论文部分内容阅读
常模算法(CMA)是一种重要的盲自适应均衡算法,它不需要训练序列,仅仅通过接收信号的统计特性来获得信道的状态信息,从而有效地恢复出发送信号,可以很好地节约系统的频谱资源。常模算法以其计算复杂度低、性能比较好、易于实时实现等优点,成为通信系统中广泛研究的盲均衡技术。但由于常模算法代价函数本身的缺陷,算法存在以下缺点:初始值的设置对其影响非常大;步长因子对收敛速度有很大限制;模参数值的选取决定其能否全局收敛。
本文讨论常模算法及其在盲多用户检测中的应用。针对常模算法的几个缺点,对常模算法进行改进。本文采用线性约束条件克服初始值的影响。对于常模算法的收敛速度问题,本文首先分析了AWGN信道下LC-CMA代价函数的解析性能,在此基础上提出了一种线性约束共轭梯度常模算法LC-CGCMA。随后,又研究了LC-CGCMA算法的改进算法M-LCCGCMA,其核心是采用最优自适应步长的方法对LC-CGCMA.进行优化,并推导出步长的解析形式,确保了算法收敛于期望用户,提高了系统性能。通过对算法代价函数的理论分析,得出了算法全局收敛的条件。通过仿真验证了基于共轭梯度算法的常模算法的优越性。针对常模算法对模参数值的依赖,研究了一种基于差分形式的线性约束常模算法D-LCCMA,仿真结果表明,该算法具有良好的鲁棒性,能适应多种条件,对于工程应用具有良好的参考价值。随后,将该算法推广到频率选择性衰落信道中,提出了多径信道下基于Rake接收结构的Rake-DCCMA算法。仿真结果再次验证了本文所提算法的有效性和鲁棒性。