一种基于矩阵外积分解的信道盲辨识与盲均衡算法

本文提出了一种鲁棒性较好的信道盲辨识和盲均衡算法.在仅需知道信道阶数上界的条件下,首先采用改进的信道阶数估计算法对信道阶数进行精确估计,与现有算法相比,所需信噪比降低、对信道的适应性提高;然后,在矩阵外积分解算法的基础上,加入特征值扰动分析,提高了信道盲辨识和盲均衡性能.仿真结果证明了算法的有效性.     

含共零点SIMO信道直接盲序列检测与信道辨识

在ε均衡概念基础上，提出了对含公零点SIMO信道的盲辨识算法。该算法充分利用发送符号属于有限字符集的先验知识，先直接盲检测发送序列，然后再进行信道辨识。仿真结果表明：不管信道是否包含公零点，本文提出的信道盲辨识ε算法性能都明显地优于基于二阶统计量的其它经典算法。     

基于盲源分离的水声信道盲均衡处理方法

提出了一种基于盲源分离的水声信道讯均衡处理方法,通过对接收信号过采样构成源信号,采用了基于信息最大化原理(Infomax)在线分离算法进行了水声信道的盲均衡,并研究了时变水声信道条件下算法的均衡情况,仿真实验结果表明,该处理方法对多径水声信道具有较好的均衡效果,同时不受最小相位的条件限制。     

基于粒子滤波器的盲辨识和盲均衡新方法

提出了一种新的基于粒子滤波器的盲辨识及盲均衡算法。在对信道进行辨识时，通过对信道均值的采样来代替对真实信道的采样，避免了对信道的后验密度进行采样，从而降低了算法的复杂度。算法还采用先验密度作为重要性函数，以便于对重要性函数进行采样。仿真结果表明，该算法收敛速度快，所需的数据量少，在信噪比较低时也能完成对信道的盲辨识和盲均衡。     

一种改进的稀疏多径信道盲辨识算法

针对无线多径稀疏信道,利用信道有效近似思想,提出了一种改进的基于矩阵外积分解的信道盲辨识与盲均衡算法。算法首先利用改进的VIA信道阶数估计准则,对多径稀疏信道“有效部分”的阶数进行精确估计,然后利用改进的矩阵外积分解算法估计出信道冲激响应的“有效部分”,最后利用该估计结果对接收数据进行反卷积运算,恢复出发送信号。为了降低噪声以及信道冲激响应中的“零抽头”部分对信道盲辨识性能的影响,本算法对噪声方差估计方法进行了改进,提高了算法在中、低信噪比条件下的盲辨识性能。与现有算法相比,本算法不仅降低了对信噪比的要求,而且克服了基于LC准则的子空间算法(SSA, Subspace Algorithm)的相位偏转问题,其中噪声方差的估计方法也可应用于信噪比估计技术。仿真实验以及对SPIB微波信道测试结果验证了本文算法的有效性。      

基于过采样的六二阶归一化累积量盲均衡算法

现有盲均衡算法大多采用先辨识信道、再进行均衡的方法,但信道阶数的估计是一个难点。将高阶归一化累积量用于盲均衡,提出一种基于过采样的六二阶归一化累积量盲均衡算法。该算法不需要辨识信道和估计信道阶数,只对接收信号的六二阶归一化累积量进行优化。仿真结果验证了算法的有效性。     

短波信道盲均衡技术研究

针对短波无线信道的衰落特性严重影响信号接收的问题,在分析研究短波信道特性的基础上,通过研究现有各种盲均衡算法的特点,合理设计均衡器的结构和参数,提出了适用于短波信道的盲均衡改进算法。理论分析和仿真试验均表明,盲均衡算法较好地改善了信道环境,提高了解调性能,具有不占用信道带宽的特点,易于工程实现。     

基于粒子滤波的Turbo盲均衡

粒子滤波是一种基于贝叶斯估计的算法,在信道盲辨识和盲均衡问题上具有快收敛、抗深衰信道等优势。Turbo盲均衡在低信噪比条件下有较好的误码性能。为了在深衰信道下使通信具有良好的误码性能,对粒子滤波盲均衡算法进行改进,改进算法的重要性采样函数利用了粒子的先验信息,得到一种软输入软输出的粒子滤波盲均衡算法。依据Turbo盲均衡的框架结构实现了一种基于粒子滤波的Turbo盲均衡算法,该算法利用信道编码带来的编码增益,提高了均衡和信道辨识的性能。仿真结果表明相比粒子滤波盲均衡算法本文提出算法的误码率性能提高1dB左右,误帧率性能则提高了3dB以上,经分析可知在信道系数估计较为准确的条件下,系统数据帧几乎没有误码。      

基于FABA-SISO的时变频率选择性衰落信道CPM信号盲均衡

该文针对时变频率选择性衰落信道下高阶连续相位调制(CPM)信号盲均衡中存在的均衡性能较差、复杂度较高以及收敛速度慢等问题,从双向自适应信道均衡的角度出发,将线性调制信号均衡中使用的前后向自适应软输入软输出(FABA-SISO)算法推广,建立一种新的基于FABA-SISO的信道盲均衡方法,并结合逐幸存处理(PSP)思想和Kalman滤波,提出一种适用于高阶CPM信号的自适应盲均衡算法。该算法通过使用FABA-SISO算法,同时利用过去、现在和将来的观察数据进行Kalman滤波信道估计,有效改善了信道估计的精度,同时使用PSP算法来降低系统的复杂度,使得算法具有较好的工程应用性。仿真结果表明所提算法具有良好的盲均衡性能以及收敛性。     

基于子空间的无线光通信副载波盲均衡算法研究

文中基于Gamma-Gamma光强起伏分布大气湍流信道模型,对无线光副载波相移键控调制系统进行了子空间盲均衡算法的研究。对比分析了经过大气湍流信道盲均衡前后的副载波调制信号星座图聚敛性,给出了均衡后不同光强起伏方差下的误码率曲线,当R2=0.1,信噪比为20 dB时,误码率从4.710-1降低到1.5610-3,均衡后误码率明显改善。同时采用两种典型实测天气数据(阴、中雨)模拟大气信道进行了子空间盲均衡实验,均衡后调制信号星座图聚敛性与相位可识别性明显优于均衡前。仿真结果表明,子空间盲均衡算法对大气湍流信道下的副载波调制信号有良好的均衡效果。     

Subspace based blind identification of LTI FIR MIMO systems and equalization of finite memory SIMO Volterra systems

In this paper a novel algorithm based on subspace projections is developed for the blind kernel identification of LTI FIR multiple input multiple output (MIMO) systems, as well as blind equalization of finite memory SIMO Volterra systems. In addition, for Volterra systems, the algorithm computes the memory lengths of the nonlinearities involved. Simulations in the context of blind channel equalization and identification demonstrate good performance in comparison to existing schemes.     

Blind identification and equalization based on second-orderstatistics: a time domain approach

A new blind channel identification and equalization method is proposed that exploits the cyclostationarity of oversampled communication signals to achieve identification and equalization of possibly nonminimum phase (multipath) channels without using training signals. Unlike most adaptive blind equalization methods for which the convergence properties are often problematic, the channel estimation algorithm proposed here is asymptotically ex-set. Moreover, since it is based on second-order statistics, the new approach may achieve equalization with fewer symbols than most techniques based only on higher-order statistics. Simulations have demonstrated promising performance of the proposed algorithm for the blind equalization of a three-ray multipath channel     

基于盲均衡的高阶QAM信号调制识别算法

该文针对多径条件下的高阶QAM信号,提出了一种基于改进的HY-NCMA盲均衡方法的调制识别算法。与已有算法相比,均衡器不仅能够纠正载波相位偏转,而且提高了收敛速度;此外,算法提出了新的识别特征,降低了所需要的数据量和运算量,提高了识别率。仿真表明,在中、高信噪比条件下,具有良好的识别效果。     

基于卡尔曼滤波的同步盲系统辨识与解卷积方法

在盲信道均衡或盲语音去混响应用中,盲多信道系统辨识通常是信号解卷积的前提条件,即盲辨识过程后跟一个解卷积过程。本文提出一种基于卡尔曼滤波的同步盲系统辨识与解卷积方法,其中卡尔曼滤波的状态矢量由多信道系统参数与源信号矢量组成,过程方程和测量方程则建立在单输入-多输出系统(SIMO)的输入输出关系及信道间交叉关联关系(Cross Relation)基础上。此外,盲系统辨识部分与解卷积部分是可以解耦的,生成两个看似独立的卡尔曼滤波问题,并且这两个卡尔曼滤波问题可以实现并行计算。与级联结构相比,这种并行结构更有利于算法优化和实时信号处理。仿真表明,对于无噪声理想信号模型,本算法可以实现完全系统辨识和解卷积(信号误差比可达到100 dB以上),说明理论正确;对于实测的混响语音信号亦可以实现一定的去混响效果。      

一种基于ML算法及盲信道识别的DWPM系统

该文提出了一种基于ML算法及盲信道估计的离散小波包调制(Discrete Wavelet Packet Modulation,DWPM)系统.本文通过基于导频信号的盲信道识别方法,获得信道的状态信息,并且利用基于ZF(Zero Forcing)算法的H矩阵消除码间干扰,最后,利用ML(Maximum Likelihood)算法检测解调后的码元,并且通过仿真分析了该系统在多径衰落信道下的性能.仿真结果表明,该系统的性能要比传统的OFDM系统的性能好.