一种混合常数模水声信道盲均衡新算法的研究

针对常数模算法(CMA)与符号误差常数模算法(SECMA)的不足,本文提出了一种新的混合常数模算法(CCMA),并将该算法应用于水声信道的盲均衡。通过判决条件对输出信号作判决,使得该算法的迭代过程在CMA和SECMA之间自动切换,其性能较SECMA稳健,运算量小于CMA,特别有利于水声信息的实时恢复。通过多种水声信道盲均衡算法的仿真实验,进一步验证了该算法的有效性。     

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。     

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。     

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。     

一种快速收敛的水声信道载波恢复盲均衡算法

基于对修正的常数模算法(MCMA)进行分析,提出了一种用于QPSK(四进制相移键控)信号的快速载波恢复盲均衡算法。该算法中构造了一种与MCMA算法不同的、能够快速收敛的误差函数,在消除码间干扰(ISI)、纠正相位误差的同时,进一步改善了收敛性能。该算法对输出信号的实部和虚部分别进行非线性变换。最后利用实测的水声信道数据,对这几种算法进行了数值分析研究,结果表明:所提出的算法不仅能够很好地克服相位旋转,而且其收敛速度明显高于MCMA,剩余均方误差更小,而计算量并没有明显的增加。     

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。     

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。     

并联滤波的常数模与判决引导融合盲均衡算法

针对常数模和判决引导双模式盲均衡算法切换时机选择困难问题,提出了一种并联滤波的双模式融合盲均衡算法。算法以并联滤波器作为盲均衡器,两路子滤波器分别以常数模算法准则和判决引导算法准则进行更新,通过加权因子实现两种算法模式自适应切换,完成两种算法的融合处理,加权因子依据归一化均方误差进行调整。为防止信道突发干扰,定义了归一化均方误差信息熵增量,以信息熵增量为判据适时实现均衡器和加权因子重置,使算法在信道突发干扰条件下能实现自适应跟踪。计算机仿真和水池试验处理结果表明:该算法有效地结合了常数模和判决引导算法的优点,具有较好的均衡性能。     

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。     

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。     

基于改进支持向量机的水声目标-杂波不平衡分类研究

针对水声目标-杂波数据集在有限样本下的类不平衡特性导致代价敏感支持向量机难以逼近贝叶斯最优决策的问题,该文提出了一种基于能量统计方法的支持向量机(En-SVM).该算法通过度量原始数据空间与有限样本空间特征函数之间的加权平方距离,量化少数类样本不完全采样过程中的信息损失,来补偿再生核希尔伯特空间中机器学习算法所需的少数...     

水声信道相关均衡器仿真研究

提出了对信道可进行稳健均衡的相关均衡器,解决了由于信道传递函数$H(z)=\\sum\\nolimits_{i=0}^{N-1} a_{i} z^{-k_{i}}, a_{0}=1$的零点在单位圆外的分布引起的均衡结果发散问题。理论上相关均衡器对任意单位圆上无零点的信道都可进行稳健均衡;提出了非因果序列的双边展开理论,基于该理论和FFT,导出了相关均衡器的横向滤波器结构和快速求解滤波器系数的算法;进行了仿真,结果令人满意.