声抑制线性共轭MOE多用户检测算法．该算法消除了权向量中的噪声分量,利用了接收向量的复数共轭,从而提高了系统的输出信干噪比和误码率性能．仿真结果表明所提算法有较好的性能．     

基于卡尔曼滤波的线性共轭半盲多用户检测

考虑实际的多载波CDMA（MC-CDMA）上行链路系统,深入研究了基于卡尔曼滤波的盲自适应多用户检测和线性共轭多用户检测,提出MC-CDMA系统下一种基于自适应卡尔曼滤波的线性共轭半盲多用户检测算法。该算法利用小区内所有用户的扩频码和伪自相关矩阵的信息设计了一种基于平均输出能量（MOE）准则的线性共轭半盲检测器,结合修正的PASTd算法和卡尔曼滤波算法自适应得到MOE权向量。仿真实验验证了所提算法的有效性,与卡尔曼滤波盲自适应算法相比,提出的算法有更好的输出信干比和误码率性能,并保持较低的复杂度。     

MOE盲多用户检测算法中约束向量的研究

最小输出能量（Minimum Output Energy,MOE）盲多用户检测是一种简单的不用进行信道估计就可直接获得多用户检测器参数的算法,在该算法中,约束向量起着相当重要的作用,它直接影响多用户检测器的最优权矢量。通过对不同约束向量时MOE盲多用户检测算法基本原理的分析,将MOE盲多用户检测算法分为线性约束MOE盲多用户检测算法和鲁棒二次约束MOE盲多用户检测算法两大类。通过仿真实验比较了各种检测器的性能。     

基于子空间跟踪的盲自适应多用户检测技术研究

研究了一种基于子空间跟踪的盲自适应多用户检测的算法,提出了一种改进的PASTd算法和卡尔曼滤波算法相结合的盲自适应多用户检测算法。把改进的PASTd算法和卡尔曼滤波器结合,提出了一种新的盲自适应多用户检测器并且能够实现在高信噪比和远近效应情况下得到稳定的跟踪性能。仿真结果表明,该检测器可以迅速地跟踪维数变化了的信号子空间,从而提高检测器的性能,实现稳定的跟踪并使输出具有良好的信干比。提出的盲自适应多用户检测算法虽然在计算量上较LMS算法略有提高,但其收敛性能却优于后者,与RLS算法相比,提出的算法具有更低的计算复杂度和更优的收敛性能。     

基于强跟踪滤波器的盲自适应多用户检测

盲自适应多用户检测是码分多址(CDMA)系统中抑制多址干扰的一项重要技术.为克服传统的基于最小化输出能量准则的盲自适应多用户检测技术收敛速度慢的这一缺点,利用一种新近提出的多用户接收器的典范表示方式,构造了多用户检测系统的状态空间模型,再利用强跟踪滤波器(STF)理论,设计了一种新的盲自适应多用户检测方法.仿真结果表明,在异步CDMA系统中,与基于LMS算法、RLS算法及Kalman算法的盲自适应多用户检测相比, 方法具有收敛速度快速稳定, 跟踪性能好等优点.因此,基于强跟踪滤波器的盲自适应多用户检测是有效的.     

基于改进卡尔曼滤波算法的盲多用户检测器

基于盲检测器的新典范表示形式,提出了一种多径信道下CDMA系统的盲多用户检测器。该检测器使用了一种改进的自适应卡尔曼滤波算法,它在进行状态滤波的同时,在线估计时变的未知噪声统计特性,提高了算法的滤波精度,确保了算法收敛于期望用户。仿真表明,对比原有的随机梯度（LMS）算法,该算法的收敛、跟踪性能更好,且误码率减小了18.7%。     

基于APA和子空间跟踪的盲自适应多用户检测器

盲自适应多用户检测器因其只需很少的信息以及良好的抗多址能力,在CDMA系统中占据着很重要的作用;针对目前盲自适应多用户检测器中算法复杂度高的缺点,提出了一种基于仿射投影和紧缩投影近似子空间跟踪的盲自适应多用户检测器,该算法可以在计算复杂度和检测性能之间取得很好的平衡;仿真结果表明算法在较低的复杂度下能够取得良好的收敛特性和跟踪特性,有着良好的抗多址能力。     

基于信号子空间的MMSE盲多用户检测*

修正的最小均方误差(MMSE)多用户检测器解决了传统MMSE因引入特征值估计误差而导致检测性能下降的问题。基于修正MMSE多用户检测器,采用正交性能良好的改进PASTd算法跟踪子空间,提出一种基于改进PASTd的修正MMSE多用户检测算法,改进后的MMSE盲多用户检测误码率低,收敛速度快。仿真结果验证了该算法的有效性和可行性。     

基于RLS的改进型盲多用户检测算法

针对传统的关于可变约束MOE盲多用户检测算法需直接进行特征值分解计算和不能实现二次约束限制的缺点,提出了一种基于RLS的改进型MOE盲多用户检测算法.该算法避免了矩阵求逆和大量的特征值分解运算,计算复杂度大大降低.仿真结果表明,该算法的误码率性能和收敛性均优于直接利用特征值分解的传统算法,且程序运行时间大大缩小.     

基于改进LMS算法的TH-UWB接收机

跳时超宽带（TH-UWB）无线通信系统通常采用RAKE接收技术。而信道估计的准确度直接影响系统接收性能。提出一种基于梯度的变步长的LMS算法进行信道估计。与传统LMS算法相比,改进的LMS算法可以获得更小的MSE（Mean Square Error）从而为接收机提供更精确的信道估计量。同时,结果也表明该算法提高了整个接收机性能,并获得更小的BER（Bit Error Rate）。     

基于水声通信的新型变步长最小均方算法

在水声通信中,信道的多径效应会造成严重的码间串扰（ISI）,而现有的均衡算法在处理ISI问题时存在收敛速度慢、稳态误差大、算法复杂不易于硬件移植等问题,为此结合判决反馈均衡器结构前向均衡（FFE）与判决均衡结构（DFE）,提出了一种基于反余弦步长函数和三参数调整因子的变步长最小均方（LMS）算法。首先对三参数因子α、β、r进行算法仿真,优化算法性能,与固定步长LMS算法、基于修正反正切的变步长LMS算法以及基于双曲正割函数的变步长LMS算法的收敛性能和稳态误差进行仿真比较,结果显示：所提算法的收敛速度较固定步长LMS算法提高了57.9%,稳态误差下降5 dB;较双曲正割LMS算法和修正反正切LMS算法提高了26.3%和15.8%,并且算法的稳态误差下降了1~2 dB。最后,将算法移植于信号处理模块,进行水下实验,结果表明,水声信道造成的ISI经过均衡器后,信号得以恢复,能够实际克服多径效应造成的水声信道ISI问题。     

改进自适应对消算法在工业噪声处理中的应用

分析了工业环境噪声的特点,将自适应噪声对消算法应用到工业噪声的处理当中.在传统最小均方(LMS)算法及基于Lorentzian函数的变步长LMS算法的基础上进一步进行约束稳定性条件处理,提出了一种约束稳定性变步长LMS算法,并在Matlab平台上进行了仿真验证.结果表明:算法具有更快的收敛速度以及更小的稳态误差,并且能有效地降低梯度噪声对算法性能的影响.     

采用LMS算法的频域均衡技术研究

LMS(最小均方)算法是一种经典自适应算法,最初应用于时域均衡.本文采用LMS算法,根据信道的特性来更新频域均衡器的均衡系数,实验结果表明该算法可明显改善频域均衡系统的性能.     

基于并行技术和流水线的LMS自适应滤波算法

针对现有自适应滤波算法中数据处理效率低的问 题,提出了基于并行技术和流水线的最小均方误差（Least mean square,LMS）自适应滤波算法。该算法构建基 于并行技术的多输入多输出滤波器结构,成倍提高系统滤波处理速度;设计基于流水线的LMS 自适应滤波权系数求解方法,有效改善了权系数计算效率。最后利用现场可编程门阵列(Field programmable gate array,FPGA)对该算法进行了验 证,结果表明,对于四级并行流水线四阶LMS自适应滤波器,其数据处理速率提高了约8倍,在相同的数据处理速率下,其功耗可降低约84%,从而提高了LMS自适应滤波处理速率,降低了系统功耗,实现了高速、超高速数据流的实时自适应滤波 处理。     

基于LMS的自适应抗干扰算法仿真研究

阐述了LMS的基本原理和结构,进行了正方形天线阵仿真模型的建立,并将算法应用于该模型,进行了Matlab下单、双干扰的仿真,仿真结果表明,算法对于单干绕的抑制度为68dB、对于双干扰的抑制度为40dB,仿真验证了该算法的可行性。     

基于Bayesian方法的鲁棒约束LMS算法

输入信号的方向向量出现偏差时,最小均方误差算法会出现收敛速度慢、输出性能下降、不稳定等问题.本文针对这些问题,对传统LMS(least mean squares)算法进行了改进,提出了基于Bayesian方法的鲁棒约束LMS算法.该算法利用信号的先验信息对实际信号方向向量进行估计,有效地抑制了方向向量偏差的影响,并提高了系统的鲁棒性.阵列输出的信干噪比得到了改善,更加接近最优值.仿真实验验证了该算法的有效性和可行性.     

Ear Field Adaptive Noise Control for Snoring: An Real-time Experimental Approach

In this paper, an active noise control (ANC) system is developed to provide an effective and non-intrusive solution for reducing loud snoring to provide a quiet environment for a snorer's bed partner. An adaptive least mean square (LMS) algorithm optimized for different kinds of snore signals is introduced and theoretically analyzed. Also, a residual noise masking approach is proposed to further reduce the effect of the snore noise without interfering with the LMS algorithm. Computer simulations followed by real-time experiments are conducted to demonstrate the feasibility of the snore ANC systems based on a pillow setup. For the optimum effect based on the characteristics of human hearing, the performance of the proposed approach is evaluated by using the multi-channel feedforward ANC systems based on the filtered-X least mean square (FXLMS) algorithm. Compared with a traditional headboard setup for snoring noise control, the proposed snore ANC systems optimized for ear field operation yield much higher noise reduction around the ears of the snorer's bed partner.      

滑动DCT-LMS自适应算法研究与FPGA实现

研究一种改进的低复杂度复数滑动离散余弦变换(DCT)最小均方(LMS)自适应算法,并设计该算法的FPGA实现结构。在常规LMS算法的输入端前添加改进的滑动DCT,降低输入信号之间的关联性,提高自适应算法收敛速度。改进的滑动DCT算法针对硬件实现进行了优化,提高其在硬件实现中稳定性和精度。给出算法在FPGA实现框图、结果和Matlab仿真结果的对比,以及算法在FPGA中的资源使用。算法已经在实际工程中应用,效果远优于常规LMS自适应算法。