适用于水声信道的新的盲均衡算法

由于时变水声信道的随机相位失真，常模算法（CMA）的误码性能将严重下降。在文献[1]中双模式盲均衡算法的基础上，提出了一种适用于水声信道的新的盲均衡算法（NCMA）。计算机仿真结果表明在时变水声信道中，该算法性能优于双模式算法，能够达到信号相位失真的恢复．并且收敛性能优于双模式算法。     

基于误差信号的双模式遗传盲均衡算法研究

DD算法具有收敛速度快,稳态剩余误差小的优点,是一种最常用的盲均衡算法。遗传盲均衡算法是一种新的盲均衡算法,它利用遗传算法来解决盲均衡问题,具有较好的全局优化特性。在综合研究了DD算法及遗传盲均衡算法的特性后,利用误差信号的特性,给出了一种新的双模式遗传盲均衡算法,有效的结合了DD算法以及遗传盲均衡算法的优点,大大提高了算法的运算速度,提升了收敛性能,解决了遗传盲均衡算法运算量大的问题,并通过计算机仿真验证了该算法的有效性。     

判决引导和常数模融合盲均衡算法研究

结合判决引导（DD：Decision-Directed）算法和常数模算法（CMA：Constant Modulus Algorithm）的各自优点,研究了一种基于DD和CMA的融合盲均衡算法。DD算法收敛速度快,但要求初始接收信号眼图张开,CMA算法稳健,但是收敛速度慢,为此,对接收信号依DD算法和CMA算法获得瞬时误差后进行加权融合处理,以加权后获得的瞬时误差对均衡器权系数进行调节,实现均衡。计算机仿真证明了融合盲均衡算法有效提高收敛速度的同时具有良好的稳健性和均衡性能。     

JADE算法在盲信号分离中的应用

分离矩阵的学习算法是盲信号分离的关键技术,矩阵联合对角化的预白化JADE算法是一种基于四阶累计量的学习算法。本文简要介绍了JADE算法的基本原理,通过实例,采用JADE算法对盲信号进行分离。实验表明,JADE算法在盲源信号分离中是一种很有潜力的方法。     

ARMA模型盲辨识仿真研究及其在机械故障诊断中的应用

介绍一种新的基于高阶累积量的ARMA模型的递推盲辨识算法，并对ARMA模型的盲辨识方法进行了仿真研究，同时与常用的方法（残余时间序列法、q切片法、Newton法）进行了比较和分析。仿真结果表明，该算法具有良好的收敛性和准确性，运行速度快。特别是随着系统的阶次的增加，速度提高越明显。由于在计算中引入高阶累积量，因而该算法还可抑制高斯噪声的于扰。在此基础上，将该方法应用到机械故障诊断中，并进行实验研究，实验结果表明，该方法是有效的。     

自动基线拟合累积量算法纳米颗粒反演

传统累积量反演算法是一种经典的纳米颗粒反演算法,但是利用传统累积量算法对颗粒粒径进行计算时基线值的不同会影响颗粒粒径信息.提出采用一种自动基线拟合的累积量算法,此方法利用光子相关光谱函数作为目标函数进行反演,直接拟合基线值及颗粒粒径信息.利用光子相关光谱实验台对90 nm的乳胶颗粒进行了测试并采用以上两种累积量算法进行数据处理,实验结果表明采用传统累计量算法,由于基线值的不同和噪声的影响,其结果受相关时间影响较大,而采用本文自动基线拟合累积量方法,其测量结果其稳定性好,基本不受相关时间影响.     

基于SOC规划的稳健盲波束形成算法

通过限制估计的方向向量与真实的方向向量之间的误差范数的边界,提出了一种基于二阶锥（Second Order Cone,SOC）规划的稳健四阶累积量盲自适应波束形成算法。该算法相较于采用传统对角加载技术的高阶累积量盲波束形成算法和WCPO-RCUM算法而言,进一步提高了稳健性和输出信干噪比。计算机仿真实验表明,该算法具有很好的稳健性。     

盲均衡算法的发展及其共性思考

引用大量科技文献，阐述了盲均衡算法的发展。从算法的角度，着重介绍了常量模板算法，基于高阶谱的算法，基于神经网络的算法等算法的发展情况，并对其优缺点进行了比较。同时，对各种算法的共性进行了探讨。     

基于简化LSCMA算法的STBC MC－CDMA系统盲多用户检测

在空时分组编码（STBC）的MC－CDMA系统中,根据STBC正交编码的特点,提出了一种简单可行 的基于常模（CM）准则的盲多用户检测算法。该算法基于最小二乘常模算法（LSCMA）的盲多用户检测算法, 算法大为简化,抽头系数减少了一半,性能略有下降。     

一种基于累积量的ESPRIT型盲波束形成算法

讨论一种用于非高斯信号源方位估计的盲波束形成算法。假设背景噪声是二阶统计未知的有色(空间相关)高斯噪声,基于“阵元对”模型的ESPRIT方位估计算法可以通过用累积量矩阵取代自相关矩阵完成信号空间的重建。经过这种处理,加性有色高斯噪声可被滤除,因此算法不需要相关噪声矩阵的知识。当加性噪声源是空间相关矩阵未知的有色高斯噪声时,计算机仿真比较了基于累积量的ESPRIT算法与基于二阶统计的ESPRIT算法的性能。     

引入支持向量机的小波分数间隔盲均衡算法

针对正交小波变换分数间隔盲均衡算法(FSE-WT-CMA)收敛速度慢且存在局部收敛问题,提出了一种引入支持向量机的正交小波分数间隔盲均衡算法(SVM-FSE-WT-CMA).该算法通过对分数间隔盲均衡器的输入信号进行正交小波变换,以降低信号的自相关性,并且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,采用...     

Robust Blind Beamforming Algorithm Using Joint Multiple Matrix Diagonalization

The objective of the blind beamforming is to restore the unknown source signals simply based on the observations, without a priori knowledge of the source signals and the mixing matrix. In this paper, we propose a new joint multiple matrix diagonalization (JMMD) algorithm for the robust blind beamforming. This new JMMD algorithm is based on the iterative eigen decomposition of the fourth-order cumulant matrices. Therefore, it can avoid the problems of the stability and the misadjustment, which arise from the conventional steepest-descent approaches for the constant-modulus or cumulant optimization. Our Monte Carlo simulations show that our proposed algorithm significantly outperforms the ubiquitous joint approximate diagonalization of eigen-matrices algorithm, relying on the Givens rotations for the phase-shift keying source signals in terms of signal-to-interference-and-noise ratio for a wide variety of signal-to-noise ratios     

线性修正下的神经网络盲均衡算法

研究了一种利用横向滤波器对神经网络进行线性修正的盲均衡算法。在神经网络的输入层之前加入一个横向滤波器,以横向滤波器的节点输出作为神经网络盲均衡器的输入,利用常数模代价函数分别得到横向滤波器和神经网络盲均衡器的瞬时输出误差,将瞬时误差加权处理作为调节误差分别对横向滤波器和神经网络盲均衡器的权系数进行调节,算法实现了对非凸性误差曲面进行线性和非线性寻优的组合。计算机仿真证明提出的算法有效提高了神经网络盲均衡算法的收敛速度,降低了稳态剩余误差,具有更好的实用性和均衡性能。     

用高阶累积量投影法检测红外弱小目标

为检测弱小红外运动目标,提出了一种基于高阶累积量投影的检测算法.红外图像序列经背景抑制后,首先计算时域数据的归一化三阶累积量,并将其投影到二维空间,然后在二维空间内对目标轨迹进行统计判决,以实现目标检测.推导出了目标和噪声在二维投影空间中的分布公式.通过与相关算法对比分析,该算法计算量小,检测率随目标信噪比增长较快.利用实际录制的图像序列进行了仿真实验,成功检测到了信噪比不小于2、像面运动速度为2帧/像素的目标,验证了算法的有效性.     

基于三阶累积量的稳健盲波束形成方法

盲波束形成的目的就是在不知道阵列流形先验信息的情况下,从阵列输出数据中恢复出源信号.对于独立源信号的盲分离,Cardoso和Souloumiac提出了一种基于四阶累积量的盲波束形成方法(Joint Approximate Diagonalisation of Eigen-matrices,JADE).然而,巨大的计算量...     

适用于QAM信号的方形判决超指数迭代盲均衡算法

针对超指数迭代判决反馈(Super-Exponential Iteration Decision Feedback Equalization,SEI-DFE)盲均衡算法在水声通信系统中表现出的收敛性差的问题,提出了一种基于正方形判决的修正超指数迭代判决反馈盲均衡算法。该算法在修正超指数算法的基础上,引入判决正方形机制分别对输出信号的同相分量和正交分量进行均衡,以进一步提高相位补偿能力;在判决反馈均衡器中引入二阶数字锁相环,实现对相位旋转的跟踪和补偿。消声水池实验采用16QAM调制信号,从滤波器阶数、步长以及Q矩阵大小三个方面对算法的影响来验证算法的误码率性能,结果表明,新算法的误码率相比修正超指数迭代判决反馈(Modified Super-Exponential Iteration Decision Feedback Equalization,MSEI-DFE)算法改善了两个量级,实现了对相位旋转的有效补偿,大大改善了载波恢复性能。     

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。