用于高阶QAM系统的ASSDD盲均衡算法

本文给出了一种基于无监督高斯簇模型的自适应变步长软判决引导（ＡＳＳＤＤ）盲均衡算法。为了保证算法收敛,由一种Ｇｏｄａｒｄ 类算法来控制均衡算法,使之运行在“Ｓｔｏｐ－ａｎｄ－Ｇｏ”模式。为了获得较快的收敛速度,当均衡算法处于“Ｓｔｏｐ”状态时,使之切换到一种Ｇｏｄａｒｄ 类算法。采用自适应变步长来达到有效地跟踪均衡器输出的卷积噪声的方差的目的。仿真结果表明,这种算法针对高阶ＱＡＭ 信号是非常有效的     

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。     

适用于MPSK调制的盲均衡技术

本文提出了适用于ＭＰＳＫ调制的盲均衡算法及其改进的形式－变步长盲均衡算法。计算机模拟表明，这和均衡算法及其改进形式均具有良好的收敛特性，可保证通信系统连续工作而无需周期训练，但其误码性能差于传统的ＬＭＳ均衡算法。     

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。     

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.     

基于DD-LMS和MCMA的盲判决反馈均衡算法研究

文章对具有DFE结构的盲均衡算法作了研究,在一种修正常模算法(MCMA)代价函数中引入泄漏因子,并将常模算法(CMA)和直接判决-最小均方误差算法(DD-LMS)同时应用到盲判决反馈均衡器的抽头更新中,得到一种适用范围广?均衡特性好?变步长的DD-LLMS MCMBDFE算法。该算法在均衡的同时能自动补偿由信道引起的相位误差,收敛速度快,收敛后剩余误差小,同时还能克服当均衡器长期没有持续输入激励时,LMS算法产生的抽头系数漂移问题。仿真结果表明DD-LLMS MCMBDFE算法是一种有效的盲判决反馈均衡算法。     

一种适用于FPGA的实现的盲均衡算法

本文提出一种适用于PAM和QAM调制信号的主副抽头分别调整变步长的盲均衡算法,并使用Altera公司的FPGA器件实现,理论分析和计算机模拟表明此盲均衡算法的收敛性能及误码性能均优于CMA算法,是一种很实用的均衡算法。     

一种用于水声通信的快速自适应均衡器设计

信道均衡是现代水声通信系统中克服码间干扰的重要手段,根据时变水声信道需进行信道均衡的要求,设计了一种判决反馈盲均衡器。针对恒模算法在固定步长下存在收敛速度与剩余误差的矛盾缺陷,提出了一种基于剩余误差的变步长恒模算法,并对改进算法进行了计算机仿真及试验测试,结果表明,改进算法无论是在收敛性能还是在均衡效果上都有大幅提高,在实际水声通信中具有较好的应用价值。     

基于组合代价函数的双模式盲均衡新算法

以常数模和判决引导准则设计的双模式盲均衡算法可显著提高均衡性能,目前已有双模式盲均衡算法均需设置切换参数且切换参数选择和设定缺乏理论依据.为解决双模式盲均衡算法中切换参数难以确定的问题,提出来一种组合代价函数的双模式盲均衡新算法.利用常数模和判决引导准则通过加权设计代价函数,在盲均衡器更新过程中自适应调节权值实现算法由常数模算法向判决引导算法的切换,避免了在双模式算法中设计切换参数,提高了算法的泛化性能.为克服常数模算法相位盲的缺点,在虚实分开改进的常数模算法基础上优化组合代价函数以及盲均衡器更新算法的设计,进一步提高了算法收敛性能.仿真结果证明,组合代价函数双模式盲均衡新算法可充分发挥常数模算法和判决引导算法的优点,具有更快的收敛速度和更小的稳态剩余误差.     

一种适用于MPSK调制的混合型盲均衡算法

提出了一种特别适用于ＭＰＳＫ信号的混合型盲均衡算法，理论分析和计算机模拟表明，这种混合型盲均衡算法的收敛性能与Ｇｏｄａｒｄ类盲均衡算法的收敛性能相同，而误码性能优于Ｇｏｄａｒｄ类盲均衡算法，并接近系统ＬＭＳ均衡算法的性能，是一种具有实用价值的盲均衡算法。     

基于小波变换变步长LMS自适应信道均衡的新方法

结合变换域最小均方(LMS)和变步长LMS算法的优势,提出了一种基于小波变换的变步长LMS自适应均衡方法。该方法中步长调整函数采用了改进的Sigmoid函数,该函数具有简单且误差信号接近零时变化缓慢的特点。并且,在训练模式、判决引导模式以及混合模式下,将提出方法和传统均衡方法进行了仿真比较。结果表明,所提出的方法比传统的线性LMS算法、变步长LMS以及小波变换LMS收敛更快、性能更优。     

基于CMA算法的双模式盲均衡算法

常数模算法（ＣＭＡ）的收敛速度非常缓慢。为了加快收敛过程，一旦误码率降低到足够低，该算法必须切换到ＤＤ算法。为了克服这些缺点，本文利用ＱＡＭ信号分布在几个已知半径的圆上的特点，提出了两类多模盲均衡算法。在此基础上又提出一种双模式均衡方案：多模算法模式和常数模算法模式。研究表明，两类多模算法及双模式均衡方案收敛快，收敛性能也令人满意     

A novel variable step size adjustment method based on channel output autocorrelation for the LMS training algorithm

The least mean squares (LMS) algorithm, the most commonly used channel estimation and equalization technique, converges very slowly. The convergence rate of the LMS algorithm is quite sensitive to the adjustment of the step‐size parameter used in the update equation. Therefore, many studies have concentrated on adjusting the step‐size parameter in order to improve the training speed and accuracy of the LMS algorithm. A novel approach in adjusting the step size of the LMS algorithm using the channel output autocorrelation (COA) has been proposed for application to unknown channel estimation or equalization in low‐SNR in this paper. Computer simulations have been performed to illustrate the performance of the proposed method in frequency selective Rayleigh fading channels. The obtained simulation results using HIPERLAN/1 standard have demonstrated that the proposed variable step size LMS (VSS‐LMS) algorithm has considerably better performance than conventional LMS, recursive least squares (RLS), normalized LMS (N‐LMS) and the other VSS‐LMS algorithms. Copyright © 2011 John Wiley & Sons, Ltd.     

Variable Step-Size Constant Modulus Algorithm Employing Fuzzy Logic Controller

The Constant Modulus Algorithm (CMA), although it is the most commonly used blind equalization technique, converges very slowly. The convergence rate of the CMA is quite sensitive to the adjustment of the step size parameter used in the update equation as in the Least Mean Squares (LMS) algorithm. A novel approach in adjusting the step size of the CMA using the fuzzy logic based outer loop controller is presented in this paper. Inspired by successful works on the variable step size LMS algorithms, this work considers designing a training trajectory that it overcomes hurdles of an adaptive blind training via controlling the level of error power (LOEP) and trend of error power (TOEP) and then obtains a more robust training process for the simple CMA algorithm. The controller design involves with optimization of training speed and convergence rate using experience based linguistic rules that are generated as a part of FLC. The obtained results are compared with well-known versions of CMA; Conventional CMA, Normalized-CMA [Jones, IEEE conference record of the twenty-ninth asilomar conference on signals, systems and computers (Vol. 1, pp. 694–697), 1996], Modified-CMA [Chahed, et al., Canadian conference on electrical and computer engineering (Vol. 4, pp. 2111–2114), 2004], Soft Decision Directed-CMA (Chen, IEE Proceedings of Visual Image Signal Processing, 150, 312–320, 2003) for performance measure and validation.     

用于多电平QAM调制的新型的自恢复均衡技术的研究

本文对一种新的代阶函作了研究，提出一种适用于多民平ＱＡＭ（ＭＱＡＭ）信号的自恢复的均衡算法，克服了ＣＭＡ算法对相位不敏感的缺点，并在此基础上提出了两种改进的均衡算法，概率算法和混合算法，理论分析和计算机模拟表明这两种算法的收敛性能优越，而且误码性能与传统的ＬＭＳ均衡算法一致，是两种很实用的均衡算法。     

一种基于误差相关函数的改进变步长LMS算法

最小均方算法的收敛速度和稳态误差之间存在矛盾,为此人们提出了各种变步长LMS算法,其中E-LMS算法是将步长与瞬时误差平方相关联,R-LMS算法是将步长与误差的相关函数相关联。E-LMS算法的抗噪性能较差,在低信噪比条件下性能明显变差,R-LMS算法对突变系统的跟踪能力较差。为此文中给出了一种改进的,基于误差相关函数的VSS-LMS算法,该方法利用E-LMS算法的控制步长策略提高算法的跟踪能力。计算机仿真结果显示,该算法能够同时满足抗噪和跟踪两种要求。     

RLS Algorithm with Variable Fogetting Factor for Decision Feedback Equalizer over Time-Variant Fading Channels

In a high-rate indoor wireless personal communication system, the delay spread due to multipath propagation results in intersymbol interference (ISI) which can significantly increase the transmission bit error rate (BER). Decision feedback equalizer (DFE) is an efficient approach to combating the ISI. Recursive least squares (RLS) algorithm with a constant forgetting factor is often used to update the tap-coefficient vector of the DFE for ISI-free transmission. However, using a constant forgetting factor may not yield the optimal performance in a nonstationary environment. In this paper, an adaptive algorithm is developed to obtain a time-varying forgetting factor. The forgetting factor is used with the RLS algorithm in a DFE for calculating the tap-coefficient vector in order to minimize the squared equalization error due to input noise and due to channel dynamics. The algorithm is derived based on the argument that, for optimal filtering, the equalization errors should be uncorrelated. The adaptive forgetting factor can be obtained based on on-line equalization error measurements. Computer simulation results demonstrate that better transmission performance can be achieved by using the RLS algorithm with the adaptive forgetting factor than that with a constant forgetting factor previously proposed for optimal steady-state performance or a variable forgetting factor for a near deterministic system.     

基于增益函数的线性预测语音增强算法的研究

增益函数估计的精确度直接决定了语音增强算法的性能,并且增益函数的估计依赖于先验信噪比估计算法.DD(Decision Directed)算法具有较低的计算复杂度和有效抑制音乐噪声的优点,是最常用的先验信噪比估计算法,但是DD算法具有语音失真严重的缺点.介绍了DD算法、MDD(Modified method)算法和线性预测增益函数算法,理论分析了各自性能的优缺点,并进行了实验验证.实验结果显示,增益函数的线性预测方法可以取得较好的语音增强性能.