水声信道解相关常数模盲均衡算法

提出了一种基于解相关的水声信道常数模算法，并就其在水声信道盲均衡中的收敛性能，与传统的常数模算法进行了对比研究。计算机仿真结果表明，在算法剩余均方误差非常接近的情况下，解相关常数模算法快于传统的常数模算法。     

水声通信中变步长神经网络盲均衡算法研究

在水声通信领域多途引起的码间干拢可以用均衡消减。盲均衡不需要训练序列,这将有效的节省通信带宽,提高通信效率及通信性能。实际中的通信信道不可能是完全线性的,神经网络作为一种非线性动态系统,具有大规模并行处理及高度的鲁棒性特征,将其应用于水声信道盲均衡切实可行。文中对变步长BP算法的前馈神经网络进行了理论和算法分析,并通过计算机对其实现水声信道盲均衡进行了仿真。仿真结果表明采用变步长BP算法比采用传统BP算法的神经网络盲均衡器收敛速度快,均衡性能明显提高。     

水声信道常数模盲均衡算法

本文研究了分数间距和波特间距常数模盲均衡器在水声信道均衡中的性能。并与传统的自适应LMS算法进行了比较。仿真表明,常数模盲均衡算法与LMS算法性能很接近,具有很强的工程应用价值。     

基于正方形星座图划分的水声信道盲均衡算法

本文提出了一种适用于高阶QAM信号的盲均衡算法，该算法分别对QAM信号的同相分量和正交分量进行均衡，其收敛后的性能优于常数模算法CMA和基于判决圆划分的算法，因而误码率较低．采用分数间隔系统进行水声多途信道的仿真实验验证了该算法良好的收敛性能．     

拟牛顿优化BP网络盲判决反馈均衡器

针对水声通信严重多途效应导致的码间干扰,利用神经网络良好的非线性拟合能力,将盲判决反馈均衡器结构与神经网络相结合,同时通过拟牛顿算法提升神经网络的收敛速度,提出了一种拟牛顿优化神经网络的盲判决反馈均衡器。用两个单隐层误差反向传播（Back Propagation,BP）网络替换判决反馈均衡器前馈和反馈滤波器,利用拟牛顿迭代计算神经网络权值,在不计算二阶导数的前提下,使用近似矩阵来近似各层网络权值误差性能函数Hessian矩阵的逆矩阵,通过测量各层权值的梯度变化进行迭代计算。应用自动增益控制和锁相环进行幅度和相位修正。仿真结果表明,拟牛顿优化神经网络的盲判决反馈均衡器在水声信道均衡问题中具有更快的收敛速度及更低的误码率。     

基于二、四阶累积量的双模式盲均衡算法

针对Shalvi-Weistein(SW)准则和一种有约束条件的SW准则而导出盲均衡算法有不直接性的弊端,介绍了一种归一化累积量的盲均衡准则,同时介绍了基于此准则导出的通过线性时不变系统的盲均衡算法(HOS算法);并将此算法结合传统的直接判决算法,形成了一种基于二阶和四阶累积量的双模式盲均衡(dual-mode HOS)算法。计算机仿真结果表明,双模式盲均衡算法比由准则直接导出的盲均衡算法误差小,有着更优越的性能。     

一种码分多址水声多用户接收系统

研究了一种水声异步多用户通信非集中式接收机系统,将码分多址和空时自适应滤波、多通道判决反馈均衡相结合,克服多用户系统中的多址干扰（MAI）以及水声信道多途效应引起的码间干扰（ISI）,实现指定用户的正确接收。利用实测多通道浅海水声信道响应函数进行了三个用户的异步通信仿真,分别比较了空时滤波均衡与单通道直接解扩、空间分集合并均衡等接收算法的性能,显示了空时滤波均衡接收机在抑制多址干扰、码间干扰、正确区分不同用户等方面的优点。码分多址机制和空时滤波均衡结合使用的特点使系统适合于低速数据传输且水声信道变化较慢的场合。     

水声DS-CDMA通信中多相位假设码片速率自适应判决反馈均衡算法研究

研究了直接序列扩频码分复用(DS-CDMA)通信中基于多相位假设的码片速率自适应判决反馈均衡算法.水声信道的衰落和多普勒频移会严重影响扩频信号的相关特性,需要在做解扩频之前进行多普勒频移补偿和信道自适应均衡.将空间分集-多普勒频移补偿-自最佳自适应判决反馈均衡算法应用到DS-CDMA通信中,提出一种基于多相位假设的码片速率自适应判决反馈均衡算法,并用实际的千岛湖实验数据和仿真数据对算法性能进行了分析.结果表明算法以增加计算复杂性为代价显著提高了DS-CDMA通信性能,在复杂快变的多途和多普勒频移条件下可以保证低的误符号率,在低信噪比条件下能够稳定工作,总体性能良好.     

共生生物搜索算法在水声信道均衡中的应用

由于多径效应和频散效应导致水声信道中声信号衰减和失真严重,传统均衡技术不能满足在水声信道中应用的要求,近年来神经网络在均衡技术方面的突出表现受到广泛关注,因此,本文提出一种高效的神经网络训练算法,即基于非线性自回归神经网络的改进共生生物搜索算法(简称NARX-nSOS算法)实现水声信道均衡。该算法在非线性自回归神经网络(Nonlinear Autoregressive Neural Network with Exogenous Inputs, NARX)均衡器的基础上,用共生生物搜索算法(Symbiotic Organisms Search, SOS)来进行优化,并结合反向学习算法(Opposition-Based Learning, OBL)来提高该算法的收敛能力,利用计算机对NARX-nSOS算法的有效性进行了仿真验证,结果证明NARXnSOS算法加快了收敛速度,通信质量得到了显著提高。     

基于卡尔曼滤波的时变水声信道估计

为了能同时利用时变水声信道的簇状稀疏特性和时间相关性,构造了一种时变水声信道模型,并基于该模型对传统的卡尔曼滤波压缩感知算法进行改进。该方法主要利用前一时刻估计的信道状态响应来确定当前时刻信道的候选支撑集,并以此构造时变水声信道的状态转移方程。通过卡尔曼滤波迭代的方法计算候选支撑集上的系数,最后通过阈值法滤除误差原子。仿真结果表明：该方法能有效地利用水声信道间的时间相关性来提高信道估计的性能,同时由于水声信道存在簇状稀疏特性,因此经该方法也具有一定的鲁棒性。