盲信道均衡的动量恒模算法

介绍了盲信道均衡恒模算法（CMA）的基本原理，对恒模算法的缺点进行了分析，通过修正恒模算法的迭代公式提出一种动量恒模算法（MCMA）。利用QPSK信号，采用计算机仿真的方法对动量恒模算法与恒模算法进行盲均衡性能比较，模拟结果显示，MCMA算法比CMA算法在收敛速率、降低稳态均方误差和符号间干扰具有明显的优势，有效地改进了信道均衡性能。     

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。     

含软判决引导的修正恒模盲均衡算法

在CMA算法基础上，提出了一种混合的修正恒模盲均衡算法MCMA＋SDD。新算法对CMA算法进行修正，同时引入软判决思想。理论分析和计算机模拟表明，该算法克服了CMA收敛速度慢、稳态误差大的缺点，同时可以纠正相位偏转。与CMA＋SDD算法相比，具有更快的收敛速度和更低的稳态均方误差。     

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。     

基于遗传算法的水声信道常模类盲均衡算法研究

为了解决CMA盲均衡算法收敛速度缓慢、稳态误差大的问题,考虑到初始化权值对CMA算法的重要影响,利用了遗传算法对CMA算法进行有效改进,引入了小样本重用的思想,给出了一种新的适用于水声信道的常模类盲均衡算法,计算机仿真研究证明,该算法不仅大大加快了收敛速度,而且有效的降低了稳态误差。     

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。     

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．     

基于CMA盲均衡器设计（算法研究部分）

在通信系统中,由于信道不理想而造成严重的码间干扰（ISI,Intersymbol Interference）,数据传输的可靠性和数据传输的速率都大大降低,需要用自适应（信道）均衡技术来消除。盲均衡是一种新兴的自适应均衡技术,自从它出现后,就得到了广泛的关注,并在许多领域中得到应用。本文系统地分析研究和归纳总结了Bussgang类盲均衡的基本理论。重点分析了常数模算法（CMA,Constant ModulusAlgorithm）,对常数模算法的迭代公式进行了推导。     

减少自适应均衡算法计算量的研究

通信系统中广泛地使用基于LMS算法的自适应均衡器,常数模(CMA)盲均衡算法也开始在实际中使用。在高速通信中,算法迭代中的大量乘法运算会产生延迟,因此需要尽量减少。符号误差LMS及常数模盲均衡算法虽计算量小,但性能较原算法有较大下降。本文采用以2的整数次幂对LMS及CMA算法的误差项进行了量化,并将该方法应用到与之对应的判决反馈结构之中。该种量化方法不仅使权向量迭代中的乘法大大简化,且由于量化的比特数较多,性能比2bits量化的符号类算法还有很大改进。计算机仿真证明了该误差量化方法的有效性。     

基于频域分解的水声信号宽带盲波束形成

盲波束形成算法可以在不知道阵的流型、信号及干扰方位的情况下,仅根据各阵元接收的数据恢复信号。由于水声信号为宽带信号,为了充分利用宽带信息,提出利用频域分解的方法获得满足窄带条件的信号,并利用窄带盲波束形成JADE（Joint Approximate Diagonalisation of Eigen-matrices）算法进行处理。对宽带盲波束形成算法进行了理论推导和仿真实验。研究结果表明,盲波束形成算法相对于常规波束形成在信号恢复方面有优越性。     

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...     

一种变步长的自适应特征值分解时延估计方法

在房间声场环境下基于传声器阵列的说话人定位中，时延估计算法是其中的关键步骤。与其它常用时延估计方法相比，自适应特征值分解（Adaptive Eigenvalue Decomposition，AED）时延估计算法因其优越的抗混响性能受到越来越多的关注。但在受噪声和混响干扰的语音条件下，传统的自适应特征值分解算法收敛速度较慢，对初值敏感。通过引进动量因式，提出了一种变步长的特征值分解算法，通过理论分析和仿真实验，证实了新算法的收敛性能要优于传统的特征值分解算法，节省收敛时间，使算法的整体性能有所提高。     

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。     

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。     

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。     

稀疏多径信道自适应均衡算法研究

针对传统自适应均衡算法在稀疏多径信道中性能较差的问题,提出了一种基于l₂-范数的自适应均衡算法。该算法利用稀疏多径信道下均衡器权值的稀疏性,将自适应均衡器的训练过程看作压缩感知理论中稀疏信号对字典的加权求和,以解决迭代参数的设置及收敛速度慢的问题。该算法将l₂-范数和压缩感知相结合,不仅提高了权值的精度,而且降低了计算复杂度。仿真结果表明,该算法计算量小,训练序列少,具有较好的性能,对提高系统的通信性能具有参考价值。     

故障滚动轴承振动信号的半盲处理方法研究

利用旋转机械的振动信号的循环平稳特性，采用基于二阶统计量（Second Order Statistic，SOS）的盲均衡技术从多个传感器信号中恢复出“真实的”振动源信号，实现了同类信号的数据级融合。以滚动轴承故障信号的阶次谱结构为先验知识，提出了用于滤波性能评价的两个指标，实现了盲均衡滤波器参数的优化，从而给出了一种可用于滚动轴承故障诊断的半盲信号处理方法。采用某型单级减速齿轮箱的实验数据验证了该方法的有效性。     

自适应非线性BSS及其在齿轮故障诊断中的应用

基于核函数的非线性盲信号处理（BSS）在信号处理中有着广泛的应用,但传统的非线性盲信号处理的学习速率是固定的,如果学习速率选择的不合适,则算法难以收敛或者不能收敛。针对这一不足,结合模拟退火的思想,提出了一种基于核函数的自适应非线性盲信号处理算法。仿真和实验结果表明,该方法改善了原有算法的收敛性能,分离效果良好,算法具有更好的消噪和信号特征提取能力。