MIMO通信系统中QAM信号的快速半盲均衡算法研究

该文针对传输正交幅度调制(QAM)信号的多输入多输出(MIMO)系统的均衡问题,结合方环算法(SCA)的简单性和软决策(SDD)算法的精确性,提出了一种既比较精确又简单的算法(SCA+SDD)。在优化该算法的代价函数过程中,首先用很少的训练序列(等于接收天线数)得到均衡器权向量的一个粗略估计,然后提出利用共轭梯度法进行迭代优化该代价函数的方法,该算法具有近似的二次收敛性,与传统梯度类算法相比较,该方法有非常快的收敛速度和较少的计算量。最后通过误码率(BER)和收敛速度分析该算法的可靠性和有效性,并且通过计算机仿真证明了该算法的良好性能。     

适合高阶QAM信号的加权多模盲均衡算法

该文提出了一种加权多模盲均衡算法。该算法结合了多模盲均衡算法和判决引导算法的各自优势,利用由判决符号的指数幂构成的加权项调整代价函数中的模值。在均衡器系数迭代过程中,加权项不仅随着判决符号自适应地改变,还可以根据MSE估计值作更精确地调整。理论分析和仿真结果表明,与多模盲均衡算法等其它算法相比,该文提出的算法在同等条件下可以获得更快的收敛速度和更低的稳态收敛残差,更适用于高阶QAM信号。     

无线通信中的恒模类盲均衡算法研究

在无线通信系统中，码间干扰（ISI）是影响通信质量的重要因素。盲均衡技术不需要发送导频序列便能自适应调节均衡器抽头系数，能够有效去除ISI。文中介绍了盲均衡技术原理，重点研究了恒模类盲均衡算法，通过对恒模算法（CMA）和改进的CMA算法（包括MMA算法和双模式盲均衡算法）的迭代公式分析，得出了恒模类盲均衡算法的性能。计算机仿真表明恒模类盲均衡算法在无线通信中具有良好的均衡性能。     

几种盲均衡算法的原理与仿真试验研究

介绍了几种恒模算法的改进算法。计算机仿真的结果表明,与恒模算法相比,多模算法和构造函数算法有较小的剩余误差和码间串扰以及更稳定的收敛效果。而构造函数算法,修正恒模算法和修正多模算法則克服了信道传输引起的相位模糊(相位偏移)。     

基于恒模准则的盲均衡算法仿真

阐述了用于信道盲均衡的恒模算法的数学模型和基本原理。针对恒模算法存在收敛速度慢和相位旋转等不足,对近年来出现的一些性能优良的基于恒模准则的盲均衡算法——变步长恒模算法、修正恒模算法和多模算法进行了分析与仿真,并对各种改进算法在不同调制方式下的优缺点进行了说明。最后得到不同算法均衡后的星座图和均方误差曲线,表明具有较好的均衡效果。     

基于信噪比的QAM信号盲均衡算法

提出了一种针对短波QAM信号,采用基于信噪比切换的改进CMA-DDLMS盲均衡算法,对该算法进行了具体介绍,该算法具有残余误差小、收敛速度快的特点,并对该算法进行了仿真验证.     

高阶调制通用恒模盲均衡算法

在无线通信高速数据传输中,限带效应及多径信道带来的码间干扰(ISI)严重影响接收信号的质量。目前广泛采用恒模盲均衡算法(CMA)消除ISI,但是对于高阶非恒定幅度调制信号,CMA算法收敛后的稳态误差很大,收敛效果较差。该文在改进原CMA算法误差更新函数的基础上,提出了一种新的均衡算法。新算法有效地降低了高阶调制下均衡器的稳态偏差并能适应各种调制体制。理论分析和数值仿真给出,新算法在MQAM以及MAPSK调制下都较原CMA算法性能有较大的提升,适合应用在高阶调制体制的通信系统中。     

基于多模误差切换的变步长盲均衡算法

利用多电平正交幅度调制(MQAM)信号的分布特点,提出了一种适合MQAM教字通信系统的新的基于多模误差切换的变步长盲均衡算法.仿真表明,针对巴西A广播信道和rural信道新算法具有更快的收敛速度和更小的剩余误差.     

适用于高阶QAM系统的多模盲均衡新算法

利用QAM信号星座图特点,该文提出了两种含软判决的多模盲均衡算法：MMA+SDD算法和SMMA+SDD算法。两种算法都克服了CMA算法剩余误差大的缺点,在均衡的同时能够克服相位偏转。从仿真结果看,两种新算法的收敛性能和稳态均方误差较CMA+SDD有了进一步提高,其中,MMA+SDD收敛性能最佳,SMMA+SDD的计算复杂度最低。     

适用于高阶QAM信号的分数间隔混合盲均衡算法

为了提高高阶QAM信号的盲均衡性能,提出一种分数间隔混合盲均衡算法。该算法将恒模盲均衡算法(CMA)与判决引导算法相结合,并充分利用了分数间隔均衡结构在收敛速度、稳态误差方面的优势。均衡器系数更新首先进行时域解相关,为了消除恒模盲均衡算法的相位不敏感特性,在实现上构造载波同步与盲均衡的大环路。仿真结果表明,对方形星座图的高阶QAM信号,该算法可以提供更快的收敛速度和更小的稳态误差。     

一种适用于水声信道的双模式盲均衡算法

针对常数模算法(CMA)和符号回归常数模算法(SR-CMA)存在的问题,提出了一种基于分数间隔的双模式常数模(DCMA)盲均衡算法。该算法将常规CMA算法和SR-CMA算法相结合,通过判决圆环完成两种算法之间的切换,根据信噪比确定判决圆环的边界。仿真结果表明,DCMA 的计算效率高于CMA,算法稳定性优于SR- CMA,而且可以获得较低的剩余均方误差。     

一种新的混合信道盲均衡算法

为同时提高盲均衡的稳态MSE性能和收敛速度,该文提出了一种混合信道盲均衡算法。该算法采用判决反馈均衡器结构,在判决可靠时采用DD-LMS(Directed Decision-Least Mean Square)误差项进行迭代,而判决不可靠时采用改进恒模算法(Modified Constant Modulus Algorithm,MCMA)误差项进行迭代,同时判决可靠区间根据直接判决误差进行自适应迭代。该文采用经过数字无线信道的64QAM信号进行了信道均衡仿真。仿真结果表明,相比MCMA算法,该文提出的混合盲均衡算法有效地提高了收敛速度,并具有良好的稳态MSE性能,在误比特率为10-6时,能提高SNR约2dB。     

基于回声状态网络的卫星信道在线盲均衡算法

针对非线性卫星信道,该文提出了两种基于回声状态网络(ESN)的在线盲均衡算法。利用ESN良好的非线性逼近能力,将发送信号的高阶统计量(HOS)代入ESN,结合常模算法(CMA)和多模算法(MMA)构造盲均衡的代价函数,并采用递归最小二乘(RLS)算法对ESN输出权值进行迭代寻优,实现了Volterra卫星信道下常模和多模信号的在线盲均衡。实验表明,该文算法可以有效降低非线性信道对发送信号产生的畸变,相较于传统的Volterra滤波方法,有更快的收敛速度和更低的均方误差值。     

Blind equalization of MIMO systems based on orthogonal Constant Modulus Algorithm

This paper investigates adaptive blind source separation and equalization for Multiple Input Multiple Output （MIMO） systems. To effectively recover input signals, remove Inter-Symbol Interference （ISI） and suppress Inter-User Interference （IUI）, the array input is first transformed into the signal subspace, then with the derived orthogonality between weight vectors of different input signals, a new orthogonal Constant Modulus Algorithm （CMA） is proposed. Computer simulation results illustrate the promising performance of the proposed method. Without channel identification, the proposed method can recover all the system inputs simultaneously and can be adaptive to channel changes without prior knowledge about signals.     

一种适用于高阶QAM系统Bussgang类盲均衡新方法

该文提出一种适用于高阶QAM系统的新Bussgang类多模盲均衡算法。将新的代价函数与星座匹配误差函数结合,给出一种瞬时双模切换混合算法,然后设计了一种基于判决圆的模式切换准则,从而达到进一步有效降低新算法稳态误差的效果。最后,仿真结果以高阶256QAM信号为例,验证了该算法对于高阶QAM信号的盲均衡能力和良好效果。     

改进的CMA+DD-LMS盲均衡算法

在信道眼图闭合的情况下,目前常用的均衡方法是使用常数模CMA等盲均衡算法来使眼图睁开,然后再切换到DD-LMS。本文对CMA+DD-LMS的切换条件进行了修改,引入了一个迭代阈值,以提高算法的收敛速度。计算机仿真结果证明了改进算法在性能方面的提高。     

一种抵抗水声信道多途干扰的新的盲均衡算法

由于在时变水声信道中会产生随机相位失真，CMA算法的误码性能严重下降。在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算法。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，能够达到对信号相位失真的恢复，并且收敛性能优于双模式算法。