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。     

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。     

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。     

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。     

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。     

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。     

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。     

变步长LMS自适应均衡算法研究

为解决宽带无线通信中由多径信道产生的符号间干扰,对最小均方(LeastMeanSquares,以下简称LMS)自适应均衡算法进行深入分析。针对LMS算法收敛速度和稳态均方误差相互矛盾的问题,重点研究变步长LMS算法,在现有算法的基础上,进行步长分析,提出一种新型变步长LMS算法。利用信道响应长度、均衡器阶数、收敛误差共同控制迭代步长,简化步长设置,提升算法的收敛速度并降低稳态均方误差。仿真分析表明新型变步长LMS算法有更好的收敛特性。     

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．     

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。     

一种新的用于3G互连的盲均衡改进算法TDE—CMA

DVB中广泛使用的CMA均衡算法一直深受伪收敛问题的困扰。从CMA算法的代价函数、迭代方程 及初始化系数等方面对伪收敛问题进行研究,在此基础上提出一种带时延估计的CMA改进算法。该算法通过引 入时延校正因子来调整主径的位置,从而避免了伪收敛现象。计算机仿真表明该方法大大提高了原算法的收敛 性,并且具有运算量小、易实现的优点,是一种实用性较强的改进算法,适用于高速的３G互连应用。     

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。     

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。     

数据重用在短波信道盲均衡中的应用

为解决短波通信中非合作接收数据短、直接均衡迭代难于收敛的问题,将数据重用的思想引入盲均衡算法中,通过分析数据重用均衡后序列与原始码元序列峰度的关系,验证数据重用方法的有效收敛性,将此方法用于典型Bussgang类盲均衡算法,并分析影响数据重用盲均衡效果的几个因素,通过仿真实验表明,数据重用方法大大减少Bussgang类盲均衡算法收敛所需要的码元数目,有一定的工程实用价值。     

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。     

简化因子图均衡的参数估计算法

为了有效解决符号间干扰对通信系统的影响,研究了系统接收端的信号均衡,尤其是基于因子图的迭代均衡。考虑到基于因子图的迭代均衡算法的复杂度较高,而且信道的冲击响应是未知的,需要对因子图模型的参数进行估计,基于置信度传播算法提出了一种简化因子图均衡的参数自适应估计算法。仿真结果表明,该参数估计算法能够有效降低因子图均衡算法的复杂度,在典型线性失真的复杂多径信道下,简化因子图均衡算法的性能与传统的因子图迭代均衡性能相当。     

基于BP神经网络的盲均衡器设计

为构建用于某语音信号传输系统盲均衡器的BP神经网络模型,编写了基于BP神经网络的盲均衡算法伪代码,计算了算法的时间复杂度,分析了BP神经网络输入层神经元个数、隐含层神经元个数和隐含层层数对盲均衡算法性能的影响,评估了基于Sigmoid的变步长算法、基于误差补偿的变步长算法和基于误差的变步长算法对基于BP神经网络的盲均衡器性能的改进效率,据此设计了一种含双隐层结构的BP神经网络盲均衡器,并对其性能进行了数值仿真分析,明确了其适用范围,为该语音信号传输系统设计提供了技术支撑。     

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。     

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。     

一种新型快速收敛的LMS谐波检测算法

针对传统基于固定步长LMS算法在电网谐波检测中存在收敛速度与稳态精度需折中选择的问题,提出了一种新型具有较高收敛速度的改进变步长LMS算法。该算法以同一相位下相邻两时刻的误差信号e(n)、e(n－1)的自相关估计调节步长更新,并且采用归一化处理方式,以误差信号在总电流信号中的比例k(n)、k(n－1)作为新反馈量,同时对新的反馈量进行相干平均估计来调整步长迭代;在权值迭代公式中引入相邻时刻估计误差绝对值之差的扰动量来加快自适应滤波器权矢量的迭代速度。MATLAB/Simulink仿真和实验证明,该方法相对于传统固定步长LMS谐波检测算法在收敛速度和稳态精度上有了进一步的提高,尤其在负载发生突变时的跟踪能力。