基于多通道盲最小均方算法的模式解复用

运用多通道盲最小均方(MBLMS)算法对2×2模分复用(MDM)系统进行解复用,阐述了基于非高斯性最大化的MBLMS算法原理,分析了此算法的解复用性能,并与基于数据辅助的最小均方(LMS)算法进行了比较。仿真结果表明:MBLMS算法在无需数据辅助的条件下能够实现卷积混合信号的盲分离,其解复用性能与基于数据辅助的LMS算法相当,且收敛速度比基于数据辅助的LMS算法提高了33.3%。

Ad hoc网络中基于信号处理的半盲冲突分辨算法研究

介绍半盲最小均方平滑算法(LSS),仅利用冲突时隙中接收到的信号,根据信道阶数逐个分辨出发生冲突的用户数据包。该算法避免了冲突数据包的重传,提高了网络吞吐量,降低了延时。

扩频系统中基于Kalman滤波的最优干扰抑制技术

针对扩频系统中的干扰抑制问题,本文首先将其建模为附加约束的最小化均值输出能量(MMOE)问题,然后借助正交分解将约束MMOE转化为无约束最小均方误差(MMSE),接着通过选择合适的状态变量、建立合适的状态方程和观测方程得到盲Kalman滤波(BKF)算法,最后分析了BKF算法性能.研究表明:BKF的收敛性能与输入相关矩阵几乎无关,能快速跟踪环境变化,稳态干扰抑制性能逼近最优性能;明显优于盲最小均方(BLMS)和盲递推最小二乘(BRLS)算法.