The Fast Blind Equalization Algorithm with Global Convergence

ＴｈｅＦａｓｔＢｌｉｎｄＥｑｕａｌｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍｗｉｔｈＧｌｏｂａｌＣｏｎｖｅｒｇｅｎｃｅＬｕＪｕｎＬｉＴｏｎｇ（ＩｎｓｔｉｔｕｔｅｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＥｎｇｉｎｅｅｒｉｎｇｏｆＰＬＡ，Ｚｈｅｎｇｚｈｏｕ４５０００２）Ａ...

基于递归神经网络的盲均衡算法的改进

提出了一种改进的基于递归神经网络的盲均衡算法，它利用信号的高阶统计特性构造了代价函数，用共轭梯度算法对递归神经网络进行训练，且利用线性搜索法对参数进行动态选取，模拟结果显示该算法能很好的用于各种信道及信号的均衡．

基于模糊神经网络控制的变步长盲均衡算法

文章提出了一种新的模糊神经网络(FNN:FuzzyNeuralNetwork)控制的变步长盲均衡算法,利用模糊神经网络控制盲均衡算法的迭代步长,以得到更好的均衡性能。该文设计出模糊神经网络控制器的结构并给出状态方程,提出了新的代价函数,推导出控制器参数的迭代公式。计算机仿真表明,该算法与传统恒模(CMA:ConstantModulusAlgorithm)盲均衡算法相比,具有稳定性好的优点。

改进恒模盲均衡在医学CT图像盲恢复中的应用

利用图像退化与信号码间干扰产生之间的相似性,将盲均衡算法应用于医学CT(computer tomography)图像的盲恢复中。提出一种基于降维处理的分数低阶恒模盲均衡算法,算法利用线性变换将图像恢复过程等效为一维盲均衡运算,建立了降维处理的医学CT图像盲均衡恒模代价函数,算法权向量的更新中引入了代价函数的二阶Hessian矩阵,从而提高了算法的收敛速度,改善了恒模算法性能。仿真结果验证了算法的有效性,新算法改善了峰值信噪比和恢复效果,提高了运算效率。

水声信道混合型常数模盲均衡新算法

为了克服常数模算法(constantmodulusalgorithm,CMA)收敛速度慢、符号误差常数模算法(signerrorcon stantmodulusalgorithm,SECMA)收敛后剩余干扰大的缺点,利用常数模代价函数和符号误差常数模代价函数定义了一个混合常数模新代价函数,并从理论上分析了该代价函数的特性,构造了具有常数模代价函数梯度矢量与符号误差常数模代价函数梯度矢量联合更新的混合常数模新算法(mixedconstantmodulusalgorithm,MCMA)。调整该算法中两个梯度矢量的比例系数,可提高该算法收敛速度、减少收敛后的均方误差。通过对水声信道均衡的计算机仿真,证明了该算法的有效性。

一种新的基于复指数函数映射的盲均衡算法

定义了一个新的复指数函数将典型的16-QAM非常模信号的实部和虚部分别映射至单位圆上.然后利用映射后星座坐标的实部和虚部之间的关系建立代价函数,从而提出了一种新的盲均衡算法.新算法克服了著名的恒模盲均衡算法及其典型的改进算法在对非常模信号均衡时稳态误差大的缺点.通过理论证明验证了新算法在无噪声环境下稳态均方误差为0;通过仿真实验验证了新算法在有噪环境下比恒模及其改进算法具有更低的稳态均方误差.

蚁群算法在盲均衡问题中的应用研究

蚁群算法是一种生物仿生算法,该算法具有正向反馈、并行计算等特点,可以有效地避免算法收敛到局部最优解。将蚁群算法用于求解盲均衡问题的恒模代价函数,提出一种基于蚁群算法的盲均衡算法,新算法加快了收敛速度,减少了码间干扰的影响,降低了误码率。计算机仿真验证了新算法的有效性。

医学CT图像恒模盲均衡算法性能分析

提出一种基于信号降维处理的医学CT图像恒模盲均衡算法,将图像信号转化为一维信号序列,建立了基于降维CT图像信号的恒模代价函数,由求解代价函数最优实现信号的估计,再利用升维处理获得图像估计.分析了算法的稳态与动态收敛性能,理论上验证了算法的可行性.计算机仿真表明,该算法有效改善了峰值信噪比和恢复效果,增强了抗噪声性能的鲁棒性,提高了运算效率.

多径衰落环境中具有调制识别能力的盲均衡新算法

常数模盲均衡算法在对非常模信号进行均衡时稳态均方误差不能收敛至零,且不具备信号调制识别能力.因此,依照常数模算法代价函数的构造方法定义了一种余弦代价函数,提出了基于该代价函数的盲均衡新算法.该余弦代价函数可将BPSK、M-PAM、M-QAM信号的不同星座点映射至原点,从而使新算法在对上述常模或非常模信号进行均衡时稳态均方误差均能收敛至零,更重要的是新算法能够在多径衰落环境下实现对上述信号的调制识别.理论分析和仿真结果证明了新算法的优良性能.

一种加速MCMA-DD算法收敛速度的盲均衡改进算法

提出了一种加快MCMA-DD收敛速度的盲均衡改进算法。该算法在保持原算法性能的基础上,具有更快的收敛速度。计算机仿真表明:此改进的算法不受随机信号随机性的影响,对于16QAM信号,收敛速度可以加快近一倍,最快在几百个采样点处即可收敛,且收敛后的抖动几乎为零。

基于人工免疫网络的正交小波盲均衡算法

传统的常数模盲均衡算法存在收敛速度慢、均方误差大、易陷入局部极小值点等缺点。为此,提出一种基于人工免疫系统的正交小波盲均衡算法。该算法将均衡器系数向量作为抗体,经过抗体克隆、变异和抑制等操作,搜索到适应度值最高的抗体,即均衡器的最优系数,使权向量跳出局部最优点,接近全局最优点,并利用正交小波变换改善常数模盲均衡算法的收敛性,降低均方误差。仿真实验结果表明,该算法收敛速度快、均方误差小,能得到全局最优解。

基于全局人工鱼群算法的盲均衡

针对当前盲均衡技术中主要采用的梯度搜索法存在的收敛到局部极小值点问题,提出了一种基于全局人工鱼群算法的盲均衡新算法。基于全局人工鱼群算法的寻优精度高、收敛速度快以及克服局部极值能力强的优点,文中将人工鱼群算法应用于盲均衡算法中,以文献中改进恒模算法的代价函数作为适应值,将均衡器系数作为人工鱼的位置向量,通过算法搜索寻优获得最佳的均衡器系数。通过Matlab7.0实验仿真,结果表明文中提出的算法相对文献中算法具有收敛速度快、码间干扰少的优点。

一种改进的多模高性能盲均衡算法

提出一种多模高性能盲均衡改进算法。该算法采用多模切换和变换步长的方法,具有较快的收敛速度和收敛后较小的剩余码间干扰。计算机仿真表明,此算法不受随机信号随机性的影响,特别是对16QAM信号,收敛速度较快,且收敛后的抖动几乎为零。

遗传优化神经网络算法在信道盲均衡中的应用

在信道盲均衡问题的研究中,根据BP神经网络的信道盲均衡算法存在收敛速度慢,易陷入局部极小值的缺陷,导致信道盲均衡效果差,信道误码率高。为克服BP神经网络的缺陷,提高均衡道盲均衡效果和降低误码率,利用遗传算法全局搜索能力强的优点对BP神经网络的缺陷进行改进,提出一种基于遗传神经网络的信道盲均衡算法。采用BP神经网络构建信道分类器,通过遗传算法优化神经网络权值,最终实现盲均衡。仿真结果表明,相对于传统BP神经网络盲均衡算法,遗传神经网络算法收敛速度快,误码率降低,能获得更好的收敛特性和均衡效果。

一种新型盲均衡算法－RG算法的研究

本文提出了一种新的盲均衡算法－ＲＧ算法，它保持了Ｇｏｄａｒｄ盲均衡算法收敛性能好的特点，其误码性能也优于Ｇｏｄａｒｄ盲均衡算法，尤其是对ＭＰＳＫ调制系统。理论分析及计算机模拟表明，ＲＧ算法是一种性能优良的盲均衡算法。

随机梯度估值在盲均衡算法中的影响

利用代价函数求梯度值,再利用梯度值进行迭代是一种最速下降法,在各种盲均衡算法中广泛使用,其收敛速度较快,收敛误差较小,但未考虑信道中随机多变的噪声对其产生的影响.该文引入随机梯度估值,在梯度向量中加入噪声成分,结合梯度估值引起的权偏差相关系数,分析其对盲均衡算法的影响.理论研究和仿真结果表明,随机梯度估值引起权值偏差,影响着算法的收敛速度和剩余误差.

约束恒模医学CT图像盲均衡算法

为了改善图像的峰值信噪比,提高算法的可靠性和恢复效果,利用线性变换将图像的恢复过程等效为一维盲均衡运算,建立了医学CT图像约束恒模代价函数,并分析了其凸性,提出一种基于信号降维处理的医学CT图像盲均衡算法。仿真结果验证了算法的有效性,新算法的迭代过程避免了矩阵逆运算,提高了运算效率。

前馈神经网络复值盲均衡算法的研究

提出了一种新的前馈神经网络(N-FNN)复值盲均衡算法。新算法改变了传统均衡技术大量发送训练序列而降低系统传输的有效信息率,有效地消除码间干扰,提高了通信质量。笔者设计出新的传递函数和代价函数,利用最陡梯度下降法推导出输出层和隐层单元权值的迭代公式。通过对QAM信号进行计算机仿真,笔者提出的新算法与同类算法相比,具有均方误差收敛速度加快、误码率降低。

基于余弦代价函数的T/4分数间隔盲均衡算法

针对常模算法(CMA)对非常模高阶QAM信号均衡后收敛速度慢、稳态均方误差大的缺点,以T/4分数间隔均衡器为例,提出一种基于余弦代价函数的T/4分数间隔盲均衡算法(T/4-FSE-CCF),该算法将常模的代价函数用构造的余弦代价函数来替代,新算法摆脱了常数模算法对统计模值R的依赖。最后对算法性能进行了理论分析和仿真实验,结果表明,该算法对高阶QAM信号不仅提高了收敛速度而且降低了稳态均方误差。

基于行列变换的恒模医学CT图像盲均衡算法

提出一种基于行列变换的降维恒模医学CT图像盲均衡算法。利用行列变换将图像信号转化为一维复值信号序列,构建了基于降维复值信号的医学CT图像盲均衡恒模代价函数,通过最陡下降法对代价函数进行迭代求解,从而获得图像的最优估计。仿真结果验证了算法的有效性,与传统算法相比,改善了峰值信噪比和恢复效果,迭代过程避免了矩阵逆运算,提高了运算效率。