分数低阶矩的信号盲分离方法

具有尖峰脉冲特性的α稳定分布信号或噪声不存在二阶及二阶以上的统计量,传统基于二阶统计量(SOS)或高阶统计量(HOS)盲分离和独立成份分析(ICA)算法效果不理想,甚至失效。对脉冲噪声环境下的盲分离技术进行了研究,推导出一种基于分数低阶矩的信号盲分离算法,并进行了仿真检验,结果表明所提出的方法对实现α稳定分布信号或含有α稳定分布噪声的信号盲分离效果很好,并具有良好的韧性。     

无限方差噪声环境下的分数低阶空间时频盲源分离

对脉冲噪声α稳定分布环境下的时频分布进行了研究,改进了适合α稳定分布信号或强脉冲噪声环境的分数低阶时频分布方法,用分数低阶空间时频矩阵代替空间时频矩阵,基于时频盲分离算法提出了一种改进的分数低阶空间时频盲源分离算法,并归纳了算法步骤。通过对FLO-TF-UBSS算法和已有的TF-UBSS算法及MD-BSS算法进行详细比较,仿真结果表明,所提出的FLO-TF-UBSS算法有效的降低了信号的均方误差（MSE）,能较好的对α稳定分布噪声环境下的非平稳信号进行盲分离,并实现了对实际的稳定分布舰船信号的盲提取,性能优于已有TF-UBSS算法和MD-BSS算法,且具有一定的韧性。      

脉冲噪声环境下的恒模盲均衡算法

α稳定分布噪声导致现有的基于梯度下降法的恒模盲均衡算法(SGD-CMA)失效.通过分析厚拖尾噪声对现有算法的影响,给出了2种改造算法,即韧性梯度下降恒模盲均衡算法(SGD-RCMA)和递归最小二乘恒模盲均衡算法(RLS-RCMA).仿真表明2种改造算法比传统的恒模盲均衡算法具有更好的适用性,不仅适用于高斯噪声环境而且适合于脉冲噪声环境.同时RLS-RCMA与SGD-RCMA相比具有更快的收敛速度和更好的码间干扰抑制能力.     

用于QAM系统的软判决引导的盲均衡算法

本文对基于最大后验概率密度函数（ｐ，ｄ，ｆ）的盲均衡技术作了研究，提出了一种实用的软判决引导的盲均衡算法，该算法能能够得到快速的收敛速度和小的剩余码间串扰（ＩＳＩ），并提出了使用软判引导算法的盲判决反馈均衡器（ＤＦＥ）其性能明显优于线生均衡器（ＬＥ）；最后，保证新算法可靠地收敛，给出了卷积噪声方差的近似迭代算法，模拟结果证明了提出了均衡技术对各种信道和ＱＡＭ信号的有效性。     

基于分数低阶协方差的AR SαS模型α谱估计

根据自回归(AR) SαS模型的α谱,分析了基于分数低阶矩(FLOM)法估计AR SαS模型参数的不足.提出了一种基于分数低阶协方差(FLOC)的AR SαS模型参数估计方法,并给出了基于FLOC的AR SαS模型α谱方法.分别对AR SαS模型参数的估计、α稳定分布噪声中单一正弦信号的估计和两个正弦信号的分辨进行了仿真.仿真结果表明,基于FLOC的AR SαS模型α谱估计方法对于不同的α值均具有较好的韧性.特别是在α值较小,即α稳定分布噪声概率密度函数(PDF)拖尾比较严重时,本文所提出的基于FLOC的AR SαS模型α谱估计方法,其性能明显优于基于FLOM的AR SαS模型α谱估计方法.     

对称α稳定分布中预处理的共变时差估计

针对传统共变算法在对称α稳定分布(SαS)噪声中方差趋于无穷,实际应用效果不佳的缺点,本文提出了一种基于预处理的共变时差估计算法,该算法将接收信号通过任意满足奇对称单调增的有界函数进行预处理后,再使用共变算法,理论证明了改进算法方差降为了有限值,从而提高了时差估计精度及算法实际应用价值。最后提出了两种满足上述条件的预处理函数,并对其和已有的反正切函数进行仿真,验证了本文算法在SαS分布噪声环境下提高算法估计精度的有效性和在高斯噪声环境下的适用性。     

基于SαSG分布噪声模型的自适应混合矩滤波方法

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声.与其他统计模型不同,α-稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在.针对系统中存在独立SαS噪声与高斯噪声,基于SαSG分布模型,提出了一种稳定分布与高斯混合噪声环境下的自适应混合矩滤波的修正RMN（混合参数）算法,并对算法进行了步长归一化改进.计算机模拟和分析表明,这种算法是一种在SαSG分布背景噪声条件下具有良好韧性的滤波方法.     

基于粒子滤波器的盲辨识和盲均衡新方法

提出了一种新的基于粒子滤波器的盲辨识及盲均衡算法。在对信道进行辨识时，通过对信道均值的采样来代替对真实信道的采样，避免了对信道的后验密度进行采样，从而降低了算法的复杂度。算法还采用先验密度作为重要性函数，以便于对重要性函数进行采样。仿真结果表明，该算法收敛速度快，所需的数据量少，在信噪比较低时也能完成对信道的盲辨识和盲均衡。     

一种对称α稳定噪声中的DOA估计新方法

本文研究了对称α稳定(SαS)噪声环境中窄带信号源的DOA估计问题。SαS过程能很好地描述许多具有冲激特性的信号和噪声,但其二阶和高阶统计量不存在。利用SαS过程的性质,提出了一种基于数据矩阵加权的子空间类DOA估计新方法。该方法与分数低阶矩法作了比较,仿真结果显示了所给算法的优越性。     

基于FLOC的ARMA SαS模型α谱估计方法

分析了基于分数低阶矩（FLOM）估计ARMA SαS模型参数的不足,根据分数低阶协方差（FLOC）的概念,提出了一种基于分数低阶协方差系数估计ARMA SαS模型参数的方法。在此基础上,给出了ARMA SαS模型的α谱估计。通过对给定ARMA SαS模型的α谱估计、α稳定分布噪声中正弦信号的估计与分辨进行仿真,详细比较了基于FLOM的ARMA SαS模型α谱估计和基于FLOC的ARMA SαS模型α谱估计的性能。结果表明,α值较小时,基于FLOC的ARMA SαS模型α谱估计的性能明显优于基于FLOM的ARMA SαS模型α谱估计。     

Joint Blind Equalization and Decoding in OFDM Systems Using Particle Filtering

In this paper a sequential algorithm is proposed for joint blind channel equalization and decoding for orthogonal frequency-division multiplexing (OFDM) in frequency selective channels. This algorithm offers a recursive method to sequentially calculate the posterior probability for maximum a posteriori detection. Recursive calculations are done along the indexes in each OFDM symbol using a particle filter. By defining an appropriate importance function, and a proper prior probability distribution function for the channel tap coefficients (and marginalizing it), an efficient method is presented for joint equalization and channel decoding in OFDM based systems. Performance of the proposed detector is evaluated using computer simulations and its bit error rate is compared with the trained turbo equalizer and a conventional particle filter-based method. The results show that the proposed method outperforms the previously presented particle filter-based method without a need for training data.

     

基于最大相关熵准则的恒模盲均衡算法

针对恒模算法(constant modulus algorithm, CMA)在脉冲噪声环境下性能退化的问题,本文基于最大相关熵准则(maximum correntropy criterion, MCC)对恒模算法中基于最小均方误差(mean square error, MSE)准则的代价函数进行修正,推导出适用于脉冲噪声环境的基于MCC准则的恒模盲均衡算法(MCC_CMA)。该算法利用通信信号的恒模特性,首先得到发送信号与均衡器输出信号模值的误差信号,再通过使模值误差信号的相关熵最大来获得其迭代误差调节项,避免了传统高阶统计量算法在脉冲噪声环境下性能退化的问题。对高斯噪声以及α-稳定分布和混合高斯分布两种脉冲噪声环境下的信道均衡问题的仿真实验表明,相对于经典的自适应恒模盲均衡算法,MCC_CMA算法不依赖噪声的先验知识就能获得较快的收敛速度、较低的剩余码间干扰和误码率,并且在不同脉冲强度的脉冲噪声环境下都能够得到较好的均衡结果,表明MCC_CMA算法具有很好的鲁棒性。      

基于EM-SBL迭代的稀疏SIMO信道频域盲均衡算法

针对单输入多输出系统下稀疏信道均衡问题,提出了一种新的基于最大似然准则的频域迭代均衡算法.首先将多天线联合均衡问题建模为非完整观测数据集下频域信号序列的最大似然估计问题,利用期望最大化算法进行近似迭代求解,最终得到各个单频信号加权求和形式的均衡输出表达式.在每次迭代过程中,算法依次完成均衡输出的更新和信道参数联合条件后验分布的更新.考虑到信道固有的稀疏特性,在求解信道参数联合条件后验时,引入具有稀疏促进作用的先验分布对信道系数加以约束,使用稀疏贝叶斯学习迭代求解信道参数联合条件后验.仿真结果表明,本文算法具有较好的收敛特性和稳态性能,在中高信噪比条件下可以获得接近信道已知条件下的稳态系统误符号率性能.     

一种短波信道中数字信号调制方式识别算法

短波天波信道存在多径效应及冲击和高斯噪声.针对短波信道特点,提出先利用零记忆非线性系统抑制冲击噪声,后分段盲均衡,基于最大后验概率识别的分类方法.零记忆非线性系统可抑制冲击噪声,而让信号无失真通过.分段均衡减弱信道时变和参数估计误差对均衡器影响.由于冲击噪声的瞬时性和信道时变性,使每段信号均衡效果并不一样,采用最大后验概率的方法选用均衡效果最好的一段信号识别.仿真表明,在典型短波信道且含有冲击噪声情况下,信噪比10 dB时,平均识别概率大于90%,该算法适合在实际中应用.     

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.     

Subspace methods for blind joint channel estimation and multiuser detection in CDMA systems

Recently developed subspace techniques for blind adaptive multiuser detection are briefly reviewed first. In particular, blind methods based on signal subspace tracking for adapting linear multiuser detectors in AWGN CDMA channels are considered, as well as extensions of these techniques to frequency selective fading channels, dispersive channels, and antenna array spatial processing. In addition, subspace‐based nonlinear adaptive techniques for robust blind multiuser detection in non‐Gaussian ambient noise channels are also described. Several new techniques are then developed within the subspace framework for blind joint channel estimation and multiuser detection, under some specific channel conditions. These include (1) an adaptive receiver structure for joint multiuser detection and equalization in dispersive CDMA channels, (2) a subspace method for joint multiuser detection and equalization in unknown correlated noise, and (3) a method for joint interference suppression and channel tracking in time‐varying fading channels. This revised version was published online in August 2006 with corrections to the Cover Date.     

基于粒子滤波的Turbo盲均衡

粒子滤波是一种基于贝叶斯估计的算法,在信道盲辨识和盲均衡问题上具有快收敛、抗深衰信道等优势。Turbo盲均衡在低信噪比条件下有较好的误码性能。为了在深衰信道下使通信具有良好的误码性能,对粒子滤波盲均衡算法进行改进,改进算法的重要性采样函数利用了粒子的先验信息,得到一种软输入软输出的粒子滤波盲均衡算法。依据Turbo盲均衡的框架结构实现了一种基于粒子滤波的Turbo盲均衡算法,该算法利用信道编码带来的编码增益,提高了均衡和信道辨识的性能。仿真结果表明相比粒子滤波盲均衡算法本文提出算法的误码率性能提高1dB左右,误帧率性能则提高了3dB以上,经分析可知在信道系数估计较为准确的条件下,系统数据帧几乎没有误码。      

基于隐马尔科夫模型的CPM信号盲Turbo均衡算法

针对高阶连续相位调制信号(CPM)盲均衡中存在的均衡性能较差以及不容易收敛等问题,从隐马尔科夫模型(HMM)的角度出发,建立一种新的EM-SOVA信道盲均衡方法,并结合Turbo均衡思想,提出了一种适用于高阶CPM信号的盲Turbo均衡算法。该算法通过将SOVA内嵌到EM算法的迭代过程中,有效改善了信道均衡效果,同时使用Turbo均衡的软信息迭代处理来进一步提高低信噪比条件下系统性能。理论分析和仿真结果表明,所提算法具有良好的盲均衡性能以及收敛性。     

一种不受信道阶数估计影响的SIMO直接盲均衡算法

针对单输入多输出（Single-Input-Multiple-Output, SIMO）模型提出一种完全不需要信道阶数估计的直接盲均衡算法。文章利用接收数据的截短协方差矩阵和信号子空间的关系设计一种零延迟均衡器,并通过信道矩阵和均衡器系数的合响应特性克服了算法相位偏转的问题,最后得到一种对信道阶数估计鲁棒并且没有相位偏转的盲均衡算法。该算法不同于一般子空间类算法,不需要直接对接收信号的协方差矩阵进行信号子空间和噪声子空间的分解,因此对信道阶数估计具有很强的鲁棒性。文章给出了算法的Batch实现过程,同时为更好适应一般时变信道环境和实现实时处理的要求,通过递归迭代得到算法的自适应实现过程。仿真实验表明该算法几乎不受信道阶数过估计或欠估计的影响,同时该算法具有良好的均方误差（Mean Square Error, MSE）和误符号率SER（Symbol Error Rate, SER）性能,并且具有很快的收敛速度。      

Blind equalization by direct examination of the input sequences

This paper presents a novel approach to blind equalization (deconvolution), which is based on direct examination of possible input sequences. In contrast to many other approaches, it does not rely on a model of the approximative inverse of the channel dynamics. To start with, the blind equalization identifiability problem for a noise-free finite impulse response channel model is investigated. A necessary condition for the input, which is algorithm independent, for blind deconvolution is derived. This condition is expressed in an information measure of the input sequence. A sufficient condition for identifiability is also inferred, which imposes a constraint on the true channel dynamics. The analysis motivates a recursive algorithm where all permissible input sequences are examined. The exact solution is guaranteed to be found as soon as it is possible. An upper bound on the computational complexity of the algorithm is given. This algorithm is then generalized to cope with time-varying infinite impulse response channel models with additive noise. The estimated sequence is an arbitrary good approximation of the maximum a posteriori estimate. The proposed method is evaluated on a Rayleigh fading communication channel. The simulation results indicate fast convergence properties and good tracking abilities