基于最小二乘平滑算法的时变信道盲辨识

针对基展开模型的时变信道盲辨识问题,提出了联合阶数估计的最小二乘平滑算法.该算法充分利用其投影误差矩阵包含的时变信道阶数和系数信息,在信道辨识前先进行阶数精确估计,克服了该子空间类盲辨识方法对信道阶数敏感的缺点,改善了辨识效果;与线性预测类方法相比,该方法不需要知道输入信号的统计特性.理论推导和仿真结果验证了该算法的有效性.     

基于矩阵特征值分解的盲SIMO信道识别算法

论文提出了一种有效的基于矩阵特征值分解的多路信道盲辨识算法。与基于预测误差盲辨识方法不同,新的算法不要求输入信号独立同分布,甚至输入信号可以是非平稳的。与最小均方盲辨识算法相比,这种新算法对信道时延阶数估计有更好的鲁棒性。最后实验演示了新算法的有效性。     

一种基于FFT低复杂度的信道盲辨识算法

提出了一种适用于短突发信号的低复杂度基于FFT的信道盲辨识算法。算法基于MCR(minimum cross-relation)算法只需最小冗余度信息可求解出信道向量的特性,通过将其建立的线性方程经过FFT变换后再求解信道向量,并结合算法中的矩阵 的秩信息提出了一种快速阶数估计算法。仿真表明,该算法既克服了传统辨识算法对于短突发观测数据下性能不佳的缺点,又降低了原有基于FFT的信道盲辨识算法的复杂度和提升其对阶数的鲁棒性。     

基于MMSE的自适应盲均衡算法

提出一种估计最小均方误差的盲均衡算法。与RLS算法原理类似,该方法依据矩阵求逆引理逐步更新自相关矩阵及其伪逆,以达到快速收敛,且对迭代初始值不敏感。与非递归算法相比,该自适应在线算法无需直接计算相关矩阵的伪逆或引入奇异值分解,避免了估计相关矩阵的秩或信道阶数。快速收敛以及在线处理的特性使其可以应用到实时通信信号处理中。仿真结果证明算法具有很好的在线均衡性能。     

基于多新息最小二乘算法的非线性系统辨识

针对最小二乘算法辨识性能较差问题,将最小二乘算法中的单新息通过利用p组数据拓展到多新息向量,提出了多新息最小二乘算法。与最小二乘相比,所提出的算法不仅利用了当前的系统信息,而且利用了过去的系统信息,进一步提高了参数辨识的精度和收敛速度。在所提出的算法中,为了减少冗余的参数辨识和算法计算量,利用关键性分离技术构造整体辨识模型。设计了辅助模型来替代系统中未知的中间变量,提高了参数估计的精度。对比仿真结果表明,所提出的算法具有比递归最小二乘算法更高的辨识精度和收敛速度。     

射频功率放大器幂级数模型的系统辨识与实现

幂级数模型是描述无记忆功率放大器的一个常用模型,系数辨识是准确建立模型的关键因素。通过对功放非线性等特性的研究,探讨辨识幂级数模型的最小二乘算法与卡尔曼滤波算法,对功放的实际应用具有一定的指导意义。研究了基于最小二乘法与卡尔曼滤波算法的射频功率放大器幂级数模型的参数估计方法,进行了相应的数值仿真实验,结果显示:最小二乘算法具有计算简单与容易实现的优点,而卡尔曼滤波算法计算量大,原理复杂,但当幂级数阶数有限时,随着迭代次数的增加,估算的准确度会更高。     

基于递推最小二乘的荧光补偿参数辨识方法

研究流式细胞仪样本检测数据的荧光光谱重叠补偿问题.针对全矩阵补偿算法中补偿矩阵参数的获取,提出了一种使用多变量系统的递推最小二乘算法辨识补偿矩阵参数的方法.在全矩阵补偿方法的基础上,用单染色荧光光谱线性和对多染色荧光实际测量光谱进行近似,并使用多变量系统的递推最小二乘算法辨识系统参数获得补偿矩阵的元素.仿真结果表明,利用多变量系统的递推最小二乘算法进行荧光补偿与一般最小二乘算法相比,补偿结果的CV值相对误差在2％以内,进而验证了所采用的算法的有效性与可行性.     

一种基于ＳＩＭＯ系统的递推盲辨识算法

传统的盲辨识算潮基于通道输入的统计模型和通道输出,然而在对输入的统计特性进行准确估计时需要大量的数据,为了避免这种缺点,本文提出了一种单输入多输（SIMO)线性时不变有限单位冲击响应（ＦＩＲ）系统的盲辨识最小二乘算法,利用递推最小二乘算法求解这类算法中的ＸＬＴＫ方程,大大降低了算法对计算存储量的要求,在盲辨识的基础上,利用多项式互质的一个判别定理,通过解卷积求出ＳＩＭＯ－ＦＩＲ系统输入,最后通过实验验证了算法的有效性。     

一种基于噪声子空间的半盲信道辨识算法

传统确定性半盲算法在最优权值选择上效率较低。为此,提出一种基于噪声子空间的半盲方法。利用噪声子空间与信号子空间的正交关系,构建信道响应与噪声矢量间的约束,根据参考符号与对应接收信号间的卷积关系建立额外的约束,由最小二乘方法求解信道冲激响应。仿真实验验证了该算法的有效性及参考符号个数下限的正确性。     

MIMO-CPSC系统中预编码盲信道估计算法研究*

在频域均衡系统中,基于预编码的子空间盲信道估计算法可以有效地对信道进行估计。针对多天线单载波循环前缀系统,提出了一种基于预编码的盲信道估计算法。该算法通过分离出连续两个接收符号块的互相关矩阵所包含的信道信息实现信道盲估计。仿真结果表明,该算法具有较低的计算复杂度以及对信道阶数过估计有很好的鲁棒性,并且该算法利用较少的数据块个数就得到了一个可靠的信道估计值。     

改进的OFDM系统半盲信道估计算法

信道估计算法从先验信息的角度,可分为3类：基于参考信号的估计、盲估计和半盲估计。半盲估计是结合盲估计与基于训练序列估计这2种方法优点的信道估计算法。本文首先通过基于导频辅助的半盲信道算法和基于直接判决的半盲信道算法得出信道的估计值,再定义一个置信度函数得出加权系数γ,使基于导频辅助的半盲信道算法和基于直接判决估计算法有效结合起来,有效提高信道估计的精度。     

基于VC的MIMO-OFDM系统的子空间半盲信道估计

传统的子空间盲信道估计收敛速度缓慢且需要大量接收信号才能保证估计性能良好,就此问题提出了一种新的基于虚拟载波（VC）的MIMO-OFDM系统的盲信道估计算法。该算法是传统子空间算法与块矩阵思想的结合,在每个OFDM符号中提取一组子矢量来降低维度。而后又在盲信道估计算法中加入导频序列形成新的半盲信道估计算法。通过计算机模拟仿真发现,新提出的盲信道和半盲信道估计算法在信道估计性能和收敛性方面均表现较好。     

一种基于噪声功率的信道有效阶数盲估计算法

基于二阶统计量的盲均衡算法大多要求估计信道阶数。根据噪声功率随信道阶数的变化特点,提出一种新的阶数估计算法。实验表明,与传统算法相比,该算法不仅复杂度低,在低信噪比和小样本个数情况下估计性能良好,且不依赖于具体的盲信道估计算法,具有较强的适用性。     

基于卡尔曼滤波的线性共轭半盲多用户检测

考虑实际的多载波CDMA（MC-CDMA）上行链路系统,深入研究了基于卡尔曼滤波的盲自适应多用户检测和线性共轭多用户检测,提出MC-CDMA系统下一种基于自适应卡尔曼滤波的线性共轭半盲多用户检测算法。该算法利用小区内所有用户的扩频码和伪自相关矩阵的信息设计了一种基于平均输出能量（MOE）准则的线性共轭半盲检测器,结合修正的PASTd算法和卡尔曼滤波算法自适应得到MOE权向量。仿真实验验证了所提算法的有效性,与卡尔曼滤波盲自适应算法相比,提出的算法有更好的输出信干比和误码率性能,并保持较低的复杂度。     

MC-CDMA系统中的自适应半盲多用户检测算法

研究多载波CDMA(MC-CDMA)上行半盲多用户检测技术,对基于Chebyshev逼近算法实现的最小输出能量(MOE)盲多用户检测进行改进,提出MC-CDMA系统下一种基于子空间跟踪和Chebyshev逼近的自适应半盲多用户检测算法。该算法基于MOE线性检测器原理,充分利用小区内所有用户的扩频码,设计了一种基于MOE准则的半盲检测器,很好地消除了多址干扰。为了减少计算复杂度,将修正的PASTd算法应用于Chebyshev逼近算法估计MOE半盲检测器的最优权向量。该算法计算复杂度低,具有较好的抗多址干扰性能和检测性能。仿真结果验证了该算法的可行性和优越性。     

基于EMD的单通道盲源分离跳频通信抗干扰方法

针对传统盲源分离算法无法在单路接收的跳频通信场景中使用的问题,提出一种结合经验模态分解的单通道盲源分离跳频通信抗干扰方法。首先通过理论分析和仿真确定了采用EMD对混有干扰的单路接收跳频信号进行增维的方法,将单通道盲分离的欠定问题转为正定问题,之后分别利用全盲盲源分离和半盲盲源分离实现扰信分离。在不同信干比、不同信噪比等多种条件下的仿真实验验证了本方法的有效性。     

利用高阶累积量和独立分量分析网络进行盲均衡与系统辨识

在高阶累积量的基础上，利用过采样技术和独立分量分析神经网络，得到一种新的自适应盲辨识和信道均衡方法。与同类方法相比，本文提出的方法网络结构简单，不必利用训练序列，可以同时得到系统参数和均衡输出。     

Bi-iterative least squares algorithms for blind channel identification and equalization with second-order statistics

We present an adaptive algorithm for blind identification and equalization of single-input multiple-output (SIMO) FIR channels with second-order statistics. We first reformulate the blind channel identification problem into a low-rank matrix approximation solution based on the QR decomposition of the received data matrix. Then, a fast recursive algorithm is developed based on the bi-iterative least squares (Bi-LS) subspace tracking method. The new algorithm requires only a computational complexity of O(md2)...