基于分数低阶统计量的小波多模盲均衡优化算法

摘要

在传统的盲均衡算法中,人们假设周围的环境噪声服从高斯分布,在此假设基础上,各种基于二阶和高阶统计量的盲均衡算法应运而生。但是,在现实生活中存在的脉冲状噪声是不容忽视的,这种噪声服从分数低阶α稳定分布,它仅有分数低阶统计量是有限存在的,因此,在这种噪声下,基于高斯假设而提出的盲均衡算法是不适用的。
　　为了抑制分数低阶α稳定分布噪声,本文在前人研究的基础上,以小波变换、多模算法、判决反馈和模糊免疫算法为工具,研究了一些基于分数低阶统计量的优化盲均衡算法。本文的主要工作包括:(1)利用具有强去相关性的小波变换,研究了基于分数低阶统计量的小波盲均衡算法,仿真表明,该算法能够抑制α稳定分布噪声,加快收敛速度,减小稳态误差。(2)利用加权多模算法,研究了基于分数低阶统计量的小波加权多模盲均衡算法,仿真表明,在α稳定分布噪声环境中,该算法能够很好地恢复高阶QAM信号,相比于常数模算法,它具有较低的稳态误差。(3)基于判决反馈均衡器能够降低码间干扰的特性,研究了基于分数低阶统计量的小波加权多模判决反馈盲均衡算法,仿真表明,该算法具有较低的稳态误差和较快的收敛速度。(4)为了克服常数模算法易陷入局部收敛的缺陷,利用具有全局收敛能力的模糊免疫算法,研究了基于模糊免疫算法的分数低阶统计量小波加权多模盲均衡算法,仿真表明,该算法具有较好的收敛性能。

目录

摘要

Abstract

符号与縮写含义清单

第一章 绪论

1.1 研究背景

1.2 盲均衡技术的发展

1.3 本文主要研究内容

第二章 α稳定分布

2.1 α稳定分布的定义

2.2 α稳定分布的参数系

2.3 α稳定分布的计算机仿真

2.3.1 仿真步骤

2.3.2 仿真实例

2.4 分数低阶统计量

2.5 分数低阶α稳定分布噪声环境中的均衡算法

2.5.1 自适应最小平均p范数法

2.5.2 自适应最小平均绝对偏差算法

2.5.3 修正的自适应误差受限常数模算法

2.5.4 算法仿真

2.6 本章小结

第三章 基于分数低阶统计量的小波盲均衡算法

3.1 基于分数低阶统计量的盲均衡算法

3.1.1 常数模盲均衡算法

3.1.2 基于分数低阶统计量的常数模盲均衡算法

3.1.3 算法仿真

3.1.4 p值的选取

3.2 基于分数低阶统计量的小波盲均衡算法

3.2.1 算法描述

3.2.2 算法仿真

3.3 本章小结

第四章 基于分数低阶统计量的小波加权多模盲均衡算法

4.1 加权多模盲均衡算法

4.1.1 多模盲均衡算法

4.1.2 加权多模盲均衡算法

4.1.3 算法仿真

4.2 基于分数低阶统计量的加权多模盲均衡算法

4.2.1 算法描述

4.2.2 算法仿真

4.3 基于分数低阶统计量的小波加权多模盲均衡算法

4.3.1 算法描述

4.3.2 算法仿真

4.4 本章小结

第五章 基于分数低阶统计量的小波加权多模判决反馈盲均衡算法

5.1 常模判决反馈盲均衡算法

5.1.1 算法描述

5.1.2 算法仿真

5.2 加权多模判决反馈盲均衡算法

5.2.1 算法描述

5.2.2 算法仿真

5.3 基于分数低阶统计量的判决反馈盲均衡算法

5.3.1 基于分数低阶统计量的常模判决反馈盲均衡算法

5.3.2 基于分数低阶统计量的小波加权多模判决反馈盲均衡算法

5.3.3 算法仿真

5.4 本章小结

第六章 基于模糊免疫算法的分数低阶统计量小波加权多模盲均衡算法

6.1 免疫算法

6.1.1 免疫遗传算法

6.1.2 克隆选择算法

6.1.3 人工免疫网络算法

6.2 基于模糊免疫算法的分数低阶统计量小波加权多模盲均衡算法

6.2.1 模糊免疫算法

6.2.2 FIA-WT-FLOSWMMA

6.2.3 算法仿真

6.3 本章小结

第七章 结论与展望

7.1 结论

7.2 展望

参考文献

致谢

攻读硕士学位期间科研成果