基于小生境遗传优化的正交小波变换盲均衡算法

针对现有盲均衡技术收敛速度慢、稳态误差大、容易收敛到局部极小值的缺点,文中提出了基于小生境遗传优化的正交小波变换盲均衡算法.该算法利用小生境遗传算法搜寻全局,并利用正交小波盲均衡提高收敛速度.计算机仿真结果验证了算法的有效性.     

传算法优化神经网络盲均衡算法分析

在神经网络盲均衡算法和遗传算法的基础之上,文章将两段式优化神经网络权值的相关途径提了出来。遗传算法本身具有非常强的全局搜索能力,通过应用遗传算法对神经网络的初始权值进行优化,考虑BP算法具有非常快的局部搜索速度,因此利用BP算法能够将最佳权值求出来。计算机仿真结果表明,相对于传统的BP神经网络盲均衡算法而言,该算法具有能够减少误码率、控制稳态剩余误差以及加快收敛速度等一系列的优势。基于此,文章分析并介绍了遗传算法优化神经网络权值盲均衡算法的具体方式。     

盲均衡算法的研究

提出了一种盲均衡的新算法。该算法利用接收信号的相关矩阵求解信道的脉冲响应,给均器赋初值,并把它与均衡算法结合起来,从而构成盲均衡新算法。计算机模拟表明,本文提出的盲均衡算法的收敛速度大大提高。     

基于改进混合遗传的正交小波盲均衡算法

为克服传统盲均衡算法收敛速度慢、均方误差大、易陷入局部极小值等缺点,在正交小波变换盲均衡算法(WT-CMA)的基础上,提出一种基于改进混合遗传的正交小波盲均衡算法(MHGA-WT-CMA)。该算法采用基于改进的编码方式、种群初始化、选择算子及交叉算子的遗传算法,以均衡器权系数为初始种群,将正交小波盲均衡算法嵌入遗传算法的父代与子代之间,对父代种群进行局部搜索,将得到的精英个体直接复制到子代中。再将其余个体进行二进制编码、轮盘赌选择、POX交叉以及非均匀变异等遗传算法操作,经过解码成实数进入子代中,进行下一次混合遗传优化,满足停止准则后输出最优权向量。这样可以结合二者的长处,使得算法既能较快收敛,又能在全局范围内得到最优权向量。计算机仿真实验表明,该算法具有收敛速度快、均方误差小、能搜索到全局最优解等特点。     

基于遗传算法的超亚高斯混合信号盲分离

针对基于扩展信息最大化算法的盲源分离算法在分离超亚高斯混合信号时依赖于信号的峭度估计且对初始分离矩阵和步长较为敏感的问题,提出了一种基于遗传算法的盲源分离算法。该算法以分离信号之间的互信息作为代价函数,采用非多项式函数的逼近方法解决了互信息求解过程中涉及到的负熵的计算问题,用遗传算法代替梯度寻优算法最小化代价函数。仿真结果表明:在分离超亚高斯混合信号时,该算法计算简单,鲁棒性好,迭代100次时性能指数值达到0.025 5,分离性能优于基于扩展信息最大化算法的盲源分离算法。     

基于量子遗传算法的多通道通信信号盲反卷积算法研究

本文在分析多输入多输出盲反卷积的网络结构和算法模型的基础上，提出了一种基于输出信号上下文信息的盲反卷积算法，并提出一种采用量子遗传算法的新的优化求解方法，对仿真的通信信号分离的结果表明算法的有效性。     

基于遗传算法的盲信道均衡

盲均衡技术能够仅利用接收信号的统计特性对信道特性进行均衡,克服了传统自适应均衡技术需要训练序列、降低系统有效信息传输率的缺陷,成为目前的研究热点。本文简单介绍了通信中的盲均衡技术,并针对一个简单的信道模型给出了基于遗传算法的盲均衡算法。仿真结果表明,多次迭代的盲均衡的均值能够很好地代表未知信道的性能。     

基于多宇宙并行量子遗传算法的非线性盲源分离算法研究

在系统分析非线性盲源分离模型和算法的基础上,提出了基于输出信号联合累积量的非线性盲 源分离算法,并提出采用多宇宙并行量子遗传算法的优化求解方法,仿真结果表明了算法的有效性。     

基于自适应遗传算法的无线激光通信网络负载均衡成簇算法

由于无线激光通信网络吞吐量低、节点传输延时高和存在分组丢失率多等问题，提出基于自适应遗传算法的无线激光通信网络负载均衡成簇算法。利用AGCH算法对无线激光通信网络节点进行分组和成簇，从中取得簇头节点，构建资源调度模型，利用该模型对簇头节点中的资源进行分配调度，采用自适应遗传算法对建立的模型进行求解，以此提升无线激光通信网络负载均衡效果，实现无线激光通信网络负载均衡。实验结果表明，通过对该算法进行网络吞吐量测试、节点传输延时测试和分组丢失率测试，验证了该算法的有效性强、实用性高。     

基于循环平稳盲均衡算法的研究

传统的盲均衡技术是在假设接收信号是平稳信号的基础上进行均衡,但实际的通信信号具有循环平衡性。针对此介绍了基于循环平稳盲均衡算法的概念,阐述了基于循环平稳盲均衡算法的原理,分析了基于循环平稳盲均衡算法的特点,并对基于循环平稳盲均衡算法进行了展望。     

基于“数据重用”的常模盲均衡算法分析

基于"数据重用"的常模均衡算法可以用于解决短时突发信号的盲均衡问题,但是对于这类算法应用中重要特性的研究还需要进一步深入.首先对数据重复导致的误收敛特性进行了分析并给出了产生这种误收敛的约束条件;然后对短数据重用常模算法能够达到和无重复使用的长数据常模均衡相同稳态误差的条件进行了详细分析并给出了相应的结论.这些分析和结论对于该类盲均衡方法的应用非常重要,计算机仿真验证了这些分析和结论的有效性.     

基于二阶、四阶矩的QAM系统盲均衡准则

本文研究了QAM系统的盲均衡问题,提出了一个基于二阶、四阶矩的统计量匹配盲均衡准则,并由此导出了一种新的盲均衡算法,从而也加深了对盲均衡的理论认识。     

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.     

基于DD-LMS和MCMA的盲判决反馈均衡算法研究

文章对具有DFE结构的盲均衡算法作了研究,在一种修正常模算法(MCMA)代价函数中引入泄漏因子,并将常模算法(CMA)和直接判决-最小均方误差算法(DD-LMS)同时应用到盲判决反馈均衡器的抽头更新中,得到一种适用范围广?均衡特性好?变步长的DD-LLMS MCMBDFE算法。该算法在均衡的同时能自动补偿由信道引起的相位误差,收敛速度快,收敛后剩余误差小,同时还能克服当均衡器长期没有持续输入激励时,LMS算法产生的抽头系数漂移问题。仿真结果表明DD-LLMS MCMBDFE算法是一种有效的盲判决反馈均衡算法。     

Blind Channel Equalization Using Second-Order Statistics: A Necessary and Sufficient Condition

In this work the blind equalization of a single-input, multiple-output channel has been carried out using second-order statistics. A sufficient and necessary condition for blind equalization based on second order statistics has been given. It has been proved that a single autocorrelation matrix of the source symbols is sufficient for blind equalization. The proposed scheme is generalized; that is, it is valid for white as well as colored source symbols. A linear artificial neural network is developed with a learning algorithm based on the new condition. The results of the new algorithm verify its validity and superior performance.     

具有约束学习速率的频域盲均衡算法

多通道的盲均衡在语音分离、去混响、通信、信号处理和控制等领域具有广泛的应用,本文基于二阶统计量在频域重新构造评价函数,为避免得到平凡解在评价函数中额外引入了一项不可简约多项式的描述.然后,应用自然梯度法导出盲均衡算法,为了确保算法收敛,同时给出迭代收敛条件,并将它用来约束学习速率.仿真实验表明,该算法能够分离可均衡的有限冲激响应系统,从而证实了该算法的有效性.     

A Newton-like algorithm for complex variables with applications inblind equalization

Although the Newton algorithm has been extended to the complex domain in different forms, none of them seems to be directly applicable to blind equalization. Therefore, the objective of this correspondence is to develop an algorithm for blind equalization in the complex domain. We propose a Newton-like algorithm based on a complex Taylor series. Stochastic Newton-like algorithms (SNLA) for two blind equalization cost functions are developed. Simulations show that the new algorithms perform slightly better than the self-orthogonalizing algorithm     

基于最大相关熵准则的恒模盲均衡算法

针对恒模算法(constant modulus algorithm, CMA)在脉冲噪声环境下性能退化的问题,本文基于最大相关熵准则(maximum correntropy criterion, MCC)对恒模算法中基于最小均方误差(mean square error, MSE)准则的代价函数进行修正,推导出适用于脉冲噪声环境的基于MCC准则的恒模盲均衡算法(MCC_CMA)。该算法利用通信信号的恒模特性,首先得到发送信号与均衡器输出信号模值的误差信号,再通过使模值误差信号的相关熵最大来获得其迭代误差调节项,避免了传统高阶统计量算法在脉冲噪声环境下性能退化的问题。对高斯噪声以及α-稳定分布和混合高斯分布两种脉冲噪声环境下的信道均衡问题的仿真实验表明,相对于经典的自适应恒模盲均衡算法,MCC_CMA算法不依赖噪声的先验知识就能获得较快的收敛速度、较低的剩余码间干扰和误码率,并且在不同脉冲强度的脉冲噪声环境下都能够得到较好的均衡结果,表明MCC_CMA算法具有很好的鲁棒性。