基于误差信号峰度的时变步长恒模盲均衡算法

论文针对固定步长恒模盲均衡算法的缺陷,提出了一种自适应时变步长恒模盲均衡算法,采用误差信号的峰度作为步长控制因子。经计算机仿真与理论分析表明,该算法与传统恒模算法相比,收敛速度加快,稳态剩余误差减小。     

一种新的变步长常模盲均衡算法

常模盲均衡算法采用固定步长时存在收敛速度和稳态误差之间的矛盾,解决这一矛盾的有效方法是用变步长代替固定步长.在分析了常模算法误差特性的基础上,建立了步长因子和误差信号之间的一种非线性函数关系,分析了函数中参数对步长因子的控制,较好地满足了常模算法迭代过程对步长因子的要求,得到一种新的变步长常模算法.新算法能够在加快收敛速度的同时减小稳态误差,且具有较强的信道跟踪能力和抗干扰能力.理论分析和计算机仿真证实:新算法性能较好,具有很好的实用性.     

基于模糊神经网络控制的变步长盲均衡算法

文章提出了一种新的模糊神经网络(FNN:FuzzyNeuralNetwork)控制的变步长盲均衡算法,利用模糊神经网络控制盲均衡算法的迭代步长,以得到更好的均衡性能。该文设计出模糊神经网络控制器的结构并给出状态方程,提出了新的代价函数,推导出控制器参数的迭代公式。计算机仿真表明,该算法与传统恒模(CMA:ConstantModulusAlgorithm)盲均衡算法相比,具有稳定性好的优点。     

一种变步长星座匹配多模算法

常数模算法(CMA)在QAM信号上的星座图匹配,存在剩余误差大、无法纠正相位偏差等问题。为此,在研究盲均衡算法的基础上,根据高阶QAM 信号的星座图特点,构造新型的均衡估值函数,并采用误差能量作为步长变化的依据,提出一种变步长星座匹配多模算法。仿真实验结果表明,该算法具有较好的收敛效果,且能改善位偏转,保持CMA算法的鲁棒性。     

一种变步长解相关LMS算法

论文提出了一种变步长解相关的LMS算法,解决了传统LMS算法固定步长的缺点,并根据输入信号的相关性原理对迭代更新方向向量进行了改进,提高了迭代速度,并使用MATLAB仿真对提出的新的算法的有效性进行了验证。     

基于串音误差与分离度的变步长EASI盲源分离算法

当源信号各分量差异较大或全局矩阵为非行元素优势矩阵时,基于串音误差的变步长等变自适应分离(EASI)算法难以正确评价分离效果,导致步长选取错误。针对该问题,提出一种改进的变步长EASI算法。通过计算基于串音误差的步长平方根适当增大步长,同时定义信号分离度对步长做进一步调整,减小因串音误差分离结果评价不准确而导致步长错误变小的影响。仿真结果表明,该算法具有较好的步长调节能力,相对传统EASI算法和基于串音误差、基于串音误差步长平方根、基于分离度的变步长EASI算法分离效果更佳。     

基于联合误差控制的变步长双模盲均衡算法研究

针对CMA+DDLMS双模式盲均衡算法对相位不敏感、收敛速度慢、突然切换容易造成误码率升高以及算法不稳定等问题,提出一种基于联合误差控制的变步长双模切换盲均衡算法。与现有双模式算法相比,新算法引入变步长因子有效提高算法收敛速度,同时采用联合绝对剩余误差和判决区域控制的双模切换保证算法的稳健性。采用16QAM系统的仿真结果表明,新算法具有抗干扰能力强、收敛精度高和收敛速度快等特点。     

一种改进变步长LMS算法的性能研究

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,理论分析及计算机的仿真结果表明,该算法可保证较快的收敛速度和较小的失调,能更好地解决收敛速度和稳态误差的内在矛盾,可更好地应用于自适应系统中。     

基于变步长LMS减噪的基音检测改进算法

针对噪声环境下传统的基音检测算法精度不高的问题,提出一种改进的基音检测算法。采用变步长最小均方(LMS)自适应滤波器对带噪语音信号进行减噪,计算减噪后语音的自相关函数(ACF)归一化值、改进平均幅度差函数(MAMDF)、倒谱,建立非线性组合函数,突出基音周期处的峰值。基于置信区间和相邻语音帧的基频差值进行平滑处理,减少基音提取的错误。仿真结果表明,与传统算法相比,该算法检测准确率提高了至少6.7%,在低信噪比环境下鲁棒性也明显提高。     

变步长LMS自适应滤波算法的改进及分析

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,具有收敛速度快,稳态误差小,迅速跟踪跃变系统的变化,并且不易受噪声影响的特点。理论分析和计算机仿真结果表明该算法优于传统算法。     

均方误差控制步长恒模医学CT图像盲均衡算法

提出一种基于均方误差控制的自适应变步长恒模医学CT图像盲均衡算法,利用线性变换将图像的恢复过程等效为一维盲均衡运算,建立了降维处理的医学CT图像盲均衡恒模代价函数,采用信号的均方误差作为步长控制因子,加快算法收敛,改善恒模医学CT图像盲均衡算法性能。仿真结果验证了算法的有效性,新算法改善了峰值信噪比和恢复效果,提高了算法收敛速度。     

基于MISO均衡器的变步长修正常模算法

MIMO系统接收端信号之间的相关性严重影响了均衡效果,为此提出一种基于多输入单输出均衡器的变步长修正常模盲均衡算法(MISO-VSS-MCMA).该算法可以克服信号相位偏转,并能有效抑制用户间干扰;其中误差切换指数型变步长因子可以改善由MISO均衡器之间的信号处理过程所引起的收敛速度下降的问题.仿真表明,与传统的MIMO-MCMA算法相比,基于MISO结构的均衡算法剩余误码率大幅降低,并且变步长因子加快了算法的收敛速度,均衡效果更佳.     

奇对称误差函数变动量因子盲均衡算法

在分析奇对称误差函数判决反馈盲均衡算法（OFA-DFE,Odd symmetry error Function blind equalization Algorithm based Decision Feedback Equalizer）基础上,提出了基于奇对称误差函数变动量因子判决反馈动量盲均衡算法（VMFMOFA-DFE,Variable Momentum Factor Momentum OFA-DFE）。该算法采用具有奇对称性的误差函数来减少均衡器的均方误差,利用变因子的思想对动量项进行控制,并把变动量因子引入到判决反馈算法中,对判决反馈的前向权进行调整,以进一步提高算法的性能。水声信道的仿真结果表明,该算法具有较快的收敛速度和较小的均方误差。     

基于可变步长的常数模盲均衡算法

为了提高多输入多输出系统的通信质量,针对传统常数模盲均衡算法存在收敛速度慢、误码率高等缺点,提出来一种基于可变步长的常数模盲均衡算法。利用反正切函数建立一种步长因子与误差间的非线性函数关系,利用此非线性函数来调整步长,加快算法收敛速度,采用仿真实验测试算法的性能。结果表明,相对于其他盲均衡算法,该算法加快了收敛速度,大幅降低误码率,获得理想的均衡效果,具有一定的实用价值。     

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。     

一种新的CMA神经网络均衡器

在数字通信中,接收信号通常会受到码间干扰的影响。采用盲均衡技术可以消除码间干扰,常模算法（CMA）是应用较广泛的盲均衡算法。因基于常模算法的盲均衡器存在收敛速度慢,剩余误差大的缺点,提出了一种新的基于神经网络的CMA盲均衡器。通过很少的训练序列使网络收敛,再转入盲均衡算法。实验仿真表明,无论是在线性信道还是非线性信道,该均衡器的剩余误差都比普通CMA均衡器较小,收敛速度也较快。     

基于非线性主成分分析的自适应变步长盲源分离算法

算法的迭代步长对于算法的收敛性能有着重要影响。针对固定步长的非线性主成分分析(NPCA)算法不能兼顾收敛速度和估计精度的情形,提出基于梯度的自适应变步长NPCA算法和最优变步长NPCA算法两种自适应变步长算法来改善其收敛性能。特别地,最优变步长NPCA算法通过对代价函数进行一阶线性近似表示,从而计算出当前的最优迭代步长。该算法的迭代步长随估计误差的变化而变化,估计误差大,迭代步长相应大,反之亦然;且不需要人工设置任何参数。仿真结果表明,当算法的估计精度相同时,与固定步长NPCA算法相比,两种自适应变步长NPCA算法相对固定步长NPCA算法都具有更好的收敛速度或跟踪性能,且最优变步长NPCA算法的性能优于基于梯度的自适应变步长NPCA算法。     

约束恒模医学CT图像盲均衡算法

为了改善图像的峰值信噪比,提高算法的可靠性和恢复效果,利用线性变换将图像的恢复过程等效为一维盲均衡运算,建立了医学CT图像约束恒模代价函数,并分析了其凸性,提出一种基于信号降维处理的医学CT图像盲均衡算法。仿真结果验证了算法的有效性,新算法的迭代过程避免了矩阵逆运算,提高了运算效率。