基于最大后验估计的自适应盲均衡算法

为了减小最大后验概率(MAP)盲均衡算法中稳态误差和收敛速度,提出了一种改进的基于最大后验估计的盲均衡算法.运用不等概思想改进自适应σ的MAP盲均衡算法,得到了基于概率和自适应σ的MAP盲均衡算法.定量分析和仿真结果表明改进算法和MAP的盲均衡算法相比,稳态调整量的理论值更小,稳态剩余根均方误差值小于MAP盲均衡算法,收敛速度快于MAP盲均衡算法.     

基于改进蚁群优化的盲均衡算法研究

基本蚁群优化算法在信号的盲均衡处理中存在收敛速度慢、容易陷入局部最小的缺点.为了解决基本蚁群算法所存在的不足,文是通过修正基本蚁群算法的转移概率公式给出一种改进的蚁群优化盲均衡算法,建立了基于改进蚁群优化算法的 SIMO 系统盲检测模型,并对基于基本蚁群优化盲均衡算法和改进蚁群优化的盲均衡算法性能进行仿真.仿真分析结果表明,文中提出的改进算法能很好地恢复出未知的发送信号,同时提高了计算效率和加快了收敛速度,表现出了优于文献算法的良好性能     

基于最大后验估计的恒模盲均衡改进算法

为解决恒模算法(CMA)对高阶正交幅度调制(QAM)信号均衡效果较差的问题,提出了一种将CMA算法和最大后验估计(MAP)盲均衡算法相结合的改进算法.该算法运用CMA使均衡达到初步收敛后,改用MAP估计的方法来减小剩余误差.仿真结果表明,该改进算法对高阶QAM信号的均衡也能达到很快的收敛速度和很小的剩余误差,星座恢复图很紧凑.同时由于改进算法不需要进行多次的信号区域判决,其计算复杂度远小于MAP估计盲均衡算法.     

基于模拟退火的DNA遗传优化小波多模盲均衡算法

针对小波多模盲均衡算法收敛速度慢、稳态误差大、容易陷入局部最优解的缺点,提出一种基于模拟退火的DNA遗传优化小波多模盲均衡算法。该算法将模拟退火算法与DNA遗传算法相结合,利用模拟退火算法对个体的退火操作,提高了DNA遗传算法的局部搜索能力。同时,在DNA遗传算法中采用自适应变异概率,进一步改善了算法的性能。根据盲均衡算法的特点,将基于模拟退火的DNA遗传算法融入到小波多模盲均衡算法中,对均衡器权向量进行了优化。仿真结果表明,与多模盲均衡算法和小波多模盲均衡算法相比,该算法在收敛速度和均方误差方面都有显著改善。     

模拟退火混沌粒子群算法的盲检测

考虑到基本粒子群算法在初始化时具有盲目性,收敛速度慢,在进化过程中会出现早熟现象.文中给出了MIMO系统的盲均衡模型,在对基本粒子群优化算法的MIMO系统盲检测研究基础上.分别引入了模拟退火机制和混沌机制,据此基础上提出一种改进的算法:基于模拟退火混沌粒子群优化的盲检测算法,并对这几种算法和改进算法的性能进行仿真.仿真结果表明,改进算法具有全局收敛性好、收敛速度快、误码率低的优点,能够很好地解决盲检测盲均衡问题.     

一种改进的变步长常模判决反馈盲均衡算法

针对基于CMA的DFE盲均衡算法收敛速度慢、收敛后稳态剩余误差大的缺点,提出了一种改进的基于CMA的DFE盲均衡算法。该算法通过引入均方误差作为调整步长的参量,构造出指数型变步长函数,把基于CMA的DFE盲均衡算法中前馈滤波器和反馈滤波器更新方程中的固定步长值变为可变值,并对其收敛性做了分析。计算机仿真表明,改进算法具有较快的收敛速度和更小的剩余误差。     

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。     

基于加权因子非线性变化的改进加权多模盲均衡算法

为了提高加权多模算法的盲均衡性能,提出基于加权因子非线性变化的改进加权多模盲均衡算法。新算法构造了均方误差和加权因子的非线性函数关系,提高了收敛速度,增强了算法对不同信噪比的适应能力。在算法收敛过程中,加权因子的值随着均方误差的减小逐渐增大,从而动态地调整算法的模值,使得误差模型越来越精确地匹配信号星座图,达到降低稳态均方误差的目的。理论分析和仿真结果表明,提出的算法降低了稳态均方误差,提高了收敛速度。     

遗传优化神经网络算法在信道盲均衡中的应用

在信道盲均衡问题的研究中,根据BP神经网络的信道肓均衡算法存在收敛速度慢,易陷入局部极小值的缺陷,导致信道肓均衡效果差,信道误码率高.为克服BP神经网络的缺陷,提高均衡道肓均衡效果和降低误码率,利用遗传算法全局搜索能力强的优点对BP神经网络的缺陷进行改进,提出一种基于遗传神经网络的信道盲均衡算法.采用BP神经网络构建信道分类器,通过遗传算法优化神经网络权值,最终实现盲均衡.仿真结果表明,相对于传统BP神经网络盲均衡算法,遗传神经网络算法收敛速度快,误码率降低,能获得更好的收敛特性和均衡效果.     

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。