基于帧数据处理技术的短波信道自适应均衡研究

短波信道是一类时变衰落信道,受电离层影响,通信不稳定.目前普遍采用发送训练序列的方式,探测信道特性,实现短波信道均衡.基于帧数据处理技术,先进行信道辨识,在消除码间干扰的基础上,对用户数据进行估计的自适应均衡技术,实现短波信道均衡.从算法收敛、数据星座图映射方面进行了仿真,分析说明了该技术对短波信道均衡是有效的.并在此基础上,指出可从信道阶数估计、信道跟踪算法、信道初始状态估计等方面对该技术进行改进,以提高短波信道均衡的效果.     

短波通信中均衡技术的研究

本文通过时短波通信这一特殊信道的信道特性进行研究,结合常用的几种比较成熟的自适应均衡技术进行了讨论,主要对LMS、RLS和QR-RLS三种算法运用于短波系统的算法优缺点和性能进行比较,并给出了仿真结果,得出理论分析结果.     

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.     

短波通信中的自适应均衡技术研究

根据短波信道的时变衰落特征，对多种自适应均衡结构和自适应算法进行了分析比较，提出了一种适合短波信道的自适应均衡方案。通过理论分析和计算机仿真可以证明，该方法与传统的自适应判决反馈均衡相比具有更加优异的性能，而与采用最佳均衡结构的最大似然序列估计算法相比又极大的降低了运算量。最后，给出了采用该均衡方案的实现的全数字QPSK解调器的设计框图及均衡效果评估。     

一种改进的分数间隔常数模盲均衡算法

研究优化水声通信效果问题,改善水声信道性能,传统常数模盲均衡算法(CMA)的稳健性差,剩余均方误差大。为解决上述问题,提出了一种改进的分数间隔常数模盲均衡算法。新算法采用T/2分数间隔均衡器,针对水声通信中信噪比较低的特点,设计了一个新的误差函数,取代原算法中的误差函数。采用浅海水声信道对改进算法进行了计算机仿真,结果表明:改进算法在低信噪比条件下性能稳健,稳态误差低于常数模算法和分数间隔常数模算法,且具有较快的收敛速度。改进算法适用于信噪比较低的浅海水声信道。     

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。     

改进的GSM话音业务信道调制解调算法

现有移动通信系统中话音业务的工作模式使移动话音业务信道难以直接传输数据信息,需要设计专用调制解调器。采用数据与波形符号的相互映射实现调制解调是一种可行方案,其中波形码本是设计关键。针对现有算法仿真周期长、收敛速度慢的缺点,对GSM增强型全速率话音业务信道进行建模分析,设计波形符号,并对交叉策略进行改进。仿真结果表明,改进算法的误码性能得到改善。     

一种改进的时变SIMO信道常模盲均衡算法

为了提高时变(Time-varying, TV)信道的盲均衡性能,利用信源符号的常模(Ｃonstant modulus, CM)特性,针对单位圆附近含有公共零点的非理想信道,首先证明时变多天线联合接收(Single input multiple output, SIMO)盲均衡器与信道矩阵的联合冲激响应包含多个非零抽头,进而提出一种改进的基频率估计方法,克服了传统时变信道盲均衡器对于理想信道的局限性,并通过引入递归最小二乘常模算法以提高均衡器的收敛性能。仿真实验结果表明,改进方法提高了盲均衡器的收敛速度,拓宽了时变SIMO信道盲均衡结构的适用范围,能够更好地实现时变信道的盲均衡。     

一种改进的短波信道数据引导均衡算法

数据引导均衡算法(DDEA)存在利用上一帧信道参数均衡当前数据帧、假设一帧数据内信道恒定、均衡器和译码器之间传递硬判决信息等问题。为此,提出3种改进算法,硬判决迭代DDEA算法通过迭代,使得均衡当前数据帧时利用的信道参数接近于当前帧的实际信道参数,可变信道系数DDEA算法允许每个采样间隔信道系数都是变化的,DDEA-Turbo均衡算法通过传递软判决信息改善系统性能。仿真结果表明,与DDEA算法相比,3种改进算法信噪比改善程度分别达到3.5 dB、2 dB、6 dB,信道均衡性能都有不同程度的提高。     

改进的基于因子图Turbo均衡的外信息反馈机制

讨论了基于因子图与和积算法的turbo均衡算法,并对稀疏和非稀疏两种不同信道下的性能进行了比较,提出了稀疏信道下基于因子图的turbo（FG-turbo）均衡改进外信息反馈机制。仿真结果表明,在稀疏信道下,经过若干次迭代FG-turbo均衡的性能逼近MAP-turbo均衡。提出的外信息反馈机制给FG-turbo均衡带来了较大的性能增益。     

基于小波包变换的非线性信道均衡器

针对严重线性失真和轻度非线性失真的数字信道,为了提高基于最小均方误差算法的判决反馈均衡器的收敛速度,首先提出用一族正交小波包基函数来表示非线性信道判决反馈均衡器厦其输出,然后给出基于小渡包变换的非线性信道自适应均衡算法。该算法实现了小波包与非线性信道模型的结合,在计算量增加不多的前提下,利用小波包对小波空间的进一步划分以厦比小波变换更强的去相关能力来减小输入信号相关阵的条件数。对典型非线性信道模型的仿真结果表明,该算法可有效提高均衡器的收敛速度。     

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.     

基于非线性Volterra信道的复数神经多项式盲均衡算法

针对传统常模算法收敛速度慢、均方误差大以及传统神经网络参数多、复杂度高的问题,提出了基于非线性Volterra信道的复数神经多项式盲均衡算法(Fuzzy neural network-complex valued neural polynomial-constant modulus algorithm,FNN -CNP-CMA）。该算法包含单层神经网络和非线性处理器的复数神经多项式,模块结构简单、复杂度低。由模糊神经网络(Fuzzy neural network, FNN）设计的模糊规则控制器能有效提高步长的控制精度。仿真实验结果表明,该算法系统结构简单、复杂度低、收敛速度快且稳态误差小,较好地解决了收敛速度与均方误差之间存在的矛盾。     

双蝙蝠群智能优化的多模盲均衡算法

针对常模盲均衡算法(CMA)均衡多模QAM信号收敛速度慢、剩余均方误差大的缺陷,提出了一种基于双蝙蝠群智能优化的多模盲均衡算法(DBSIO-MMA)。该算法将2个蝙蝠群独立全局寻优得到的一组最优位置向量分别作为多模盲均衡算法(MMA)初始化最优权向量的实部与虚部,以此提高收敛速度并减小剩余均方误差。仿真结果表明,蝙蝠算法(BA)全局搜索成功率高、收敛速度快的特点在DBSIO-MMA中得到很好地体现。与CMA、MMA、粒子群多模盲均衡算法(PSO-MMA)、单蝙蝠群多模盲均衡算法(BA-MMA)相比,DBSIO-MMA具有更快的收敛速度和更小的均方误差。     

一种噪声和畸变混沌信号的滤波策略--Ⅰ：盲信道均衡

无线通信信道的干扰严重地影响了基于混沌的通信系统的实际实现。本文将非线性滤波与神经处理单元相结合构成了一种新的滤波算法，它能解决状态空间模型的估计问题。在将基于混沌的通信系统处于时变衰落通信场景时的盲信道均衡问题转化为增广的状态空间模型以后，新的滤波算法实现了这类通信系统的盲信道均衡。与标准的最小均方（LMS，least—mean—square）算法相比，该算法具有较快的收敛速度和较好的滤波性能。     

改进UKF算法在PMLSM无位置传感控制中的应用

针对永磁直线同步电机(PMLSM)的无位置传感控制,提出了一种基于改进无迹卡尔曼滤波(UKF)算法的永磁直线同步电机的动子速度和位置估计方法,对永磁直线同步电机的动子速度和位置进行估计.相比于传统的UKF算法,改进UKF算法在采样点的获取上进行了改进,在采样点的获取上运用了球形采样策略,而非传统的平方根对称采样策略,极大减少了采样点的数量,减少了状态估计过程中算法的计算量,在估计性能相当的情况下,改进的球形采样策略UKF算法较传统的平方根对称采样UKF算法在永磁同步直线电机无位置传感实时控制系统中有明显优势,取得良好的控制效果.     

一种单载波宽带信号非线性均衡技术

针对单载波宽带信号均衡难以收敛的问题,研究了一种基于子带分解与重构的宽带非线性均衡技术。综合利用复数子带滤波器组与判决反馈均衡器理论,给出了两种具有模式切换功能的宽带非线性均衡结构,基于最小均方算法推导了它们的均衡权值迭代更新公式,分析比较了两种结构在不同均衡模式下的收敛特点。仿真证明基于子带技术的宽带非线性均衡能适用于群时延较严重的信道,且比传统全频带均衡具有更好的收敛效果和更低的计算复杂度。     

基于人工免疫网络的正交小波盲均衡算法

传统的常数模盲均衡算法存在收敛速度慢、均方误差大、易陷入局部极小值点等缺点。为此,提出一种基于人工免疫系统的正交小波盲均衡算法。该算法将均衡器系数向量作为抗体,经过抗体克隆、变异和抑制等操作,搜索到适应度值最高的抗体,即均衡器的最优系数,使权向量跳出局部最优点,接近全局最优点,并利用正交小波变换改善常数模盲均衡算法的收敛性,降低均方误差。仿真实验结果表明,该算法收敛速度快、均方误差小,能得到全局最优解。     

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。     

模糊神经网络分类器在盲均衡算法中的应用

提出一种基于模糊神经网络分类器的盲均衡算法,将盲信道估计与模糊神经网络分类器相结合,先对通信信道进行盲估计,然后利用卷积原理重建信号,用模糊神经网络替代原有的判决器,从而实现了盲均衡。通过仿真实验证明,该算法加快了收敛速度,减小了剩余误差,降低了误码率。