基于线性预测的盲最小均方误差均衡器

盲过采样均衡器仅用二阶统计量便可减小码间干扰,该文采用线性预测方法,提出了一种盲最小均方误差(MMSE)均衡器。该方法不需要先估计信道,可直接利用过采样的接收信号均衡信道。此外,该均衡器可采用递推最小二乘算法自适应地实现,具有较高的计算效率。仿真结果表明,该均衡器比基于线性预测的盲置零均衡器有更小的符号估计均方误差。

最小均方误差判决和自适应判决反馈均衡器的设计实现

介绍了基于 FIR和 IIR的采用最小均方误差 (MMSE)算法的判决反馈均衡器 ,针对该算法的缺点提出了两种采用自适应算法的判决反馈均衡器 :LMS算法和 CMA算法 ,对这些算法的仿真表明了各自的性能和优缺点 ,在此基础上提出了一种改进的混合算法 .仿真表明 ,该算法只需要少量的训练序列 ,性能比 CMA算法有明显的改进 .

最小均方误差自适应均衡器的软实现

均衡器在通信系统中起到改善信道的作用。针对自适应时域均衡器的设计要求,研究了一种基于最小均方误差准则自适应均衡器的软件实现方式并给出了流程图。不再利用专门的测试脉冲进行误差调整,而是在传输数据期间借助信号本身来调整增益。分析了软件实现方式的优越性,具有较高的实用价值。

最小均方误差均衡器的Matlab仿真设计

随着集成电路与计算机技术的发展,数字通信以其特有的优越性已得到广泛应用。就数字通信而言,误码率和频谱效率是两个主要的系统衡量指标。由于常用信道传输特性不是理想的,数字信号经过传输后会产生严重的码间干扰,这对于接收机的正确判决非常不利,从而增加了通信的误码率,因此码间干扰的消除对提高通信系统的传输质量有重要意义。介绍基于最小均方误差准则的线性均衡器原理,利用Matlab对最小均方误差均衡器进行仿真设计,并对其性能进行分析。结果表明,最小均方误差均衡器能够有效消除码间干扰,增强基带传输系统的传输特性,是一种有效的均衡接收技术。

Turbo均衡中的符号方差反馈均衡器

为了降低Turbo均衡中均衡器的复杂度,该文提出了符号方差反馈均衡算法(SVFE)。该算法是对精确的线性最小均方误差估计值(LMMSE)进行Taylor展开得到的。在该算法中,先利用时不变均衡器得到初步符号估计值,再根据先验符号方差对估计值加权,最后进行时不变滤波得到更佳的符号估计值。由于用到了时变的先验符号方差信息,其性能更接近精确的LMMSE均衡器。将所提算法用于Proakis C信道下的Turbo均衡处理,和时不变均衡算法进行仿真对比,所提算法将信噪比损失从0.83 d B降到了0.17 d B,并且仍可通过快速傅里叶变换降低为对数复杂度。

OFDM水声通信线性最小均方误差算法信道均衡

正交频分复用在高速水声通信中的应用越来越广泛。水声信道是多径、高噪声的衰落信道。由于信道条件差,容易产生码间干扰,信道均衡技术是提高通信系统性能的重要技术。提出了线性最小均方估计在水声通信系统中应用的方案,研究了实际通信中利用调频信号如何确定信号的平均多径时延、最大多径时延,比较了不同调频信号测量信道的性能。该方案基于导频辅助均衡方法,利用调频信号测量信道,获得的信道统计信息,计算信道的自相关矩阵。从而根据线性最小均方误差算法进行信道均衡。通过仿真和湖试进行验证,结果表明该方案效果较好,对系统性能改善比较明显。

基于线性最小均方误差估计的SAR图像降噪

针对合成孔径雷达(synthetic aperture radar,SAR)图像降噪过程中容易引起细节纹理信息损失的问题,该文结合SAR图像相干斑噪声的统计特性,提出了一种基于变换域系数线性最小均方误差(linear minimum mean-square error,LMMSE)估计的SAR图像降噪方法。首先通过SAR场景下的Kmeans聚类算法将相似图像块聚类;然后针对每一类相似图像块集合进行奇异值分解(singular value decomposition,SVD),得到同时包含图像块集合行列相关信息的含噪奇异值系数;为从含噪奇异值系数中更准确地估计出真实图像奇异值的系数,先通过加性独立信号噪声(additive signal-dependent noise,ASDN)模型将乘性噪声转化为加性噪声,再利用LMMSE准则对奇异值系数进行估计,最后将估计结果重构得到降噪后的图像块集合。实验结果表明,该方法充分利用相似图像块集合奇异值系数稀疏的特性,采用LMMSE准则估计奇异值系数,既保证了系数中噪声分量的去除又避免了图像纹理细节对应小系数的丢失,不仅去噪效果明显,同时能有效地保持图像纹理细节,具有良好的图像视觉效果。

SC-CP的迫零均衡和最小均方误差均衡性能比较

简要介绍了基于循环前缀的单载波调制,通过仿真比较了在基于循环前缀的单载波调制下迫零均衡和最小均方误差均衡的性能。结果表明在非理想信道及存在噪声的情况下,最小均方误差均衡的性能优于迫零均衡的性能。

基于非理想信道状态信息的最小化均方误差非线性收发机设计

在多输入多输出系统中,当收发端已知非理想信道状态信息时,提出了一种基于最小化均方误差准则的非线性收发机设计方法,其结构基于汤姆林森-哈拉希玛预编码(THP).首先研究了收发信号的均方误差表达式,并将其转换为预编码矩阵的函数;然后,通过最优化及矩阵论方法最小化均方误差的下界,求解最优预编码矩阵以及下界的闭式解,进而获得整个非线性收发机矩阵.仿真结果表明,该方法性能优于现有的线性收发机设计和经典的THP收发机设计.

线性最小均方误差在水声通信中应用

首先对水声信号的结构进行分析和研究,然后对影响其性能的部分采用线性最小均方误差估计的均衡算法,通过调制方式进行实验仿真。实验结果表明,本文所设计的算法性能比较稳定、复杂度低、均衡效果好。

正交频分复用系统一种基于线性最小均方误差信道估计的改进算法

线性最小均方误差(LMMSE)是OFDM系统中常用的一种信道估计算法。LMMSE信道估计需要无线信道的统计信息,在实际应用中很难实现。针对上述问题,提出了一种利用滑动窗口法改进的LMMSE算法。该算法利用最小平方(LS)估计结果通过滑动窗口获得计算所需的参数,与LMMSE算法相比,该算法计算相对容易,更加实用。在对估算精度要求不太高的场合,改进算法更具优势。仿真结果显示,改进算法的误码率性能接近理想条件时等价线性最小均方误差(ELMMSE)算法。

基于MSE准则的线性均衡器性能分析

基于均方误差(MSE)准则,分析线性均衡器在补偿有符号间串扰(ISI)信道中的码间干扰时的性能状况.论文分别在不同离散时间信道下和同一离散时间信道但却不同的抽头下分析线性均衡器均衡效果.理论与仿真结果均显示:线性均衡器能大大降低符号间串扰,达到补偿ISI的目的.并且抽头数越多均衡效果越好,但当抽头数达到一定值时,均衡效果的进一步改善不大.

一种改进的单载波频域中基于最小均方误差的多目标常模盲均衡

针对移动通信如何在有限带宽中实现最优信道均衡,以确保信号传输质量,提出一种改进均衡方案,将单用户的单载波频域均衡转化为多目标频域常模均衡。由原先的一个常数模均衡器生成多个常数模均衡器,引入最小均方误差准则,并采用正交化处理,降低了均衡后信号的误差。仿真实验结果表明,这种方案较之以往的频域均衡方法,性能结果更为理想。

一种新的最小均方误差线性合并算法

针对未编码的多输入多输出系统,将基于训练序列的最小均方误差(MMSE)信道估计算法与最优线性无偏估计结构(BLUE)相结合对已估计的信道参数进行估计。仿真结果表明,使用线性合并的MMSE算法比传统的MMSE算法具有较小的参数估计误差,比使用线性合并的LS算法性能更好。

采用自适应连续时间线性均衡器和判决反馈均衡器算法的一种16 Gbit/s并转串/串转并接口

该文在体硅CMOS工艺下设计了一种16 Gbit/s并转串/串转并接口(SerDes)芯片,该SerDes由4个通道(lanes)和2个锁相环(PLLs)组成。在接收器模拟前端(AFE)采用负阻抗结构连续时间线性均衡器(CTLE),得到22.9 dB高频增益,利用5-tap判决反馈均衡器(DFE)进一步对信号码间干扰(ISI)做补偿,其中tap1做展开预计算处理,得到充足的时序约束条件。采用最小均方根(LMS)算法自适应控制CTLE和DFE的补偿系数来对抗工艺、电源和温度波动带来的影响。测试结果表明,芯片工作在16 Gbit/s时,总功耗为615 mW。发射器输出信号眼高为143 mV,眼宽43.8 ps(0.7UI),接收器抖动容忍指标在各频点均满足PCIe4.0协议要求,工作温度覆盖–55℃~125℃,电源电压覆盖0.9 V±10%,误码率小于1E-12。

基于最小均方误差的圆弧分段曲线拟合方法

提出了一种基于最小均方误差准则的圆弧分段曲线拟合方法。该方法采用自适应高斯滤波器对原始曲线进行平滑处理以消除噪声影响 ,并提出了一种适合于圆弧曲线拟合的分段算法。在该算法的基础上根据最小均方误差准则 ,以圆弧作为基元对曲线进行拟合。实验结果表明 ,该方法能够较好地消除噪声影响并保留曲线的局部特征。

均方误差意义下正则化解优于最小二乘解的条件

利用矩阵理论导出了均方误差意义下正则化解优于最小二乘解的条件 ,构造了相应的检验统计量 。

采用最小均方误差筛选参数的Hough变换及应用

为了在含有大量噪声的图像中精确地检测形状,提出了采用最小均方误差筛选参数的Hough变换方法:首先采用Hough变换投票得到参数空间上的投票值,然后初步筛选出所有投票值大于投票阈值的参数,再分别计算这些参数对应图像在边界图像中的均方误差,最后选择其中均方误差最小的一组参数作为最后的检测结果.将该方法与取最大投票值的Hough变换分别应用于虹膜外边缘定位并相互比较,实验结果表明,该方法抗噪声能力更强,适用范围更大,得到的结果更加合理.

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘(RLS)为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差(NLMS)准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt(LM)训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。

基于最小均方误差准则的盲多用户检测新算法

码分多址信号在无线多径衰落信道条件下的盲多用户检测具有很大的理论和实际意义.该文提出了一种直接基于最小均方误差(MMSE)准则的盲多用户检测算法.为保证算法收敛到目标用户,提出了一种基于MMSE准则的新的线性约束方法.该方法能保证检测器收敛到最优MMSE解.此外,该文还设计了一种形式简单、快速收敛的迭代算法.对比现有的最小输出能量(MOE)算法,仿真结果表明本文算法具有较好的性能.