一种新的变步长盲恒模信道均衡算法

无线数字通信中,由于电磁干扰和多径效应的影响,使通信质量下降,进而产生码间干扰(inter-symbol interferencc,ISI),ISI的存在会大大降低系统性能,影响码速率的提高.信道均衡技术足解决该问题的一种重要手段,但剩余误差偏大.以信道盲均衡算法中的恒模(CMA)算法为研究背景,提出了一种新的变步长CMA算法,新算法利用QAM信号分布于几个已知圆上的特点,根据均衡器输出信号的模估计理想输出的模.计算机仿真结果表明这种算法能有效地减小剩余误差,是一种很实用的信道均衡算法.     

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。     

水声信道盲均衡器优化设计与仿真

针对水声信道高速数据传输中的码间干扰问题,设计了一种基于小波包变换的分数间隔盲均衡器,优化均衡器性能,以提高水下通信质量。采用具有过采样性质的分数间隔均衡器,减少了波特间隔均衡器常数模算法（CMA）的稳态误差,又加快了其收敛速度;并利用去相关性较强的小波包理论,进一步加快了分数间隔盲均衡器算法（FSE-CMA）和小波分数间隔均衡器算法（WT-FSE-CMA）的收敛速度。水声信道的仿真结果,验证了该均衡器的良好性能。     

水声信道盲均衡器优化设计与仿真

针对水声信道高速数据传输中的码间干扰问题,设计了一种基于小波包变换的分数间隔盲均衡器,优化均衡器性能,以提高水下通信质量。采用具有过采样性质的分数间隔均衡器,减少了波特间隔均衡器常数模算法(CMA)的稳态误差,又加快了其收敛速度;并利用去相关性较强的小波包理论,进一步加快了分数间隔盲均衡器算法(FSE-CMA)和小波分数间隔均衡器算法(WT-FSE-CMA)的收敛速度。水声信道的仿真结果,验证了该均衡器的良好性能。     

一种新的双模式神经网络盲均衡器设计与仿真

在通信系统设计中,常采用盲均衡器来抑制带限信道导致的码间干扰。但传统的常数模算法(CMA)以及基于CMA的双模式算法对于多进制正交调幅信号(QAM)存在较大的误判,收敛后QAM系统性能较差等不足之处。在修正常模算法(MCMA)的基础上,针对QAM信号为多模信号的特点,采用多模算法(MMA)与修正判决引导算法(MDD)结合的双模式算法,并引入可准确模拟信道逆系统的多层感知机结构,得到了一种新的基于双模式算法的多层感知机结构神经网络盲均衡器,利用新算法调整神经网络参数,并且利用重置模块跟踪信道变化。仿真结果表明,新算法调整的神经网络盲均衡器双模式盲均衡器在稳态MSE、收敛性方面都有所提高,并具有抵抗信道突变的能力,为通信系统设计提供参考。     

采用判决圆判决的双模式常模盲均衡算法

为了克服水声信道的多途效应及CMA算法误差函数不对称性所带来的缺陷，定义了奇对称的双曲正切误差函数，构造了基于双曲正切误差函数的常模盲均衡算法（HCMA），提出了一种基于判决圆判决的双模式常模盲均衡算法（DCMA）。该算法将符号迭代算法引至HCMA中，得到基于双曲正切误差函数的符号迭代常模盲均衡算法（HSCMA），再根据信噪比确定判决圆的边界，利用此判决圆进行CMA与HSCMA间的切换。当算法未收敛时，迭代以CMA模式进行，这样可以确保DCMA的快速收敛；当算法收敛后自动切换到HsCMA模式。计算机仿真证明了该切换方法的有效性。     

一种分数间隔判决反馈盲均衡算法的研究

在无线通信系统中,为了抑制由多径效应产生的严重码间干扰(ISI),必须进行信道均衡.收敛速度和剩余码间干扰是衡量盲均衡算法性能优劣的重要指标,根据超指数迭代算法收敛速度快的特点,提出了一种基于分数间隔超指数迭代判决反馈盲均衡算法.同时,引入了二阶数字锁相环(DPLL2)技术以纠正载波相位旋转,并对算法的性能进行了计算机仿真.仿真结果表明,相对于传统的波特间隔常模判决反馈均衡算法(BSCMA-DFE)获得了较快的收敛速度和较小的剩余码间干扰,纠正了载波相位旋转,提高了通信系统的质量,具有一定的实用价值.     

基于混沌系统的正交小波变换盲均衡算法

针对常数模盲均衡算法(CMA)收敛速度慢、稳态误差大和局部收敛的缺点,将正交小波变换与混沌通信理论相结合,提出了一种基于混沌通信系统的正交小波变换盲均衡算法(CS-WT-CMA)。该算法充分利用了混沌映射的伪随机性、遍历性、相关性以及无限宽带功率谱等特点,将混沌调制系统用于产生宽带混沌信号,使用混沌信号作为载波,在调制的同时直接对发射信号进行扩频,从而降低了信道输入信号的自相关性,更好地抑制了码间干扰和多径衰落;同时对均衡器输入信号进行正交小波变换,并作能量归一化处理,降低了信号的自相关性,从而有效地加快了收敛速度。水声信道仿真结果表明,与正交小波变换盲均衡算法(WT-CMA)相比,该算法收敛速度更快、稳态误差更小。     

基于免疫克隆的正交小波变换盲均衡算法

针对传统的常数模盲均衡算法(CMA)收敛速度慢且存在局部收敛的问题,提出了一种快速收敛的免疫克隆正交小波盲均衡算法(CSA-WT-CMA)。该算法将免疫克隆选择算法引入至正交小波盲均衡算法(WT-CMA)中,利用克隆选择算法多峰值函数寻优的特点,将均衡器的权向量作为抗体,并采用正交小波变换降低信号的自相关性。理论分析与仿真实验结果表明,在同样的剩余码间干扰下,与正交小波变换盲均衡算法(WT-CMA)相比,该算法具有更快的收敛速度。     

室内可见光通信盲均衡技术研究

为了降低室内可见光通信的误码率和由于多径效应导致的码间串扰,提高系统的传输特性,研究了可见光通信系统的盲均衡算法。对室内可见光通信（Visible Light Communication,VLC）系统信道进行了建模分析,利用一种改进的冲激响应算法推导计算了室内可见光通信的冲激响应。针对最小均方算法（Least Mean Square,LMS）等需要训练序列、占用信道带宽的缺点,提出了一种基于Sigmoid函数的变步长恒模（Covariance Matrix Adaptation,CMA）盲均衡算法补偿信道损耗。实验结果显示：采用了改进的CMA算法后,系统的收敛速度更快,收敛后的稳态误差减小,均衡器对系统的跟踪效果优良,通信系统的误码率也大大下降,抗噪声能力显著提高,可以有效地改善室内VLC系统的码间串扰问题。     

基于人工免疫网络的盲均衡算法

针对传统常模盲均衡算法存在的收敛到局部极小值点问题,提出一种基于人工免疫网络的盲均衡算法,把均衡器系数向量作为抗体,经过一系列抗体克隆、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。仿真实验结果表明,该算法是有效的。     

一种新的基于统计测度的变步长CMA盲均衡算法

在常模量算法的基础上，提出了一种适合于常模信号的基于统计测度的变步长盲均衡算法。考虑到信道畸变和噪声的同时作用将使得有些观测信号值受到更大的影响，因此可以认为这些值时均衡器系数的调整从统计测度上讲是不太有利，故采用较小的步长，使得该值在整个均衡器系数的调整中贡献较小。本文对此进行了理论解释。仿真结果表明，该算法具有较快的收敛速度，且收敛后的超量均方误差（EMSE）与CMA算法基本相同。     

适用于高阶QAM信号的多模混合盲均衡算法

为了提高高阶QAM信号的盲均衡性能,本文提出了一种新的多模混合盲均衡算法.该算法首先对加权多模盲均衡算法进行改进,提出了新的加权因子选取方法;然后将其与判决引导算法有机结合,构造出新的多模混合盲均衡代价函数对均衡器系数自适应更新.与其他盲均衡算法相比,该算法不仅降低了均衡后的稳态误差,增强了对不同调制阶数的适应能力,而...     

基于正交小波变换分数间隔的神经网络盲均衡算法

针对分数间隔盲均衡算法(T/4-FSE-CMA)收敛速度慢、稳态误差大的缺点,提出了一种基于正交小波变换分数间隔的神经网络盲均衡算法(T/4-FSE-WT-FNN).该算法采用四路子信道模型,以神经网络作为均衡器,同时,对均衡器的输入信号做正交小波变换并进行归一化,与基于正交小波变换的前馈神经网络盲均衡算法(WT-FN...     

空时分组码系统中WL-Kalman均衡算法*

根据空时分组码(STBC)系统的编码特点,提出了一种低复杂度的基于宽线性(WL)处理的Kalman均衡算法。该算法针对STBC系统,利用宽线性处理的思想,采用Kalman均衡算法对接收信号及其复共轭联合进行处理,有效地减轻了由频率选择性衰落信道引起的码间干扰(ISI)。对所提出的均衡算法在不同环境下进行了仿真验证。结果表明,与传统的线性均衡器相比,该算法明显提高了系统的性能,具有实际应用价值。     

A blind equalization algorithm for biological signals transmission

Direct transmission of biological signals such as electrocardiogram (ECG) and electroencephalogram (EEG) through mobile network provides practically unlimited movement of the patients and unlimited coverage area. However, transmission of such signals over a bandlimited channel or through a multipath propagation is subject to inter symbol interference (ISI), whereby adjacent symbols on the output of the channel smear and overlap each other causing degradation of error performance. Mitigation of such kind of distortion can be achieved through equalization filter. Recently an adaptive blind channel equalization using sinusoidally-distributed dithered signed-error constant modulus algorithm (DSE-CMA) has been proposed. In this paper we investigate the performance and the feasibility of this scheme for wireless ECG and EEG transmission. Also, this paper discusses the importance of adaptive blind equalizer for biological signals transmission over existing wireless networks such as Global System for Mobile Communications (GSM) and the Enhanced Data rates for GSM Evolution (EDGE). The geometrical-based hyperbolically distributed scatterers (GBHDS) channel model for macrocell environments was simulated with angular spreads (AS) taken from measurement data. Simulation results show that the low complexity of implementation and the fast convergence rate are the major advantages of deploying this scheme for telemedicine applications. It is also shown that the equalizer output signal is highly correlated with the original transmitted signal in time and joint time-frequency domains.     

Legendre神经网络非线性信道均衡

在分析Chebyshev正交多项式神经网络非线性滤波器的基础上，利用Legendre正交多项式快速逼近的优良特性以及判决反馈均衡器的结构特点，提出了两种新型结构的非线性均衡器，并利用NLMS算法，推导出自适应算法．仿真表明，无论通信信道是线性还是非线性，Legendre神经网络自适应均衡器与Chebyshev神经网络均衡器的各项性能均接近，而Legendre神经网络判决反馈自适应均衡器能够更有效地消除码间干扰和非线性干扰，误码性能也得到较好的改善．     

Blind equalization using parallel Bayesian decision feedback equalizer

The purpose of this paper is to propose a new method for blind equalization using parallel Bayesian decision feedback equalizer (DFE). Blind equalization based on decision-directed algorithm, including the previous proposed Chen’s blind Bayesian DFE, cannot give the correct convergence without the suitable initialization corresponding to the small inter-symbol interference. How to find the suitable initialization becomes the key for the correct convergence. Here, the “start” vector with several states is used to obtain several channel estimates which are the initial channel estimates in proposed method. In these initial channel estimates, the best one which has converged toward the correct result in some degree must exist. The decision-directed algorithm for parallel blind Bayesian DFE is purchased from these initial channel estimates respectively. Evaluating the Bayesian likelihood which is defined as the accumulation of the natural logarithm of the Bayesian decision variable, the correct channel estimates corresponding to the maximum Bayesian likelihood can be found. Compared with Chen’s blind Bayesian DFE, the proposed method presents better convergence performance with less computational complexity. Furthermore, the proposed algorithm works satisfactorily even for channel with severe ISI and in-band spectral null, while Chen’s blind Bayesian DFE fails.