一种T/4分数间隔预测判决反馈盲均衡算法

为了消除由深衰落信道引起的严重码间干扰,本文给出一种基于改进双模式多模算法的 T/4 分数间隔预测判决反馈均衡器.该均衡器采用改进的双模式多模算法独立优化前向、反馈滤波器,前向滤波器采用 T/4 分数间隔,反馈滤波器采用预测结构,仍为符号速率.在两种深衰落信道条件下仿真实验表明,本文给出的均衡器能够避免传统判决反馈均衡器的误收敛情况;同时其稳态均方误差小于基于常模算法的 T/4 分数间隔均衡器、基于常模算法的 T/4 分数间隔判决反馈均衡器,以及基于双模式多模算法的 T/4 分数间隔预测判决反馈均衡器,更适合处理 QAM 信号.     

一种用于数字QAM解调芯片中的盲均衡器实现

设计了一种用于数字QAM解调芯片中的自适应盲均衡器。该均衡器采用常模算法（CMA）和判决引导最小均方算法（DD-LMS）,结合判决反馈结构（DFE）,即采用前向滤波和反馈滤波两级滤波器组,该方案提高了信道的自适应性能和降低了均衡器的阶数。通过对算法的简化和电路结构的优化,减少了硬件资源,降低了电路的面积和功耗。     

一种用于数字QAM接收机的盲均衡器实现

提出了一种适用于数字QAM接收机的自适应盲均衡器实现方案。该均衡器采用多模算法(MMA)和最小均方算法(LMS)，称为MMA—LMS算法结合判决反馈结构(DFE)，即采用前向滤波器和反馈滤波器两级滤波器组实现，提高了信道的适应性能和降低均衡器的阶数。仿真结果表明，该均衡器比一般采用恒模算法(CMA)的横式均衡器有更好的性能，更易于硬件实现。     

改善判决反馈均衡器性能的一种新方法

判决反馈均衡器是一种算法复杂度较低、性能也较好、并在实际中得到广泛应用的均衡器。它的一个内在的缺陷是错误判决结果反馈所引起的性能损失。利用判决反馈均衡器中前向滤波器输出中的信息,提出了一种改善判决反馈均衡器性能的方法,并给出改进后判决反馈均衡器的结构和实现方法。仿真结果证明了该方法的有效性。     

基于自适应步长LMS算法的判决反馈均衡器研究

本文研究了一种基于自适应步长LMS算法的自适应判决反馈均衡器算法，此算法通过对前向滤波器、后向滤波器和锁相环参数分别进行实时的、自适应步长的调整，在均衡时变多径的同时高精度地锁定接收信号相位，因此适用于相干通信系统。仿真结果表明在相同多径条件下，该方法比基于固定步长LMS算法的判决反馈均衡器输出误码率低1-7倍。     

基于多小波双变换的非线性卫星信道盲均衡算法

针对非线性卫星信道Volterra盲均衡系统收敛缓慢、计算复杂高等不足,提出了基于多小波双变换的非线性卫星信道盲均衡算法.该算法用Wiener均衡器代替Volterra均衡器,减小了均衡器结构的复杂性;用平衡正交多小波对Wiener均衡器的输入信号进行变换,降低了输入信号的自相关性;在Wiener均衡器输出端增加一级判决反馈滤波器,同时对其输入信号作平衡多小波变换,又降低了判决反馈滤波器输出信号的自相关性.仿真结果验证了该算法的有效性.     

DVB-C接收机中均衡的一种实现方法

针对DVB-C信号的特点,接收机中自适应均衡器采用的是分数间隔判决反馈均衡器的结构,与改进的CMA盲均衡算法和自适应算法DDLMS相结合.在仿真中,在有线多径信道条件下,此均衡器能较好地消除多径干扰,具有较好的性能,而不需要任何的训练序列和导频的存在.     

基于DVB-C的QAM接收机均衡技术研究与设计

介绍了一种基于DVB-C标准的QAM接收机均衡器方案.笔者首先介绍了均衡器的横向滤波器与判决反馈均衡器结构,其次阐述了几种常用的均衡算法,并对算法切换问题作了研究,然后综合结构和算法的优越性,选择采用DFE与盲均衡相结合的方式,在输入存在多径干扰和加性噪声的情况下,使用经典常数模算法(CMA)和面向判决的最小均方误差算法(DD-LMS),切换部分采用误差值切换,利用Matlab对16QAM,64QAM信号进行仿真,最后实现了QAM接收机对均衡器的要求.     

基于JUMMSE准则的前向分数间隔判决反馈均衡器

研究了前向分数间隔判决反馈均衡器的原理与结构,并推导了基于联合无偏差MMSE(JUMMSE)准则设计的最优解。文中讨论了均衡器长度对误符号率(SER)性能的影响。仿真结果表明,在较高的信噪比、选择恰当的均衡器长度时,这种均衡器对于高频信道的均衡效果是显著的。     

FRFT在判决反馈均衡方面的应用研究

介绍一种基于分数阶傅里叶变换的最大似然序列判决反馈均衡结构(FRFTMLSE).在此结构的前向滤波部分,用分数阶变换域取代传统的时域或频域进行分析.在判决反馈部分,采用 Viterbi 译码进行软判决.与用硬判决的判决反馈均衡器相比,系统的复杂性和运算量基本不变,但判决的准确性却得到提高,从而系统抗多径和噪声干扰的能力...