水声信道盲均衡优化仿真研究

研究水声信道盲均衡问题,由于水声受码间干扰,信号产生畸变,通信质量低.采用单一水声信道盲均衡算法寻优能力差,不能满足要求,并易获得局部最优解,导致信道盲均衡效果差.为解决上述问题,提出一种水声信道盲均衡组合算法(MPSO-ACO).首先初始化小波盲均衡器的权向量,然后采用动量粒子算法找到权向量次优解集;最后采用蚁群算法对次优解集进行局部搜索,找到小波盲均衡器的权向量最优解,从而实现水声信道盲均衡.仿真结果表明,相对于传统水声信道盲均衡算,MPSO-ACO算法不仅降低了误码率,而且加快了收敛速度,获得了更优水声信道盲均衡效果.     

一种改进的分数间隔常数模盲均衡算法

研究优化水声通信效果问题,改善水声信道性能,传统常数模盲均衡算法(CMA)的稳健性差,剩余均方误差大。为解决上述问题,提出了一种改进的分数间隔常数模盲均衡算法。新算法采用T/2分数间隔均衡器,针对水声通信中信噪比较低的特点,设计了一个新的误差函数,取代原算法中的误差函数。采用浅海水声信道对改进算法进行了计算机仿真,结果表明:改进算法在低信噪比条件下性能稳健,稳态误差低于常数模算法和分数间隔常数模算法,且具有较快的收敛速度。改进算法适用于信噪比较低的浅海水声信道。     

一种改进的双模式遗传盲均衡算法

水声通信系统,为了消除由多径传播的码间干扰问题,主要采用常数模盲均衡算法(CMA),但存在收敛速度慢以及盲相的特点.为了克服常数模算法的缺点,提升水声通信的质量,在分析了常用的常数模盲均衡算法以及遗传盲均衡算法的优劣性后,利用指导性Cadzow定理解决了两种算法的融合问题,提出了一种改进的双模式遗传盲均衡算法.仿真结果表明该算法有效地结合了CMA算法以及遗传算法的优点,解决了CMA算法收敛速度慢的问题,提升了水声通信的质量.     

水声信道盲均衡的符号判决双模新算法

针对常数模算法(CMA)收敛后均方误差大、双层符号误差常数模算法(DSECMA)收敛速度慢的缺陷,利用CMA的稳健性好和DSECMA计算量小的优点,提出了一种符号判决双模新算法(SDDMA).该算法将均衡器与判决器输出序列模的平方差同均衡器输出序列模平方与DSECMA的常数模之差进行比较,根据比较结果,使迭代过程在CMA和DSECMA之间自动切换.该算法收敛后计算量比CMA小、均方误差比CMA与DSECMA都小,收敛速度比CMA与DSECMA快,有利于信息的实时恢复.水声信道盲均衡的仿真实验结果,进一步验证了该算法的性能.     

基于小波核SVM的水声信道盲均衡算法

推导并提出了一种快速收敛的基于小波核支持向量机的恒模盲均衡器(WSVM-CMBE)。该方法以支持向量机为框架,利用信号的恒模特性构造代价函数,采用小波核函数,并自适应调整核函数中的伸缩因子。通过水声信道仿真实验,并与采用高斯核函数的支持向量机恒模盲均衡器(SVM-CMBE)进行比较,结果证明该方法提高了收敛速度。     

基于T/4分数间隔的判决反馈盲均衡算法研究

在均衡具有深谱零点的稀疏水声信道时,针对波特间隔判决反馈盲均衡器权系数长、收敛速度慢、均方误差大的缺点,提出了基于T/4分数间隔的判决反馈盲均衡算法.该算法前馈滤波器采用4路子信道系统模型,用常数模误差函数对均衡器权系数进行调整,综合了分数间隔均衡器和判决反馈均衡器的优点,均衡器权长只要大于或等于信道长度就能完全均衡信道,该算法收敛速度比波特间隔判决反馈盲均衡算法(BSDFE)与T/4分数间隔盲均衡算法(T/4FSE)快、均方误差比BSDFE与T/4FSE小,且计算量不变,有利于信息的实时恢复.深谱零点稀疏水声信道盲均衡的仿真结果,进一步验证了该算法的性能.     

基于正交小波变换的超指数迭代联合盲均衡算法

为了克服超指数迭代盲均衡算法稳态误差大、不能纠正相位旋转的问题,在分析正交小波变换理论和超指数迭代盲均衡算法的基础上,利用正交小波变换对SEI算法的权向量迭代公式进行修正,同时引入一阶锁相环(PLL)技术,并将其以软切换的方式与判决引导算法相结合,得到一种基于正交小波变换的超指数迭代联合盲均衡算法.该算法利用正交小波变换良好的去相关性,来加快收敛速度,利用PLL技术来快速纠正相位旋转,并用其来初始化判决引导算法,有效地减小了稳态误差.水声信道的仿真结果验证了算法的有效性.     

几种Bussgang族盲均衡算法收敛性能仿真研究

盲均衡是数字通信中的热点问题。收敛速度和剩余均方误差是衡量盲均衡算法性能优劣的重要指标。常数模算法是目前流行的盲均衡算法,有很多优点,但在时变多径衰落无线信道均衡中,该算法存在着收敛速度过慢和剩余均方误差较大的问题。该文研究了三种Bussgang族盲均衡算法,即常数摸算法、归一化常数模算法和超指数迭代算法,在无线信道均衡中的应用,并通过计算机仿真对其性能进行了分析比较。仿真结果表明,在算法剩余均方误差一致的情况下,超指数迭代算法收敛速度最快,归一化常数模算法次之,常数模算法最慢。因此,超指数迭代算法的性能优于归一化常数模算法和传统的常数模算法。该研究结果在工程实践中具有一定的指导意义与应用价值。     

基于QAM星座图划分的水声信道多模算法

针对水声信道中存在较高码间干扰的问题,提出一种采用信号星座图划分的水声信道多模算法,根据水声信道中信噪比较低及QAM星座图的分布特点,进行详细的区域划分,以得到更多的信号星座点信息,对不同的区域定义了不同的模值进行均衡,能够有效降低码间干扰,纠正相位旋转,提高均衡效果.在水声信道条件下,采用QAM调制信号对算法的收敛性能和载波恢复性能进行计算机仿真,结果表明,在最小相位水声信道环境中,新算法在码间干扰性能上得到很大改善;在具有相位旋转的信道环境中,新算法实现了对相位旋转的有效补偿,提高了水声通信数据的可靠性.     

模拟退火与人工鱼群变异优化的小波盲均衡算法

针对人工鱼群算法(AFSA)搜索效率低、易陷入早熟现象等问题,在人工鱼群算法中嵌入变异算子以保持种群多样性,抑制早熟现象,同时引入模拟退火思想增强局部搜索能力,改进算法后期收敛速度减慢的缺点,获得了模拟退火与人工鱼群变异算法;用该算法初始化小波分数间隔盲均衡器的权向量,提出了模拟退火与人工鱼群变异优化的小波分数间隔盲均衡算法(SAFSA-FSE-WTCMA)。水声信道仿真结果表明,新算法具有更快的收敛速度和更小的稳态误差。     

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。     

基于模因算法的多模盲均衡算法

由于常模盲均衡算法(Constant modulus blind equalization,CMA)收敛速度和均方误差都不甚理想,且对多模信号均衡时会发生相位旋转,本文提出了基于模因算法的多模盲均衡算法(Multi-modulus blind equalization algorithm based on memetic algorithm,MA-MMA)。该算法将多模盲均衡算法(Multi-modulus blind equalization algorithm,MMA)代价函数的倒数作为模因算法(Memetic algorithm,MA)的适应度函数,利用MA全局优化机制和局部深度搜索能力,在每次全局搜索后对全部新产生的个体进行局部深度搜索,将全局和局部搜索得到的最优个体解向量作为MMA的初始最优权向量。仿真结果表明,与传统的CMA,MMA以及基于遗传算法的多模盲均衡算法相比,MA-MMA 的收敛速度最快,稳态误差最小,输出信号星座图最清晰。     

双蝙蝠群智能优化的多模盲均衡算法

针对常模盲均衡算法(CMA)均衡多模QAM信号收敛速度慢、剩余均方误差大的缺陷,提出了一种基于双蝙蝠群智能优化的多模盲均衡算法(DBSIO-MMA)。该算法将2个蝙蝠群独立全局寻优得到的一组最优位置向量分别作为多模盲均衡算法(MMA)初始化最优权向量的实部与虚部,以此提高收敛速度并减小剩余均方误差。仿真结果表明,蝙蝠算法(BA)全局搜索成功率高、收敛速度快的特点在DBSIO-MMA中得到很好地体现。与CMA、MMA、粒子群多模盲均衡算法(PSO-MMA)、单蝙蝠群多模盲均衡算法(BA-MMA)相比,DBSIO-MMA具有更快的收敛速度和更小的均方误差。     

一种新的基于统计测度的变步长CMA盲均衡算法

在常模量算法的基础上，提出了一种适合于常模信号的基于统计测度的变步长盲均衡算法。考虑到信道畸变和噪声的同时作用将使得有些观测信号值受到更大的影响，因此可以认为这些值时均衡器系数的调整从统计测度上讲是不太有利，故采用较小的步长，使得该值在整个均衡器系数的调整中贡献较小。本文对此进行了理论解释。仿真结果表明，该算法具有较快的收敛速度，且收敛后的超量均方误差（EMSE）与CMA算法基本相同。     

均方误差控制步长恒模医学CT图像盲均衡算法

提出一种基于均方误差控制的自适应变步长恒模医学CT图像盲均衡算法,利用线性变换将图像的恢复过程等效为一维盲均衡运算,建立了降维处理的医学CT图像盲均衡恒模代价函数,采用信号的均方误差作为步长控制因子,加快算法收敛,改善恒模医学CT图像盲均衡算法性能。仿真结果验证了算法的有效性,新算法改善了峰值信噪比和恢复效果,提高了算法收敛速度。     

基于人工免疫网络的正交小波盲均衡算法

传统的常数模盲均衡算法存在收敛速度慢、均方误差大、易陷入局部极小值点等缺点。为此,提出一种基于人工免疫系统的正交小波盲均衡算法。该算法将均衡器系数向量作为抗体,经过抗体克隆、变异和抑制等操作,搜索到适应度值最高的抗体,即均衡器的最优系数,使权向量跳出局部最优点,接近全局最优点,并利用正交小波变换改善常数模盲均衡算法的收敛性,降低均方误差。仿真实验结果表明,该算法收敛速度快、均方误差小,能得到全局最优解。     

一类新型快速模糊支持向量机

针对一般模糊支持向量机训练时间过长,训练效率低下的问题,通过定义了一种新的隶属度函数的方法,来改进算法,从而得到了一种快速模糊支持向量机。本算法中的新定义的隶属度函数能够对离分类超平面较远、不可能成为支持向量的数据赋予较小的隶属度,使训练样本集中的数据大大减少。同时,在将二类模糊支持向量机推广到k类时,采用了DAGSVMs方法,进一步提高了多类分类问题的分类效率。实验表明,提出的快速模糊支持向量机在保证测试精度的同时,减少了训练时间。     

Two efficient adaptively varying modulus blind equalizers: AVMA and DM/AVMA

Among the blind channel equalization schemes, constant modulus algorithm (CMA), due to its robustness and easy implementation, is an excellent choice to correct the distortions caused by transmission channels. In two-dimensional communication systems, phase recovery is a subject of grave concern which cannot be handled by conventional CMA due to its phase blind nature. In this paper, an adaptively varying modulus algorithm (AVMA) is presented that accomplishes blind equalization and phase correction simultaneously in case of light distorted channels. In order to equalize the channel with higher distortion levels, DM/AVMA, a hybrid of MCMA and AVMA is also presented. Both of these equalizers outperform the conventional CMA and some other existing schemes under certain environments. Analysis and simulation results indicate that the AVMA blind equalizer has faster convergence rate and better steady state performance than those of the conventional CMA & MCMA equalizers in light distorted channels, while, the DM/AVMA equalizer outperforms all the above-mentioned equalizers significantly in channels with higher distortion levels.     

Bi-iterative least squares algorithms for blind channel identification and equalization with second-order statistics

We present an adaptive algorithm for blind identification and equalization of single-input multiple-output (SIMO) FIR channels with second-order statistics. We first reformulate the blind channel identification problem into a low-rank matrix approximation solution based on the QR decomposition of the received data matrix. Then, a fast recursive algorithm is developed based on the bi-iterative least squares (Bi-LS) subspace tracking method. The new algorithm requires only a computational complexity of O(md2)...