一种基于统计特性变换的改进盲信道估计

首先从接收信号的过采样出发,总结了SIMO信道的堆栈系统模型.针对输入信号为平稳且有已知自相关函数时的信道估计与均衡问题,通过统计特性变换的方法导出了变换阵的闭式解,最后给出一种适用于平稳信源的改进盲信道估计与均衡算法,并对算法进行仿真,分析其辨识误差、收敛性能和均衡效果.结果表明算法在输入信号为平稳非独立同分布时仍能对信道进行辨识且具有较高的精度,算法的收敛速度快并能达到理想的均衡效果.     

双递推最小二乘二阶统计盲信道识别和均衡算法

对于单输入一多输出(SIMO)FIR信道,文中提出一种基于二阶统计的自适应盲识别和均衡算法.首先,基于输入数据矩阵的QR分解把盲信道识别问题转换为低秩矩阵近似解.然后,应用双递推最小二乘(Bi-LS)子空间跟踪方法来推导快速递归盲信道识别算法.新算法仅需要O(md~2)计算复杂度或者O(md)如果仅是均衡,其中m为接收数据矢量的维数(或信道矩阵的行秩),而d是信号子空间维数(或信道矩阵的列秩).为了克服后向迭代的缺陷,也提出一种逆QR子空间跟踪和信道均衡递推算法.逆QR递推算法十分适合于脉动阵并行实现.模拟结果证明了所提出的算法对于信道识别和均衡的有效性.     

典型相关分析的改进型RLS盲均衡算法研究

本文介绍了一种适用于单输入多输出(SIMO)系统中的自适应盲均衡算法——典型相关分析的递归最小二乘自适应盲均衡(CCA-RLS),并在此基础上提出了一种改进算法——典型相关分析的可变遗忘因子递归最小二乘自适应盲均衡(CCA-MRLS)。CCA-MRLS盲均衡算法把典型相关分析(CCA)与MRLS算法结合在一起应用于SIMO系统中,不同于其他基于二阶统计量(SOS)算法,它能够在获得最佳均衡器的同时还能够得到系统的最佳联合输出。仿真结果表明,提出的CCA-MRLS算法与CCA-RLS相比,具有更低的残留码间干扰和更快的收敛速度。     

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。     

盲均衡技术在地震信号反褶积中的应用

为了消除地震反射系数的影响,有效提取地震子波,提出一种基于最小均方误差准则的SIMO系统的盲均衡算法,该算法利用接收数据的截短协方差矩阵设计了直接均衡器,该方法是盲均衡算法在地震信号处理中的应用,避免传统反褶积运算中对称正定矩阵的限制,从而改善了算法的稳定性并提高收敛速度。计算机仿真表明,新算法可获得较优的地震子波,从而再利用地震子波对反射系数进行分析,并且具有很快的收敛速度。     

基于循环平稳二阶统计量的SUB-CMOE盲均衡算法

提出了一种新的利用循环二阶统计量估计信道的盲均衡算法.通过对信道输出信号进行过采样,建立单输入多输出(single input multiple output,SIMO)信道模型.传统的约束最小输出能量算法(constrained minimum output energy algorithm,CMOE)只研究了理想的无噪声状态,不考虑噪声对信道的影响.然而实际中噪声是不可避免的.为了使得约束最小能量算法可以适用于有噪声环境,利用子空间算法来消除噪声对算法的影响.仿真结果表明本算法可以克服噪声对信道的影响,收敛速度快.     

基于T/4分数间隔的判决反馈盲均衡算法研究

在均衡具有深谱零点的稀疏水声信道时,针对波特间隔判决反馈盲均衡器权系数长、收敛速度慢、均方误差大的缺点,提出了基于T/4分数间隔的判决反馈盲均衡算法.该算法前馈滤波器采用4路子信道系统模型,用常数模误差函数对均衡器权系数进行调整,综合了分数间隔均衡器和判决反馈均衡器的优点,均衡器权长只要大于或等于信道长度就能完全均衡信道,该算法收敛速度比波特间隔判决反馈盲均衡算法(BSDFE)与T/4分数间隔盲均衡算法(T/4FSE)快、均方误差比BSDFE与T/4FSE小,且计算量不变,有利于信息的实时恢复.深谱零点稀疏水声信道盲均衡的仿真结果,进一步验证了该算法的性能.     

基于过采样的IIR信道盲辨识与均衡算法

为了信道传输质量得到保证,提出了一种通信信道的盲辨识与均衡算法。算法将信道建模成IIR信道并在其输出端过采样,分别对信道传输函数的AR参数和MA参数进行辨识。在辨识MA参数时将信道分解成多个子信道,使得未知信道的信息被充分利用,提高了系统辨识的精度。同时该算法不需要信道信息和输入信号的统计特性,因而具有广泛的适用性。仿真试验表明该算法具有良好的性能。     

一种中间件数据库集群的负载均衡算法

为满足用户对数据库集群系统高输入高输出应用的需求,设计一种采用中间件技术的数据库集群系统,并针对该系统提出一种基于Markov模型的数据库集群负载均衡算法。该算法在执行节点负载信息采样周期内,利用Markov模型预测集群系统各执行节点的负载信息状态,根据预测的执行节点负载信息对集群系统进行负载均衡。实验结果表明,该算法能够有效提高数据库集群的性能。     

基于PCA及SVM对含能化合物结构性能预测

本文使用PCA(主成分分析)算法对含能化合物的结构参数进行数据预处理,这可降低数据维数和提取数据特征信息,将预处理后的数据作为SVM(支持向量机)算法的输入,通过SVM同归算法来建立含能化合物分子结构和性能之间的定量关系模型.结果表明,该模型能较好的反应含能化合物分子结构和性能之间的关系,具有较高的预测精度.     

A second-order blind equalization method robust to ill-conditioned SIMO FIR channels

This paper deals with blind equalization of single-input–multiple-output (SIMO) finite-impulse-response (FIR) channels driven by i.i.d. signal, by exploiting the second-order statistics (SOS) of the channel outputs. Usually, SOS-based blind equalization is carried out via two stages. In Stage 1, the SIMO FIR channel is estimated using a blind identification method, such as the recently developed truncated transfer matrix (TTM) method. In Stage 2, an equalizer is derived from the estimate of the channel to recover the source signal. However, this type of two-stage approach does not give satisfactory blind equalization result if the channel is ill-conditioned, which is often encountered in practical applications. In this paper, we first show that the TTM method does not work in some situations. Then, we propose a novel SOS-based blind equalization method which can directly estimate the equalizer without knowing the channel impulse responses. The proposed method can obtain the desired equalizer even in the case that the channel is ill-conditioned. The performance of our method is illustrated by numerical simulations and compared with four benchmark methods.     

采用LMS算法的频域均衡技术研究

LMS(最小均方)算法是一种经典自适应算法,最初应用于时域均衡.本文采用LMS算法,根据信道的特性来更新频域均衡器的均衡系数,实验结果表明该算法可明显改善频域均衡系统的性能.     

基于信道相关性的半盲信道辨识算法

针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,本文基于信道的CR相关性提出一种简单有效的半盲 信道辨识算法。算法通过输出数据构造相关矩阵W,根据相关矩阵W与信道向量的正交性构造约束方程,并利用少量已知符号和改进的最小二乘（Modified least square,MLS ）准则建立额外的约束,通过最小二乘法求得信道响应的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性,避免了传统半盲方法面临的最优加权选择问题,算法复杂度较低且性能稳定,对信道噪声及信道阶数具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。     

一种新的基于统计测度的变步长CMA盲均衡算法

在常模量算法的基础上，提出了一种适合于常模信号的基于统计测度的变步长盲均衡算法。考虑到信道畸变和噪声的同时作用将使得有些观测信号值受到更大的影响，因此可以认为这些值时均衡器系数的调整从统计测度上讲是不太有利，故采用较小的步长，使得该值在整个均衡器系数的调整中贡献较小。本文对此进行了理论解释。仿真结果表明，该算法具有较快的收敛速度，且收敛后的超量均方误差（EMSE）与CMA算法基本相同。     

Two efficient adaptively varying modulus blind equalizers: AVMA and DM/AVMA

Among the blind channel equalization schemes, constant modulus algorithm (CMA), due to its robustness and easy implementation, is an excellent choice to correct the distortions caused by transmission channels. In two-dimensional communication systems, phase recovery is a subject of grave concern which cannot be handled by conventional CMA due to its phase blind nature. In this paper, an adaptively varying modulus algorithm (AVMA) is presented that accomplishes blind equalization and phase correction simultaneously in case of light distorted channels. In order to equalize the channel with higher distortion levels, DM/AVMA, a hybrid of MCMA and AVMA is also presented. Both of these equalizers outperform the conventional CMA and some other existing schemes under certain environments. Analysis and simulation results indicate that the AVMA blind equalizer has faster convergence rate and better steady state performance than those of the conventional CMA & MCMA equalizers in light distorted channels, while, the DM/AVMA equalizer outperforms all the above-mentioned equalizers significantly in channels with higher distortion levels.     

非最小相位SIMO系统的盲辨识方法

提出一种非最小相位SIMO系统的盲辨识方法.SIMO系统的多个输出可重新组合为具有循环平稳特性的输出序列,利用信号子空间与噪声子空间正交的特性,可求解系统的模型参数.该方法能辨识最小相位对象的结构参数,对非最小相位对象以及具有无限冲击响应的对象同样有效.该方法运算复杂度低,辨识速度快.仿真结果验证了其有效性.     

基于最小二乘支持向量机的非线性均衡

从支持向量机(SupportVectorMachine,SVM)学习理论出发,介绍了最小二乘支持向量机(LeastSquaresSupportVectorMachine,LS-SVM)的原理[1],并详细描述了使用共轭梯度(ConjugateGradient,CG)算法来实现LS-SVM。结合通信中常见的非线性均衡问题,讨论了在信道呈现非线性,色噪声干扰情况下,使用LS-SVM实现均衡任务,通过同最优贝叶斯均衡器性能的比较,证明了LS-SVM处理非线性均衡问题的有效性。在实际数字通信中,接收端可以在不知道信道状态的前提下,通过接收训练序列并对其进行学习,确定均衡器模型参数,从而对未知的发送信号进行预测。     

An effect of phase noise for an indoor wireless system

This paper gives an overview of 60 GHz indoor wireless channel characteristics and an effect on phase noise. The performance of OFDM system is severely degraded by the local oscillator phase noise, which causes both common phase error (CPE) and inter-carrier interference (ICI). In this paper, the phase noise suppression (PNS) algorithm in order to reduce the phase noise in OFDM-based 60 GHz WPANs is considered. The PNS algorithm is very simple and easily designed to realize system but it requires more effort to reduce the IC.     

改进的非线性卫星信道均衡器

针对常用的Volterra结构均衡器运算量大的问题,提出一种改进结构的非线性卫星信道自适应均衡器。通过对截断Volterra级数进行数学分析,得到了具有非线性均衡器和线性均衡器级联形式的新均衡器结构。新结构均衡器将Volterra结构均衡器表达式中的三阶记忆项相乘转变为新模型非线性部分的二阶记忆项相乘,降低了信号通过均衡器所需的复数乘法次数。仿真结果表明,改进结构的非线性卫星信道自适应均衡器运算所需的复数乘法次数在信道记忆很深的情况下约为Volterra结构均衡器的1/9,有利于信号的实时处理。与此同时,经改进均衡器均衡输出的16振幅移相键控调制（16APSK）信号的星座点更为紧凑。     

基于SCFNN之PAM非线性信道均衡器成效研究

自组织型模糊类神经网络(SCFNN)可依据一定的法则自我构建神经网络的组织结构,从而适用于当前控制对象;多层神经元是传统的类神经网络,广泛应用于各个领域;倒传递学习法与最陡坡降法相结合,可使以上两种类神经网络进行有效的融合;目前,信道均衡器上的系统架构种类非常多,各种类神经网络应用于信道均衡器也颇为普遍;在研究SCFNN的基础上,将其应用于通道均衡器确实可行,效果良好;比较了SCFNN与MLP在通道均衡器的成效;仿真表明,在相同通道环境下,SCFNN的训练收敛速度、位错误率与系统敏感度优于MLP,完成结构学习后SCFNN的结构也颇为精简。