基于集员滤波的双归一化数据重用盲均衡算法

数据重用可以有效地加快盲均衡算法的收敛速度,但会带来噪声放大的问题。针对这种情况,该文将数据重用方法应用到基于实虚部分开处理的改进常模盲均衡算法中,采用集员滤波克服应用数据重用时引起的噪声放大问题,推导出一种收敛速度较快的盲均衡算法。实验仿真表明,该算法具有较快的收敛速度,适用于短时信号处理。     

一种新的变步长常模盲均衡算法

常模盲均衡算法采用固定步长时存在收敛速度和稳态误差之间的矛盾,解决这一矛盾的有效方法是用变步长代替固定步长.在分析了常模算法误差特性的基础上,建立了步长因子和误差信号之间的一种非线性函数关系,分析了函数中参数对步长因子的控制,较好地满足了常模算法迭代过程对步长因子的要求,得到一种新的变步长常模算法.新算法能够在加快收敛速度的同时减小稳态误差,且具有较强的信道跟踪能力和抗干扰能力.理论分析和计算机仿真证实:新算法性能较好,具有很好的实用性.     

常模类盲均衡算法的研究

讨论了常模类自适应盲均衡技术,总结了改进和设计常模类盲均衡算法的思路,在常模算法代价函数的基础上给出了一种变步长多模算法.计算机仿真表明,此算法收敛速度较快、收敛后稳态误差较小,具有很好的实用性.