CN114189409A - 一种基于bootstrap的短突发信号均衡方法 - Google Patents
一种基于bootstrap的短突发信号均衡方法 Download PDFInfo
- Publication number
- CN114189409A CN114189409A CN202111495311.6A CN202111495311A CN114189409A CN 114189409 A CN114189409 A CN 114189409A CN 202111495311 A CN202111495311 A CN 202111495311A CN 114189409 A CN114189409 A CN 114189409A
- Authority
- CN
- China
- Prior art keywords
- short burst
- burst signal
- signal data
- data
- equalization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims description 50
- 238000005315 distribution function Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03012—Arrangements for removing intersymbol interference operating in the time domain
- H04L25/03019—Arrangements for removing intersymbol interference operating in the time domain adaptive, i.e. capable of adjustment during data reception
- H04L25/03082—Theoretical aspects of adaptive time domain methods
- H04L25/03089—Theory of blind algorithms, recursive or not
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
本发明公开了一种基于BOOTSTRAP的短突发信号均衡方法，涉及无线通信领域中的信道均衡技术领域，解决了现有技术中存在的，在接收模块接收到的信号为短突发信号时，均衡器难以收敛的缺陷，其技术方案要点是：将短突发信号数据的估计误差统计量集合，重构生成数量远多于原短突发信号数据的再生信号数据，最后再将该再生信号数据处理后的输出信号数据作为盲均衡模块的输入来完成短突发信号数据的时域均衡。达到了显著优化均衡效果，使系统具有更小的稳态误差的目的，同时极大地提高了均衡器的收敛速率。
Description
技术领域
本发明涉及无线通信领域中的信道均衡技术领域，更具体地说，它涉及一种基于BOOTSTRAP的短突发信号均衡方法。
背景技术
在远距离无线通信时，由于多径干扰和信道的衰落等因素的影响，信号通常会产生码间干扰(Inter-Symbol Interference,ISI)。为了降低码间干扰对通信解调系统的影响，信道均衡技术被提出作为解决该问题的一种有效方式，其在日常生活、科研探测、军事国防等诸多场景中有着广泛的应用。
目前，时域均衡技术主要分为自适应均衡技术和盲均衡技术。具体而言，自适应均衡技术需要基于预先已知的信号序列并计算反向信道传递函数来得到均衡器的系数矩阵。这不仅会占用额外的传输带宽，而且当信道环境改变时还需要再次输入训练信号并新增反馈信道，导致系统开销剧增。盲均衡技术无需预先输入训练序列即可完成对于信道畸变的矫正，在常用盲均衡算法中，常数模算法(Constant Modulus Algorithm,CMA)的计算复杂度较低，鲁棒性较强，但是其收敛性能较差，均衡后剩余误差并不理想，导致其在应用时受到一定的限制。
特别地，在接收机接收到的信号为短突发信号时，由于其信号序列通常只包含几十至几百个数据符号，使得均衡器难以收敛，稳态误差较大。
发明内容
本发明的目的是提供一种基于BOOTSTRAP的短突发信号均衡方法，将短突发信号数据的估计误差统计量集合，重构生成数量远多于原短突发信号数据的再生信号数据，最后再将该再生信号数据处理后的输出信号数据作为盲均衡模块的输入来完成短突发信号数据的时域均衡。解决了现有技术中存在的，在接收模块接收到的信号为短突发信号时，均衡器难以收敛的缺陷。
本发明的上述技术目的是通过以下技术方案得以实现的：
一种基于BOOTSTRAP的短突发信号均衡方法，包括步骤：
S1.基于短突发信号数据，获得短突发信号数据的估计误差统计量；
S2.基于短突发信号数据的估计误差统计量，构造短突发信号数据的再抽样短突发信号数据的估计误差统计量集合；
S3.基于再抽样短突发信号数据的估计误差统计量集合，通过一维直方图获得总体分布的统计参数集合的概率分布和特征值；
S4.基于总体分布的统计参数集合的概率分布和特征值，获得滤波输出信号，完成短突信号数据的时域均衡。
进一步的，所述获得短突发信号数据的估计误差统计量前，还包括：
A1.基于短突发信号数据，构造短突发信号数据的总体分布和经验分布函数；
A2.基于短突发信号数据的总体分布，构造总体分布的统计参数集合；
A3.基于总体分布的统计参数集合，获得总体分布的统计参数集合的估计。
进一步的，所述构造短突发信号数据的再抽样短突发信号数据的估计误差统计量集合前，还包括：
B1.基于短突发信号数据的符号流，对短突发信号数据的符号流求模后，获得符号流求模后的递增统计量；
B2.基于符号流求模后的递增统计量，获得具体的短突发信号数据的经验分布函数
进一步的，所述B2后，还包括：
C1.基于具体的短突发信号数据的经验分布函数，在指定区间内生成均匀分布的随机数据；
C2.基于随机数据，获得随机数据的再抽样数据；
C3.基于再抽样数据，获得再抽样数据的再抽样短突发信号数据；
C4.循环C1、C2和C3，获得短突发信号数据的再抽样短突发信号数据。
进一步的，所述C4后，还包括：
D1.基于短突发信号数据的再抽样短突发信号数据，构造再抽样短突发信号数据的估计误差统计量；
D2.循环C4和D1。
进一步的，所述获得总体分布的统计参数集合的概率分布和特征值前，还包括：
E1.基于再抽样短突发信号数据的估计误差统计量集合，获得总体分布的统计参数集合的可能取值矩阵；
E2.基于总体分布的统计参数集合的可能取值矩阵，抽取一个统计参数在可能取值矩阵中的可能取值集合，获得一个统计参数的可能取值集合的取值区间，将可能取值集合的取值区间等间隔划分；
E3.基于可能取值集合的取值区间等间隔划分结果，通过一维直方估计方法获得一个统计参数的边缘概率密度；
E4.重复E2-E3。
进一步的，所述一个统计参数的边缘概率密度的函数表达式为：
其中
的边缘概率密度，
为第p个统计参数在可能取值矩阵中的可能取值集合，card(Δη)表示集合
中位于Δη内的元素个数，τ为间隔数，Δη为第η(η＝1,2,…,τ)个间隔，
为总体分布的统计参数集合的个数。
进一步的，所述完成短突信号数据的时域均衡前，还包括：
F1.基于总体分布的统计参数集合的概率分布和特征值，生成再抽样短突发信号数据的符号流；
F2.基于再抽样短突发信号数据的符号流，获得CMA的无记忆非线性函数；
F3.构造算法代价函数和误差函数；
F4.基于算法代价函数和误差函数，结合最陡梯度法，获得迭代公式；
F5.基于迭代公式，将CMA的无记忆非线性函数的输出信号数据，作为均衡滤波模块的输入信号。
进一步的，所述滤波输出信号为：y(l)＝SL(l)ψ(l-1)，其中，y(l)为l时刻的滤波输出信号，ψ(l-1)为第l-1迭代的均衡器系数，SL(l)为l时刻的第L个再抽样短突发信号数据的符号流。
进一步的，一种系统，用于运算上述的一种基于BOOTSTRAP的短突发信号均衡方法，其特征在于，包括：
接收模块，所述接收模块用于接收短突发信号数据；
运算处理模块，所述运算处理模块用于运算处理所述接收模块接收的短突发信号数据后，生成滤波输出信号；
均衡模块，用于接收所述运算处理模块生成的滤波输出信号后，完成短突信号数据的时域均衡。
与现有技术相比，本发明具有以下有益效果：
显著优化均衡效果，使系统具有更小的稳态误差。
极大地提高均衡器的收敛速率。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明流程示意图；
图2为直接采用短突发信号序列时的误差收敛曲线示意图；
图3为利用本发明提供的均衡方法后的误差收敛曲线示意图；
图4为利用本发明提供的均衡方法前后信号星座图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例：一种基于BOOTSTRAP的短突发信号均衡方法。
A1.基于短突发信号数据X＝(x1,x2,…,xn)，构造短突发信号数据的总体分布和经验分布函数Fsam，具体为：
设接收模块接收到的短突发信号数据为X＝(x1,x2,…,xn)，其中xi(i＝1,2,…,n)为第i个符号，将其作为一个观测样本，即可认为短突发信号数据X来自于一个待确定的总体分布F，设Fsam为短突发信号X的经验分布函数。
A2.基于短突发信号数据的总体分布F，构造总体分布的统计参数集合H(F)，具体为：
设
为总体分布F的
个统计参数集合。
A3.基于总体分布的统计参数集合H(F)，获得总体分布的统计参数集合的估计，获得短突发信号数据的总体分布估计，具体为：
S1.基于短突发信号数据，获得短突发信号数据的估计误差统计量，具体为：
通过
可得出短途发信号数据的估计误差统计量为：
其中，
为经验分布Fsam的
个统计参数集合的估计，
B1.基于短突发信号数据的符号流，对短突发信号数据的符号流求模后，获得符号流求模后的递增统计量，具体为：
由于短突发信号X＝(x1,x2,…,xn)为有限符号流，x1≤x2≤…≤xn是将x1,x2,…,xn求模后按从小到大排序后所得的统计量。
B2.基于符号流求模后的递增统计量，获得具体的短突发信号数据的经验分布函数
时，其中n代表符号流的总个数。
C1.基于具体的短突发信号数据的经验分布函数，在指定区间内生成均匀分布的随机数据，具体为：
基于短突发信号X的经验分布函数Fsam(x)，利用运算处理模块在区间[0,1]上生成均匀分布的随机数据，记为α；
C2.基于随机数据，获得随机数据的再抽样数据，具体为：
令β＝(n-1)α，其中β为再抽样数据。
C3.基于再抽样数据，获得再抽样数据的再抽样短突发信号数据，具体为：
令x′j＝xi+(β-i+1)(xi+1-xi)(j＝1,2,…,n；xi∈X)，其中，x′j为再抽样数据β的第j个再抽样短突发信号数据，xi为随机数据α的第i个数据。
C4.循环C1、C2和C3，获得短突发信号数据的再抽样短突发信号数据，具体为：
循环C1、C2和C3 n次即短突发信号数据的再抽样短突发信号数据X′＝(x′1,x′2,…,x′n)。
D1.基于短突发信号数据的再抽样短突发信号数据，构造再抽样短突发信号数据的估计误差统计量，具体为：
基于X′，有
在此基础上可构造再抽样短突发信号数据的估计误差统计量Err(X′,Fsam)，
其中，Fs′am为再抽样短突发信号数据的经验分布函数，
为F′sam的
个统计参数集合的估计。
D2.循环C4和D1，即可构造S2中的短突发信号数据的再抽样短突发信号数据的估计误差统计量集合，具体为：
独立重复地遍历循环C4和D1 N次,可获取再抽样短突发信号数据的估计误差统计量集合Err′，Err′＝[Err1(X′,Fsam),Err2(X′,Fsam),…,ErrN(X′,Fsam)]，其中Errq(X′,Fsam)为第q(q＝1,2,…,N)次再抽样短突发信号数据的估计误差统计量。
E1.基于再抽样短突发信号数据的估计误差统计量集合，获得总体分布的统计参数集合的可能取值矩阵，具体为：
基于Err′，有
据此可获得总体分布F的参数集合H(F)的N个可能取值矩阵，记为H*(F)，
E2.基于总体分布的统计参数集合的可能取值矩阵，抽取一个统计参数在可能取值矩阵中的可能取值集合，获得一个统计参数的可能取值集合的取值区间，将可能取值集合的取值区间等间隔划分，具体为：
E3.基于取值区间的等间隔划分结果，通过一维直方估计方法获得一个统计参数的边缘概率密度；
令Δη为第η(η＝1,2,…,τ)个间隔，
则通过一维直方图估计方法可得：
其中，
为
的边缘概率密度，
表示集合
中位于Δη内的元素个数。
E4.重复E2-E3，获得S3中总体分布的统计参数集合的概率分布和特征值，具体为：
遍历计算H*(F)中的
个统计参数，可获得总体分布F的统计参数集合H(F)中
个统计参数的分布和特征值(如均值、方差、最大值、最小值、最值差、中值、最大概率值和过均值概率等)。
F1.基于总体分布的统计参数集合的概率分布和特征值，生成再抽样短突发信号数据的符号流，具体为：
基于H(F)中
个统计参数集合的概率分布和特征值，利用运算处理模块可生成符合接收模块接收到的再抽样短突发信号数据的L个(L数倍于n)符号流，记为SL，SL＝(s1,s2,…,sL)，其中，sl(l＝1,2,…,L)为第l位符号流。
F2.基于再抽样短突发信号数据的符号流，获得CMA的无记忆非线性函数；
将SL作为短突发信号输入，可得CMA的无记忆非线性函数表达式为：
其中，
为每次自适应滤波器的输出信号数据。
F3.构造算法代价函数和误差函数；
构造算法代价函数：
误差函数：
F4.基于算法代价函数和误差函数，结合最陡梯度法，获得迭代公式，具体为：
在F3的基础上结合最陡梯度法可得均衡器权系数的迭代公式：
其中，ψ(l)∈ψ(L)(l＝1,2,…,L)为第l次迭代的均衡器系数，μ(μ∈(0，1))为步长，用于控制算法的收敛速度和稳态误差参量。
F5.基于迭代公式，将CMA的无记忆非线性函数的输出信号数据，作为均衡滤波模块的输入信号，获得S4中的滤波输出信号，完成短突信号数据的时域均衡具体为：
向滤波模块输入自适应滤波器的输出信号数据
时，该盲均衡滤波器在l时刻的输出信号为y(l)，y(l)＝SL(l)ψ(l-1)。
基于BOOTSTRAP的短突发信号均衡方法，进行如下实验；
随机产生长度为120bit的短突发信号，采用16QAM对该信号序列进行调制，输入信噪比为30dB，通信信道的脉冲响应为[0.2499,0.3951,0.2347]，采用12阶时域均衡器，该均衡器中心抽头系数的起点取值为1，其余抽头系数均为零，共进行100次独立仿真实验。通过理论算法仿真验证可以得出如图3所示的误差收敛曲线，如图4所示的信号星座图。
从图2可以看出，直接采用短突发信号序列时，误差序列曲线难以收敛，且迭代完成时误差序列值大约为-8.45dB；从图3可以看出，采用重构突发信号序列时，当迭代至443次时，误差序列曲线趋于收敛，此时误差序列值大约为-22.43dB，稳定后误差均值为-22.74dB。由此可知，采用本专利所提方法对突发信号进行序列重构能够极大地提高均衡器的收敛速率，且收敛后的稳态误差较小。
从图3可以看出，利用本发明方法均衡后输出的信号星座图更为聚拢集中，且较为清晰，即采用所提的突发信号重构方法能够显著优化均衡效果，使系统具有更小的稳态误差。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于BOOTSTRAP的短突发信号均衡方法，其特征在于，包括步骤：
S1.基于短突发信号数据，获得短突发信号数据的估计误差统计量；
S2.基于短突发信号数据的估计误差统计量，构造短突发信号数据的再抽样短突发信号数据的估计误差统计量集合；
S3.基于再抽样短突发信号数据的估计误差统计量集合，通过一维直方图获得总体分布的统计参数集合的概率分布和特征值；
S4.基于总体分布的统计参数集合的概率分布和特征值，获得滤波输出信号，完成短突信号数据的时域均衡。
2.根据权利要求1所述的一种基于BOOTSTRAP的短突发信号均衡方法，其特征在于，所述获得短突发信号数据的估计误差统计量前，还包括：
A1.基于短突发信号数据，构造短突发信号数据的总体分布和经验分布函数；
A2.基于短突发信号数据的总体分布，构造总体分布的统计参数集合；
A3.基于总体分布的统计参数集合，获得总体分布的统计参数集合的估计。
3.根据权利要求1所述的一种基于BOOTSTRAP的短突发信号均衡方法，其特征在于，所述构造短突发信号数据的再抽样短突发信号数据的估计误差统计量集合前，还包括：
B1.基于短突发信号数据的符号流，对短突发信号数据的符号流求模后，获得符号流求模后的递增统计量；
B2.基于符号流求模后的递增统计量，获得具体的短突发信号数据的经验分布函数。
4.根据权利要求3所述的一种基于BOOTSTRAP的短突发信号均衡方法，其特征在于，所述B2后，还包括：
C1.基于具体的短突发信号数据的经验分布函数，在指定区间内生成均匀分布的随机数据；
C2.基于随机数据，获得随机数据的再抽样数据；
C3.基于再抽样数据，获得再抽样数据的再抽样短突发信号数据；
C4.循环C1、C2和C3，获得短突发信号数据的再抽样短突发信号数据。
5.根据权利要求4所述的一种基于BOOTSTRAP的短突发信号均衡方法，其特征在于，所述C4后，还包括：
D1.基于短突发信号数据的再抽样短突发信号数据，构造再抽样短突发信号数据的估计误差统计量；
D2.循环C4和D1。
6.根据权利要求1所述的一种基于BOOTSTRAP的短突发信号均衡方法，其特征在于，所述获得总体分布的统计参数集合的概率分布和特征值前，还包括：
E1.基于再抽样短突发信号数据的估计误差统计量集合，获得总体分布的统计参数集合的可能取值矩阵；
E2.基于总体分布的统计参数集合的可能取值矩阵，抽取一个统计参数在可能取值矩阵中的可能取值集合，获得一个统计参数的可能取值集合的取值区间，将可能取值集合的取值区间等间隔划分；
E3.基于可能取值集合的取值区间等间隔划分结果，通过一维直方估计方法获得一个统计参数的边缘概率密度；
E4.重复E2-E3。
7.根据权利要求6所述的一种基于BOOTSTRAP的短突发信号均衡方法，其特征在于，所述一个统计参数的边缘概率密度的函数表达式为：
其中
为
的边缘概率密度，
为第p个统计参数在可能取值矩阵中的可能取值集合，card(Δη)表示集合
中位于Δη内的元素个数，τ为间隔数，Δη为第η(η＝1,2,…,τ)个间隔，
为总体分布的统计参数集合的个数。
8.根据权利要求1所述的一种基于BOOTSTRAP的短突发信号均衡方法，其特征在于，所述完成短突信号数据的时域均衡前，还包括：
F1.基于总体分布的统计参数集合的概率分布和特征值，生成再抽样短突发信号数据的符号流；
F2.基于再抽样短突发信号数据的符号流，获得CMA的无记忆非线性函数；
F3.构造算法代价函数和误差函数；
F4.基于算法代价函数和误差函数，结合最陡梯度法，获得迭代公式；
F5.基于迭代公式，将CMA的无记忆非线性函数的输出信号数据，作为均衡滤波模块的输入信号。
9.根据权利要求8所述的一种基于BOOTSTRAP的短突发信号均衡方法，其特征在于，所述滤波输出信号为：y(l)＝SL(l)ψ(l-1)，其中，y(l)为l时刻的滤波输出信号，ψ(l-1)为第l-1迭代的均衡器系数，SL(l)为l时刻的第L个再抽样短突发信号数据的符号流。
10.一种系统，用于运算权利要求1-9中任一项所述的一种基于BOOTSTRAP的短突发信号均衡方法，其特征在于，包括：
接收模块，所述接收模块用于接收短突发信号数据；
运算处理模块，所述运算处理模块用于运算处理所述接收模块接收的短突发信号数据后，生成滤波输出信号；
均衡模块，用于接收所述运算处理模块生成的滤波输出信号后，完成短突信号数据的时域均衡。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111495311.6A CN114189409B (zh) | 2021-12-08 | 2021-12-08 | 一种基于bootstrap的短突发信号均衡方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111495311.6A CN114189409B (zh) | 2021-12-08 | 2021-12-08 | 一种基于bootstrap的短突发信号均衡方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114189409A true CN114189409A (zh) | 2022-03-15 |
| CN114189409B CN114189409B (zh) | 2024-07-02 |
Family
ID=80603920
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111495311.6A Active CN114189409B (zh) | 2021-12-08 | 2021-12-08 | 一种基于bootstrap的短突发信号均衡方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114189409B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030185174A1 (en) * | 1999-08-31 | 2003-10-02 | Currivan Bruce J. | Cancellation of interference in a communication system with application to S-CDMA |
| CN104135450A (zh) * | 2014-07-08 | 2014-11-05 | 上海师范大学 | 利用数据重用的逐幸存序列均衡算法 |
| CN106982183A (zh) * | 2017-05-12 | 2017-07-25 | 北京工业大学 | 一种高速数传系统中的自适应盲均衡方法 |
| CN107425929A (zh) * | 2017-06-24 | 2017-12-01 | 西安电子科技大学 | Alpha稳定分布噪声下衰落信道非辅助数据均衡方法 |
| CN111064683A (zh) * | 2019-12-23 | 2020-04-24 | 西安电子科技大学 | 一种改进的恒模均衡算法 |
-
2021
- 2021-12-08 CN CN202111495311.6A patent/CN114189409B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030185174A1 (en) * | 1999-08-31 | 2003-10-02 | Currivan Bruce J. | Cancellation of interference in a communication system with application to S-CDMA |
| CN104135450A (zh) * | 2014-07-08 | 2014-11-05 | 上海师范大学 | 利用数据重用的逐幸存序列均衡算法 |
| CN106982183A (zh) * | 2017-05-12 | 2017-07-25 | 北京工业大学 | 一种高速数传系统中的自适应盲均衡方法 |
| CN107425929A (zh) * | 2017-06-24 | 2017-12-01 | 西安电子科技大学 | Alpha稳定分布噪声下衰落信道非辅助数据均衡方法 |
| CN111064683A (zh) * | 2019-12-23 | 2020-04-24 | 西安电子科技大学 | 一种改进的恒模均衡算法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114189409B (zh) | 2024-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108650201B (zh) | 基于神经网络的信道均衡方法、译码方法及对应设备 | |
| Benvenuto et al. | Iterative design and detection of a DFE in the frequency domain | |
| CN110149287B (zh) | 基于线性预编码的超奈奎斯特系统及其符号估计方法 | |
| CN109246039B (zh) | 一种基于双向时域均衡的软信息迭代接收方法 | |
| CN110266617B (zh) | 超奈奎斯特系统的多径信道估计方法 | |
| EP0573621A1 (en) | Novel device and method for precoding | |
| CN115664898B (zh) | 一种基于复数卷积神经网络的ofdm系统信道估计方法及系统 | |
| CN113381951A (zh) | 时变频选衰落信道下mftn联合信道估计与均衡方法 | |
| US11368349B1 (en) | Convolutional neural networks based computationally efficient method for equalization in FBMC-OQAM system | |
| JPH07107019A (ja) | 改良された等化器を有する伝送システム | |
| CN113300988A (zh) | 低频水声通信的模态间干扰抑制方法 | |
| EP3800813B1 (fr) | Procédé et un dispositif de prédiction des performances d'un récepteur dans un système de communication | |
| CN110430151B (zh) | 面向水声通信的变抽头长度盲判决反馈频域均衡方法 | |
| CN114189409A (zh) | 一种基于bootstrap的短突发信号均衡方法 | |
| AU765972B2 (en) | Method and apparatus for interference rejection | |
| Nie et al. | Precoding based on matrix decomposition for faster-than-Nyquist signaling | |
| CN105162737A (zh) | 用于软件无线电系统的低复杂度自适应单载波频域均衡方法及装置 | |
| CN113556305B (zh) | 适用于高频率选择性衰落的fbmc迭代信道均衡方法及系统 | |
| EP1806889A1 (en) | Apparatus and method for receiving signals transmitted over a distorting channel | |
| Jing et al. | A Learned Denoising-Based Sparse Adaptive Channel Estimation for OTFS Underwater Acoustic Communications | |
| Arabian et al. | On the performance of filter based equalizers for 16apsk in aeronautical telemetry environment | |
| Gorday et al. | LMS to deep learning: How DSP analysis adds depth to learning | |
| CN114528925B (zh) | 一种基于深层分类网络的时变信道ofdm信号均衡方法 | |
| WO2018099162A1 (zh) | 一种消除码间干扰的方法、系统及存储介质 | |
| Chen et al. | Parallel Blind Adaptive Equalization of Improved Block Constant Modulus Algorithm with Decision-Directed Mode |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |