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。

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。

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 .

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。

基于块对角化的最小均方误差矢量预编码

针对多用户多输入多输出下行链路系统的预编码问题,提出使用块对角化处理获得具有块对角化结构的等价信道矩阵,并基于等价信道推导收发信号的均方误差,通过最小化均方误差分别求解扰动矢量的两个部分,即扩展星座图的扰动矢量和残余干扰矢量,从而获得发射端信号和预编码矩阵.仿真表明,提出方法的误码率性能优于传统的对角化算法、块对角化迫零准则矢量预编码算法、正则块对角化预编码算法及其改进算法.

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。

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。

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。

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。

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。

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.

基于块自适应滤波的核最小均方算法

核最小均方(KLMS)算法在非线性系统中收敛性能较好,但其使用瞬时梯度估计均方误差梯度,导致随机性较大。而块自适应滤波理论利用多个输入-输出的误差来估计均方误差梯度,可降低KLMS算法稳态误差。为此,将块自适应滤波理论运用到KLMS算法中,提出核块最小均方(KBLMS)算法,根据最陡下降法原理推导出KBLM S权矢量更新公式,使用核方法计算得到滤波器输出表达式,并通过并行处理减小算法计算复杂度。仿真结果表明,KBLMS算法可有效提高KLMS算法的稳态性能,并且相比块最小均方算法具有更低的误码率。

线性最小均方误差的比率估计

本文对有限总体的总体均值提出了一个模型无偏的线性最小均方误差估计,并给出了这个均方误差的无偏估计。

基于最小均方误差的8PSK解调算法

在EDGE（Enhanced Data Rate for GSM Evolution）移动通信系统中，提出了一种基于最小均方误差的自适应8PSK均衡解调算法。利用基于最小均方误差的自适应滤波器，根据突发中已知的训练序列，可快速准确地估计出系统信道参数，然后通过判决反馈均衡消除多径信道对接收信号的干扰，从而保证系统的性能。仿真结果表明，在各种多径信道模型下，该算法均可快速收敛，利用系统的26个训练序列准确估计出系统信道参数，并实现均衡和解调；在信噪比为8-10dB时，通过标准规定的MCS-5信道编解码后，系统的误码率就已经小于10^-4，完全符合标准要求，是一种简单实用的算法，便于硬件实现。

一种新的排序最小均方误差串行干扰消除检测算法

针对分组空时块码(G-STBC)多发多收(MIMO)系统中的信号检测问题,提出了一种新的排序最小均方误差(MMSE)串行干扰消除(SIC)检测算法.新算法基于“G-STBC等效信道模型”,并采用一个新的低复杂度的排序标准——“等效检测后信干噪比(POST-SINR)”,可用于存在较多组的G-STBC系统中.通过仿真比较,验证了该算法有效挖掘G-STBC系统提供分集增益的能力,反映了算法采用IC和排序引入的性能优势,并证实了“等效POST-SINR”的有效性.

广义均方误差标准下双类估计优于最小二乘估计的充分条件

本文通过一个比较简洁的方法,得到了在广义均方误差标准下双类估计优于最小二乘估计的充分条件。

短波信道均衡中的线性均衡方法研究

论文讨论了短波天波信道的特性,建立了CCIR描述的恶劣短波天波信道模型,并且对该模型的特性进行了全面的仿真研究;在此基础上,仿真比较了线性均衡方法两大类算法,即最小均方算法、递归最小二乘算法对该模型的均衡效果,最后进行了性能比较。

线性模型中广义最小二乘估计关于误差分布的稳健性

研究一般线性模型下广义最小二乘估计关于误差分布的稳健性,给出了误差分布的最大分布类,使得当误差向量的分布在此范围内变动时,广义最小二乘估计在广义均方误差准则下为一致最优估计.