时变步长恒模医学CT图像盲均衡算法

提出一种基于误差信号峰度的自适应时变步长恒模医学CT图像盲均衡算法,通过降维处理将图像的恢复过程等效为一维盲均衡运算,构建行列等效变换的降维医学CT图像恒模盲均衡代价函数,利用误差信号峰度控制步长因子,加快算法的收敛速度。仿真结果表明,该算法能改善恢复效果,减小稳态剩余误差。     

基于误差信号峰度的时变步长恒模盲均衡算法

论文针对固定步长恒模盲均衡算法的缺陷,提出了一种自适应时变步长恒模盲均衡算法,采用误差信号的峰度作为步长控制因子。经计算机仿真与理论分析表明,该算法与传统恒模算法相比,收敛速度加快,稳态剩余误差减小。     

约束恒模医学CT图像盲均衡算法

为了改善图像的峰值信噪比,提高算法的可靠性和恢复效果,利用线性变换将图像的恢复过程等效为一维盲均衡运算,建立了医学CT图像约束恒模代价函数,并分析了其凸性,提出一种基于信号降维处理的医学CT图像盲均衡算法。仿真结果验证了算法的有效性,新算法的迭代过程避免了矩阵逆运算,提高了运算效率。     

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。     

射频识别中盲均衡算法的研究

分析了射频识别中码间干扰的产生原因,针对码间干扰的克服,提出了一种基于时变步长神经网络盲均衡算法.采用三层前馈神经网络结构,传递函数选用f(x)=x+0.005sin πX,代价函数选用传统恒模盲均衡算法的代价函数,步长控制因子为均方误差非线性函数,推导了算法的迭代公式,选择了待定参数,并进行了计算机仿真,验证了所提算法的有效性.     

一种改进的变步长常模判决反馈盲均衡算法

针对基于CMA的DFE盲均衡算法收敛速度慢、收敛后稳态剩余误差大的缺点,提出了一种改进的基于CMA的DFE盲均衡算法。该算法通过引入均方误差作为调整步长的参量,构造出指数型变步长函数,把基于CMA的DFE盲均衡算法中前馈滤波器和反馈滤波器更新方程中的固定步长值变为可变值,并对其收敛性做了分析。计算机仿真表明,改进算法具有较快的收敛速度和更小的剩余误差。     

几种Bussgang族盲均衡算法收敛性能仿真研究

盲均衡是数字通信中的热点问题。收敛速度和剩余均方误差是衡量盲均衡算法性能优劣的重要指标。常数模算法是目前流行的盲均衡算法,有很多优点,但在时变多径衰落无线信道均衡中,该算法存在着收敛速度过慢和剩余均方误差较大的问题。该文研究了三种Bussgang族盲均衡算法,即常数摸算法、归一化常数模算法和超指数迭代算法,在无线信道均衡中的应用,并通过计算机仿真对其性能进行了分析比较。仿真结果表明,在算法剩余均方误差一致的情况下,超指数迭代算法收敛速度最快,归一化常数模算法次之,常数模算法最慢。因此,超指数迭代算法的性能优于归一化常数模算法和传统的常数模算法。该研究结果在工程实践中具有一定的指导意义与应用价值。     

基于人工免疫网络的正交小波盲均衡算法

传统的常数模盲均衡算法存在收敛速度慢、均方误差大、易陷入局部极小值点等缺点。为此,提出一种基于人工免疫系统的正交小波盲均衡算法。该算法将均衡器系数向量作为抗体,经过抗体克隆、变异和抑制等操作,搜索到适应度值最高的抗体,即均衡器的最优系数,使权向量跳出局部最优点,接近全局最优点,并利用正交小波变换改善常数模盲均衡算法的收敛性,降低均方误差。仿真实验结果表明,该算法收敛速度快、均方误差小,能得到全局最优解。     

基于模拟退火的DNA遗传优化小波多模盲均衡算法

针对小波多模盲均衡算法收敛速度慢、稳态误差大、容易陷入局部最优解的缺点,提出一种基于模拟退火的DNA遗传优化小波多模盲均衡算法。该算法将模拟退火算法与DNA遗传算法相结合,利用模拟退火算法对个体的退火操作,提高了DNA遗传算法的局部搜索能力。同时,在DNA遗传算法中采用自适应变异概率,进一步改善了算法的性能。根据盲均衡算法的特点,将基于模拟退火的DNA遗传算法融入到小波多模盲均衡算法中,对均衡器权向量进行了优化。仿真结果表明,与多模盲均衡算法和小波多模盲均衡算法相比,该算法在收敛速度和均方误差方面都有显著改善。     

基于NCMA算法的递归步长多模盲均衡算法

为了解决传统常数模盲均衡算法收敛速度缓慢的问题，考虑到M-QAM信号模值分布在几个已知半径圆上的特点，该文给出了一种新的基于归一化常数模（NCMA）的递归步长多模盲均衡算法。这种算法能够自适应地调节步长，使收敛后的步长在达到最优的同时，得到的剩余稳态误差也达到最小。仿真实验表明，该算法能够在计算量增加不大的前提下，具有较好的收敛性能及抗误码性能，其收敛速度也得到较大的改善。     

一种新的变步长常模盲均衡算法

常模盲均衡算法采用固定步长时存在收敛速度和稳态误差之间的矛盾,解决这一矛盾的有效方法是用变步长代替固定步长.在分析了常模算法误差特性的基础上,建立了步长因子和误差信号之间的一种非线性函数关系,分析了函数中参数对步长因子的控制,较好地满足了常模算法迭代过程对步长因子的要求,得到一种新的变步长常模算法.新算法能够在加快收敛速度的同时减小稳态误差,且具有较强的信道跟踪能力和抗干扰能力.理论分析和计算机仿真证实:新算法性能较好,具有很好的实用性.     

基于模糊神经网络控制的变步长盲均衡算法

文章提出了一种新的模糊神经网络(FNN:FuzzyNeuralNetwork)控制的变步长盲均衡算法,利用模糊神经网络控制盲均衡算法的迭代步长,以得到更好的均衡性能。该文设计出模糊神经网络控制器的结构并给出状态方程,提出了新的代价函数,推导出控制器参数的迭代公式。计算机仿真表明,该算法与传统恒模(CMA:ConstantModulusAlgorithm)盲均衡算法相比,具有稳定性好的优点。     

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。     

基于非线性Volterra信道的复数神经多项式盲均衡算法

针对传统常模算法收敛速度慢、均方误差大以及传统神经网络参数多、复杂度高的问题,提出了基于非线性Volterra信道的复数神经多项式盲均衡算法(Fuzzy neural network-complex valued neural polynomial-constant modulus algorithm,FNN -CNP-CMA）。该算法包含单层神经网络和非线性处理器的复数神经多项式,模块结构简单、复杂度低。由模糊神经网络(Fuzzy neural network, FNN）设计的模糊规则控制器能有效提高步长的控制精度。仿真实验结果表明,该算法系统结构简单、复杂度低、收敛速度快且稳态误差小,较好地解决了收敛速度与均方误差之间存在的矛盾。     

定步长压缩感知锥束CT重建算法

针对锥束CT成像系统中投影数据不完全的图像重建问题,提出了一种定步长压缩感知锥束CT重建算法。首先将锥束CT重建问题归结为投影数据均方误差作为数据保真项、全变分作为正则项的无约束优化问题,分析目标函数的Lipschitz连续性;然后近似计算Lipschitz常数,求出梯度下降步长,利用梯度下降法进行重建;最后对CT投影数据采用联合代数重建算法更新重建图像。在每次迭代过程中调整梯度下降步长,提高重建算法的收敛速度。Shepp-Logan模型的无噪声实验结果表明,该算法的重建图像信噪比分别比联合代数重建算法、自适应最速下降-凸集投影算法、BB梯度投影算法的重建图像信噪比高出13.7728dB、12.8205dB、7.3580dB。仿真试验表明该重建算法提高了收敛速度,同时减少了重建图像的相对误差,极大提高了用少量投影数据重建的图像质量。     

支持向量机初始化的常数模盲均衡算法仿真

为了提高常数模盲均衡算法的收敛速度并避免算法收敛至局部极小,提出了一种支持向量机初始化的常数模盲均衡算法.新算法采用一小段初始数据,利用支持向量机,将盲均衡问题转化为全局最优的支持向量回归问题,对盲均衡器的初始权向量进行设定,而后切换至计算量较小的常数模算法.采用浅海水声信道对新算法进行了计算机仿真,结果表明:支持向量机初始化阶段收敛速度快;切换至常数模算法后性能稳定.该算法适合应用于快衰落水声信道中通信数据的实时恢复.     

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。