稀疏水声信道判决反馈盲均衡算法研究

针对高速水声通信中信道的稀疏特性,提出了一种基于常数模准则的稀疏水声信道判决反馈盲均衡算法。该算法将改进的常数模算法与一种变化的判决反馈均衡器结构(部分反馈均衡器)有机结合,利用水声信道的稀疏特性,不但很好地实现了稀疏水声信道的盲均衡,而且简化了计算,易于算法的硬件实现。用典型稀疏水声信道进行了计算机仿真。结果表明,该算法性能稳定,计算量小,稳态均方误差低,整体性能与基于自适应LMS的稀疏迭代算法接近。该研究为高速水声通信中稀疏信道的均衡提供了一种可实现的方法。     

水声稀疏时变SIMO信道盲均衡算法

基于复指数基扩展模型（Complex exponential basis expansion model, CE-BEM）,利用信道的稀疏特性和发送信号的常模特性（Constant Modulus, CM）,提出水声稀疏时变（Time-variant, TV）SIMO信道盲均衡算法。首先采用l0-范数约束的比例系数归一化最小均方误差常模算法对等效信道矩阵的稀疏时不变部分进行均衡,然后采用基频率估计算法估计基频率并对多普勒频移进行补偿,最后对恢复信号中存在的相偏进行估计补偿。仿真实验结果表明,本文算法提高了均衡器的收敛速度,降低了剩余码间干扰。      

基于EM-SBL迭代的稀疏SIMO信道频域盲均衡算法

针对单输入多输出系统下稀疏信道均衡问题,提出了一种新的基于最大似然准则的频域迭代均衡算法.首先将多天线联合均衡问题建模为非完整观测数据集下频域信号序列的最大似然估计问题,利用期望最大化算法进行近似迭代求解,最终得到各个单频信号加权求和形式的均衡输出表达式.在每次迭代过程中,算法依次完成均衡输出的更新和信道参数联合条件后验分布的更新.考虑到信道固有的稀疏特性,在求解信道参数联合条件后验时,引入具有稀疏促进作用的先验分布对信道系数加以约束,使用稀疏贝叶斯学习迭代求解信道参数联合条件后验.仿真结果表明,本文算法具有较好的收敛特性和稳态性能,在中高信噪比条件下可以获得接近信道已知条件下的稳态系统误符号率性能.     

一种改进的稀疏多径信道盲辨识算法

针对无线多径稀疏信道,利用信道有效近似思想,提出了一种改进的基于矩阵外积分解的信道盲辨识与盲均衡算法。算法首先利用改进的VIA信道阶数估计准则,对多径稀疏信道“有效部分”的阶数进行精确估计,然后利用改进的矩阵外积分解算法估计出信道冲激响应的“有效部分”,最后利用该估计结果对接收数据进行反卷积运算,恢复出发送信号。为了降低噪声以及信道冲激响应中的“零抽头”部分对信道盲辨识性能的影响,本算法对噪声方差估计方法进行了改进,提高了算法在中、低信噪比条件下的盲辨识性能。与现有算法相比,本算法不仅降低了对信噪比的要求,而且克服了基于LC准则的子空间算法(SSA, Subspace Algorithm)的相位偏转问题,其中噪声方差的估计方法也可应用于信噪比估计技术。仿真实验以及对SPIB微波信道测试结果验证了本文算法的有效性。      

一种新的盲均衡算法

本文提出一种适合于ＰＡＭ、ＱＡＭ数字通信系统的新的盲均衡算法。该算法克服了Ｓａｔｏ、ＲＣＡ、ＣＭＡ等算法收敛后剩余误差大和ＢＧ、Ｓｔｏｐ ａｎｄ Ｇｏ等算法中有待定参数的缺点。     

一种用于水声信道的稀疏权超指数迭代盲均衡算法研究

超指数算法的迭代算法便于跟踪时变信道,但是,其计算量与权长的平方成比例,不利于工程实现.该文利用水声信道的稀疏性,采用超指数算法的部分步骤,估计权向量并进行稀疏处理,初始化超指数迭代算法,不但减小了算法的计算量,而且加快了算法的收敛速度.计算机仿真证明了该方法的有效性.     

l0-范数约束的稀疏多径信道RLS常模盲均衡算法

针对稀疏多径信道下MPSK信号的快速盲均衡问题,提出了一种l0-范数约束的递归最小二乘常模盲均衡算法.该算法借鉴传统的递归最小二乘常模盲均衡算法思想,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-范数约束的加权最小二乘误差代价函数,然后依据递归最小二乘算法推导出均衡器抽头系数更新公式.该算法发挥递归最小二乘常模算法收敛速度快的优势,并对幅度极小系数附加零点吸引调整,从而实现不同幅度抽头系数的快速收敛.理论分析与仿真结果表明,与现有算法相比,该算法在保证较低剩余符号间干扰的前提下,能有效提高均衡器的收敛速度.     

基于特征分解的线性信道盲迫零均衡算法

文中依托分数间隔SIMO线性信道模型,利用信道输出的二阶统计量来构造某些矩阵,在信道-均衡器的迫 零准则下,不需要预先估计信道冲激响应,可直接估计均衡器系数。仿真结果表明,该算法具有很好的均衡效果。     

基于进化思想的盲均衡新算法研究

进化思想是目前模拟进化过程的三种主要研究途径之一，它主要强调个体的行为变化、强调父代和子代之间或繁殖群体之间的行为联系。盲均衡是一种在信道畸变相当严重的条件下，不用借助于训练序列，仅根据接收到的信号序列本身进行自适应均衡的方法；本文运用进化思想和传统Godard均衡器代价函数，提出一种基于进化思想的盲均衡新算法，计算机模拟结果表明：该算法比已有的盲均衡算法收敛速度快，且不会误收敛至局部最小值。     

一种新的基于误差切换的盲均衡算法

在CMA算法基础上,利用多电平正交幅度调制(MQAM)信号的分布特点,提出了一种适合于MQAM数字通信系统的误差切换的盲均衡算法(ESA).理论分析和计算机模拟表明,该算法具有较快的收敛速度和较小的剩余误差,是一种很实用的盲均衡算法.     

基于阵列天线和稀疏贝叶斯学习的室内定位方法

由于多径和非同源等因素的影响,传统基于蓝牙信号强度的室内定位方法的性能精度和稳定性都不高。针对基于蓝牙信号的复杂室内环境定位问题,该文提出基于低成本阵列天线的室内定位方法,该方法利用单通道轮采极化敏感阵列天线对蓝牙信号进行采样,然后结合暗室测量获得的准确阵列流形和极化快收敛稀疏贝叶斯学习(P-FCSBL)算法实现信源的角度估计,最后通过角度实现定位。该方法充分利用极化信息和角度信息来实现目标和多径信号的分离,同时对单信源的同时采样保证了估计的稳定性。最后通过实测数据处理验证了该方法的有效性。

     

基于稀疏贝叶斯学习的空间紧邻信号DOA估计算法

离格(off-grid)波达方向(DOA)估计解决的是实际DOA和假设网格点的失配问题。对于空间紧邻信号的DOA,稀疏的网格点会导致精度和分辨率的下降,密集的网格点虽然可以提高估计精度却显著增加计算负担。针对此问题,该文提出基于稀疏贝叶斯学习(SBL)的空间紧邻信号DOA估计算法,主要包括3个步骤。首先,通过最大化阵列输出的边缘似然函数,推导了信号在拉普拉斯先验下的新不动点迭代方法,进行超参数的预估计,相比其他经典SBL算法提高了收敛速度;其次,利用新网格插值方法优化网格点集,并二次估计噪声方差和信号功率以分辨空间紧邻信号的DOA;最后,推导了似然函数关于角度的最大化公式以改进离格DOA搜索。仿真表明该算法比其他经典SBL类算法对空间紧邻信号的DOA具有更高的精度和分辨率,同时有计算效率的提升。     

基于稀疏贝叶斯学习的机载双基雷达杂波抑制

机载双基雷达杂波与构型有关且具有严重的距离依赖性,因此杂波脊复杂多变,独立同分布(IID)的样本很少。传统的空时自适应处理(STAP)方法受独立同分布样本数的限制,对机载双基雷达杂波的抑制性能有限。基于机载雷达杂波在角度-多普勒域分布的稀疏特性和稀疏贝叶斯学习(SBL)在稀疏信号重建方面的优势,该文将SBL算法应用于较为复杂的机载双基雷达双动模式下杂波抑制,该方法可以用少量训练单元杂波估计待测距离单元的杂波协方差矩阵(CCM),然后进行空时自适应处理;同时,该算法不需要样本独立同分布,在双基双动模式下对杂波的抑制性能较好,仿真结果验证了算法的有效性。     

基于稀疏贝叶斯学习的码元速率估计

现有的相位编码信号码元速率估计方法在样本点足够多的情况下才能准确估计出参数,且算法复杂度高。针对此问题,该文详细分析了BPSK信号的结构特征,并以此为先验信息对其循环自相关(CA)向量进行压缩采样,降低了传统贝叶斯复数处理方法的维度。利用压缩传感中离散傅里叶变换矩阵的奇偶性,分解传感矩阵为正弦和余弦变换,分别将CA向量的实虚部转换到对应变换域测量,根据复数信号实虚部具有相同支撑集这一特点,采用多任务稀疏贝叶斯重构时延积向量的单边谱分量,从而估计出码元频率。理论分析和仿真结果表明,相较于其它基于稀疏贝叶斯学习的参数估计算法,所提方法在测量数量较少的情况下也能准确估计出循环频率,且算法实时性显著提高。     

基于稀疏贝叶斯学习的网格自适应多源定位

多源定位是信号处理中的重要问题。该文针对目标偏离初始网格点引起的基不匹配问题,构建具有Laplace先验的稀疏贝叶斯学习框架,提出基于稀疏贝叶斯学习的网格自适应多源定位算法AGMTL。本质上,AGMTL实现了稀疏信号重建和网格自适应定位字典的学习。仿真结果表明,AGMTL通过网格自适应调整,在定位误差,估计可靠性,抗噪性能上均远远优于传统的压缩感知定位算法。     

基于RENYI熵的水声信道判决反馈盲均衡算法研究

在水下通信系统中,为了抑制由多径效应产生的严重码间干扰,必须进行信道均衡。针对传统的常数模判决反馈盲均衡(CMA-DFE)收敛速度较慢的问题,该文提出了一种基于RENYI熵的判决反馈盲均衡算法(RENYI-DFE)。该算法使用RENYI熵算法调节均衡器前向权向量,用CMA算法调节均衡器反馈权向量,与CMA-DFE相比,该算法在计算量增加很小的情况下,使得盲均衡算法的收敛速度显著增加。仿真结果证明了该算法的优越性。     

快速QAM信号多模盲均衡算法

该文提出一种改进的QAM信号的多模盲均衡算法,其利用发送信号的实部(或虚部)信息构造代价函数。并且,提出了通过共轭梯度算法得到均衡器最优权的算法,该算法具有二次收敛性,与传统恒模算法和多模算法相比较,有非常快的收敛速度和非常少的计算量,并且均衡效果相当。最后,通过误码率和收敛速度分析该算法的可靠性和有效性,通过计算机仿真证明了该算法的有效性。