基于过采样的归一化累积量盲均衡算法

doi:10.11772/j.issn.1001-9081.2013.09.2463

计算机应用 ›› 2013, Vol. 33 ›› Issue (09): 2463-2466.DOI: 10.11772/j.issn.1001-9081.2013.09.2463

基于过采样的归一化累积量盲均衡算法

张晓琴¹,²,³,胡永生¹,³,⁴,张立毅¹,²,³

1. 天津大学电子信息工程学院,天津 300072;
2. 天津商业大学信息工程学院,天津 300134;
3. 天津大学电子信息工程学院,天津 300072;
4. 滨州学院计算机科学技术系,山东滨州 256603

收稿日期:2013-03-14 修回日期:2013-04-28 出版日期:2013-09-01 发布日期:2013-10-18
通讯作者: 张立毅
作者简介:张晓琴(1973-),女,山西神池人,讲师,博士,主要研究方向:盲信号与信息处理;
胡永生(1982-),男,山东菏泽人,讲师,博士研究生,主要研究方向:盲信号与信息处理;
张立毅(1963-),男,山西忻州人,教授,博士生导师,博士,主要研究方向:信号检测、信息处理。

Normalized cumulant blind equalization algorithm based on oversampling technology

ZHANG Xiaoqin¹,²,HU Yongsheng¹,³,ZHANG Liyi¹,²

1. School of Electric Information Engineering, Tianjin University, Tianjin 300072, China;
2. School of Information Engineering, Tianjin University of Commerce, Tianjin 300134, China;
3. Department of Computer Science and Technology, Binzhou University, Binzhou Shandong 256603, China

Received:2013-03-14 Revised:2013-04-28 Online:2013-10-18 Published:2013-09-01
Contact: ZHANG Liyi

摘要/Abstract

摘要： 传统的波特间隔均衡器只能补偿接收信号混叠的频率响应特性,并不能补偿信道畸变。针对这一问题提出一种基于过采样的归一化累积量算法,先对接收信号进行过采样,再利用变步长自适应调整均衡器的抽头系数,不仅能避免算法陷入局部最优,而且还能有效补偿信道畸变。仿真表明:引入过采样和变步长的盲均衡算法,有效地提高了收敛速度,降低了稳态剩余误差。

关键词: 盲均衡, 过采样技术, 归一化, 累积量

Abstract: The traditional baud spaced equalizer is used to compensate the aliasing frequency response characteristics of the received signal, but it cannot compensate the channel distortion. Concerning this problem, a normalized cumulant blind equalization algorithm based on oversampling technology was proposed. The received signal was oversampled firstly, and then the variable step-size was used to adaptively adjust weight coefficients of equalizer. It can not only avoid falling into local optimum, but also compensate the channel distortion effectively. The simulation results show that the algorithm can effectively speed up the convergence, and reduce the steady residual error.

Key words: blind equalization, oversampling technology, normalization, cumulant

中图分类号:

TN911.5

张晓琴胡永生张立毅. 基于过采样的归一化累积量盲均衡算法[J]. 计算机应用, 2013, 33(09): 2463-2466.

ZHANG Xiaoqin HU Yongsheng ZHANG Liyi. Normalized cumulant blind equalization algorithm based on oversampling technology[J]. Journal of Computer Applications, 2013, 33(09): 2463-2466.

[1]	甘岚, 沈鸿飞, 王瑶, 张跃进. 基于改进DCGAN的数据增强方法[J]. 计算机应用, 2021, 41(5): 1305-1313.
[2]	蒋考林, 白玮, 张磊, 陈军, 潘志松, 郭世泽. 基于多通道图像深度学习的恶意代码检测[J]. 计算机应用, 2021, 41(4): 1142-1147.
[3]	秦静, 左长青, 汪祖民, 季长清, 王宝凤. 基于堆叠分类器的心电异常监测模型设计[J]. 计算机应用, 2021, 41(3): 887-890.
[4]	张驰, 李铸洪, 刘舟, 沈未名. 基于场景图划分的无人机影像定位算法[J]. 计算机应用, 2021, 41(10): 3004-3009.
[5]	娄梦莹, 王天景, 刘娅琴, 杨丰, 黄靖. 基于侧链连接卷积神经网络的手掌静脉图像识别[J]. 计算机应用, 2020, 40(12): 3673-3678.
[6]	高媛, 王晓晨, 秦品乐, 王丽芳. 基于深度可分离卷积和宽残差网络的医学影像超分辨率重建[J]. 计算机应用, 2019, 39(9): 2731-2737.
[7]	王忠震, 黄勃, 方志军, 高永彬, 张娟. 改进SMOTE的不平衡数据集成分类算法[J]. 计算机应用, 2019, 39(9): 2591-2596.
[8]	马方方, 刘树波, 熊星星, 牛晓光. 可穿戴设备数值型敏感数据本地差分隐私保护[J]. 计算机应用, 2019, 39(7): 1985-1990.
[9]	杨宏宇, 李博超. 基于逆向习得推理的网络异常行为检测模型[J]. 计算机应用, 2019, 39(7): 1967-1972.
[10]	田臣, 周丽娟. 基于带多数类权重的少数类过采样技术和随机森林的信用评估方法[J]. 计算机应用, 2019, 39(6): 1707-1712.
[11]	高媛, 吴帆, 秦品乐, 王丽芳. 生成对抗残差网络的医学图像融合算法[J]. 计算机应用, 2019, 39(12): 3528-3534.
[12]	梁志刚, 顾军华. 改进头脑风暴优化算法与Powell算法结合的医学图像配准[J]. 计算机应用, 2018, 38(9): 2683-2688.
[13]	沈学利, 覃淑娟. 基于SMOTE和深度信念网络的异常检测[J]. 计算机应用, 2018, 38(7): 1941-1945.
[14]	安旭骁, 邓洪敏, 史兴宇. 基于迷你卷积神经网络的停车场空车位检测方法[J]. 计算机应用, 2018, 38(4): 935-938.
[15]	张春艳, 李京兵, 王双双. 基于离散小波变换和感知哈希的加密医学图像检索算法[J]. 计算机应用, 2018, 38(2): 539-544.

基于过采样的归一化累积量盲均衡算法

Normalized cumulant blind equalization algorithm based on oversampling technology

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics