基于动态可变分段误差函数的常数模盲均衡算法

为了克服常数模算法(CMA)收敛速度慢,稳态误差大的缺点,在分析基于可变分段误差函数的常数模盲均衡算法的基础上,提出了基于动态可变分段误差函数的常数模盲均衡算法.该算法利用均方误差(MSE)来动态调节误差函数的分段点位置,误差函数特性在均衡过程中随着MSE不断变化,使得算法误差模型与发射信号的模型不断匹配,从而具有增加收敛速度和减小稳态误差的特点.分别用混合相位水声信道和最小相位水声信道对提出的新算法进行仿真实验,结果表明:对于混合相位水声信道,新算法的收敛速度明显快于CMA,且具有更小的稳态均方误差;对于最小相位水声信道,新算法的稳态均方误差明显小于CMA,而收敛速度相当.     

基于误差函数的双模式混合盲均衡算法

针对基于统计量和瞬时量盲均衡算法的特点,在分析双模式算法切换方式的基础上,提出了一种基于误差函数的双模式混合盲均衡算法.该算法针对修正的常数模算法(MCMA)和判决导引算法(DD)特点,利用2种算法误差函数间的互相关性,提出了新的加权因子选取方法,动态控制双模式混合下2种算法的权重比例,更为准确地控制切换时机,即使在误判决的情况下也能因其动态特性切换回合适的权重比例.水声信道仿真实验进一步说明了该算法在收敛速度上的优越性.     

基于星座图改进的QAM盲均衡算法

针对多模辅助算法均方误差高的缺点,提出了两种基于星座图改进的盲均衡算法.首先利用16QAM星座图信息,增加多模辅助算法代价函数中信号点的均衡数目,得到改进的多模辅助算法,与多模辅助算法相比,改进后的算法稳态均方误差更低,而且收敛速度略有提高;其次将改进的多模辅助算法和判决引导算法相结合,根据均方误差调整两种算法的比例,得到的混合算法进一步降低了稳态均方误差.水声信道仿真结果表明:提出的两种算法都可以有效地降低均方误差,适用于对精度要求较高的场合.     

一种基于stop-and-go改进的MCMA盲均衡算法

修正的常数模算法(MCMA)可以纠正相位旋转,但剩余稳态误差较大.在stop-and-go架构的基础上,提出了基于stop-and-go改进的MCMA算法.首先将局部信息量引入MCMA的误差函数,然后运用stop-and-go减少错误均衡的思想,使算法的均衡方向与MCMA保持一致,以降低剩余稳态误差.仿真结果表明,基于stop-and-go改进的MCMA盲均衡算法在保证了收敛速度的同时,码间干扰比MCMA算法降低了10 dB.     

回波对消中盲源分离算法的研究与仿真

盲源分离因为可以仅根据接收到的观测信号来估计还原源信号,成为近年来在信号处理领域的研究热点.针对盲源分离中的基于峭度的独立分量分析算法在源信号还原的过程中计算量较大的问题,采用共轭梯度方法对独立分量分析法进行优化,优化后的算法收敛速度更快,稳态误差变小.Matlab仿真实验表明,优化后的独立分量分析算法收敛更快,实际分离效果更好.     

基于16QAM信号星座点判决域切换的混合正方形轮廓线算法

提出了一种基于16QAM信号星座点判决域切换的混合正方形轮廓线算法.该算法通过判决输出信号是否在星座点判决域内,在正方形轮廓线算法和判决导引算法之间进行切换,不仅能够对输出信号进行相位恢复,而且可以得到更小的剩余码间干扰.水声信道仿真结果表明:与传统的正方形轮廓线算法相比,混合正方形轮廓线算法的码间干扰更低,输出星座点更紧凑,对水声信道具有良好的均衡能力.     

基于小波包变换的EMD算法在超声信号处理中的应用

提出基于小波包变换的EMD算法,并将其应用于超声回波信号去噪.对于采用EMD分解含高斯白噪声的超声缺陷信号存在模态混叠的问题,首先用小波包变换对信号作预处理,再对信号进行EMD分解,最后重构出有用的缺陷信号.实验结果表明:该方法不仅具有很好的消噪效果,而且重构的缺陷信号的波形失真度小,有利于对信号做进一步的定量分析.     

基于小波变换系数自适应阈值法在语音去噪中的应用

在软阈值去噪算法基础上，根据小波变换后信号与噪音具有的奇异性，提出无偏风险自适应阈值估计算法，并应用于语音信号的去噪处理，实验结果表明该算法的最小均方误差低于其他的去噪算法。     

基于平移不变小波变换的多普勒速度声纳输出信号处理

针对水下航行器组合导航系统所使用的多普勒速度声纳输出信号的特点,采用了平移不变小波变换的多分辨率分析的方法,利用Daubechies小波函数,采用了半软阈值去噪的方法,能够在低信噪比的情况下准确地估计多普勒声纳的频移,从含有噪声的多普勒输出信号中提取出原始信号．通过仿真实验表明:采用4层小波分解,算法计算量减小,有效地消除多普勒噪声,从而提高水下组合导航系统的精度．     

小波频率估计方法及其在通信信号检测中的应用

小波变换作为新的信号分析工具,受到学者们的重视,然而如何将小波尺度与频率联系起来,是一个亟待解决的问题.为了求解小波的中心频率,提出了一种基于正弦波的模型,并将模型推广到任意采样间隔与任意小波尺度.由于模型的非凸性,传统的基于梯度的优化方法容易陷入局部最优,因此提出了一种基于Rossler吸引子的粒子群算法.实验给出了常见小波的频率值,并通过一个通信信号检测的例子证明了该方法的有效性.     

多步预测的小波神经网络预报模型

采用小波分析与人工神经网络相结合的方法，进行了一种新的非线性长期预报模 型研究。结果表明，所构造的小波神经网络多步预测模型对历史样本具有很好的拟合效果， 独立样本的预报效果也令人满意。并且，该预报模型具有误差收敛快，预报时效长以及建 模所需阶数低等显著优点，具有很好的研究前景。     

最优小波尺度空间的图像边缘检测方法

根据图像和检测算子的特性,以相关性为准则,使用遗传算法对图像小波变换的尺度进行选择,从而构成一种自适应的高斯小波尺度空间.融合该空间下不同尺度检测的图像边缘,使得整幅图像的边缘细节丰富清晰,具有更好的抗噪性能.对测试图像使用Canny算法、单尺度、二进尺度和自适应尺度小波进行边缘检测,验证了该算法在去除噪声和准确定位方面的有效性.     

图像小波域维纳滤波去噪算法的改进

介绍了小波变换和维纳滤波相结合的图像小波域维纳滤波去噪算法，在分析该算法最小均方误差期望的基础上提出一种改进算法。指出在进行维纳滤波之前，阈值化处理可以有效提高维纳滤波的性能。用标准测试图像的处理结果来比较改进前后两种算法的效果。