基于Dual-Mode MCMA+DD双模式盲均衡算法研究*

为了兼顾误差性能和收敛速度,研究了将双模修正常量模算法和判决引导算法有机结合的双模式盲均衡算法.该算法在收敛初期采用双模修正常量模算法调整均衡器,然后根据判决条件自动切换到判决引导算法,最终实现信道的盲均衡.仿真结果表明：此算法收敛速度快、稳态误差小,并能在去除码间干扰的同时纠正信道固有的相位旋转,具有很好的实用性.     

基于Dual-Mode MMA+MDD双模式T/2分数间隔盲均衡算法的研究

均衡技术是用来解决通信系统中码间干扰的常用方法.针对传统恒模算法的收敛速度和稳态剩余码间干扰大的缺点,将双模式多模算法和改进型判决引导算法结合起来,并且应用于分数间隔盲均衡器中.该算法初期用双模式算法收敛均衡器,然后切换到改进型判决引导算法中进一步收敛,由于分数间隔均衡器解决了波特间隔均衡器因抽样率不高带来的频谱混叠问...     

一种新的适用于水声信道的常模类盲均衡算法

为了缓解常数模盲均衡算法收敛速度缓慢、稳态误差大的问题,考虑到初始化权值对CMA算法的重要影响,本文利用遗传算法对CMA算法进行了有效改进,引入了小样本重用的思想,给出了一种新的适用于水声信道的常模类盲均衡算法。计算机仿真研究证明,该算法不仅大大加快了收敛速度,而且有效地降低了稳态误差。     

基于Dual-Mode MMA+MDD 双模式T/2分数间隔盲均衡算法的研究

均衡技术是用来解决通信系统中码间干扰的常用方法.针对传统恒模算法的收敛速度和稳态剩余码间干扰大的缺点,将双模式多模算法和改进型判决引导算法结合起来,并且应用于分数间隔盲均衡器中.该算法初期用双模式算法收敛均衡器,然后切换到改进型判决引导算法中进一步收敛,由于分数间隔均衡器解决了波特间隔均衡器因抽样率不高带来的频谱混叠问题,从而进一步地提高了均衡效果.蒙特卡罗仿真表明,该算法不仅收敛速度快,而且得到较低的剩余码间干扰.     

湍流信道下无线光副载波盲均衡算法研究EI北大核心CSCD

建立了针对大气湍流时变信道的盲均衡系统模型.基于无线光副载波四相相移键控调制,在不同光强起伏方差下分析了两种自适应盲均衡算法的收敛性、稳定性和均方误差,对比了均衡前后星座图改善效果.结果表明:随着湍流强度的增加,变步长恒模算法较固定步长恒模算法收敛快、均方误差小,但其稳定性差,且比例因子逐渐减小算法才能收敛.探测器接收的信号经过两种盲均衡器后星座图聚敛性均得到有效改善.在相同信噪比下湍流信道与高斯信道相比,湍流信道算法迭代步长因子和比例因子取值较小才可收敛,均方误差大.两种盲均衡算法可有效改善湍流信道下星座图聚敛性,对提高无线光接收端星座图检测率具有一定的意义.     

一种基于恒模算法改进的光相位均衡技术

传统恒模盲均衡技术由于在信号相位均衡中采用固定步长,致使相位点的收敛速度和收敛精度之间相互制约,其应用范围受到很大的限制。为使接收到的信号恢复效果达到最佳,对传统算法进行了改进,提出了一种以均方误差为判决依据,用时变步长代替固定步长的恒模盲均衡算法,同时对两种算法的均方误差曲线进行比较分析。实验结果表明,随着迭代次数的增加,改进算法恢复的星座图中相位点的收敛速度是原始算法的3倍,其迭代次数在2 000点以后便趋于稳定,使得相位之间的误差减少,信号的恢复效果明显。     

基于量子粒子群优化的正交小波加权多模盲均衡算法

针对常数模盲均衡算法(CMA)均衡高阶正交振幅调制信号(QAM)存在收敛速度慢、稳态误差大的缺点, 提出了基于量子粒子群优化的正交小波加权多模盲均衡算法(QPSO-WTWMMA). 该算法根据高阶QAM信号星座图分布特点, 将量子粒子群优化算法(QPSO) 和正交小波变换融入于加权多模盲均衡算法(WMMA)中. 因而, 利用QPSO对均衡器权向量进行了优化, 利用正交小波变换降低了输入信号的自相关性, 利用WMMA选择了合适的误差模型匹配QAM星座图. 理论分析及水声信道仿真结果表明, QPSO-WTWMMA算法可以获得更快的收敛速度和更低的稳态误差, 在水声通信中具有重要的参考价值.     

一种拖尾噪声环境中的稳健常数模盲均衡新算法

为了改善拖尾噪声环境中盲均衡器的性能,提出了一种稳健常数模盲均衡算法,修改了原常数模算法的误差函数,并进行非线性变换,有效地抑制了拖尾噪声的影响。采用浅海水声信道,在分别叠加高斯噪声与拖尾噪声的情况下,对算法进行了计算机仿真。结果表明:在高斯噪声环境中,新算法具有更快的收敛速度与更低的剩余码间干扰;在拖尾噪声环境中,原算法很不稳定,而新算法则性能稳健,能够稳定地收敛于较低的剩余码间干扰。     

一种快速收敛的符号回归常数模盲均衡算法

为了加快符号回归常数模算法(SRCMA)的收敛速度,本文提出了一种适合于BPSK信号 的快速算法。该算法用新的误差函数替代SRCMA中的误差函数,新误差函数针对BPSK信号而 设计。新算法采用分数间隔均衡模型,有效地加快了SRCMA算法的收敛速度。水声信道仿真实验 表明,该算法性能稳定,收敛速度快,适用于快速变化信道的盲均衡和水声通信数据的实时恢复。     

超指数判决反馈水声信道盲均衡算法实验研究

利用超指数算法收敛速度快的优点,对判决反馈盲均衡算法的前向权向量的迭代式进行了修正,提出了一种新的判决反馈盲均衡算法。该算法具有收敛速度快,跟踪性能好等特点。通过水池实验,获得了符合盲均衡算法统计特性的BPSK数据,对所提出的算法与自适应判决反馈均衡算法,常数模盲均衡算法等进行了对比分析。结果表明,该算法可以有效的降低误码率,且收敛速度要优于其他算法,可靠实现了对多途水声信道的均衡。     

语音通信降噪研究

语音通信系统中，语音通过信道传输将不可避免地引入码间串扰和信号畸变，同时受到噪声污染。本文在分析自适应盲均衡算法CMA(constant modulus algorithm）和改进盲均衡算法的基础上，考虑到自适应盲均衡技术在语音噪声控制方面能力有限，将自适应盲均衡技术与小波包掩蔽阈值降噪算法联合使用，形成一种基带语音增强新方法。仿真试验结果显示自适应盲均衡技术可以使星座图变得清晰而紧凑，有效减小误码率。研究证实该方法在语音信号ISI和畸变严重情况下，在白噪及有色噪声不同的噪声环境中都具有稳定的降噪能力，消噪同时可获得汉语普通话良好的听觉效果。     

A constant modulus algorithm for blind equalization in α-stable noise

Channel noise is often assumed to be Gaussian in most of the existing channel equalization algorithms. The performance of these algorithms will degrade seriously when the noise is non-Gaussian. This paper deals with the problem of blind channel equalization in impulsive noise environment that is modeled as α-stable process. A modified adaptive error-constrained constant modulus algorithm (MAECCMA) is proposed by soft-limiting the amplitude of the equalizer input and transforming the error signal of the original adaptive error-constrained constant modulus algorithm (AECCMA) nonlinearly to suppress the influence of α-stable noise. Computer simulation results of two underwater acoustic channels show that, MAECCMA has almost the same performance as AECCMA and they both have faster convergence rate than constant modulus algorithm (CMA) and normalized least mean absolute deviation (NLMAD) algorithm in Gaussian noise, while MAECCMA provides the best performance of those four algorithms in α-stable noise.     

An improvement on constant modulus algorithm for polarization demultiplexing in optical coherent receivers

In order to solve the problem of ill-convergence for constant modulus algorithm (CMA) in polarization division multiplexing system with optical coherent receivers, a modified CMA based on bit error rate (BER) aiding to control initial tap setup, named as BER-Aiding CMA (BA-CMA), is proposed in this paper. By analyzing the principle of CMA for adaptive digital equalization and polarization demultiplexing, the convergence behavior that leads to undesirable result is evaluated and therefore BA-CMA is proposed. Simulation results show that the proposed algorithm is able to overcome the undesirable convergence effectively and keep inherent advantages of CMA at the same time.     

遗传优化神经网络的水声信道盲均衡

不需要训练序列的盲均衡技术可以有效地节省水声通信带宽，消除码间干扰，提高水声通信效率和质量。以前馈神经网络（FNN）作为盲均衡器，既适用于最小相位信道，也适用于非最小相位信道，包括非线性信道，但是前馈神经网络在实际的应用中其网络拓扑结构的选取和初始权重的确定缺乏理论依据，且其训练主要依靠BP算法，存在收敛速度慢、容易陷入局部极值及“过学习”的问题。为此，本文提出了一种遗传优化神经网络的水声信道盲均衡算法（GA—BP），对前馈神经网络拓扑结构和网络权重同时优化，有效地克服了传统前馈神经网络盲均衡的缺陷，提高了前馈神经网络盲均衡的泛化性能并加强了跟踪时变信道的能力和对信道突变的适应能力。水池试验结果证明了文中提出的遗传优化神经网络水声信道盲均衡算法的有效性，与直接前馈神经网络盲均衡相比较，均衡性能明显得到了提高。     

水声通信中基于信道辨识的盲turbo均衡方法

水声信道多途效应明显,造成接收信号存在严重的码间干扰(ISI,Intersymbol interference)。基于最小均方误差(MMSE,Minimum mean square error)准则的turbo均衡器级联了均衡和信道译码,能够有效去除ISI,并获得优良的性能。由于水声信道的时变性,传统MMSE-turbo均衡需要周期性的训练序列,以实现连续可靠的通信。训练序列虽然提高了通信的可靠性,但降低了信息的有效传输速率。因此,为提高通信效率,本文提出了一种盲turbo均衡方法,该方法通过引入新的盲信道辨识器来同时获得信道估计响应和已去除部分ISI的初步均衡输出信号,并为turbo均衡提供初始的响应参数和比特软信息。与水声通信中应用较多的盲判决反馈均衡器(DFE,Decision feedback equalizer)相比,海上实验结果证明本文提出的盲turbo均衡方法抗信道多途衰落的能力较强,并且与传统MMSE-turbo均衡相比无需训练序列,因此提高了信息的有效传输速率。     

Improved Approach for the Maximum Entropy Deconvolution Problem

The probability density function (pdf) valid for the Gaussian case is often applied for describing the convolutional noise pdf in the blind adaptive deconvolution problem, although it is known that it can be applied only at the latter stages of the deconvolution process, where the convolutional noise pdf tends to be approximately Gaussian. Recently, the deconvolutional noise pdf was approximated with the Edgeworth Expansion and with the Maximum Entropy density function for the 16 Quadrature Amplitude Modulation (QAM) input but no equalization performance improvement was seen for the hard channel case with the equalization algorithm based on the Maximum Entropy density function approach for the convolutional noise pdf compared with the original Maximum Entropy algorithm, while for the Edgeworth Expansion approximation technique, additional predefined parameters were needed in the algorithm. In this paper, the Generalized Gaussian density (GGD) function and the Edgeworth Expansion are applied for approximating the convolutional noise pdf for the 16 QAM input case, with no need for additional predefined parameters in the obtained equalization method. Simulation results indicate that improved equalization performance is obtained from the convergence time point of view of approximately 15,000 symbols for the hard channel case with our new proposed equalization method based on the new model for the convolutional noise pdf compared to the original Maximum Entropy algorithm. By convergence time, we mean the number of symbols required to reach a residual inter-symbol-interference (ISI) for which reliable decisions can be made on the equalized output sequence.