基于分数低阶统计量的正交小波盲均衡方法.pdf

(19)中华人民共和国国家知识产权局*CN102223329A*(12)发明专利申请(10)申请公布号CN102223329A(43)申请公布日2011.10.19(21)申请号201110158708.6(22)申请日2011.06.14(71)申请人南京信息工程大学地址210044江苏省南京市宁六路219号(72)发明人郭业才许芳(74)专利代理机构南京经纬专利商标代理有限公司32200代理人许方(51)Int.Cl.H04L25/03(2006.01)H04B13/02(2006.01)权利要求书2页说明书7页附图3页(54)发明名称基于分数低阶统计量的正交小波盲均衡方法(57)摘要本发明公布了一种基于分数低阶统计量的正交小波盲均衡方法(WT-FLOSCMA)，包括如下步骤：将发射信号a(n)经过脉冲响应信道c(n)得到信道输出向量x(n)；采用α稳定分布信道噪声w(n)和信道输出向量x(n)得到正交小波变换器(WT)的输入信号y(n)；将均衡器的输入信号y(n)经过正交小波变换后，均衡器输入为R(n)，均衡器输出为z(n)；此时，WT-FLOSCMA均方误差为权向量的迭代公式为：本发明利用分数低阶统计量来抑制α稳定噪声，根据最小分散系数准则优化盲均衡方法的权向量，并对均衡器输入信号进行正交小波变换，通过降低均衡器输入信号的自相关性来加快收敛速度。水声信道仿真结果表明，本发明方法性能明显优于常数模方法。CN10239ACCNN110222332902223342A权利要求书1/2页1.一种基于分数低阶统计量的正交小波盲均衡方法，包括如下步骤：a.)将发射信号a(n)经过脉冲响应信道c(n)得到信道输出向量x(n)，其中n为时间序列，下同；b.)采用信道噪声w(n)和步骤a所述的信道输出向量x(n)得到正交小波变换器(WT)的输入信号y(n)：y(n)＝w(n)+x(n)；其特征在于：c.)将步骤b所述的均衡器的输入信号y(n)经过正交小波变换后，则均衡器输入为：R(n)＝Qy(n)(1)式中，Q为正交变换矩阵，R(n)为均衡器输入，均衡器输出z(n)为：z(n)＝fT(n)R(n)(2)式中，f(n)为均衡器权向量，T为转置。此时，WT-FLOSCMA均方误差为：式中，e(n)为均方误差，RCM为信号模值。权向量的迭代公式为：式中，diag[·]表示对角阵，sgn(·)表示取符号，μ为步长，*表示共轭，p为阶数，0＜p＜2；与分别表示对rj.k(n)与sJ，k(n)平均功率估计：(5)式中，rj，k(n)为尺度参数为j，平移参数为k的小波变换系数，sJ，k(n)为尺度参数为J，平移参数为k的尺度变换系数，β为平滑因子，且0＜β＜1，j为尺度，k∈Z为平移，J为最大尺度，kJ为尺度J下小波函数的最大平移。2.根据权利要求1所述的基于分数低阶统计量的正交小波盲均衡方法，其特征在于还包括对均衡器的输入信号异常值进行抑制，设置一个门限值若均衡器输入超过门限值就进行预处理，方法如下：当若|y(n+L)|2＞η*p(n-1)(n＝2，3，L，N-L)(7)则令式中，p(1)表示输入信号的功率估计初始值，y(i)为第i个输入信号，y(n)为第n个输入信号，η为滤除门限值，Re(·)表示取实部，Im(·)表示取虚部，L表示均衡器长度，N表示取样点数，均衡器的输入信号的功率估计值：2CCNN110222332902223342A权利要求书2/2页p(n)＝(1-θ)p(n-1)+θ|y(n+L)|2(9)式中，p(n)表示输入信号的第n个功率估计值，θ为遗忘因子。3CCNN110222332902223342A说明书1/7页基于分数低阶统计量的正交小波盲均衡方法技术领域[0001]本发明涉及一种水声环境中的基于分数低阶统计量的正交小波盲均衡方法。背景技术[0002]在对信道进行均衡时，通常都假设信道噪声为高斯噪声，但研究表明，水声环境噪声、低频大气噪声、许多生物医学噪声以及人为噪声都属于非高斯分布，通常可用α稳定分布来描述。α稳定分布(见：文献[1]ChangningLi，GangYu.ANewStatisticalModelforRollingElementBearingFaultSignalsBasedonAlpha-StableDistribution[C].ComputerModelingandSimulation，2010.ICCMS’10.SecondInternationalConferenceon，IEEE.2010，Vol.4：386-390；文献[2]JiaXu，WeiHan，Xiu-fengHe，Ren-xiChen.SmallTargetDetectioninSARImageUsingtheAlpha-stable