基于T/2分数间隔的SEI双模式盲均衡算法

针对超指数迭代(SEI)算法收敛后均方误差大、SEI算法和判决引导(DD)算法以硬切换方式存在性能不稳定的缺陷,通过分析分数间隔均衡器结构和性能,采用软切换方式将SEI算法和DD算法相结合,提出了一种分数间隔超指数迭代双模式盲均衡算法.该算法用SEI算法与DD算法同时对分数间隔盲均衡器的权向量进行调整,当由SEI算法调整前后均衡器判决输出一致时,DD算法参与系数调整,这种软切换方式充分利用了SEI算法能使眼图增开的良好性能和DD收敛速度快、稳态误差小的优点,避免了硬切换带来的不利影响;而采用分数间隔均衡器避免了因欠采样引起的频谱混叠,均衡器可以更有效地对信道失真进行补偿.水声信道的仿真结果,验证了算法的有效性.

一种基于高阶统计量的组合盲均衡新算法

基于高阶统计量的逆滤波器准则(IFC)和超指数迭代算法(SEA)已经被广泛地应用于解决盲均衡问题。Chi,Feng和Chen通过对两种算法的性能分析提出在特定的条件下SEA和IFC算法的得到的均衡器是等价的。基于这种等价性,文献中提出通过对这两种算法进行组合来提高算法性能的改进方案。采用这种改进的改进方案,将一种最新的改进的SEA算法[1]和IFC算法进行组合,提出一种收敛性又好,收敛速度又快的组合算法。

高阶统计超指数收敛拉曼谱盲目去卷积

基于Shalvi-Weinstein盲目去卷积标准,提出了一种拉曼光谱盲目去卷积的超指数收敛算法,可以同时从观测数据估计真实光谱数据与仪器的响应函数,且具有超指数的收敛速度。通过实测拉曼光谱数据的试验,验证了该算法的可行性。