非线性信道下一种自适应进化粒子滤波盲均衡方法

对于高功率放大器引起卫星信道非线性失真问题,提出了一种自适应进化粒子滤波盲均衡方法。该算法利用粒子滤波对信道参数及发送符号进行联合后验估计,通过对粒子自适应引导变异,克服了标准粒子滤波算法中样本退化的现象,使新方法具有更好的盲均衡性能。仿真结果表明,与标准粒子滤波相比,该方法能够更精确地估计信道参数,且误码率性能也有所改善。     

SIMO系统吉布斯盲迭代均衡算法

针对符号间干扰信道的多天线分集接收问题,提出一种单输入多输出(SIMO)系统盲迭代均衡算法.该算法利用吉布斯样本法处理思路,在SIMO条件下推导了信道冲击响应、发送符号等未知参数的条件后验分布,根据该条件概率逐个参数进行随机采样,通过不断迭代更新来逼近最大后验概率(MAP)估计的结果.该算法的一个显著特点是具有软输入软输出(SISO)结构,因此在编码系统中可以与信道译码结合,通过联合迭代进一步提升均衡的性能.计算机仿真结果表明,在严重符号间干扰信道条件下,SIMO系统肓迭代均衡算法的性能非常接近于已知信道时迭代均衡算法的性能,距离理想无符号间干扰信道分集合成的性能差距只有约1 dB.     

抑制α稳定噪声的改进常数模盲均衡算法

为了改善α稳定噪声环境中盲均衡器的性能,文章提出一种改进常数模盲均衡算法(MAEC-CMA)。对均衡器输入信号进行软限幅,并对原自适应误差受限常数模盲均衡算法(AECCMA)的误差信号进行非线性变换,有效地抑制了α稳定噪声的影响。采用2种水声信道,在高斯噪声与α稳定噪声的情况下对算法进行了计算机仿真。结果表明:在高斯噪声环境中,MAECCMA算法与AECCMA算法具有相似的性能,相对于常数模(CMA)算法和归一化最小平均绝对偏差(NLMAD)算法它具有较快的收敛速度;在α稳定噪声环境中,文中提出的MAECCMA算法性能优于其它3种算法。     

多用户检测中基于导频信道的自适应算法

提出了一种新的、 适用于多用户检测的自适应算法, 这种基于导频信道的自适应算法(PCA)利用导频信道的信息直接计算横向滤波器的权矢量, 与传统的自适应算法和盲自适应算法相比, 不需要训练序列或信道估计, 而且计算复杂度只有O(N²).分析和仿真表明, PCA能全局收敛到Wiener解, 收敛速度快, 稳态性能随导频信道的发射功率增加而提高, 但比传统的判决引导递归最小二乘算法(DD-RLS)的稳态性能差.     

粒子滤波盲均衡译码联合算法

粒子滤波在解决信道盲辨识和盲均衡问题上具有收敛快、抗深衰信道等优势.在粒子滤波盲均衡算法的基础上,依据卷积码的马氏性特点进行建模,提出了一种直接对信息序列做重要性采样的粒子滤波盲均衡和卷积码译码联合算法.同时,提出了噪声功率递推计算的方法,并将其应用于联合算法中噪声功率参数的自适应调整.仿真结果表明,相比分离算法,联合算法的收敛性能和误码率性能都有明显提高,而自适应调整功率参数的算法则降低了运算复杂度.     

一种新的频率选择性信道下V-BLAST检测算法

针对频率选择性衰落信道,提出了一种新的基于判决反馈均衡的V-BLAST(垂直-贝尔实验室分层空时)检测算法.在算法中,提出了分段训练的概念,依据前段训练结束后,各层被检测信号的信噪比大小在反馈部分进行逐层递增反馈.该算法无需进行信道估计,无需对信道矩阵求逆,且能自适应信道变化.同时,相对于自适应多输入多输出判决反馈均衡算法,新算法的计算复杂度明显降低,且低信噪比条件下的误码率性能有所改善.仿真实验给出了新算法与自适应多输入多输出判决反馈均衡算法的性能对比,证明了新算法的有效性.     

采用信道估计的MOE接收机

讨论了使用信道估计的盲自适应MMSE接收机,使用了信道估计以后,系统的误码率大大地降低,而且仍然具有盲自适应MMSE接收机的性能。     

基于ICA的空时分组码盲检测算法研究

提出了一种基于ICA技术的STBC盲信号检测方案,建立了适用于ICA的特定STBC系统模型,分析比较了几种典型的ICA算法的分离性能及收敛速度.理论分析表明,ICA盲接收技术的应用可以在一定程度上替代基于信道估计的传统方法,增强系统对信道估计错误的稳健性.结合具体的STBC系统,仿真比较了基于ICA算法的不同方案的分离性能,对其中表现较差的等变化自适应分离(EASI)算法作出改进,并仿真验证了改进方案的正确性.     

OFDM系统基于自适应滤波的LS信道估计

针对传统LS信道估计的性能受噪声影响较大的问题,提出一种基于自适应滤波的LS估计算法。该算法在时域采用不同宽度的滑动窗口,对信道能量集中区域的LS估计结果进行自适应滤波。通过仿真分析,将基于自适应滤波的LS算法与LS估计算法、MMSE估计算法在误符号率(SER)方面的性能进行比较,可以发现,基于自适应滤波的LS的信道估计算法是一种高精度、低复杂度的估计算法。     

基于VCC-DDEA算法的短波信道均衡

为了改善窄带短波单音串行数据通信的误码率性能,提出了时变信道系数数据引导均衡算法(VCC-DDEA).采用自适应跟踪算法估计每个码符号采样时刻的信道系数,消除由训练序列在相应时刻引入的码间干扰,并基于误差平方和最小(LSSE)准则估计用户数据.仿真结果表明,相对于DDEA,VCC-DDEA突破了1帧数据范围内信道系数恒定的要求,性能显著提高.     

适用于时变信道环境的盲源分离算法

针对时变信道环境下的盲源分离问题,在现有实时盲分离算法的基础上,提出了两种适用于时变信道环境的实时盲源分离算法——基于优选函数EASI盲分离算法(EASI-function)和基于选优函数的峭度变步长盲分离算法(EASI-function-KVS)。EASI-function算法在信号分离的不同阶段采用不同的估计函数,从而使得算法在收敛速度和稳态性能两方面获得一个折中。EASI-function-KVS算法则在EASI-function的基础上,利用峭度变步长的思想,自适应地调整迭代步长大小,进一步改善分离算法性能。仿真结果表明,两种算法能有效地跟踪信道变化,并且在性能方面比传统的EASI算法要好。     

一种基于改进LMS算法的MIMO-OFDM信道估计方法

最小均方(LMS)算法是一种典型的自适应滤波算法,基于该算法的信道估计算法具有不需要已知信道和噪声统计信息的特点,但是其收敛速度较慢。为此,提出一种基于改进LMS算法的MIMO-OFDM信道估计方法,该方法人为地引入一个时延,即将LMS算法固定自适应步长由随着输入信号功率自适应变化的收敛因子替代,大大降低了收敛时间,具有较好的信道估计性能。     

基于正交小波变换的并行软判决盲均衡算法

针对常数模算法收敛速度慢的缺点,在分析基于正交小波变换盲均衡器结构和并行软判决盲均衡算法的基础上,提出一种基于正交小波变换的并行软判决盲均衡算法.该算法将正交小波变换引入到并行软判决算法中,利用正交小波变换对信号很强的去相关能力,降低信号的自相关性,以加快算法的收敛速度.水声信道仿真结果表明,与并行的软判决盲均衡算法相比,所提出的基于正交小波变换的并行软判决盲均衡算法具有更快的收敛速度.     

基于Ｔ／２分数间隔的ＳＥＩ双模式盲均衡算法

针对超指数迭代(SEI)算法收敛后均方误差大、SEI算法和判决引导(DD)算法以硬切换方式存在性能不稳定的缺陷,通过分析分数间隔均衡器结构和性能,采用软切换方式将SEI算法和DD算法相结合,提出了一种分数间隔超指数迭代双模式盲均衡算法.该算法用SEI算法与DD算法同时对分数间隔盲均衡器的权向量进行调整,当由SEI算法调整前后均衡器判决输出一致时,DD算法参与系数调整,这种软切换方式充分利用了SEI算法能使眼图增开的良好性能和DD收敛速度快、稳态误差小的优点,避免了硬切换带来的不利影响;而采用分数间隔均衡器避免了因欠采样引起的频谱混叠,均衡器可以更有效地对信道失真进行补偿.水声信道的仿真结果,验证了算法的有效性.     

基于常数模算法的空间分集盲均衡技术

针对传统的自适应均衡技术需要重复发送训练序列,占用大量带宽,及Bussgang类盲均衡算法在收敛速度、稳态误差以及克服相位旋转等方面性能较差的缺陷,研究了Bussgang类盲均衡算法与不同的分集合并技术相结合的方法,提出了基于常数模算法的空间分集盲均衡技术,以适应远距离通信,提高接收信噪比和更有效地克服信道衰落。计算机仿真实验结果证明该技术比传统的判决反馈均衡器具有更快的收敛速度和更低的稳态误差。     

采用循环前缀的OFDM信道盲估计算法

在无线OFDM通信系统中,信道参数估计一直备受关注。该文基于最大似然估计原理,提出了一种改进的盲信道估计算法,利用并根据循环前缀的周期平稳性来进行信道盲估计。该算法是在接收端DFT之前进行信道估计和均衡。研究和仿真表明,该算法不仅显著地减少了运算的复杂度,而且使系统性能也得到了一定程度的改善。     

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。     

DS-UWB系统中基于线性预测的盲多用户检测

针对超宽带(UWB)系统中的码间干扰(ISI)和多址干扰(MAI)问题,将线性预测方法应用于直接序列超宽带(DS-UWB)系统中进行盲均衡和盲多用户检测．该算法首先对接收数据进行线性变换和线性预测来抑制多址干扰,再对线性预测误差相关矩阵进行奇异值分解(SVD)来实现信道估计和均衡,消除码间干扰．仿真结果表明,在IEEE 802.15.3a信道模型下,与传统的Rake接收机以及盲MMSE接收机相比较,该算法具有较低的误码率和较好的抗远近效应能力．     

基于改进信道矩阵迭代准则的信道阶数盲估计算法

针对单输入多输出(single-input multiple-output,SIMO)有限冲激响应(finite impulse response,FIR)信道,提出了一种新的信道阶数盲估计算法。首先利用子空间(subspace,SS)算法下过估计信道与其互质部分的结构关系,设计了一种新的信道矩阵迭代(channel matrix recursion,CMR)准则,并给出了CMR准则严格的理论证明。然后在此基础上建立了新的CMR代价函数,并提出了信道阶数估计算法。理论分析和仿真结果表明,该算法与现有其它算法相比性能更优,对噪声具有更强的鲁棒性。     

适用于水声信道新的盲均衡算法及仿真

对于时变水声信道,由于随机相位失真,常数模算法(constant modulus algorithm,CMA)的误码性能将严重下降.在基于一种双模式盲均衡算法的基础上,提出了一种与相位相关的新的盲均衡算法(NCMA),并用QAM系统进行了计算机仿真.将仿真结果与双模式算法进行比较,显示出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.