基于组合代价函数的双模式盲均衡新算法

以常数模和判决引导准则设计的双模式盲均衡算法可显著提高均衡性能,目前已有双模式盲均衡算法均需设置切换参数且切换参数选择和设定缺乏理论依据.为解决双模式盲均衡算法中切换参数难以确定的问题,提出来一种组合代价函数的双模式盲均衡新算法.利用常数模和判决引导准则通过加权设计代价函数,在盲均衡器更新过程中自适应调节权值实现算法由常数模算法向判决引导算法的切换,避免了在双模式算法中设计切换参数,提高了算法的泛化性能.为克服常数模算法相位盲的缺点,在虚实分开改进的常数模算法基础上优化组合代价函数以及盲均衡器更新算法的设计,进一步提高了算法收敛性能.仿真结果证明,组合代价函数双模式盲均衡新算法可充分发挥常数模算法和判决引导算法的优点,具有更快的收敛速度和更小的稳态剩余误差.     

l0-范数约束的稀疏多径信道分数间隔双模式盲均衡算法

针对深衰落稀疏多径信道下多进制相移键控（Multiple Phase Shift Keying,MPSK）信号的盲均衡问题,提出了一种l₀-范数约束的分数间隔稀疏自适应双模式盲均衡算法.该算法借鉴传统的分数间隔双模式盲均衡算法思想,结合稀疏自适应滤波理论,首先利用l₀-范数对均衡器抽头系数进行稀疏性约束,构造出一种l₀-范数约束的分数间隔双模式最小均方误差代价函数,然后依据梯度下降法推导出盲均衡器抽头系数更新公式,并对迭代步长进行归一化和比例系数化.理论分析和仿真实验表明,与基于门限稀疏化的盲均衡算法、基于分数阶范数的盲均衡算法及分数间隔双模式盲均衡算法相比,本文所提算法在保证较快收敛速度的前提下,能有效降低剩余符号间干扰.本文设计的盲均衡算法为水声通信系统中接收方恢复出发送信号,提供了一种快速有效的方法.     

能量匹配准则下的前馈神经网络盲均衡

针对前馈神经网络盲均衡权系数随机初始化对接收信号能量的影响,利用能量匹配准则对前馈神经网络盲均衡算法的代价函数进行了修正,使算法在收敛过程中保证输入输出信号能量趋于一致,满足盲均衡实现的充要条件的前提成立,同时在修正代价函数下的前馈神经网络盲均衡算法具有更快的收敛速度,加强了算法的稳健性.计算机仿真证明修正代价函数的利用有效提高了前馈神经网络盲均衡的均衡性能.     

差异进化算法初始化的小波神经网络盲均衡

利用小波神经网络实现盲均衡最大的难题之一就是网络参数的初始化问题,文中提出了一种采用差异进化算法进行网络参数初始化方法.结合常数模盲均衡算法设置适应度函数,并将尺度因子和平移因子以及网络连接权值进行实数编码,以接收数据对网络进行优化设计,获得一组渐近最优的网络初始化参数,在此基础上以传统梯度下降算法对信号进行均衡接收.计算机仿真证明基于差异进化算法初始化的小波神经网络盲均衡有效提高了均衡性能.     

一种抵抗水声信道多途干扰的新的盲均衡算法

由于在时变水声信道中会产生随机相位失真，CMA算法的误码性能严重下降。在双模式盲均衡算法的基础上，提出了一种适用于水声信道的新的盲均衡算法——NCMA算法。计算机仿真结果表明，在时变水声信道中，该算法性能优于双模式算法，能够达到对信号相位失真的恢复，并且收敛性能优于双模式算法。     

一种基于CMA和DDLMS算法的双模式盲均衡算法

为进一步改进盲均衡算法收敛速度慢、稳态误差大、计算复杂度高等问题,提出一种切换模式和加权模式联合CMA(Constant Modulus Algorithm)+DDLMS(Direct Decision Least Mean Square)双模式盲均衡算法.综合切换双模式盲均衡算法和加权双模式盲均衡算法的优缺点,对切换...     

无线通信中的恒模类盲均衡算法研究

在无线通信系统中，码间干扰（ISI）是影响通信质量的重要因素。盲均衡技术不需要发送导频序列便能自适应调节均衡器抽头系数，能够有效去除ISI。文中介绍了盲均衡技术原理，重点研究了恒模类盲均衡算法，通过对恒模算法（CMA）和改进的CMA算法（包括MMA算法和双模式盲均衡算法）的迭代公式分析，得出了恒模类盲均衡算法的性能。计算机仿真表明恒模类盲均衡算法在无线通信中具有良好的均衡性能。     

基于CMA算法的双模式盲均衡算法

常数模算法（ＣＭＡ）的收敛速度非常缓慢。为了加快收敛过程，一旦误码率降低到足够低，该算法必须切换到ＤＤ算法。为了克服这些缺点，本文利用ＱＡＭ信号分布在几个已知半径的圆上的特点，提出了两类多模盲均衡算法。在此基础上又提出一种双模式均衡方案：多模算法模式和常数模算法模式。研究表明，两类多模算法及双模式均衡方案收敛快，收敛性能也令人满意     

一族新Bussgang类盲均衡算法

该文提出了一族新Bussgang类盲均衡算法统一形式的代价函数,该代价函数具有明确的数学意义,包括了经典的Decision-Directed算法,Sato算法,CMA算法及其变种。根据该代价函数,可以设计出新类型的Bussgang盲均衡算法,该文据此设计了两种新型的Bussgang盲均衡算法,仿真实验验证了这两种新算法的收敛性能。     

基于RBF神经网络的肓均衡算法综述

RBF神经网络是一种局部逼近的多层前向神经网络,具有算法简单,收敛快,逼近效果好,泛化能力强等优点.RBF通过非线性基函数的线性组合实现从输入空间到输出空问的非线性转换.盲均衡则是一种不借助训练序列,仅利用接收序列和发送序列的先验知识来恢复发送序列的方法.文中基于RBF神经网络的硬究给出盲均衡的算法综述.