减少自适应均衡算法计算量的研究

通信系统中广泛地使用基于LMS算法的自适应均衡器,常数模(CMA)盲均衡算法也开始在实际中使用。在高速通信中,算法迭代中的大量乘法运算会产生延迟,因此需要尽量减少。符号误差LMS及常数模盲均衡算法虽计算量小,但性能较原算法有较大下降。本文采用以2的整数次幂对LMS及CMA算法的误差项进行了量化,并将该方法应用到与之对应的判决反馈结构之中。该种量化方法不仅使权向量迭代中的乘法大大简化,且由于量化的比特数较多,性能比2bits量化的符号类算法还有很大改进。计算机仿真证明了该误差量化方法的有效性。     

基于加权四阶累积量切片的谱线增强

本文首先介绍了加权高阶累积量切片的概念,给出了加权混合高阶累积量的更新公式,提出了其自适应谱线增强算法,并用实测运动目标辐射噪声数据,对该算法的性能进行了仿真研究。仿真结果表明:该算法具有较强的抑制高斯有色噪声能力,能抑制大约13~23dB的高斯有色噪声;调整高阶累积量切片加权系数,可改善该算法抑制高斯有色噪声的性能。