总体最小二乘的改进与信道估计应用

总体最小二乘法同时考虑了数据矩阵和观察值的误差,在参数估计中得到广泛应用。然而总体最小二乘法没有针对具体问题利用误差的先验信息。总体最小二乘的改进算法—结构总体最小二乘法设定了误差矩阵的结构,通过迭代运算估计参数及误差。基于叠加训练序列的时不变信道估计中,信息序列均值构成的误差矩阵为Toeplitz矩阵。结构总体最小范数法作为一种结构总体最小二乘法,可以设定误差矩阵具有Toeplitz结构,有效提高叠加训练信道估计性能。论文对比了最小二乘,数据最小二乘,总体最小二乘和结构总体最小范数在叠加训练序列信道估计中的应用,仿真结果表明,基于结构总体最小范数的估计算法的归一化信道均方误差最小。     

基于IDMA的水声通信自适应Turbo迭代接收机技术研究

有效的多用户多址接入方式一直是水声通信网络研究的重点与难点;在十分有限的水声可用带宽条件下常规的基于频分技术的多址接入方式并不适用;而基于CDMA的码分多址接入方式则又存在着严重的难以克服的远近效应问题,且水声信道的多途效应使接收信号产生严重的码间窜扰(ISI)。针对以上问题,本文提出了基于交织分多址接入(IDMA)的自适应Turbo迭代接收机技术的研究。接收机采用联合均衡过程和译码过程的Turbo迭代接收机,通过迭代的方式获得反馈的外信息从而提高系统性能。针对未知参数的信道,采用递归最小二乘(RLS)自适应均衡算法对信道参数迭代估计,从而指导均衡器消除码间窜扰(ISI)。RLS算法利用每次迭代译码器反馈的外信息再次估计信道参数,直接的增加了除训练序列外的可利用数据长度,从而提高估计精度。通过仿真得出在未知信道条件下接收机的性能比已知信道系统接收机的性能降低0.4 d B。     

适用于高阶QAM信号的水声信道盲均衡算法

提出了一种适用于高阶QAM信号的盲均衡新算法.首先针对正交幅度调制(QAM)信号星座图的特点定义了一个新的代价函数,并将得到的误差函数的实部和虚部分别用于QAM信号的同相分量和正交分量的均衡,降低了剩余均方误差.为了加快算法的收敛速度,对误差项采用了归一化方法以增加迭代步长.水声信道仿真结果表明,算法性能稳健、收敛速度快、剩余均方误差小,适用于高速水声通信信道的盲均衡.     

一种基于自然梯度的循环平稳信号盲分离方法及其应用

建立瞬时混合模型下的代价函数,通过改进自然梯度算法的迭代极小化代价函数以恢复源信号。仿真分析证明该算法的有效性,与传统的ICA算法相比有更好的效果和收敛速度;滚动轴承故障实例分析证明,该算法能有效分离内圈故障信号。     

一种适合于水声信道均衡的符号常数模算法

在分析常数模算法代价函数的基础上,提出一种适用于QAM信号的符号常数模算法.通过修改常数模代价函数中的平方运算为求绝对值运算,得到一个新的代价函数,采用随机梯度准则得到了相应均衡器抽头系数的迭代式.水声信道仿真结果表明,所提出的算法的稳定性和剩余均方误差与CMA算法接近,但是计算量和收敛速度优于CMA算法.     

非常数模信号的水声信道稳定盲均衡算法研究

水声信道中存在有大量的脉冲噪声和多普勒频移效应,这会造成水声通信系统最佳采样位置发生偏移,对均衡算法的稳健性造成严重影响。本文从提高均衡算法稳健性的角度出发,借助早迟积分比相原理完成对采样位置的跟踪,同时采用均衡滤波器系数变化量的Euclid范数作为代价函数,提出了一种归一化修正常模盲均衡算法,并用判决正方形方法进行了改进。仿真结果表明,在高阶QAM通信系统中,所提出的算法具有更好地收敛能力与稳定性,保证了水声通信的高效运行。     

基于分布式声矢量传感器MIMO声呐的OMP-DCD成像算法

针对声压传感器条件下,声呐成像的左右模糊问题;针对常规MIMO声呐成像算法分辨力受瑞利限的限制问题;针对压缩感知算法重构信号中的数值不稳定问题,本文利用声矢量传感器接收到的信号振速信息和声压信息,利用目标在空间域分布的稀疏性,在压缩感知理论下,提出了基于声矢量传感器的二维坐标下降法(DCD)算法改进的正交匹配追踪(OMP)算法。仿真结果表明,提出的算法可以精准地估计出空间目标的方位;与传统的分布式MIMO成像算法反向投影(Back Projection,BP)相比,使用更少的实验数据,降低了运算的复杂度;当信噪比为10 d B的条件下,BP算法当主瓣级为0 d B时,在x,y,z轴最大的旁瓣级分别为–24.5 d B,–24.3 d B,–5.5 d B,而提出的算法可以获得一个稀疏解,且有效的避免左右模糊问题;避免重构信号中的矩阵求逆运算,数值不稳定得到了解决;并在信噪比为–5 d B以下时,定位精度高于声压OMP-DCD算法,具有更高的抗噪声能力和系统辨识能力。     

基于小波包变换的非线性自适应均衡器算法

提出了一种基于小波包变换的非线性均衡器,利用小波包对信号较强的去相关能力来提高均衡器的收敛速度,并通过能量归一化过程给出了一种自适应均衡算法。在仿真实验中,针对无线通信数字信号传输过程中由于多径效应和信道衰落而产生的码间干扰(ISI)问题,比较了最小均方(LMS)算法和基于小波包变换的均衡器算法的均衡效果,并对不同尺度下的均衡算法进行了比较。结果表明,基于小波包变换的均衡算法具有更快的收敛速度;当小波包基的分解尺度增大时,均衡器的收敛速度也随之加快。     

基于步长优化的自适应谐波电流检测方法

谐波电流精确检测是有源电力滤波器性能优化的关键。本文在自适应噪声对消技术的框架内,提出了一种步长优化的变步长最小均方误差(Least Mean Square,LMS)谐波电流检测算法。首先,采用Sigmoid二次型函数构建步长因子的动态调整规则,实现不同误差情况下的自适应稳态调谐,并通过引入误差的三次方二次项的形式,增强了小误差的收敛速度,降低误差收敛的震荡现象;接着,通过误差信号的变化处理,降低了噪声功率对收敛曲线的震荡效应,实现了滤波器权系数的迭代优化。仿真结果表明,本文方法有效提升了谐波电流的检测精度,较好的折中了收敛速度与稳态失调误差的矛盾。     

船舶网络入侵信号取证过程破损数据恢复研究

传统针对船舶入侵信号取证过程中,破损数据的恢复方法忽略了系数矩阵,导致数据恢复精确度较低。对此提出以船舶破损数据评估模型为核心的船舶破损数据恢复方法。将船舶破损数据所对应的对数函数作为模型建立所使用的目标函数,引入遗传算法,建立破损数据评估模型,评估破损数据并分别作为数据训练样本以及数据测试样本,建立系数矩阵,使用正向规则化因子范数作为惩罚目标系数,对系数矩阵进行稀疏化操作,完成数据恢复。实验数据表明,设计的破损数据恢复方法重删率提高27%,破损数据轻磁数提高19%,可以证明数据恢复效果精确度更高。