基于并联FIR滤波器组的Hammerstein预失真器

采用预失真技术对功率放大器的记忆非线性失真进行补偿的关键是预失真器建模的准确性,尤其是模型对功率放大器逆记忆特性的描述能力。针对目前预失真器模型对功率放大器逆记忆效应描述不充分的问题,提出了将查找表(LUT)级联一个具有并联结构的有限长单位冲激响应(FIR)滤波器组作为实现形式的Hammerstein预失真器,以提高传统Hammerstein预失真器的补偿性能,并采用一种两步算法对其参数进行辨识。仿真实验表明,提出的Hammerstein预失真器能更好地补偿带强记忆效应的功率放大器的非线性失真。

步长选择定理及其应用——平行变步长LMS滤波器组算法

从独立假设出发,基于均方误差最小准则,提出并证明LMS(Least MeanSquare)算法的步长选择定理,揭示了较优步长和均方误差的关系。由此构造一种平行变步长LMS滤波器组算法,并对算法的理论模型进行了详细分析。仿真结果表明,该算法模型的理论曲线和最优变步长LMS(optimal varable step-size LMS,OVS-LMS)模型的学习曲线基本重合,实验曲线也显示了最优的收敛性和很好的跟踪性能。因而该算法是最优变步长LMS模型的一种较好的实现形式。

一种双参数可调的水声信道自适应均衡算法

针对浅海水声信道固有的随机时-空-频变、高噪、强多径等特性及变化的多径时延扩展,在变步长最小均方(LMS)平行滤波器组(PFB-LMS)算法的基础上提出了一种新的水声通信自适应均衡算法。该算法将变阶数和变步长的调整结合起来,降低了算法对迭代步长和均衡器阶数的敏感度。仿真结果表明,新算法在参数适应性方面优于传统LMS及PFB-LMS算法。

浅海水声信道自适应均衡算法

浅海水声信道是一个典型的带宽受限、时变衰落信道,存在着时变的多径扩展、频率偏移以及随机相位起伏.在水声相干通信中,自适应均衡是克服多径效应、消除码间干扰的主要手段.针对在实际应用中自适应均衡算法对步长参数选择的敏感性,进行了浅海信道水声相干通信均衡算法研究,结合录制的水声信道数据,通过Matlab软件,从星座图、算法收敛特性以及系统的误码特性这3个方面对几种均衡算法的性能进行了分析比较.结果表明,最小均方(LMS)平行滤波器组算法具有自适应调整步长的性能,且能获得较快的收敛速度和较小的误码率,验证了该算法在水声信道中的实用性.