基于改进布谷鸟算法的分数低阶盲均衡算法

针对无线通信系统中传统常模盲均衡算法(CMA)在脉冲噪声环境下适应性较差,难以有效收敛的问题,提出了改进布谷鸟算法优化的分数低阶统计量常模盲均衡算法(SCS-FLOSCMA)。该算法将椋鸟鸟群的集体性行为引入到基础布谷鸟算法(CS)中,有效提高了搜索精度,减少了CS算法后期过早收敛的风险;然后把改进后的CS算法引入到分数低阶常模盲均衡算法(FLOSCMA)中,将搜索过后得到的全局最优巢作为均衡器的初始权向量。仿真表明,与CMA和FLOSCMA算法相比,该方法在均方误差曲线更稳定,收敛速度也更快。     

基于混合蛙跳算法的多模盲均衡算法

针对常模盲均衡算法(CMA)收敛速度慢、收敛后稳态误差大且存在盲相位的现象,提出了一种基于混合蛙跳算法的多模盲均衡算法(SFLA-MMA)。它结合了智能优化算法的基本思想,将个体自身的进化及个体间的社会行为等概念引入到盲均衡技术中。该算法将多模盲均衡算法(MMA)代价函数的倒数定义为混合蛙跳算法(SFLA)的适应度函数,将青蛙群体中青蛙个体的位置向量作为MMA的初始权向量;利用SFLA的全局信息共享机制和局部深度搜索能力,在全局范围内搜索青蛙群体的最优位置向量并作为MMA的初始优化权向量。之后,通过MMA进行迭代,得到MMA的最优权向量。利用高阶多模正交振幅调制（QAM）与正交相移键控（APSK）信号对该算法进行了仿真验证。仿真结果表明,与CMA、MMA和基于粒子群算法的多模盲均衡算法(PSO-MMA)相比,SFLA-MMA在均衡高阶多模信号时收敛速度极快、稳态误差最小、输出信号星座图最清晰。     

基于平衡正交多小波变换的盲均衡算法

为了克服常模算法(CMA)收敛速度慢的缺点,提出一种基于平衡正交多小波变换的常模盲均衡算法(MWTCMA)。该算法引入了平衡正交多小波,弥补了多小波在实际应用时必须进行预滤波的缺陷,并推导出了平衡正交多小波变换矩阵的通用表达式。水声信道盲均衡的仿真结果表明:与基于正交小波变换的常模盲均衡算法(WTCMA)和常规CMA相比,该算法的收敛速度得到了显著的提高,均方误差得到了一定的改善。     

正交小波分数间隔频率分集自优化盲均衡算法

为克服传统多输入判决反馈盲均衡算法(MI-DFE)稳态误差大、收敛速度慢的缺点,在分析正交小波、分数间隔均衡器、频率分集技术的基础上,提出了一种正交小波分数间隔频率分集自优化盲均衡算法(WT-FF-SOC).该算法将正交小波、分数间隔均衡器与频率分集技术相结合,先得到正交小波分数间隔频率分集盲均衡算法(WT-FF);对WT-FF中每一路的输出合并后再进行判决反馈,用常数模算法(CMA)更新权向量,并作为WT-FF-SOC的跟踪模式;对WT-FF中的每一路信号进行判决反馈处理后,再对判决反馈滤波器的输出进行合并,在推导盲RLS算法后,用盲RLS算法更新权向量,并作为WT-FF-SOC的启动模式。两种模式利用代价函数的判决阈值进行切换。该算法具有收敛速度快、稳态误差小的特点。水声信道的仿真结果,验证了算法的有效性。     

基于遗传优化的正交小波分数间隔盲均衡算法

针对传统的常数模盲均衡算法(CMA)收敛速度慢、稳态误差大和局部收敛的缺点,提出了一种基于遗传优化的正交小波分数间隔盲均衡算法(WT-FSE-GA).该算法通过对分数间隔均衡器的输入信号进行正交小波变换,以降低信号的自相关性,并利用遗传算法全局随机搜索的特性,对均衡器权向量进行优化,以降低CMA陷入局部收敛的可能性.与...     

一种改进的正交变换域水声信道盲均衡算法研究

针对常数模算法(CMA)收敛速度慢的缺点,将均衡器输入信号进行正交变换,实现正交变换域盲均衡。同时,引入均衡器输出星座匹配误差(CME)项,提出一种改进的正交变换域信道盲均衡算法(MTDCMA)．水声信道仿真结果表明：与常规常数模算法(CMA)及传统的基于正交变换的常数模盲均衡算法(TDCMA)相比,在同样的剩余码间干扰条件下,新算法具有更快的收敛速度。     

基于压缩传递函数的神经网络盲均衡算法

提出了一种基于压缩传递函数的神经网络盲均衡算法。利用压缩传递函数,可以避免神经元的净输入落入传递函数的饱和区,从而避免权值调整进入代价函数性能曲面的平坦区,有效提高了算法的收敛速度。利用计算机仿真将文中算法、传统前馈神经网络盲均衡与目前海上靶场遥测信号接收所用的判决反馈均衡方法进行了比较,结果证明文中提出的算法具有更好的均衡性能,更具实用性。     

基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法

针对现有多模盲均算法(MMA)收敛速度较慢、均方误差大的缺陷,提出一种基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法(DNA-GBA-FS-MMA)。该算法利用分数间隔均衡器对信号进行过采样,以获取更多信道信息;将DNA遗传算法引入到蝙蝠算法中,得到一种DNA遗传蝙蝠算法(DNA-GBA),利用这个新算法来寻找蝙蝠群的全局最优位置向量,并作为多模盲均衡算法初始化最优权向量的实部与虚部。仿真结果表明,与现有的MMA相比,DNA-GBA-FS-MMA 的稳态误差最小、收敛速度最快、星座点最清晰紧凑。     

基于模糊神经网络的CMA盲均衡算法

文中提出的新算法是基于模糊神经网络设计控制器改进恒模算法。首先从理论上分析了模糊神经网络控制器实现方式．并用它进行控制步长控制．形成一种基于模糊神经网络的CMA盲均衡算法．通过计算机仿真验证了改进算法的收敛性能，结果显示相对于CMA算法．新算法在性能上有一定的提高。     

一种基于改进传播算子的波达方向估计方法

提出了一种新的适用于α稳定噪声环境的基于改进传播算子的DOA估计算法(或称为FLOM-PM算法).由于在α稳定分布噪声的环境下不存在有限的二阶矩,因此采用最小二乘(LS)方法来求解传播算子的算法将不再适用.在原传播算子算法(PM)的基础上,通过引入分数低阶矩建立新的误差代价函数,并通过对该代价函数的最小化,来估计传播算子,进而完成DOA估计.由于该算法可直接通过对阵列接收的数据向量进行分块来求解噪声子空间,不需要估计和计算共变矩阵(或分数低阶矩)及其特征向量,不但可减小估计的误差,而且可实现对小快拍数据的高分辨处理.仿真实验验证了该算法的有效性和正确性.     

多小波模糊神经网络盲均衡算法

为了克服传统恒模算法(CMA)采用固定步长造成的收敛速度与收敛精度之间的矛盾,提出了一种基于平衡正交多小波变换的模糊神经网络盲均衡算法(MWT-FNN-BEA).该算法一方面利用模糊神经网络控制器自动调节算法的迭代步长,较好地解决了收敛速度与收敛精度之间的矛盾;另一方面利用平衡正交多小波变换对均衡器输入信号进行去相关性处理,进一步提高了算法的性能。理论分析和水声信道仿真结果表明,所提出的算法具有较快的收敛速度和较小的稳态误差,抗干扰性能好。     

基于符号峭度最大化的水声信道盲均衡算法

利用随机信号的峭度能完全抑制高斯噪声（TN）的特点，结合符号算法，推导了盲均衡器权向量更新的符号峭度最大化自适应算法（SKMAA），该算法计算量小，在收敛速度与均方误差等方面的性能均优于CMA算法，特别有利于水声信息的实时恢复。通过水声信道盲均衡的仿真实验，进一步验证了该算法的有效性。     

基于动态粒子群小波动态加权多模盲均衡算法

为了提高对高阶正交振幅调制 (QAM) 信号的均衡效果,提出了基于动态粒子群优化(DPSO)的小波动态加权多模盲均衡算法(DPSO-WTDWMMA). 该算法将DPSO算法和正交小波变换结合起来应用于动态加权多模盲均衡算法(DWMMA)中。利用DPSO对均衡器权向量进行优化,利用正交小波变换降低输入信号的自相关性,利用动态加权多模算法来选择合适的误差模型匹配发射的QAM信号,降低了稳态误差。理论分析及水声信道仿真结果表明：DPSO-WTDWMMA算法可获得较快的收敛速度和较低的稳态误差。     

基于正交小波变换的判决引导联合盲均衡算法

为了克服水声信道时变多途的影响和基于统计特性的线性均衡(LE)算法收敛后稳态误差大的缺点,提出了基于正交小波变换(OWT)的判决引导联合盲均衡算法(OWT-LE+DD).该算法将OWT理论引入,充分利用OWT良好的去相关性,加快了收敛速度,并采用软判决的方式与判决引导(DD)算法相结合,纠正信道引入的载波相位旋转,减小了稳态误差。水声信道的仿真结果,表明了算法的有效性。     

水声信号盲分离算法性能评价准则

在水声信号盲分离技术仿真研究中，需要评价算法的收敛速度，稳态误差等，文中分析了水声基阵接收信号的实数延时模型和复数混合模型，提出了水声信号盲分离算法性能评价准则。该准则分为基于混合基阵和信号估计两种，在三／四元均匀线列阵上，盲分离实测非高斯舰船辐射噪声，分别用CRLS，CACY，EASI，CMA，MKMA算法通信班下了提出的算法评价准则，同时还给出了这些算法分离水声信号的性能曲线。     

基于改进鲸鱼优化算法的盲源分离方法

针对盲源分离方法中粒子群算法设置参数多、收敛速度慢的问题,提出了基于改进鲸鱼优化算法的盲源分离方法。该方法利用独立性准则,以混合信号的峰度作为目标函数,用鲸鱼优化算法代替常规的粒子群算法,并引入自适应权重,加快收敛速度,实现了对瞬时混叠信号的盲分离,有效解决了粒子群算法参数复杂、收敛速度慢的问题。仿真对比结果表明,基于改进鲸鱼优化算法的盲分离方法性能优于基于粒子群优化算法的盲分离方法,在低信噪比下也有良好的分离效果,应用于盲信号分离问题中是有效的。     

一种改进的基于二阶统计量的盲源抽取算法

针对之前盲源抽取算法存在鞍点的问题,提出一种新的基于二阶统计量的盲源抽取算法。通过利用自回归模型对抽取信号向量进行估计,并利用估计值与抽取向量之差提出一种新的代价函数,证明了代价函数的有效性。通过利用最速下降法对抽取向量以及FIR滤波器权值向量的计算,求解出抽取向量最优值。最后通过仿真证明算法相对之前两种算法有更高的可靠性,且在低信噪比的环境下,算法抽取效果依然良好且保持很高的抽取正确率。     

海上无线通信系统中的分数间隔均衡算法

反水雷是一项极其危险的任务,无人平台的特点决定了其可以降低甚至消除这种危险。无线通信在无人平台中具有十分重要的地位,而多径传播和频率选择性衰落是海上无线通信的难点。通过研究分数间隔均衡算法(FSE-MMA)得知,该算法能够克服海上无线信道引起的多径传播和频率选择性衰落,而且收敛后剩余均方误差比波特间隔均衡算法(BSE-MMA)小。     

基于退火递归神经网络的极值搜索优化算法求解一类碟式飞行器平衡状态

针对一类碟式飞行器平衡状态的基本特征及现有的优化平衡状态算法如单纯形算法、混合遗传算法所存在的随机性大、收敛速度较慢等缺点,提出了一种新颖的基于退火递归神经网络( ARNN)的极值搜索优化算法。将碟式飞行器的配平问题转化为所设计的代价函数(CF)求解问题,利用所提出的退火递归神经网络极值搜索优化算法求解出在多种定常飞行中碟式飞行器的平衡状态。在相同的仿真环境中,仿真结果对比说明ARNN极值搜索优化算法较混合遗传算法具有稳定性好、精确度高、收敛速度快等优点。     

基于改进A~*算法的导盲避障路径规划策略研究

路径规划是导盲避障系统的重要组成部分之一。根据导盲避障要求,采用栅格可视化方法与连接代价优先级的设置进行路径规划预处理。在每帧规划中,提出一种改进的动态加权A~*的路径规划算法,通过引入"势场"的概念来动态调节启发函数的权系数,产生新的代价函数来引导路径搜索。采用二次加权的路径转换方法计算当前帧行进方向相对规划路径的角度偏差,作为诱导盲人行走的控制信息。实验表明,改进的动态加权A~*算法能够有效提高路径规划效率,整体路径规划策略可以成功实现导盲避障任务。