改进的MIMO系统变步长小波常模盲均衡算法

针对传统的多用户MIMO系统常模盲均衡算法收敛速度慢,稳态误差大的缺点,提出来改进的多用户MIMO系统变步长小波常模盲均衡算法,该算法使用变步长代替固定步长来克服收敛速度与剩余误差之间的矛盾,同时利用归一化正交小波变换(WTCMA)和奇异值分解消除时延信号分量,降低接收信号的自相关性,加快收敛速度,减小稳态误差;理论分析和仿真结果表明:新算法可正确恢复出具有信号延时的MIMO系统的源信号,与变步长小波盲均衡算法与CMA算法相比,能获得更快的收敛速度及更小的均方误差。     

一种改进的恒模盲均衡算法

研究了步长对恒模算法（CMA）收敛性能的影响。调整步长至合适的值,使CMA算法性能达到总体最优,并对CMA算法进行改进。仿真结果表明,改进算法与CMA算法相比,收敛速度相近,稳态剩余误差更小,从而解决了CMA算法收敛速度和稳态剩余误差不能同时达到最小的问题。     

基于联合误差控制的变步长双模盲均衡算法研究

针对CMA+DDLMS双模式盲均衡算法对相位不敏感、收敛速度慢、突然切换容易造成误码率升高以及算法不稳定等问题,提出一种基于联合误差控制的变步长双模切换盲均衡算法。与现有双模式算法相比,新算法引入变步长因子有效提高算法收敛速度,同时采用联合绝对剩余误差和判决区域控制的双模切换保证算法的稳健性。采用16QAM系统的仿真结果表明,新算法具有抗干扰能力强、收敛精度高和收敛速度快等特点。     

一种新的CMA神经网络均衡器

在数字通信中,接收信号通常会受到码间干扰的影响。采用盲均衡技术可以消除码间干扰,常模算法（CMA）是应用较广泛的盲均衡算法。因基于常模算法的盲均衡器存在收敛速度慢,剩余误差大的缺点,提出了一种新的基于神经网络的CMA盲均衡器。通过很少的训练序列使网络收敛,再转入盲均衡算法。实验仿真表明,无论是在线性信道还是非线性信道,该均衡器的剩余误差都比普通CMA均衡器较小,收敛速度也较快。     

基于最大后验估计的恒模盲均衡改进算法

为解决恒模算法(CMA)对高阶正交幅度调制(QAM)信号均衡效果较差的问题,提出了一种将CMA算法和最大后验估计(MAP)盲均衡算法相结合的改进算法.该算法运用CMA使均衡达到初步收敛后,改用MAP估计的方法来减小剩余误差.仿真结果表明,该改进算法对高阶QAM信号的均衡也能达到很快的收敛速度和很小的剩余误差,星座恢复图很紧凑.同时由于改进算法不需要进行多次的信号区域判决,其计算复杂度远小于MAP估计盲均衡算法.     

一种新的修正恒模算法

阐述了恒模算法(CMA)、修正恒模算法(MCMA)和判决引导(DD)算法的基本原理。针对CMA和MCMA收敛速度慢,固定步长条件下收敛速度和剩余误差之间存在矛盾的缺陷,在分析CMA误差特性的基础上,利用DD算法误差函数的模值和判决器输出构造新的误差函数,提出了一种新的变步长MCMA。新算法在加快收敛速度的同时保持小的剩余误差。仿真结果表明,新算法比CMA和MCMA收敛速度快,均衡输出剩余码间干扰(ISI)小而且能克服相位偏移,具有很好的实用性。     

数据重用CMA算法收敛成因分析与研究

基于数据重用的CMA算法可以用来解决短突发信号的盲均衡问题,但是其收敛成因却鲜有研究。通过经典CMA算法的推导,引出基于数据重用的CMA盲均衡算法,对其收敛成因进行详细的描述和分析,给出相应的结论,通过计算机仿真验证了这些分析和结论的有效性。     

双蝙蝠群智能优化的多模盲均衡算法

针对常模盲均衡算法(CMA)均衡多模QAM信号收敛速度慢、剩余均方误差大的缺陷,提出了一种基于双蝙蝠群智能优化的多模盲均衡算法(DBSIO-MMA)。该算法将2个蝙蝠群独立全局寻优得到的一组最优位置向量分别作为多模盲均衡算法(MMA)初始化最优权向量的实部与虚部,以此提高收敛速度并减小剩余均方误差。仿真结果表明,蝙蝠算法(BA)全局搜索成功率高、收敛速度快的特点在DBSIO-MMA中得到很好地体现。与CMA、MMA、粒子群多模盲均衡算法(PSO-MMA)、单蝙蝠群多模盲均衡算法(BA-MMA)相比,DBSIO-MMA具有更快的收敛速度和更小的均方误差。     

一种变步长星座匹配多模算法

常数模算法(CMA)在QAM信号上的星座图匹配,存在剩余误差大、无法纠正相位偏差等问题。为此,在研究盲均衡算法的基础上,根据高阶QAM 信号的星座图特点,构造新型的均衡估值函数,并采用误差能量作为步长变化的依据,提出一种变步长星座匹配多模算法。仿真实验结果表明,该算法具有较好的收敛效果,且能改善位偏转,保持CMA算法的鲁棒性。     

一种联合盲均衡算法

为克服数字基带信号在通过非屏蔽五类双绞线时产生的严重码间干扰（ISI）,常采用自适应均衡技术来减小码间干扰,大大降低接收端信号的误码率。最小均方误差（LMS）算法能有效降低码间干扰,但需要训练序列,因此影响传输效率。基于判决引导的最小均方误差（DDLMS）算法不需要训练序列,但在眼图未睁开的情况下,可能出现误判,甚至引起误收敛。恒模算法（CMA）具有比DDLMS算法更好的盲均衡特性,但是剩余误差较大。本文提出一种新颖的联合盲均衡算法,即优化现有的CMA算法,与DDLMS算法组成新的联合盲均衡算法,利用均方误差（MSE）来控制2种算法的权值。MATLAB建模和仿真结果表明,新的联合盲均衡算法克服了CMA算法剩余误差较大和DDLMS算法误收敛的缺陷,且能有效对非屏蔽五类双绞线中传输的数字信号进行均衡。