正交小波分数间隔频率分集自优化盲均衡算法

为克服传统多输入判决反馈盲均衡算法(MI-DFE)稳态误差大、收敛速度慢的缺点,在分析正交小波、分数间隔均衡器、频率分集技术的基础上,提出了一种正交小波分数间隔频率分集自优化盲均衡算法(WT-FF-SOC).该算法将正交小波、分数间隔均衡器与频率分集技术相结合,先得到正交小波分数间隔频率分集盲均衡算法(WT-FF);对WT-FF中每一路的输出合并后再进行判决反馈,用常数模算法(CMA)更新权向量,并作为WT-FF-SOC的跟踪模式;对WT-FF中的每一路信号进行判决反馈处理后,再对判决反馈滤波器的输出进行合并,在推导盲RLS算法后,用盲RLS算法更新权向量,并作为WT-FF-SOC的启动模式。两种模式利用代价函数的判决阈值进行切换。该算法具有收敛速度快、稳态误差小的特点。水声信道的仿真结果,验证了算法的有效性。     

基于动态粒子群小波动态加权多模盲均衡算法

为了提高对高阶正交振幅调制 (QAM) 信号的均衡效果,提出了基于动态粒子群优化(DPSO)的小波动态加权多模盲均衡算法(DPSO-WTDWMMA). 该算法将DPSO算法和正交小波变换结合起来应用于动态加权多模盲均衡算法(DWMMA)中。利用DPSO对均衡器权向量进行优化,利用正交小波变换降低输入信号的自相关性,利用动态加权多模算法来选择合适的误差模型匹配发射的QAM信号,降低了稳态误差。理论分析及水声信道仿真结果表明：DPSO-WTDWMMA算法可获得较快的收敛速度和较低的稳态误差。     

基于平衡正交多小波变换的盲均衡算法

为了克服常模算法(CMA)收敛速度慢的缺点,提出一种基于平衡正交多小波变换的常模盲均衡算法(MWTCMA)。该算法引入了平衡正交多小波,弥补了多小波在实际应用时必须进行预滤波的缺陷,并推导出了平衡正交多小波变换矩阵的通用表达式。水声信道盲均衡的仿真结果表明:与基于正交小波变换的常模盲均衡算法(WTCMA)和常规CMA相比,该算法的收敛速度得到了显著的提高,均方误差得到了一定的改善。     

多小波模糊神经网络盲均衡算法

为了克服传统恒模算法(CMA)采用固定步长造成的收敛速度与收敛精度之间的矛盾,提出了一种基于平衡正交多小波变换的模糊神经网络盲均衡算法(MWT-FNN-BEA).该算法一方面利用模糊神经网络控制器自动调节算法的迭代步长,较好地解决了收敛速度与收敛精度之间的矛盾;另一方面利用平衡正交多小波变换对均衡器输入信号进行去相关性处理,进一步提高了算法的性能。理论分析和水声信道仿真结果表明,所提出的算法具有较快的收敛速度和较小的稳态误差,抗干扰性能好。     

一种改进的正交变换域水声信道盲均衡算法研究

针对常数模算法(CMA)收敛速度慢的缺点，将均衡器输入信号进行正交变换，实现正交变换域盲均衡。同时，引入均衡器输出星座匹配误差(CME)项，提出一种改进的正交变换域信道盲均衡算法(MTDCMA)．水声信道仿真结果表明：与常规常数模算法(CMA)及传统的基于正交变换的常数模盲均衡算法(TDCMA)相比，在同样的剩余码间干扰条件下，新算法具有更快的收敛速度。     

基于改进布谷鸟算法的分数低阶盲均衡算法

针对无线通信系统中传统常模盲均衡算法(CMA)在脉冲噪声环境下适应性较差,难以有效收敛的问题,提出了改进布谷鸟算法优化的分数低阶统计量常模盲均衡算法(SCS-FLOSCMA)。该算法将椋鸟鸟群的集体性行为引入到基础布谷鸟算法(CS)中,有效提高了搜索精度,减少了CS算法后期过早收敛的风险;然后把改进后的CS算法引入到分数低阶常模盲均衡算法(FLOSCMA)中,将搜索过后得到的全局最优巢作为均衡器的初始权向量。仿真表明,与CMA和FLOSCMA算法相比,该方法在均方误差曲线更稳定,收敛速度也更快。     

基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法

针对现有多模盲均算法(MMA)收敛速度较慢、均方误差大的缺陷,提出一种基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法(DNA-GBA-FS-MMA)。该算法利用分数间隔均衡器对信号进行过采样,以获取更多信道信息;将DNA遗传算法引入到蝙蝠算法中,得到一种DNA遗传蝙蝠算法(DNA-GBA),利用这个新算法来寻找蝙蝠群的全局最优位置向量,并作为多模盲均衡算法初始化最优权向量的实部与虚部。仿真结果表明,与现有的MMA相比,DNA-GBA-FS-MMA 的稳态误差最小、收敛速度最快、星座点最清晰紧凑。     

基于混合蛙跳算法的多模盲均衡算法

针对常模盲均衡算法(CMA)收敛速度慢、收敛后稳态误差大且存在盲相位的现象,提出了一种基于混合蛙跳算法的多模盲均衡算法(SFLA-MMA)。它结合了智能优化算法的基本思想,将个体自身的进化及个体间的社会行为等概念引入到盲均衡技术中。该算法将多模盲均衡算法(MMA)代价函数的倒数定义为混合蛙跳算法(SFLA)的适应度函数,将青蛙群体中青蛙个体的位置向量作为MMA的初始权向量;利用SFLA的全局信息共享机制和局部深度搜索能力,在全局范围内搜索青蛙群体的最优位置向量并作为MMA的初始优化权向量。之后,通过MMA进行迭代,得到MMA的最优权向量。利用高阶多模正交振幅调制（QAM）与正交相移键控（APSK）信号对该算法进行了仿真验证。仿真结果表明,与CMA、MMA和基于粒子群算法的多模盲均衡算法(PSO-MMA)相比,SFLA-MMA在均衡高阶多模信号时收敛速度极快、稳态误差最小、输出信号星座图最清晰。     

α噪声环境下基于余弦代价函数的盲均衡算法

针对无线通信系统中传统常模盲均衡算法(CMA)在脉冲噪声环境下适应性较差,难以有效收敛的问题,提出了基于余弦代价函数的自适应分数低阶盲均衡算法。该算法将改进的余弦代价函数代替分数低阶常模盲均衡算法(FLOSCMA)中的代价函数,不再需要已知原信号的统计模值,其适用性更广。仿真实验结果表明,与Floscma、CMA算法以及其它变步长算法相比,本文算法在收敛速率和稳态误差方面均有所改进。     

基于符号峭度最大化的水声信道盲均衡算法

利用随机信号的峭度能完全抑制高斯噪声（TN）的特点，结合符号算法，推导了盲均衡器权向量更新的符号峭度最大化自适应算法（SKMAA），该算法计算量小，在收敛速度与均方误差等方面的性能均优于CMA算法，特别有利于水声信息的实时恢复。通过水声信道盲均衡的仿真实验，进一步验证了该算法的有效性。     

An Orthogonal Wavelet Transform Fractionally Spaced Blind Equalization Algorithm Based on the Optimization of Genetic Algorithm

An orthogonal wavelet transform fractionally spaced blind equalization algorithm based on the optimization of genetic algorithm(WTFSE-GA) is proposed in viewof the lowconvergence rate,large steady-state mean square error and local convergence of traditional constant modulus blind equalization algorithm(CMA).The proposed algorithm can reduce the signal autocorrelation through the orthogonal wavelet transform of input signal of fractionally spaced blind equalizer,and decrease the possibility of CMA local convergence by using the global random search characteristics of genetic algorithm to optimize the equalizer weight vector.The proposed algorithm has the faster convergence rate and smaller mean square error compared with FSE and WT-FSE.The efficiency of the proposed algorithm is proved by computer simulation of underwater acoustic channels.     

基于正交小波变换的判决引导联合盲均衡算法

为了克服水声信道时变多途的影响和基于统计特性的线性均衡(LE)算法收敛后稳态误差大的缺点,提出了基于正交小波变换(OWT)的判决引导联合盲均衡算法(OWT-LE+DD).该算法将OWT理论引入,充分利用OWT良好的去相关性,加快了收敛速度,并采用软判决的方式与判决引导(DD)算法相结合,纠正信道引入的载波相位旋转,减小了稳态误差。水声信道的仿真结果,表明了算法的有效性。     

基于压缩传递函数的神经网络盲均衡算法

提出了一种基于压缩传递函数的神经网络盲均衡算法。利用压缩传递函数,可以避免神经元的净输入落入传递函数的饱和区,从而避免权值调整进入代价函数性能曲面的平坦区,有效提高了算法的收敛速度。利用计算机仿真将文中算法、传统前馈神经网络盲均衡与目前海上靶场遥测信号接收所用的判决反馈均衡方法进行了比较,结果证明文中提出的算法具有更好的均衡性能,更具实用性。     

基于SVM决策树的数据链识别分类

摘要：为解决数据链信号识别分类的问题,提出一种基于支持向量机(support vector machine,SVM)决策树的数 据链识别分类方法。通过分析美军常用的数据链通信信号特征,采用小波变换法分析数据链的特征信息,得出小波 系数与信号能量分布的关系,根据SVM 算法原理,构建目标特征模型,对信号特征量进行识别分类,对SVM 分类 器的关键参数进行优化设计,并与BP 神经网络算法进行对比实验仿真。结果表明：SVM 决策树网络分类器在进行 收敛速度和准确率表现优异,能改善分类识别效能。