一种新的CMA神经网络均衡器

在数字通信中,接收信号通常会受到码间干扰的影响。采用盲均衡技术可以消除码间干扰,常模算法（CMA）是应用较广泛的盲均衡算法。因基于常模算法的盲均衡器存在收敛速度慢,剩余误差大的缺点,提出了一种新的基于神经网络的CMA盲均衡器。通过很少的训练序列使网络收敛,再转入盲均衡算法。实验仿真表明,无论是在线性信道还是非线性信道,该均衡器的剩余误差都比普通CMA均衡器较小,收敛速度也较快。     

一种超宽带幅度补偿均衡器的设计仿真

在通信宽带的优化设计中,幅度均衡放大器能够有效扩大超宽带接收机的动态范围,但是,放大器放大信号的同时也同时放大了噪声干扰.传统的幅度均衡器在使用的过程中,无法避免信号传输过程中非主动放大的杂波干扰,增加了信号增益在超宽带接收机各个链级上的不稳定性.提出一种基于小波神经网络算法的超宽带小型化幅度均衡器设计方法.利用小波变化的方法进行滤波,消除了杂波干扰.构建幅度均衡器神经网络模型,对系统中各个层的信号传输误差进行补偿,最后对各个层次的补偿信号进行融合,实现了对超宽带接收机各个链级上的增益信号进行有效补偿的目的.仿真结果表明,利用改进方法能够对波形信号进行补偿,避免了欠激励和过激励现象.     

一种新的混合自适应盲均衡器

提出了一种基于QAM信号的新的混合自适应盲均衡算法。结合了MCMA算法以及AMA算法的优点,通过设置自适应遗忘因子λ,用来自适应加权两类独立代价函数,一类是MCMA的代价函数,另一类是AMA的代价函数。通过搭建QAM盲均衡系统平台,仿真结果表明,提出的算法相比于CMA、MCMA和CMA/AMA算法,有效地降低了稳态误差和误码率,并具有良好的收敛速度,大大提高了系统的性能。     

适用于十字型正交幅度调制信号的多模盲均衡算法

在加权多模盲均衡算法的基础上,采用多模算法在处理十字型正交幅度调制(QAM)信号时的改进方案,充分利用十字型QAM信号的符号统计特性,采用分段线性模值,使误差模型与十字型QAM信号星座更加匹配.此外,还给出了不同信噪比下均方误差估计值与权值的对应关系.仿真结果表明,该算法更适合处理十字型QAM信号,具有较好的稳态性能.     

一种神经网络判决反馈均衡器

在分析Chebyshev正交多项式神经网络非线性滤波器的基础上,利用判决反馈均衡器的结构特点,提出了一种Chebyshev正交多项式神经网络判决反馈均衡器,给出了对应的自适应NLMS算法.数值仿真结果表明,该均衡器结构能够更有效地消除码间和非线性干扰,降低信号的误码率.     

一种组合神经网络非线性判决反馈均衡器

1 引言数字通信系统的典型模型如图1所示,发送序列s(n)经信道传输后因发生失真及噪声v(n)的影响而成为畸变信号x(n),为此需用均衡器对其进行均衡以恢复发送序列。目前,自适应均衡已成为数字通信中一种非常重要的技术,自适应均衡器的构成也是多种多样,其中最简单的是线性横向均衡器(LTE)和判决反馈均衡器(DFE),它们都比较适用于线性信道。如果信道呈现非线性特性,两者的性能特别是LTE的均衡能力会大大下降,而利用径向基函数网络(RBFN)等构     

基于System Generator的盲均衡器设计与实现

基于System Generator软件,在xc7z020-1clg484芯片上设计了一种高速盲均衡器。该盲均衡器由延迟模块、滤波模块、误差计算模块和系数更新模块构成,采用MCMA算法,使用并行结构和流水线技术。其数据位宽为16 bit,阶数为13阶,能够对16QAM和QPSK信号进行均衡,输入速率达到67 Mb/s。硬件协同仿真结果表明,该高速盲均衡器是有效的。     

一种新的变步长盲恒模信道均衡算法

无线数字通信中,由于电磁干扰和多径效应的影响,使通信质量下降,进而产生码间干扰(inter-symbol interferencc,ISI),ISI的存在会大大降低系统性能,影响码速率的提高.信道均衡技术足解决该问题的一种重要手段,但剩余误差偏大.以信道盲均衡算法中的恒模(CMA)算法为研究背景,提出了一种新的变步长CMA算法,新算法利用QAM信号分布于几个已知圆上的特点,根据均衡器输出信号的模估计理想输出的模.计算机仿真结果表明这种算法能有效地减小剩余误差,是一种很实用的信道均衡算法.     

一种新的神经网络盲源分离方法

提出了一种新颖的有导-无导联合学习神经网络盲源分离方法.该方法用经典的有导学习误差反传规则训练多层感知器,对信号的概率分布函数进行自适应逼近,从而给出分离矩阵无导学习规则中非线性激励函数的恰当估计.将该方法与纯粹无导学习方法进行了对比,说明了其性能上的优越性.     

有线数字广播中高阶QAM信号的载波同步与均衡器设计

针对ITU-T J.83标准,结合有线数字广播的信道特征,提出一种适用于高阶QAM信号的载波同步与自适应均衡的联合设计方案。该方案在均衡部分采用常模数算法(CMA)和最小均方误差算法(LMS)的双模均衡算法。通过算法的切换达到快速收敛和降低均方误差(MSE)的目的;针对高阶QAM信号,载波同步环路首先选用极性判决算法,并采用带宽较大的环路滤波器系数,使环路能在短时间内进行大范围频偏捕获。然后调低环路滤波器系数,减小环路带宽,进而降低稳态抖动。环路最后切换到判决指示算法,使相位均方差降至最低。整个方案通过算法验证并在Altera Stratix Ⅱ系列EP2S130F1020C5型现场可编程门阵列(FPGA)上完成了布局布线。最高工作频率为90.47MHz。     

基于正交小波变换分数间隔的神经网络盲均衡算法

针对分数间隔盲均衡算法(T/4-FSE-CMA)收敛速度慢、稳态误差大的缺点,提出了一种基于正交小波变换分数间隔的神经网络盲均衡算法(T/4-FSE-WT-FNN).该算法采用四路子信道模型,以神经网络作为均衡器,同时,对均衡器的输入信号做正交小波变换并进行归一化,与基于正交小波变换的前馈神经网络盲均衡算法(WT-FN...     

基于RBF神经网络与RLS算法的均衡器

将径向基函数神经网络与横向均衡器相结合,采用递推最小二乘算法更新权值。将最小二乘误差作为代价函数以及与误差相关的变步长,使输出误差较传统的神经网络均衡器进一步减小,收敛速度得到提高。仿真结果表明,该均衡器对线性信道和非线性信道都表现出较好的性能,在较严重的非线性情况下其优越性更明显。     

水声信道盲均衡器优化设计与仿真

针对水声信道高速数据传输中的码间干扰问题,设计了一种基于小波包变换的分数间隔盲均衡器,优化均衡器性能,以提高水下通信质量。采用具有过采样性质的分数间隔均衡器,减少了波特间隔均衡器常数模算法（CMA）的稳态误差,又加快了其收敛速度;并利用去相关性较强的小波包理论,进一步加快了分数间隔盲均衡器算法（FSE-CMA）和小波分数间隔均衡器算法（WT-FSE-CMA）的收敛速度。水声信道的仿真结果,验证了该均衡器的良好性能。     

基于反馈神经网络的图像盲分离

介绍基于神经网络的盲源分离算法的原理和结构,针对基于最小互信息后馈神经网络,建立了新的盲源分离算法,比起简单的独立分量分析,该算法可以更有效地对混合图像进行分离,计算机仿真实验验证了该算法的优良性能.     

基于交替迭代和神经网络的盲目图像恢复

提出了种盲目图像恢复模型：退化图像经傅立叶变换后在频率域通过交替迭代的方式分解出原始图像和点扩展函数,当大致估计出退化模型的点扩展函数的类型及其参数后,用基于Ｈｏｐｆｉｅｌｄ神经网络的方法进行精确恢复,以提高恢复质量．实验证明,这种恢复模型可以在未知点扩展函数的情况下取得较好的恢复效果．     

基于SRM准则的恒模盲均衡器

针对在有限样本条件下恒模算法无法保证代价函数的经验风险与期望风险收敛到一致的问题,提出了一种基于结构风险最小化(SRM)准则的恒模盲均衡器(Structural risk minumum-contant model blind equalier,SRM-CMBE).该方法利用信号的恒模特性,在高维特征空间中以SRM为准则构造代价函数,采用核方法实现计算,并结合Kumar快速算法和静态迭代学习算法在线跟踪信道,能够在小样本条件下有效保证代价函数的经验风险收敛到期望风险.通过仿真实验,并与标准恒模盲均衡器(Constant model blind equalizer,CMBE)和修正的恒模盲均衡器(Modified-constant model blind equalizer,M-CMBE)进行比较,结果证明该方法的非线性均衡性能最佳.     

基于PID神经网络的后非线性盲源分离算法

PID神经网络是一种新型的前向神经元网络,它的隐层单元包含比例（P）、积分（1）、微分（D）元,各层神经元个数、连接方式、连接权初值均按PID控制规律的基本原则确定。本文研究了一种新的后非线性盲源分离算法,用最大熵值方法推导了PID神经网络算法的后非线性分离学习公式,该算法可用于线性或后非线性的混叠信号。对输入2个混叠信号时,用单个PI神经网络分离;对输入3个混叠信号时,用单个PID神经网络分离;对输入更多的混叠信号时,可采用多个独立的PID神经网络来分离。仿真结果验证了单个PID神经网络算法,能分离线性或后非线性混叠信号。     

基于Hopfield神经网络的盲检测数字水印

提出了一种基于Hopfield神经网络的盲检测数字水印算法。基于噪声可见函数实现了水印的自适应嵌入,利用Hopfield神经网络记忆宿主图像以及原始水印信息。在水印检测时,通过神经网络从嵌入水印的图像中联想出宿主图像和水印嵌入信息,再利用嵌水印图像和联想出的宿主图像提取出水印,实现了水印的盲检测。     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。