水声信道常数模盲均衡算法

本文研究了分数间距和波特间距常数模盲均衡器在水声信道均衡中的性能。并与传统的自适应LMS算法进行了比较。仿真表明,常数模盲均衡算法与LMS算法性能很接近,具有很强的工程应用价值。     

基于正方形星座图划分的水声信道盲均衡算法

本文提出了一种适用于高阶QAM信号的盲均衡算法，该算法分别对QAM信号的同相分量和正交分量进行均衡，其收敛后的性能优于常数模算法CMA和基于判决圆划分的算法，因而误码率较低．采用分数间隔系统进行水声多途信道的仿真实验验证了该算法良好的收敛性能．     

水声通信中变步长神经网络盲均衡算法研究

在水声通信领域多途引起的码间干拢可以用均衡消减。盲均衡不需要训练序列,这将有效的节省通信带宽,提高通信效率及通信性能。实际中的通信信道不可能是完全线性的,神经网络作为一种非线性动态系统,具有大规模并行处理及高度的鲁棒性特征,将其应用于水声信道盲均衡切实可行。文中对变步长BP算法的前馈神经网络进行了理论和算法分析,并通过计算机对其实现水声信道盲均衡进行了仿真。仿真结果表明采用变步长BP算法比采用传统BP算法的神经网络盲均衡器收敛速度快,均衡性能明显提高。     

水声信道解相关常数模盲均衡算法

提出了一种基于解相关的水声信道常数模算法，并就其在水声信道盲均衡中的收敛性能，与传统的常数模算法进行了对比研究。计算机仿真结果表明，在算法剩余均方误差非常接近的情况下，解相关常数模算法快于传统的常数模算法。     

基于分数间隔的水声信道盲均衡算法研究

理论上分析了分数间隔和波特间隔均衡器的差异,并通过仿真验证了分数间隔常数模算法比波特间隔常数模算法具有更快的收敛速度和更低的误码率,以及对深度谱零点水声信道较强的均衡能力。     

基于遗传算法的水声信道常模类盲均衡算法研究

为了解决CMA盲均衡算法收敛速度缓慢、稳态误差大的问题,考虑到初始化权值对CMA算法的重要影响,利用了遗传算法对CMA算法进行有效改进,引入了小样本重用的思想,给出了一种新的适用于水声信道的常模类盲均衡算法,计算机仿真研究证明,该算法不仅大大加快了收敛速度,而且有效的降低了稳态误差。     

采用高阶统计的水声信道盲辨识算法

1引言传统的水声信道辨识技术,需要事先发射一组训练码用以获取当时信道的响应函数,这种方法存在的问题是耽误通信时机、通信协调有一定不便。更重要的是水声信道是空时变化的,通过某时训练码     

基于二、四阶累积量的双模式盲均衡算法

针对Shalvi-Weistein(SW)准则和一种有约束条件的SW准则而导出盲均衡算法有不直接性的弊端,介绍了一种归一化累积量的盲均衡准则,同时介绍了基于此准则导出的通过线性时不变系统的盲均衡算法(HOS算法);并将此算法结合传统的直接判决算法,形成了一种基于二阶和四阶累积量的双模式盲均衡(dual-mode HOS)算法。计算机仿真结果表明,双模式盲均衡算法比由准则直接导出的盲均衡算法误差小,有着更优越的性能。     

基于卡尔曼滤波的时变水声信道估计

为了能同时利用时变水声信道的簇状稀疏特性和时间相关性,构造了一种时变水声信道模型,并基于该模型对传统的卡尔曼滤波压缩感知算法进行改进。该方法主要利用前一时刻估计的信道状态响应来确定当前时刻信道的候选支撑集,并以此构造时变水声信道的状态转移方程。通过卡尔曼滤波迭代的方法计算候选支撑集上的系数,最后通过阈值法滤除误差原子。仿真结果表明：该方法能有效地利用水声信道间的时间相关性来提高信道估计的性能,同时由于水声信道存在簇状稀疏特性,因此经该方法也具有一定的鲁棒性。     

基于误差信号的双模式遗传盲均衡算法研究

DD算法具有收敛速度快,稳态剩余误差小的优点,是一种最常用的盲均衡算法。遗传盲均衡算法是一种新的盲均衡算法,它利用遗传算法来解决盲均衡问题,具有较好的全局优化特性。在综合研究了DD算法及遗传盲均衡算法的特性后,利用误差信号的特性,给出了一种新的双模式遗传盲均衡算法,有效的结合了DD算法以及遗传盲均衡算法的优点,大大提高了算法的运算速度,提升了收敛性能,解决了遗传盲均衡算法运算量大的问题,并通过计算机仿真验证了该算法的有效性。     

适用于QAM信号的方形判决超指数迭代盲均衡算法

针对超指数迭代判决反馈(Super-Exponential Iteration Decision Feedback Equalization,SEI-DFE)盲均衡算法在水声通信系统中表现出的收敛性差的问题,提出了一种基于正方形判决的修正超指数迭代判决反馈盲均衡算法。该算法在修正超指数算法的基础上,引入判决正方形机制分别对输出信号的同相分量和正交分量进行均衡,以进一步提高相位补偿能力;在判决反馈均衡器中引入二阶数字锁相环,实现对相位旋转的跟踪和补偿。消声水池实验采用16QAM调制信号,从滤波器阶数、步长以及Q矩阵大小三个方面对算法的影响来验证算法的误码率性能,结果表明,新算法的误码率相比修正超指数迭代判决反馈(Modified Super-Exponential Iteration Decision Feedback Equalization,MSEI-DFE)算法改善了两个量级,实现了对相位旋转的有效补偿,大大改善了载波恢复性能。     

数据重用在短波信道盲均衡中的应用

为解决短波通信中非合作接收数据短、直接均衡迭代难于收敛的问题,将数据重用的思想引入盲均衡算法中,通过分析数据重用均衡后序列与原始码元序列峰度的关系,验证数据重用方法的有效收敛性,将此方法用于典型Bussgang类盲均衡算法,并分析影响数据重用盲均衡效果的几个因素,通过仿真实验表明,数据重用方法大大减少Bussgang类盲均衡算法收敛所需要的码元数目,有一定的工程实用价值。     

盲均衡算法的发展及其共性思考

引用大量科技文献，阐述了盲均衡算法的发展。从算法的角度，着重介绍了常量模板算法，基于高阶谱的算法，基于神经网络的算法等算法的发展情况，并对其优缺点进行了比较。同时，对各种算法的共性进行了探讨。     

OFDM水声通信线性最小均方误差算法信道均衡

正交频分复用在高速水声通信中的应用越来越广泛.水声信道是多径、高噪声的衰落信道.由于信道条件差,容易产生码间干扰,信道均衡技术是提高通信系统性能的重要技术.提出了线性最小均方估计在水声通信系统中应用的方案,研究了实际通信中利用调频信号如何确定信号的平均多径时延、最大多径时延,比较了不同调频信号测量信道的性能.该方案基于导频辅助均衡方法,利用调频信号测量信道,获得的信道统计信息,计算信道的自相关矩阵.从而根据线性最小均方误差算法进行信道均衡.通过仿真和湖试进行验证,结果表明该方案效果较好,对系统性能改善比较明显.     

基于免疫算法的神经网络盲均衡算法的研究

将免疫算法引入神经网络盲均衡,用它来优化网络的权值。它具有很强的全局搜索能力,避免了使用传统方法而出现的未成熟收敛现象,使得收敛速度加快,最终达到全局最优。     

异步CDMA系统多径信道的直接盲均衡

针对多径CDMA系统提出了一种接收器采用天线阵的基于二阶统计（SOS）的直接盲MMSE信道均衡方法。与利用信号和噪声的子空间分解估计出信道的脉冲响应的大多数二阶统计方法不同,它直接估计维纳－霍夫滤波器中所需的互相关函数。由于不依赖于信号和噪声子空间分解,因而对信道阶次的估计误差不敏感。计算机仿真结果表明,该方法比现有的一些基于子空间分解的方法具有更好的性能。     

判决引导和常数模融合盲均衡算法研究

结合判决引导（DD：Decision-Directed）算法和常数模算法（CMA：Constant Modulus Algorithm）的各自优点,研究了一种基于DD和CMA的融合盲均衡算法。DD算法收敛速度快,但要求初始接收信号眼图张开,CMA算法稳健,但是收敛速度慢,为此,对接收信号依DD算法和CMA算法获得瞬时误差后进行加权融合处理,以加权后获得的瞬时误差对均衡器权系数进行调节,实现均衡。计算机仿真证明了融合盲均衡算法有效提高收敛速度的同时具有良好的稳健性和均衡性能。     

基于凸集投影的水声信道辨识算法

研究了使用凸集投影方法进行水声信道辨识的可行性,给出了凸集投影常用的凸集约束的条件,并推导了在复数域中的凸集约束的表达式。计算机仿真和实验结果证明,在较高信噪比的情况下,使用凸集投影方法可以正确估计水声信道中的多途幅度衰减和相位变化,其分辨率优于传统最大似然估计器-匹配滤波器,可作为研究水声信道的有力工具。     

一种浅海水声信道分数间隔自适应均衡算法研究

水声信道是最为复杂的数据通信环境之一,而具有重要军用和商用价值的浅海水声信道,其多径与频散效应更为严重。在浅海水声数字通信中,普遍存在着码间干扰和码内干扰效应,严重影响了水下通信的速度和质量。在判决反馈结构的基础上,采用分数的方法,提出了一种适用于浅海水声信道的自适应均衡算法,并通过计算机仿真实验与整数方法进行了性能对比。传输信号采用正交相移键控调制方式,以有效利用有限通信带宽。仿真结果表明,该算法获得了较快的收敛速度和较小的稳态误差,提高了水声通信的有效性及可靠性,因而具有良好的工程应用价值。     

共生生物搜索算法在水声信道均衡中的应用

由于多径效应和频散效应导致水声信道中声信号衰减和失真严重,传统均衡技术不能满足在水声信道中应用的要求,近年来神经网络在均衡技术方面的突出表现受到广泛关注,因此,本文提出一种高效的神经网络训练算法,即基于非线性自回归神经网络的改进共生生物搜索算法(简称NARX-nSOS算法)实现水声信道均衡。该算法在非线性自回归神经网络(Nonlinear Autoregressive Neural Network with Exogenous Inputs, NARX)均衡器的基础上,用共生生物搜索算法(Symbiotic Organisms Search, SOS)来进行优化,并结合反向学习算法(Opposition-Based Learning, OBL)来提高该算法的收敛能力,利用计算机对NARX-nSOS算法的有效性进行了仿真验证,结果证明NARXnSOS算法加快了收敛速度,通信质量得到了显著提高。