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。

基于快速牛顿法的自正交变换域(N-SO-TRLMS)算法研究

提出一种能够较好改善剩余误差性能的低复杂度自正交变换域(N-SO-TRLMS)改进算法,该算法基于快速牛顿算法的思想,降低了SO-TRLMS算法中近似变换对输入逆矩阵的估计误差;理论推导了改进算法的误码率解析表达式,分析了剩余误差和运算复杂度;静态和动态干扰环境下的仿真结果表明:改进算法在保持快速收敛特征的前提下,表现出较小的剩余误差和较强的鲁棒性。

少模光纤通信系统中的自适应频域均衡算法

少模光纤模式复用存在模式耦合和差分模式时延,必须通过自适应均衡算法补偿。为了降低长距离少模光纤通信系统中自适应均衡算法的复杂度,采用基于变步长-频域块最小均方算法的多输入多输出均衡器对2×2模分复用系统解复用。利用频域块最小均方自适应算法修正均衡器权系数,并通过变步长函数调整步长因子,兼顾算法收敛速度和收敛性能。算法可通过快速傅里叶变换降低计算复杂度。在112Gbit/s的1000km少模光纤高速通信仿真系统中,保证相同收敛速度情况下,提高信号Q2因子3.7d B,并在可编程现场门阵列上验证了100km少模光纤通信系统时的算法性能。结果表明,该算法能够实现模分复用系统的信号解复用,达到快速收敛、低稳态失调的目的。

X-滤波和ε-滤波LMS算法性能分析

研究了 X-滤波和ε-滤波 L MS算法的性能 ,给出了它们的均值收敛和方差收敛条件 ,提出了 X-滤波和ε-滤波L MS算法具有二次稳定性的充分条件 .仿真结果表明 ,这两种 L MS算法对被控对象的估计误差具有不敏感的特性 .

大规模MIMO系统中块高斯-赛德尔检测算法

最小均方误差(Minimum Mean Square Error,MMSE)检测算法,虽然能在大规模多输入多输出系统中获得接近最优的线性检测性能,但是涉及高维矩阵求逆运算,难以在实际应用中快速有效地实现。提出了块高斯-赛德尔(Block Gauss-Seidel,BGS)低复杂度信号检测算法,将MMSE检测器的滤波矩阵先进行分块预处理,构造分裂矩阵,再通过迭代求解发送信号向量估计值,以提高算法检测性能。仿真结果表明,BGS迭代算法在调制方式为64QAM、用户侧的天线数量设置为16、基站侧的天线数量设置为256时,迭代2次后就能快速接近MMSE检测性能。在设置近似初始值后,BGS算法的性能得到了进一步的改善。当调制方式为256QAM时,设置近似初始值的BGS算法在迭代2次后就能逼近MMSE算法的误码率(Bit Error Ratio,BER)性能曲线,此时算法的复杂度仍然保持在O(K^(2))。

改进的自适应特征值分解声源定位算法研究

麦克风阵列室内声源定位,常用声达时间差定位技术。本文针对估计时延的自适应特征值分解算法收敛速度慢,时延估计精度较差,麦克风较多等问题,提出一种改进的自适应特征值分解时延估计算法,采用单源多元混响模型,将混响效应描述为室内冲激响应滤波器对信号的滤波过程,估计不同阵元的冲激响应抑制混响,根据冲激响应峰值计算时延。通过引入最小均方牛顿算法,加快了AED算法的收敛速度。给出了对声源进行三维定位的三麦克风阵列结构,实际测试结果表明,改进算法与三麦克风阵列的定位方法对声源的定位更加准确。

基于MMSE维纳滤波语音增强方法研究与Matlab实现

提出一种基于最小均方误差估计维纳滤波器的设计方法与Matlab实现。通过使用莱文森-德宾算法求解维纳-霍夫方程(Yule-walker方程),得到滤波器系数进行维纳滤波。加载Matlab中的语音数据handel,人为地加入高斯白噪声,分别计算加入噪声后信号的自相关Rxx和加入噪声后信号和理想信号的互相关Rxd。在输出端将信号较为精确地重现出来,而噪声却受到最大抑制。实测数据的处理结果证明经过维纳滤波后语音信号的噪声减弱,信噪比提高,较好地改进了语音信号质量。

一种改进的智能天线算法

为改进智能天线系统中最小均方(LMS)算法收敛速度较慢的现状,提出了非零响应抽头检测频域归一化最小均方(FDNLMS)算法,利用空间滤波的优势,减少了发送数据对带宽的要求,提高了收敛速度.利用Matlab对多径、多用户的LMS算法和FDNLMS算法进行仿真,表明FDNLMS算法收敛速度比LMS算法提高了约28%.仿真结果表明:FDNLMS算法可以加快收敛速度,提高系统性能.

完美空时分组码及其高性能解码算法

根据完美空时分组码(STBC)的结构特点提出了等效的垂直—贝尔实验室空时(V-BLAST)模型,在对该模型进行最小均方误差—判决反馈均衡(MMSE-DFE)预处理之后,提出一种有边界约束的Fano解码器。该解码器可达到几乎最大似然(ML)性能,在很大的信噪比区域范围内其复杂度比目前典型的解码器低,而且该解码器可用于发射天线数大于接收天线数的系统。直接在复数域计算和处理,该解码器适用于任何星座形式。该解码器可用于任何能等效成V-BLAST模型的空时系统。仿真结果表明了该解码器的有效性。

基于自适应滤波的多模噪声抑制研究

多数研究都是将噪声当作高斯噪声处理,但实际上在多模噪声(整体上属于非高斯噪声)背景下,信号受损严重。用传统的LMS自适应算法不能很好的抑制噪声,格里菲斯LMS算法收敛速度较慢。提出一种将格里菲斯LMS算法(GLMS)与LMS-Newton算法相结合的GLMS-Newton算法,并给予了改进。在改进中,不仅采用了基于互相关变步长因子,而且引入了基于输入信号与期望信号的互相关的梯度算子。仿真表明,在收敛速度、稳态误差等方面都有了较大改善,能够很好的抑制多模噪声,提取出有用信号。

基于声学特性的鸡蛋蛋壳裂纹检测

通过自行研制的一套禽蛋裂纹检测装置,采集并分析敲击鸡蛋产生的响应信号,检测裂纹鸡蛋。采用基于归一化最小均方算法的自适应滤波器对信号进行去噪处理。结果表明:经自适应滤波后,敲击响应信号的分辨率和灵敏度均有显著提高。提取经滤波去噪后的鸡蛋敲击响应信号功率谱的5个特征参数,作为误差反传人工神经网络模型的输入向量进行判别。判别模型对实验鸡蛋的交互验证训练集和独立样本预测集的判别率均为97%。

MIMO-OFDM系统自适应分步功率分配算法

研究了一种针对MIMO-OFDM系统的自适应分步功率分配算法,在通信系统总功率约束的情况下,采用速率最大化准则计算开关信道的临界值,从而利用最小均方误差准则进行自适应分步功率分配.仿真表明:基于分步算法自适应功率分配的MIMO-OFDM系统误码率低于采用注水算法和MMSE算法的系统误码率,其频谱效率也优于另外两种算法;同时,对于分步算法,随着天线数目的增加,系统的误码率明显降低,频谱效率明显提高,验证了该算法没有奇异性.

基于新拟牛顿法的自适应均衡技术

为了解决现代通信信道的码间干扰问题,提出了一种基于新拟牛顿法的自适应均衡算法,该算法用对称正定Hesse矩阵代替传统LMS/Newton法自相关矩阵的逆估计,克服了传统自相关矩阵估计误差对算法收敛性能的影响.信道均衡仿真结果表明,该算法具有较快的收敛速度和较低的误码率.

基于KPCA-K-means++和GA-LMS模型的改进RBF神经网络室内可见光定位

针对室内可见光定位接收光功率不均匀、定位精度低等问题,提出一种自适应花授粉定量式灯源优化方案结合改进径向基函数(RBF)的神经网络接收信号强度指示(RSSI)可见光定位方法。所提方法采用自适应花授粉算法优化发射器的光照强度;通过基于改进RBF神经网络的RSSI定位方法处理接收到的均匀光信号,实现精确有效定位。利用核主成分分析K-means++(KPCA-K-means++)聚类模型对RSSI样本值进行预处理,得到最优聚类数目和聚类中心,作为隐含层神经元个数和中心值。通过遗传算法-最小均方(GA-LMS)模型对RBF神经网络参数进行寻优。仿真结果表明,在9 m×12 m×3.5 m的室内环境中,接收光功率为-28.6 dBm~-25.1 dBm,定位误差小于0.1 m。因此,所提改进后的可见光定位方法具有定位精度更高、实用性更强等优点。

VBLAST系统的译码算法研究

对已有的传统译码算法如迫零算法(ZF)、最小均方(MMSE)算法、连续抵消(SIC)算法等的性能进行了研究,并在此基础上提出将迫零算法与连续抵消算法、最小均方算法与连续抵消算法相结合,构成迫零-连续抵消算法(ZF-SIC)与最小均方-连续抵消算法(MMSE-SIC),从而明显改善系统的误码性能。此外,对收发两端采用不同天线数时的系统误码性能进行了仿真与分析,同时仿真分析了系统采用QPSK与16QAM调制方式的误码性能,最后给出仿真分析结果。