一种基于信道缩短的深衰落稀疏均衡改进算法

针对较低信噪比下的深衰落稀疏多径信道,提出了一种基于信道缩短的自适应稀疏均衡改进算法。该算法采用前置分数间隔信道缩短均衡器与后置自适应稀疏均衡器级联的均衡器结构,其中,首先利用短训练序列设计基于最小均方误差准则的前置均衡器,前置均衡器与稀疏多径信道级联后得到能量集中于较短时间区域且分布稀疏的等效信道,使得原始信道的深衰落畸变得到部分有效补偿;然后采用能实现稀疏信号重构的随机梯度追踪算法调整后置自适应均衡器的抽头系数,后置均衡器用于消除等效信道的剩余符号间干扰。仿真结果表明,与传统的单级分数间隔自适应均衡器相比,该算法具有收敛速度快和运算复杂度低的优点。     

稀疏水声信道判决反馈盲均衡算法研究

针对高速水声通信中信道的稀疏特性,提出了一种基于常数模准则的稀疏水声信道判决反馈盲均衡算法。该算法将改进的常数模算法与一种变化的判决反馈均衡器结构(部分反馈均衡器)有机结合,利用水声信道的稀疏特性,不但很好地实现了稀疏水声信道的盲均衡,而且简化了计算,易于算法的硬件实现。用典型稀疏水声信道进行了计算机仿真。结果表明,该算法性能稳定,计算量小,稳态均方误差低,整体性能与基于自适应LMS的稀疏迭代算法接近。该研究为高速水声通信中稀疏信道的均衡提供了一种可实现的方法。     

稀疏信道下基于稀疏贝叶斯学习的精简星座盲均衡算法

针对稀疏信道的盲均衡问题,在精简星座均衡算法框架下建立线性模型,利用稀疏信道下均衡器固有的稀疏特性,引入具有稀疏促进作用的先验分布对均衡器系数加以约束,使用稀疏贝叶斯学习方法迭代求解均衡器系数得到最大后验估计值。该文提出的均衡方法属于数据复用类均衡算法的范畴,能够适用于数据较短的应用场合。与随机梯度方法相比,算法性能受均衡器长度影响较小,收敛后误符号率性能更好,仿真实验验证了算法的有效性。     

基于稀疏多径信道的均衡技术分析

为了解决宽带通信稀疏多径信道下均衡器结构复杂和收敛速度慢的问题,介绍了稀疏多径信道和基于伪随机序列的多径搜索。针对稀疏多径信道的特点,对判决反馈均衡器进行改进,提出了一种基于正交匹配追踪信道估计的完全判决反馈均衡器。利用正交匹配追踪估计结果在前馈均衡器前消除已判决码元对当前判决码元的码间串扰,降低了均衡器的复杂度,提高了收敛速度。通过仿真分析表明完全判决反馈均衡器能取得良好的性能。     

采用残差变化控制的自适应稀疏信道估计

针对传统压缩感知信道估计对稀疏度信息依赖和稀疏度自适应信道估计在低信噪比时抗噪能力较差的问题,提出了一种采用残差变化控制的稀疏度自适应的压缩感知信道估计算法。该算法在传统的压缩感知信道估计的基础上引入残差变化控制,通过比较每次迭代下的残差变化的幅度来控制信道估计的迭代次数,提高信道估计的自适应性和鲁棒性。同时,为解决传统稀疏度自适应压缩感知信道估计抗噪能力较差的问题,利用正交匹配追踪提高算法的抗噪声性能。相比于传统的稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit,SAMP)算法,所提算法约有4 dB的性能优势,且算法复杂度更低。     

基于IOC-CSMP的OFDM系统稀疏信道快速重构算法

针对信道路径数量未知时正交频分复用（OFDM）系统信道估计问题,提出了一种基于内积运算优化与稀疏度更新约束的压缩采样匹配追踪快速重构算法。通过构建与更新选择向量,利用与选择向量中非零值索引对应的原子向量参与内积运算来降低运算量;基于压缩采样与回溯策略来优化原子,利用匹配追踪完成信道估计,通过相邻两次信道估计值的能量差来更新稀疏度并约束算法停止,保证算法快速收敛。仿真结果表明,所提算法具有比最小二乘、最小均方差、稀疏度自适应匹配追踪和自适应正则化压缩采样匹配追踪算法更好的信道估计性能,且比2种自适应方法消耗更少的信道估计时间。     

l0-范数约束的稀疏多径信道RLS常模盲均衡算法

针对稀疏多径信道下MPSK信号的快速盲均衡问题,提出了一种l0-范数约束的递归最小二乘常模盲均衡算法.该算法借鉴传统的递归最小二乘常模盲均衡算法思想,结合稀疏自适应滤波理论,首先利用l0-范数对均衡器抽头系数进行稀疏性约束,构造出一种l0-范数约束的加权最小二乘误差代价函数,然后依据递归最小二乘算法推导出均衡器抽头系数更新公式.该算法发挥递归最小二乘常模算法收敛速度快的优势,并对幅度极小系数附加零点吸引调整,从而实现不同幅度抽头系数的快速收敛.理论分析与仿真结果表明,与现有算法相比,该算法在保证较低剩余符号间干扰的前提下,能有效提高均衡器的收敛速度.     

l0-范数约束的稀疏多径信道分数间隔双模式盲均衡算法

针对深衰落稀疏多径信道下多进制相移键控（Multiple Phase Shift Keying,MPSK）信号的盲均衡问题,提出了一种l₀-范数约束的分数间隔稀疏自适应双模式盲均衡算法.该算法借鉴传统的分数间隔双模式盲均衡算法思想,结合稀疏自适应滤波理论,首先利用l₀-范数对均衡器抽头系数进行稀疏性约束,构造出一种l₀-范数约束的分数间隔双模式最小均方误差代价函数,然后依据梯度下降法推导出盲均衡器抽头系数更新公式,并对迭代步长进行归一化和比例系数化.理论分析和仿真实验表明,与基于门限稀疏化的盲均衡算法、基于分数阶范数的盲均衡算法及分数间隔双模式盲均衡算法相比,本文所提算法在保证较快收敛速度的前提下,能有效降低剩余符号间干扰.本文设计的盲均衡算法为水声通信系统中接收方恢复出发送信号,提供了一种快速有效的方法.     

基于频域波形合成的盲空间分集均衡器设计

针对频率选择性衰落信道下的多天线盲接收问题,本文提出了一种新的"合成器-均衡器"盲空间分集均衡器结构.基于频域波形合成、均衡器与软符号信息的联合处理框架,首先设计了频域BLOCK-SUMPLE迭代算法,对多路信号频域合成权值进行联合估计,实现频率选择性衰落信道下的波形合成.在此基础上,利用均衡器输出软符号信息重构合成参考,对权值相位予以修正,实现对等效合成信道的优化补偿.与传统盲空间分集均衡算法相比,上述算法实现无需训练序列辅助,并且优化了信号分集合并性能,降低了均衡器的设计难度.仿真结果表明,采用新型结构可有效改善衰落信道下的盲接收效果,逼近最佳空间分集均衡器性能.     

长时延扩展水声信道的联合稀疏恢复估计

对具有长时延扩展的水声信道,传统的信道估计算法如最小二乘法将在大量零值抽头产生严重的估计噪声,导致估计性能下降,同时信道估计时所需的较高估计器阶数大大提高了运算复杂度。压缩感知信道估计方法可有效利用多径稀疏特性改善性能,但需采用较大的训练序列长度以保证稀疏恢复精度,由此导致额外的系统开销。利用水声信道多径稀疏结构在数据块间存在的相关性,建立基于分布式压缩感知的长时延水声信道联合稀疏模型,从而可利用同步正交匹配追踪算法进行联合重构,以进一步减小系统的训练序列开销,提高估计性能。最后通过仿真和海上实验验证了所提方法的有效性。     

Sparse adaptive constant blind equalization algorithm for sparse multipath channel

In order to improve the convergence rate of the blind equalizer for sparse multipath channel,a novel blind equalization approach called l₀-norm constraint proportionate normalized least mean square constant algorithm was proposed for M-order phase-shift keying (MPSK) signal.Based on the constant modulus characteristics of MPSK signal and the sparse property of equalizer,a new blind equalization cost function with the l₀-norm penalty on the equalizer tap coefficients was firstly constructed.Then the update formula of the tap coefficients was derived according to the gradient descent algorithm.Moreover,the iteration step was updated by drawing upon the normalized proportionate factor.The algorithm not only assigned step sizes proportionate to the magnitude of the current individual tap weights,but also attracted the inactive taps to zero adaptively.Theoretical analysis and simulation results show that the proposed algorithm outperforms the existing blind equalization algorithms for sparse channel in reducing ISI and improving convergence rate.     

一种改进的稀疏信道估计算法

文中在匹配跟踪算法的基础上实现了一种稀疏信道估计的改进算法。该算法首先通过正交匹配跟踪得到信道非零抽头的粗略估计,并依此来设置自适应均衡器的权重系数的初始值,进行自适应的调整和校正,最终实现对实际信道冲激响应的精确逼近。这样不仅避免了对无谓零抽头的估计,而且提高了信道估计的性能。     

基于Kalman滤波的水声混合双向迭代信道均衡算法

水声信道均衡中基于信道估计的均衡方法理论上具有更优的均衡性能,但较高的计算复杂度限制了算法的实际应用。针对这一问题,该文首先基于Kalman滤波和Turbo均衡提出一种迭代Kalman均衡器,实现了基于软符号的迭代信道估计与迭代Kalman均衡,且复杂度较常规方法降低约1个数量级。其次,针对单一均衡算法和单一方向Turbo均衡器存在的误差传递现象,设计了基于迭代Kalman均衡器与改进成比例归一化LMS (IPNLMS)自适应均衡器相结合的混合双向Turbo均衡器,提高了自适应均衡器的收敛速度和均衡性能,并通过双向均衡结构带来的增益改善了符号估计误差传递的现象。理论分析与仿真实验验证了该文算法的有效性。     

基于一种杂交学习算法的自适应复信道均衡技术

本文提出了一种基于多层前馈神经网络杂交学习算法的自适应复信道均衡的新方法。该学习算法用来训练一个输入、输出、权值和激活函数均为复数的神经网络。神经网络的训练利用了监督和非监督相结合的杂交技术,而权值的调整是基于TLS（total least square)准则进行的。计算机仿真结果表明,无论是在线性还是在非线性信道中,所提出的方法都表现出了很好的性能,这为自适应复信道均衡提供了一种新方法。     

用Laguerre滤波器实现多径衰落信道自适应均衡

提出了一种衰落信道自适应均衡的新方法。该方法基于Laguerre滤波器结构,采用最小二乘估计估算滤波器极点,通过RLS算法实现自适应过程。仿真结果表明,由于Laguerre滤波器同时具有FIR和ⅡR结构的特点,在信噪比低、信道多径条件复杂的情况下,可以获得比通常的线性自适应均衡器和决策反馈均衡器更好的抗符号间干扰的效果;同时,Laguerre滤波器结构的稳定性有效地减少了差错传播的发生。