一种基于盲均衡的多径环境下调制识别算法

针对频率选择性多径衰落信道下MPSK和MQAM信号的调制分类问题,提出了一种基于盲均衡算法的自动识别算法。将接收到的码元星座图通过一组并行的自适应盲均衡器,当盲均衡器与星座图匹配时其代价函数收敛到最小。所以直接利用盲均衡的代价函数作为调制识别特征,当代价函数收敛后,将具有最小代价函数值的均衡器所对应的信号判为识别结果。仿真结果表明,该算法可以有效识别频率选择性多径衰落信道下的BPSK,QPSK,8PSK,16QAM,32QAM,64QAM信号。     

一种多径环境下的调制识别算法

针对多径环境下MPSK和MQAM信号的调制分类问题给出了一种有效的自动识别算法,利用一组稳健的抗多径的累量不变量和自适应盲均衡算法的代价函数作为识别特征。当盲均衡器与接收到的码元星座图匹配时其代价函数收敛到最小。仿真表明,该方法可以有效识别多径信道下BPSK、QPSK、8PSK、16QAM、32QAM、64QAM信号。     

多径衰落信道下MQAM信号的调制识别

提出了一种在多径衰落信道下基于阵列接收的盲均衡调制识别算法。该方法采用多天线接收的结构,把各阵元接收到的信号进行选择性联合(SelectionCombiner)处理,再利用自适应盲均衡算法的代价函数作为识别特征进行信号识别。仿真表明,该方法在较高信噪比时可以识别多径信道下的MQAM信号。     

基于K-S检验的MIMO-STBC盲识别技术

针对频率选择性衰落信道下STBC信号的盲识别问题,提出了一种基于Kolmogorov-Smirnov(K-S)检验的盲识别算法.算法在单接收天线条件下,首先采用分段建模的思想对STBC信号及频率选择性衰落信道进行建模,将接收信号分成两段;然后通过K-S检验接收信号在不同时延下的经验累积分布函数之间的距离,将其与门限值对...     

适用于高阶QAM信号的多模混合盲均衡算法

为了提高高阶QAM信号的盲均衡性能,本文提出了一种新的多模混合盲均衡算法.该算法首先对加权多模盲均衡算法进行改进,提出了新的加权因子选取方法;然后将其与判决引导算法有机结合,构造出新的多模混合盲均衡代价函数对均衡器系数自适应更新.与其他盲均衡算法相比,该算法不仅降低了均衡后的稳态误差,增强了对不同调制阶数的适应能力,而...     

基于混沌系统的正交小波变换盲均衡算法

针对常数模盲均衡算法(CMA)收敛速度慢、稳态误差大和局部收敛的缺点,将正交小波变换与混沌通信理论相结合,提出了一种基于混沌通信系统的正交小波变换盲均衡算法(CS-WT-CMA)。该算法充分利用了混沌映射的伪随机性、遍历性、相关性以及无限宽带功率谱等特点,将混沌调制系统用于产生宽带混沌信号,使用混沌信号作为载波,在调制的同时直接对发射信号进行扩频,从而降低了信道输入信号的自相关性,更好地抑制了码间干扰和多径衰落;同时对均衡器输入信号进行正交小波变换,并作能量归一化处理,降低了信号的自相关性,从而有效地加快了收敛速度。水声信道仿真结果表明,与正交小波变换盲均衡算法(WT-CMA)相比,该算法收敛速度更快、稳态误差更小。     

基于余弦代价函数的T/4分数间隔盲均衡算法

针对常模算法(CMA)对非常模高阶QAM信号均衡后收敛速度慢,稳态均方误差大的缺点,以T/4分数间隔均衡器为例,提出一种基于余弦代价函数的T/4分数间隔盲均衡算法(T/4-FSE-CCF),该算法将常模的代价函数用构造的余弦代价函数来替代,新算法摆脱了常数模算法对统计模值R的依赖,最后对算法性能进行了理论分析和仿真实验,结果表明,该算法对高阶QAM信号不仅提高了收敛速度而且降低了稳态均方误差。     

频率偏移和符号定时误差的盲估计方法

提出一种适合于频率选择性多径衰落信道的频率偏移和符号定时误差的盲估计方法,该方法主要利用由过采样接收信号所引入的二阶循环平稳特性.通过理论分析,建立了接收信号的循环自相关函数与频率偏移和定时误差之间的关系,在此基础上,导出了频率偏移和定时误差的盲估计算法.本文算法的主要特点是不需要训练序列,而且不依赖于信道衰落和加性噪声的分布特性（时间相关或无关,高斯或非高斯）,特别是它适用于信号星座图为圆形分布或非圆形分布的线性调制信号.通过Monte Carlo仿真实验,在各种不同的条件下对本文提出的盲估计算法的性能进行比较,表明了它的有效性.     

基于SRM准则的恒模盲均衡器

针对在有限样本条件下恒模算法无法保证代价函数的经验风险与期望风险收敛到一致的问题,提出了一种基于结构风险最小化(SRM)准则的恒模盲均衡器(Structural risk minumum-contant model blind equalier,SRM-CMBE).该方法利用信号的恒模特性,在高维特征空间中以SRM为准则构造代价函数,采用核方法实现计算,并结合Kumar快速算法和静态迭代学习算法在线跟踪信道,能够在小样本条件下有效保证代价函数的经验风险收敛到期望风险.通过仿真实验,并与标准恒模盲均衡器(Constant model blind equalizer,CMBE)和修正的恒模盲均衡器(Modified-constant model blind equalizer,M-CMBE)进行比较,结果证明该方法的非线性均衡性能最佳.     

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.