朱婷婷

（西安工业大学 电子信息工程学院，陕西 西安　710021）

基于小样本重用的新型混合盲均衡算法研究

朱婷婷

（西安工业大学 电子信息工程学院，陕西 西安710021）

随着人们对通信质量和速度的要求越来越高，传统均衡技术暴露出了越来越多的缺点。混合盲均衡算法因为其高效、适应度高的特点，成为了均衡领域的一个热点。该文提出了一种基于小样本重用的新型混合盲均衡算法。算法利用小样本重用技术重新设计均衡器加权系数，提高算法收敛效率，并引入常范数盲均衡算法，通过计算机仿真验证了了新算法有效性，可以极大的降低系统的稳态误差，提高收敛效率。

盲均衡；常范数；小样本重用；混合算法

现代通信系统中的一个重要问题就是失真媒介中传输数据的恢复。尤其在某些带宽非常有限的特殊情况下，由于时变多途效应的影响，使得其中的数据传输变得极为困难。随着人类对世界的开发，对于传递信息、视频对话、探测检测、环境勘测等的需求越来越多，对于通信的要求也越来越高。然而过大的背景噪声、时变多途的干扰以及复杂的环境，都使得通信的效率极低。常模（CM，Constant Modulus）是盲信道均衡中最常用的准则，由此引伸出的常数模盲均衡算法［1］（CMA）是一个应用非常广泛的算法，它的性能好坏非常依赖于均衡器的脉冲响应的初始化。CMA算法的期望值是按照最速下降的原理朝着样本估计值接近的，但是这是一种粗略的近似极容易导致收敛缓慢或者失调，已经逐渐不能满足现代通信系统数据传输的要求。……