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。     

基于判决导引的水声信道混合盲均衡算法研究

提出了一种适用于正交幅度调制(QAM)信号的混合盲均衡算法,该算法在初始模式中分别对QAM信号的同相分量和正交分量进行均衡,利用方形环判决域对均衡器输出信号进行判决,当误码率降到足够低的水平时自动切换到判决导引最小均方误差算法。最后利用水声信道仿真模型,对该算法的性能进行了验证。结果表明:该算法性能稳健,收敛后均方误差小,有效降低了高速水声通信的误码率,提高了水声信道均衡的稳定性,且有良好的冷启动和重新启动能力。     

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。     

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。     

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...     

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.     

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.     

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.     

一种能有效消除水声信道相位连续旋转的分数间隔盲均衡算法研究

针对信道均衡过程中的均衡器输出相位连续旋转问题,提出一种带有二阶数字锁相环的分数间隔超指数迭代盲均衡算法。该算法利用分数间隔超指数迭代算法加强对信道多途的抑制,利用二阶数字锁相环消除均衡器输出信号连续相位旋转,从而实现对原始发射信号的正确恢复。水池实验结果表明:该算法相对于常规盲均衡算法,收敛速度快,剩余均方误差小,能够有效地消除均衡器输出信号相位连续旋转,从而降低水声通信系统的误码率。      

量子势阱粒子群优化算法的改进研究

为提高量子势阱粒子群优化算法的优化能力, 通过分析目前量子势阱粒子群优化算法的设计过程, 提出了改进的量子势阱粒子群优化算法. 首先, 分别基于Delta势阱、谐振子和方势阱 提出了改进的量子势阱粒子群优化算法, 并提出了基于统计量均值的控制参数设计方法. 然后, 在势阱中心的设计方面, 为强调全局最优粒子的指导作用, 提出了基于自身最优粒子加权平均和动态随机变量的两种设计策略. 实验结果表明, 三种势阱粒子群优化算法性能比较接近, 都优于原算法, 且Delta势阱模型略优于其他两种.     

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。     

正交频分复用无源时间反转信道均衡方法研究

针对水声信道多途信号引起的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)水声通信系统符号间干扰的问题,提出了无源时间反转均衡的方法,将发送的探测信号时间反转与OFDM信号做卷积,利用无源时间反转镜的时间聚焦原理减小信道多途带来的符号间干扰,在OFDM符号中不使用导频的情况下实现信道均衡,简化了均衡步骤并提高了OFDM符号频带利用率。分析比较了无源时反均衡方法与最小平方信道均衡在水声多途信道下的误码性能。仿真研究和湖上实验表明,无源时反信道均衡算法可以有效的减小多途信道对OFDM水声通信系统带来的影响。      

一种光正交频分复用系统的联合相位均衡方法

正交频分复用（OFDM）技术加相干接收与数字信号处理法(DSP)的组合是超长距离光通信的理想模型。光OFDM系统对相位噪声十分敏感,必须对相位噪声进行补偿。提出一种基于正交小波基变换的光OFDM系统的联合相位均衡方案。该方案将块状导频周期性地插入OFDM信号,在接收端利用导频信息首先消除各个子载波的公共相位误差,然后采用自适应均衡方式消除每个子载波自身相位误差。仿真结果表明,对于二进制正交振幅键控(4QAM)调制信号,在采用常规的G.652光纤、100 Gb/s的相干光OFDM系统中,该联合相位补偿方法可使信号在满足传输系统的误码性能要求下,传输距离达到1000 km。     

改进支持向量机和常数模算法水声信道盲均衡

针对盲均衡算法收敛速度较慢的问题,提出一种结合改进支持向量机和常数模算法的水声信道盲均衡算法。该算法首先利用具有优异小样本学习能力的支持向量机进行盲均衡器权系数初始化,在完成初始化后切换至运算量较小的常数模算法。考虑到支持向量机本身非自适应运算的限制,在时变水声信道条件下利用经典支持向量机获得的均衡器初始权向量与切换后的信道仍然存在失配。因此,本文导出时变条件下的改进支持向量机用于盲均衡器初始化,改善算法切换时的权系数失配,并结合分数间隔结构和内嵌数字锁相环进一步提高盲均衡算法性能。仿真和湖试实验结果表明:在时变水声信道条件下,本文算法的收敛性能优于经典支持向量机盲均衡算法。      

基于并行蚁群算法的长基线定位方法*

为了降低各个误差源对水声目标导航定位精度的影响,该文将水声目标导航定位问题抽象为带约束条件的非线性优化问题,并论证了最优化表达式参数求解过程与降低误差源干扰的过程具有同一性;设计了并行蚁群算法求其最优解。海试数据处理结果表明,该方法具有收敛速度快、解稳定和定位精度高等优点,能有效地降低各个误差源对水声目标导航定位精度的影响。     

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.