非线性通信信道的神经FIR自适应幅值Laguerre均衡器

针对数字通信系统中线性和非线性信道干扰问题,在分析神经FIR滤波器、判决反馈结构和Laguerre滤波器的基础上,提出了神经FIR自适应幅值判决反馈均衡器和神经FIR自适应幅值Laguerre均衡器.其中神经FIR自适应幅值Laguerre均衡器结构简单,具有IIR和FIR滤波器特点,能够使用较少的阶数达到较好的均衡效果,且理论分析证明该均衡器是稳定的(0相似文献   

正交多小波变换常模判决反馈盲均衡器

针对常模判决反馈均衡器收敛慢的缺点,在对常规的基于平衡正交多小波变换的常模判决反馈盲均衡器（MWT-CMA-DFE）进行分析的基础上,设计了一种新的基于平衡正交多小波变换的判决反馈盲均衡器（NEW-MWT-CMA-DFE）。该均衡器通过对判决器的输出信号进行归一化正交多小波变换来加快收敛。仿真结果表明：对信道频率响应变化比较平滑的信道,与CMA-DFE和MWT-CMA-DFE相比,NEW-MWT-CMA-DFE的收敛快且稳态误差小;对信道频率响应起伏大的信道,NEW-MWT-CMA-DFE和MWT-CMA-DFE性能基本一致,而比CMA-DFE收敛快且稳态误差小。     

一种组合神经网络非线性判决反馈均衡器

1 引言数字通信系统的典型模型如图1所示,发送序列s(n)经信道传输后因发生失真及噪声v(n)的影响而成为畸变信号x(n),为此需用均衡器对其进行均衡以恢复发送序列。目前,自适应均衡已成为数字通信中一种非常重要的技术,自适应均衡器的构成也是多种多样,其中最简单的是线性横向均衡器(LTE)和判决反馈均衡器(DFE),它们都比较适用于线性信道。如果信道呈现非线性特性,两者的性能特别是LTE的均衡能力会大大下降,而利用径向基函数网络(RBFN)等构     

基于UKF的自适应DFE信道均衡

针对信道的线性和非线性失真,在分析简化的非线性滤波的基础上,利用判决反馈的结构特点对其进行扩展,提出了基于UKF滤波的判决反馈均衡器,仿真表明,UKF滤波算法能降低系统均方误差性能。     

基于小波包变换的模糊判决纹理分类

提出一种基于小波包变换的模糊判决纹理分类方法,采用图象的完全树结构小波变换提取多分辨率纹理特征,模糊判决分类器通过引入隶属度函数对待征模糊化,反映了各类纹理样本间存在的差异及随机噪声等畸变因素赞成的抽取特征值存在的不确定性,提高了纹理分类算法对噪声或畸变的鲁棒性,通过实验获得了较满意的结果。     

新型非线性信道判决反馈自适应均衡器*

针对信道的线性和非线性失真,在分析简化的非线性滤波器的基础上,利用判决反馈均衡器的结构特点对其进行扩展,提出了两种新型结构的判决反馈均衡器,并利用NLMS推导出自适应算法.仿真表明,此新型结构能够有效消除码间和非线性干扰,提高误码性能.     

一种神经网络判决反馈均衡器

在分析Chebyshev正交多项式神经网络非线性滤波器的基础上,利用判决反馈均衡器的结构特点,提出了一种Chebyshev正交多项式神经网络判决反馈均衡器,给出了对应的自适应NLMS算法.数值仿真结果表明,该均衡器结构能够更有效地消除码间和非线性干扰,降低信号的误码率.     

基于不同位置小波变换的盲均衡器研究*

目前引入小波变换的自适应均衡器均是将正交多小波变换放置在均衡器(前向滤波器)之前以加快收敛。以常模判决反馈均衡器(CMA-DFE)为例,根据平衡正交多小波变换是放置在前向滤波器还是反馈滤波器之前,研究了三个均衡器,即常规的基于前馈正交多小波变换常模判决反馈盲均衡器(MWT-CMA-DFE)、基于反馈正交多小波变换的常模判决反馈盲均衡器(FMWT-CMA-DFE)和基于双正交多小波变换的常模判决反馈盲均衡器(DMWT-CMA-DFE),分析了其各自的复杂度。水声信道仿真结果表明:与CMA-DFE、MWT-CMA-DFE和FMWT-CMA-DFE相比,DMWT-CAM-DFE具有更快的收敛速度和跟踪时变信道的能力,且消除了相位旋转。     

改进的非线性卫星信道均衡器

针对常用的Volterra结构均衡器运算量大的问题,提出一种改进结构的非线性卫星信道自适应均衡器。通过对截断Volterra级数进行数学分析,得到了具有非线性均衡器和线性均衡器级联形式的新均衡器结构。新结构均衡器将Volterra结构均衡器表达式中的三阶记忆项相乘转变为新模型非线性部分的二阶记忆项相乘,降低了信号通过均衡器所需的复数乘法次数。仿真结果表明,改进结构的非线性卫星信道自适应均衡器运算所需的复数乘法次数在信道记忆很深的情况下约为Volterra结构均衡器的1/9,有利于信号的实时处理。与此同时,经改进均衡器均衡输出的16振幅移相键控调制（16APSK）信号的星座点更为紧凑。     

基于小波包变换的谐波检测仿真分析

主要对基于小波包变换的谐波检测方法进行了探讨,通过MATLAB进行了编程仿真,从而确定这种检测方法的可行性和优越性。     

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。     

基于小波包变换的Robust-M检测器

利用小波包分析将信号变换到其小波包系数域上，通过研究平稳随机噪声在各子空间上小波包系数的统计特性，结合Robust检测理论的相关结论，对非高斯噪声下的信号检测问题建立了统一的框架，并提出了一种新的检测算法。仿真实验表明，此算法不仅具有良好的鲁棒性和广泛的适用性，而且能够更为充分地利用噪声统计分布信息，从而有效地提高检测效率。     

基于小波包变换的多聚焦图像融合

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像。多聚焦图像融合技术可有效地解决这一问题。在分析了小波包变换的概念和原理后,提出了一种基于区域统计融合规则的小波包变换多聚焦图像融合方法,先对不同聚焦图像分别进行小波包变换,采用低频系数取平均,高频系数根据区域统计值决定的融合规则,再进行小波包反变换得到融合结果。仿真试验表明,相比小波变换法,本文方法可有效综合多聚焦图像,获得了更好的融合效果。     

基于小波包变换的非局部均值去噪方法

在非局部均值滤波的基础上,为了更有效地去除图像噪声,提出一种基于小波包变换的非局部均值去噪算法。首先对图像进行小波包变换,通过小波域系数估计图像的高斯噪声参数,然后计算经小波包分解后高频子带内小波系数的相似度,并以此作为权值来对小波系数进行调整,最后通过小波包逆变换对图像进行重建。实验结果表明与传统的非局部均值去噪算法相比较,该算法能在去噪的同时有效地保持图像的边缘细节等信息,取得更好的去噪效果。     

基于小波包变换的电力谐波检测研究

提出了一种基于小波包变换的电力谐波检测方法。该方法采用小波包变换对电流信号进行分解,即将该电流信号分解成低频部分与高频部分,然后分别对低频部分及高频部分进行小波包分解,重构后得到该电流信号的基波分量,从原始电流信号中减去基波分量,从而得到该电流信号的谐波分量。仿真结果表明,该方法能够很好地检测出电流信号中的谐波分量,并且能对指定频率的谐波进行检测。     

基于加窗FFT与小波包变换融合的矿井谐波检测法

针对目前谐波检测方法存在频谱泄露、栅栏现象、运算量大、实时性差等缺点,提出基于加窗快速傅里叶变换与小波包变换融合的检测方法,利用加窗快速傅里叶变换优秀的幅频特性,精确检测出谐波成分,并结合小波包变换良好的时频特性,快速且有选择地提取出所需检测的谐波分量.根据矿井供电系统的用电设备产生的谐波特点,构建模型,采用Matlab软件进行仿真.结果表明,该方法实用有效,实时性强.     

基于小波包变换和块模糊分类的自适应水印算法

提出了在WPT域上基于块模糊分类的新的自适应水印算法。首先用m-序列来控制对原始图像进行小波包变换的分解结构,将适当的小波系数组成小波子块。然后根据人类视觉系统(HVS)模型和能量模型,对小波子块进行模糊分类。最后,根据分类结果,将不同强度的二值水印嵌入到不同的小波子块中。实验结果表明,提出的算法能抵抗各种图像处理的攻击,具有较好的鲁棒性。     

水声信道盲均衡器优化设计与仿真

针对水声信道高速数据传输中的码间干扰问题,设计了一种基于小波包变换的分数间隔盲均衡器,优化均衡器性能,以提高水下通信质量。采用具有过采样性质的分数间隔均衡器,减少了波特间隔均衡器常数模算法（CMA）的稳态误差,又加快了其收敛速度;并利用去相关性较强的小波包理论,进一步加快了分数间隔盲均衡器算法（FSE-CMA）和小波分数间隔均衡器算法（WT-FSE-CMA）的收敛速度。水声信道的仿真结果,验证了该均衡器的良好性能。     

基于正交小波变换分数间隔的神经网络盲均衡算法

针对分数间隔盲均衡算法(T/4-FSE-CMA)收敛速度慢、稳态误差大的缺点,提出了一种基于正交小波变换分数间隔的神经网络盲均衡算法(T/4-FSE-WT-FNN).该算法采用四路子信道模型,以神经网络作为均衡器,同时,对均衡器的输入信号做正交小波变换并进行归一化,与基于正交小波变换的前馈神经网络盲均衡算法(WT-FN...