一种新的变步长恒模盲均衡算法

针对固定步长恒模盲均衡算法在收敛速度和稳态剩余误差之间存在的问题,在应用变步长的思想基础上,利用均方误差的变换作为控制步长的因子,提出了一种新的自适应时变步长恒模盲均衡算法(VASCMA).对新算法进行了理论分析和计算机仿真,仿真时采用两种不同的调制信号通过三种不同信道,得到两种算法的均方误差的收敛曲线和收敛后均衡器输出的星座图,仿真结果均表明,改进算法具有较快的收敛速度和较小的剩余误差.     

基于MMMA的双模式变步长盲均衡算法

恒模算法(CMA)是一种重要的盲均衡技术,虽然能达到盲均衡效果,但是收敛后有较大的剩余误差和相位模糊。在VS-MCMA+DD-LMS算法的基础上进行了改进,提出变步长修正多模算法(VS-MMMA)和DD-LMS相结合,以及变步长解相关修正多模算法(VS-UMMMA)和DD-LMS相结合两种新算法,新算法在收敛速度和均衡误差方面均有明显的改进。最后,对该算法进行了仿真和性能分析。     

一种T/2分数间隔的变步长盲均衡算法

针对算法固定步长存在收敛速度和剩余误差的性能要求相矛盾的问题,在深入研究分数间隔均衡器(FSE)和修正常模算法的基础上,研究了一种变步长盲均衡算法。该算法利用了与误差函数的非线性函数关系自适应调整步长。利用QPSK信号,对固定步长和变步长的T/2分数间隔修正常模算法进行仿真,结果表明以变步长的盲均衡算法能够提高收敛速度和降低剩余误差,有效地改进了信道均衡性能。     

时间分集联合锁相环的新变步长盲均衡算法

本文提出一种联合锁相环的时间分集新型变步长盲均衡算法。该算法结合分集合并技术和变步长盲均衡算法的各自优点,在提高接收信号信噪比的同时,通过调整改进瑞利分段步长函数中的参数来加快算法的收敛速度,减小算法的均方误差和剩余码间干扰。此外,借助锁相环技术来对相位状态进行跟踪,对偏转的相位加以克服纠正。仿真结果表明新算法具有更快的收敛速度、可纠正相位旋转、稳态误差和剩余码间干扰更小的优点。     

基于正交小波变换的变步长盲均衡算法研究

针对常数模算法(CMA)剩余误差大与收敛速度慢的问题,将变步长思想和正交小波变换引入到常数模盲均衡算法中,提出了基于正交小波变换的指数型变步长常数模盲均衡算法(WT-VCMA)。水声信道仿真结果表明:与基于剩余误差的指数型变步长常数模盲均衡算法(VCMA)及常规常数模算法(CMA)相比,新算法具有更快的收敛速度和更小的剩余误差。     

双模式变步长解相关盲均衡算法研究

恒模算法(CMA)是一种重要的盲均衡技术,虽然能达到盲均衡效果,但是收敛后会有较大的剩余误差和相位模糊。在文献[3]中提出的VS-MCMA+DD-LMS算法的基础上做了进一步改进,提出变步长修正多模算法(VS-MMMA)和DD-LMS相结合,以及变步长解相关修正多模算法(VS-UMMMA)和DD-LMS相结合2种新算法,进行了仿真和性能分析,证明新算法在收敛速度和均衡误差方面均有明显的改进。     

一种基于CMA的变步长盲均衡算法研究

通信过程中因信道畸变而产生的码间干扰(ISI)严重影响通信质量,该问题常采用均衡技术来解决。介绍了传统定步长盲均衡CMA算法原理,仿真分析了其不能兼顾收敛速度快与稳态误差小的问题,为解决这一问题,提出一种基于Sigmoid函数的变步长盲均衡算法。为解决码间串扰问题,对CMA算法进行改进并对改进算法原理进行阐述,分析了参数对算法性能的影响。最后通过仿真实验证实了改进算法能够加快收敛速度,同时能保持较小的稳态误差。     

两种改进的盲均衡算法

文献[1]提出了一种适用于PAM、QAM通信系统的盲均衡算法--MMA,该算法虽然克服了CMA收敛后剩余误差大和stop-and-go等算法有待定参数的缺点,但是它的收敛速度比较慢,改进算法1对MMA进行了改进,加快了算法收敛的速度.改进算法2是一种联合信道盲均衡和相位恢复算法--MCMA[2]的改进算法,改进后的算法比MCMA具有更小的剩余误差,同时在迭代过程中能够提供更准确的相位信息,来补偿信道引起的相位误差,从而更加有利于判决器进行准确的判决.两种改进算法都大大减少了使系统误符号率降为0所需的迭代次数.计算机仿真结果表明,这两种算法具有良好的均衡特性.     

基于输出信号峰度的时变步长恒模盲均衡算法的研究

本文以均衡器的输出信号峰度作为控制步长的参量,提出了一种新的时变步长恒模(CMA)盲均衡算法.理论分析和计算机仿真均表明该算法与传统的恒模算法相比,具有更快的收敛速度和更小的稳态剩余误差.     

基于模拟退火粒子群优化的恒模算法

传统的固定步长恒模盲均衡算法在收敛速度和稳态剩余误差之间存在着矛盾,影响了恒模算法的均衡性能。为了解决这一缺点,提高恒模算法的性能,本文在介绍恒模盲均衡原理的基础上,提出一种变步长恒模算法,利用粒子群优化算法对均衡器的权向量进行优化,为避免优化过程进入局部极小值引入了模拟退火算法。通过在短波信道中的仿真,证明了该算法不仅加快了收敛速度,并且具有更高的收敛精度。     

变步长常数模盲均衡算法研究

为了进一步提高CMA盲均衡算法的收敛速度和均衡性能,研究了一种变步长常数模盲均衡算法.常数模盲均衡算法中,步长参数直接影响算法的收敛速度和均衡性能,合理的选择步长参数不仅能够避免算法发散或收敛过慢,并且适时调整步长参数可以避免算法陷入局部极小值.高阶均方误差直接反映算法的收敛状态,所以可以利用高阶均方误差作为步长参数的调整因子.计算机仿真表明以高阶均方误差作为步长参数调整因子使常数模盲均衡算法具有了更快的收敛速度和更好的均衡效果.     

一种快速收敛的水声信道分数间隔盲均衡算法

为了加快常数模盲均衡算法(CMA)的收敛速度并降低剩余均方误差,提出了一种快速收敛的分数间隔常数模算法。新算法采用T/2分数间隔均衡器,针对水声通信中常用的BPSK信号,设计了一个新的误差函数,取代常数模算法中的误差函数。最后,采用浅海水声信道进行了仿真,结果表明,新算法性能稳定;收敛速度高于常数模算法和分数间隔常数模算法;剩余均方误差与分数间隔常数模算法处于同一水平。     

一种新的变步长变换域自适应滤波算法

变换域LMS算法能通过正交变换有效降低输入信号自相关矩阵特征值的分散程度,可提高算法的收敛速度;变步长LMS算法可以克服固定步长因子所导致的算法在较快收敛速度和较小稳态误差之间存在的矛盾,从而获得较快的收敛速度和较好的收敛结果。将二者相结合,提出了一种新的变步长变换域自适应滤波算法。计算机仿真结果表明该算法具有更快的收敛速度和更小的稳态误差,并且运算量较少,具有良好的实用性能。     

模糊神经网络控制的混合小波神经网络盲均衡算法

针对传统恒模算法(CMA)收敛速度与均方误差之间的矛盾,提出了模糊神经网络控制的混合小波神经网络(FHWNN)盲均衡算法.该算法在小波神经网络输入层之前级联一个横向滤波器,将横向滤波器的节点输出分为实部和虚部两路经过小波神经网络后再合成为一路复数信号;利用模糊神经网络(FNN)设计的模糊规则控制小波函数的尺度因子和平移...     

基于小波变换的变步长LMS自适应滤波算法

变步长LMS自适应滤波算法通过构造合适的步长因子有效的解决了传统LMS算法收敛速度和稳态误差相矛盾的问题.变换域LMS自适应滤波算法通过正交变换降低了输入信号矩阵的相关性,提高了算法的收敛速度.将这两种算法相结合,提出了一种新的基于小波变换的变步长LMS自适应滤波算法.仿真结果表明,该算法无论是收敛速度还是稳态误差都有了很大的提高.     

一种新的变步长快速盲均衡算法

在无线通信信道中,码间干扰严重影响了通信的质量和可靠性。传统的自适应均衡算法需要训练序列降低了传输效率,恒模算法（CMA）可以很好的克服了这个问题。针对CMA算法收敛速度较慢和无法纠正相位误差的缺点,提出一种新的步长迭代方法的改进型恒模算法（NSMCMA）。蒙特卡罗仿真表明,提出的算法,相比传统CMA算法,不仅可以纠正信道的相位偏转,而且具有更好的均衡效果和收敛性能。     

基于韦伯分布函数的低复杂度变步长符号算法

针对OFDM系统中传统信道估计算法在冲击噪声环境中性能急剧下降的问题,提出了一种基于韦伯分布函数的顽健型变步长符号算法进行信道估计。在深入研究冲击噪声特性及韦伯分布函数性质的基础上,提出了采用估计误差绝对值的韦伯分布函数控制步长的低复杂度变步长符号算法。该算法在利用传统符号算法顽健性的基础上,采用估计误差的韦伯分布函数动态地改变迭代符号算法的步长,从而能够以较低的复杂度提高变步长符号算法在冲击噪声环境中的收敛速度。算法复杂度分析及仿真结果表明,在冲击噪声环境下所提算法相较于传统自适应滤波信道估计算法能够以更低的复杂度、更快的收敛速度达到相同的信道估计均方误差。     

A two-stage affine projection algorithm with mean-square-error-matching step-sizes

This paper proposes a two-stage affine projection algorithm (APA) with different projection orders and step-sizes. The proposed algorithm has a high projection order and a fixed step-size to achieve fast convergence rate at the first stage and a low projection order and a variable step-size to achieve small steady-state estimation errors at the second stage. The stage transition moment from the first to the second stage is determined by examining, from a stochastic point of view, whether the current error reaches the steady-state value. Moreover, in order to prevent the sudden drop of convergence rate on switching from a high projection order to a low projection order, a matching step-size method has been introduced to determine the initial step-size of the second stage by matching the mean-square errors (MSEs) before and after the transition moment. In order to continuously reduce steady-state estimation errors, the proposed algorithm adjusts the step-size of the second stage by employing a simple algorithm. Because of the reduced projection orders and variable step-size in the steady-state, the algorithm achieves improved performance as well as extremely low computational complexity as compared to the existing APAs with selective input vectors and APAs with variable step-size.