基于动态可变分段误差函数的常数模盲均衡算法

为了克服常数模算法（ CMA）收敛速度慢,稳态误差大的缺点,在分析基于可变分段误差函数的常数模盲均衡算法的基础上,提出了基于动态可变分段误差函数的常数模盲均衡算法。该算法利用均方误差（ MSE）来动态调节误差函数的分段点位置,误差函数特性在均衡过程中随着MSE不断变化,使得算法误差模型与发射信号的模型不断匹配,从而具有增加收敛速度和减小稳态误差的特点。分别用混合相位水声信道和最小相位水声信道对提出的新算法进行仿真实验,结果表明：对于混合相位水声信道,新算法的收敛速度明显快于CMA,且具有更小的稳态均方误差;对于最小相位水声信道,新算法的稳态均方误差明显小于CMA,而收敛速度相当。     

基于常数模算法和自适应变模值符号Godard算法的联合盲均衡(英文)

在数字通信系统中为了克服码间干扰,常采用基于不需要使用训练序列的常数模算法的分数间隔盲均衡技术.但是该技术在对非常模信号,如高阶QAM信号,进行均衡时存在稳态均方误差大的缺陷.因此提出了一种基于常数模算法和自适应变模值符号Godard算法的联合盲均衡.新方法将常数模算法作为基础部分用来使接收信号的眼图睁开;将自适应变模值符号Godard算法作为第二部分用来进一步减少算法的残留误差.通过计算机仿真验证了新方法比基于常数模算法的分数间隔盲均衡具有更低的稳态均方误差.     

一种新的基于CMA算法的递归步长盲均衡算法

本文在ＣＭＡ算法代价函数的基础上,提出了一种适合于多电平正交幅度调制数字通信系统的递归步长多模盲均衡算法。研究表明,该算法在计算量增加不大的前提下,能同时获得较小的误码率和较小的稳态误差,而其收敛速度也比ＣＭＡ算法有较大的改善。     

改进CMA盲均衡算法的研究与分析

目前,常数模算法(constant modulus algorithm,CMA)应用非常广泛,但它存在收敛速度慢,剩余误差大的缺点。为加快收敛速度,一旦误码率降低到足够低,算法必须切换到DD(decision—directed)算法,针对其存在的缺点,提出了一种改进的CMA算法,通过理论分析得出：该算法具有收敛速度快、剩余误差小的特点。通过利用Matlab对改进前、后2种算法的仿真,对算法的有效性进行了验证。     

一种改进的MCMA盲均衡算法

为提高盲均衡的收敛速度、进一步降低码间干扰,该文以修正常数模算法为基础,提出了基于停止与前进算法的改进修正常数模算法。并对新算法进行了计算机仿真,结果表明：该新算法克服了常数模算法稳态误差大的缺点,纠正了常模算法存在的相位旋转问题,提高了修正常模算法收敛速度且降低了稳态误差。     

一种新的基于CMA算法的递归步长盲均衡算法

本文在ＣＭＡ算法代价函数的基础上,提出了一种适合于多电平正交幅度调制（ＭＱＡＭ）数字通信系统的递归步长多模盲均衡算法。研究表明,该算法在计算量增加不大的前提下,能同时获得较小的误码率和较小的稳态误差,而其收敛速度也比ＣＭＡ算法有较大的改善。     

改进型CMA-DFE盲均衡算法的研究

CMA-DFE盲均衡算法在时变信道中有着广泛的应用.针对CMA-DFE盲均衡算法的缺点,提出一种改进型CMA-DFE盲均衡算法.该算法把CMA-DFE盲均衡算法中前馈滤波器和反馈滤波器更新方程中的迭代步长由原来的固定值改成可变值,从而进一步提高了CMA-DFE盲均衡算法的收敛性.仿真实验结果表明,与CMA-DFE盲均衡算法相比,改进型CMA-DFE盲均衡算法具有更好的均衡效果和收敛性能.     

改进后的NCMA盲均衡算法性能分析

近年来，盲均衡在通信和信号处理领域已受到普遍关注。归一化常数模算法(the normalized constant modulus algorithm，NCMA)是盲均衡算法的一种，它不同于其他算法，采用线性评价函数，对它的研究比较少。在研究NCMA盲均衡算法及改进后算法的基础上，对该算法及改进后算法进行了模拟仿真；并对改进后的NCMA算法和其他盲均衡算法进行了比较，从3个方面对其性能进行分析；结果充分显示了NCMA算法的优点，证明改进后的算法更具优越性。     

一种新的基于水声信道双模盲均衡算法

提出一种蜂窝型（非正方形）16APK调制算法和新的基于蜂窝型判决区域的双模式盲均衡算法（DHDRA）. 对典型的浅海水声信道进行的仿真结果表明,基于蜂窝型16APK的调制算法比基于正方形16QAM的常数模盲均衡算法（CMA）更具抗干扰能力,收敛速度更快;基于蜂窝型判决区域的双模式盲均衡算法在收敛速度和稳态误差方面均优于基于正方形环判决区域的双模式算法,对于提高水下通信质量,降低码间干扰具有一定的研究价值.     

一种适用于水声信道盲均衡算法及仿真

对于高阶QAM信号,常数模算法的收敛误差不为零,而多模算法的收敛速度慢,提出了一种混合常数模算法,并将该算法应用于水声信道盲均衡。该算法根据均衡器输出信号模值与其判决模值之间的距离,设置一判决域。根据该判决域,算法的迭代过程在常数模和多模算法之间自动切换,且收敛后自动切换到多模算法。该算法收敛速度快,且均方误差小,特别适合高于高阶QAM信号的盲均衡,通过对水声信道均衡的计算机仿真,验证了该算法的优点及对多途干扰抑制的有效性。     

一种基于递归逆的快速盲均衡算法

在现代数字通信中,盲均衡算法是克服多径衰落引起的码间干扰(Inter symbol Interfer-ence,ISI)的有效方法。文章利用递归逆(Recursive Inverse,RI)自适应滤波算法收敛速度快、稳态均方误差小的优点,提出一种新的双模式盲均衡算法。该算法通过一种新的双模式机制,将RI自适应滤波算法应用于盲均衡,可以在获得小的MSE(Mean Square Error,MSE)的同时实现快速收敛。仿真结果表明,相比盲RLS(Recursive Least Square)算法和传统双模式算法,该算法在获得良好稳态MSE性能的同时提高了收敛速度,可以有效地对多径环境中突发信号进行盲均衡。     

一种基于递归逆的快速盲均衡算法

自适应调度是以满足系统某一性能指标要求为目的,对数据查询中的算子进行动态调度的系统优化技术。针对选择查询中可交换顺序的条件过滤器的排序问题,设计了自适应过滤器排序算法,它以静态贪心算法为基础,通过滑动窗口机制模拟出过滤器之间的条件选择性特征,构建了一个条件概率关系矩阵,以指导过滤器排序的动态优化,得到一个当前条件下处理开销最低的过滤器排序,在较低的运行开销条件下,提升了系统的处理能力。     

利用盲信号分离的自然梯度盲均衡算法

针对目前已有的基于盲信号分离的盲均衡算法没有利用传输信号本身的统计特性而存在的因为近似处理引起的误差的问题,该文提出一种基于盲信号分离的自然梯度盲均衡算法。该算法充分利用了信号星座图的先验知识,为解决多峰值引起的问题采用了多阶聚类的方法。这比仅仅基于盲信号分离的盲均衡算法更为精确,从而能得到更快的收敛速度和更低的码间干扰。     

基于EVA的改进型盲均衡算法

为解决盲均衡算法中的相位旋转问题,提出了一种基于特征向量算法(EVA)的改进型盲均衡算法,并与EVA算法进行了比较. 新算法通过构造包含信道相位信息的度量解决了EVA算法的相位旋转问题. 仿真结果表明,提出的算法与EVA算法相比在收敛速度方面提高约10%,抗噪声性能提高1?dB,减小残留干扰约10%,而且并未增大运算量.     

基于QPSK系统的盲均衡TXK算法

由于实际数字信息通过的信道是带限、非理想信道，将引起符号间干扰，如果不加补偿，会产生高的差错率．均衡器是为补偿这些信道失真而设计的．提出了基于四相相移键控系统(QPSK)的TXK算法．该算法能够有效地适用于实单输入多输出信道(SIMO），其思想是利用信道Toeplitz估计复矩阵H的实部估计发送序列．通过基于经典文献信道仿真结果表明，该算法对于四相相移键控系统具有良好的盲信道均衡和盲信号序列检测能力．     

一种新的CMA-DFE盲均衡方法

提出了一种新的常数模(CMA)盲均衡方法，误差性能表面(EPS)分析表明其收敛性优于常用的CMA2-2方法。为进一步减小稳态失调误差，采用峰度判决机制，一旦检测到眼图张开即转入判决反馈均衡(DFE)工作方式。仿真实验证实了该方法的有效性。     

多算法加权融合的盲均衡算法

在研究了多种广泛使用的盲均衡算法的基础上,设计了一种对多种算法加权融合的新算法：
当均衡器的输出信号可靠性足够高时,用可获得高收敛精度的多模辅助算法(MAMA)进行均衡
;当均衡器的输出信号可靠性不够高时,用修正的常模算法(MCMA)、多模算法(MMA)和MAMA 三种算法的加权融合来均衡,且控制权重,使权重随迭代次数变化,提高了算法性能. 仿真结果证明,新算法性能稳定,在恶劣的水声信道中,可以在大约2?800次迭代后收敛,达到-35?dB左右的码间干扰(ISI).     

基于区域划分的双模式盲均衡算法研究

改进常模算法(MCMA)克服了常模算法(CMA)对相位不敏感的缺点,但收敛性能仍然较差。本文研究了依据区域划分将MCMA和判决引导(DD)算法有机结合的双模式盲均衡算法:通过综合考虑信噪比和剩余码间干扰,研究了区域划分边界的确定;讨论了不同模式中步长的选取;并应用滞后切换策略克服这种算法中的稳态误差波动问题。仿真表明:此算法收敛速度快、稳态误差小,并能在去除码间干扰的同时纠正信道固有的相位旋转和一定范围的载波频率偏移,具有很好的实用性。     

一种改进的递归神经网络盲均衡算法

提出了一种新的基于递归神经网络的快速收敛盲均衡算法。设计中采用观测信号的四阶统计量构造代价函数,简化了系统的复杂度;利用实时递归学习算法对系统参数进行动态调节。该算法具有镇定性,其收敛性能不会受到失真信道的影响,适用于均衡衰落性严重的信道。实验仿真结果表明对具有频率选择性衰落的非线性信道,该算法在收敛速度和对抗码间串扰方面都具有良好的性能。