一种有效的水声信道盲均衡算法

开题报告-《水声通信信道载波相位恢复盲均衡算法》研究背景近年来，随着海洋经济的快速发展，水声通信技术也得到了迅速的发展。

水声通信是指利用声波在水中传播来实现信息交流的一种通信方式。

由于水下环境特殊，水声信号传输受到许多困难影响，如水声信道衰落、多径效应等，使得水声通信系统的设计和性能优化面临着巨大的挑战。

其中，水声信道中的载波相位偏移问题是水声通信中较为常见且需重点解决的问题之一。

水声载波相位偏移会严重影响通信系统的性能，降低系统的信噪比和误码率，导致通信信号的接收质量非常差。

因此，如何解决水声通信信道的载波相位偏移问题，是水声通信技术发展中亟待解决的问题。

研究意义本课题旨在研究一种水声通信信道载波相位恢复盲均衡算法，以此解决水声通信中载波相位偏移的问题。

具体内容包括以下方面：1.提出一种基于盲均衡的水声通信信道载波相位恢复算法，解决水声通信信道中载波相位偏移的问题。

2.分析该算法的性能，包括均衡效果、鲁棒性和复杂度等指标，从而得出算法的优缺点。

3.在水声通信系统中进行仿真实验，验证该算法的有效性和可行性。

本研究对于水声通信技术的发展具有重要的意义。

一方面，该算法可以有效解决水声通信中载波相位偏移的问题，提高水声信号的接收质量；另一方面，该算法可以作为改进和拓展现有水声通信系统的重要手段，为水声通信技术的发展注入新的动力。

研究进度安排本课题的进度安排如下：时间节点完成内容第一周-第二周搜集和整理水声通信信道相关研究资料，了解现有的均衡算法第三周-第四周提出基于盲均衡的水声通信信道载波相位恢复算法第五周-第六周对该算法进行性能分析，包括均衡效果、鲁棒性和复杂度等指标第七周-第八周使用Matlab等仿真平台，对该算法进行仿真实验第九周-第十周对实验结果进行总结分析，总结论文框架，并撰写第一稿第十一周-第十二周修订论文，完成最终论文报告研究方法本课题拟采用如下的研究方法：1.研究水声通信信道的特点和问题，分析水声通信信道中载波相位偏移的原因及其对通信系统的影响；2.综合现有的均衡算法，提出一种基于盲均衡的水声通信信道载波相位恢复算法；3.对该算法的性能进行分析和评估，包括均衡效果、鲁棒性和复杂度等指标；4.使用Matlab等仿真平台，对该算法进行仿真实验。

一种基于CMA的水声信号半盲均衡算法朱裕莎【摘要】研究了一种在平稳信道、多途传输的条件下来估计信道参数的算法,通过对实际测量环境进行建模,得到尽可能正确的信道冲激响应,然后在该冲激响应的基础上,结合有效的常数模盲均衡算法,对测量数据进行处理,上述即是半盲均衡算法.用该方法搭建的界面简单、通用,而使用CMA算法能有效地恢复信号的包络,补偿信号通过信道时的幅度衰减.实验证明该改进算法相对于普通的盲均衡算法,收敛速度更快,均衡效果更好.【期刊名称】《山西电子技术》【年(卷),期】2015(000)006【总页数】2页(P9-10)【关键词】水声信道;半盲均衡;CMA;建模【作者】朱裕莎【作者单位】中北大学信息探测与处理技术研究所,山西太原030051【正文语种】中文【中图分类】TP391.9在水声通信中，信号经过水声信道会产生多普勒频移、幅度衰减等问题，导致接收的信号噪声大、波形畸变严重。

信道盲均衡是近年兴起的一种有效的解决该问题的技术，尤其是常模数算法(即CMA 算法)得到广泛研究。

但是传统的CMA 算法收敛速度慢，迭代步长恒定，收敛速度与稳态误差存在矛盾。

本文针对CMA 盲均衡算法收敛速度慢等缺点，提出了一种基于CMA 的水声信号半盲均衡算法。

首先结合先验知识对水声信道建模，得到信道的冲激响应，然后使用在频域解盲卷积的方法，得到逆滤波器，最后结合盲均衡算法对信号进行恢复。

理论分析和计算机仿真证明该算法能很好地均衡信号波形，并且收敛速度加快，同时算法的适用性更广。

1 水声信号半盲均衡算法传统的自适应均衡算法需要发送训练序列，这类算法虽然计算简单，均衡性能较好，但是占用较大的带宽。

而盲均衡算法无需训练序列，最大程度地利用了频谱资源，只是这些是以增加复杂度和降低均衡性能为代价的。

半盲均衡［1］算法首先利用先验知识得到一个较好的均衡器初始值，然后用一些盲均衡算法得到最优均衡器。

该方法既解决了基于训练序列类算法频谱利用率偏低的问题，又避免了盲均衡算法计算复杂度高，均衡精度较低的缺点。

水声通信中基于信道辨识的盲turbo均衡方法杨晓霞;王海斌;汪俊;张仁和【摘要】水声信道多途效应明显,造成接收信号存在严重的码间干扰(ISI,Intersymbol interference).基于最小均方误差(MMSE,Minimum mean square error)准则的turbo均衡器级联了均衡和信道译码,能够有效去除ISI,并获得优良的性能.由于水声信道的时变性,传统MMSE-turbo均衡需要周期性的训练序列,以实现连续可靠的通信.训练序列虽然提高了通信的可靠性,但降低了信息的有效传输速率.因此,为提高通信效率,本文提出了一种盲turbo均衡方法,该方法通过引入新的盲信道辨识器来同时获得信道估计响应和已去除部分ISI的初步均衡输出信号,并为turbo均衡提供初始的响应参数和比特软信息.与水声通信中应用较多的盲判决反馈均衡器(DFE,Decision feedback equalizer)相比,海上实验结果证明本文提出的盲turbo均衡方法抗信道多途衰落的能力较强,并且与传统MMSE-turbo 均衡相比无需训练序列,因此提高了信息的有效传输速率.【期刊名称】《应用声学》【年(卷),期】2015(034)002【总页数】10页(P125-134)【关键词】盲turbo均衡;盲信道辨识;水声通信【作者】杨晓霞;王海斌;汪俊;张仁和【作者单位】中国科学院声学研究所声场声信息国家重点实验室北京 100190;中国科学院大学北京 100049;中国科学院声学研究所声场声信息国家重点实验室北京 100190;中国科学院声学研究所声场声信息国家重点实验室北京 100190;中国科学院声学研究所声场声信息国家重点实验室北京 100190【正文语种】中文【中图分类】TN911.5水声通信信道多途复杂，特别是针对较高速率通信，多途时延扩展会覆盖几十甚至上百个码元符号，造成接收信号存在严重的码间干扰（ISI，Intersymbol interference）［1］，并导致接收端产生误码。

水声信道常数模盲均衡：理论、算法与仿真14为Nx c 。

如果0Nx c ≠，0Nx c ≠ ，根据BBR 公式可知()N Nx Nx i i c c c n =∑（1-46）定义发送信号序列()x n 和均衡器输出信号序列()xn 的(,)M N 阶归一化累积量(,)x K M N 和(,)x K M N 分别为(,)[](,)[]M N x Mx Nx M N x Mx Nx K M N c c K M N c c ⎧=⎪⎨=⎪⎩ （1-47） 根据式（1-46）可得(,)()()(,)M N x i i x i i K M N c n c n K M N ⎡⎤=⎢⎥⎣⎦∑∑（1-48）根据式（1-48），Gadzow 定理可以描述为：假定信道的输入信号()x n 为非高斯、独立同分布的平稳随机过程，则输入、输出的归一化累积量有如下关系成立：① 如果N 为偶数，并且M N >，则有(,)(,)x x K M N K M N ≤；② 如果N 为奇数，并且M N <，则有(,)(,)x x K M N K M N ≥。

Gadzow 定理从归一化累积量的角度证明了盲均衡实现的条件，可在上述结论基础上，利用极值化方法构建盲均衡算法，由于累积量的阶数在Gadzow 定理中是可以选择的，因此在Gadzow 定理的基础上形成了一簇盲均衡算法，使得Gadzow 定理具有很好的推广价值。

实质上，大多数盲均衡算法的理论基石均是信道系统输入输出之间的高阶统计特性与信道系统本身特性之间的关联，在盲均衡算法的设计和性能分析中，信号的高阶统计特性都是有力的数学工具。

1.3.2 盲均衡算法分类盲均衡算法不依赖于发送信号和通信信道的信息，仅根据接收观测信号实现对发送信号的恢复，为了设计一种能够自适应调节均衡器权系数的算法，需要对接收观测信号进行非线性变换。

针对非线性变换的时机不同，可以将盲均衡算法分为三类[21]：Bussgang 类盲均衡算法、高阶累积量盲均衡算法和非线性均衡器盲均衡算法，如图1-6所示。

一种改进的水声信道载波恢复盲均衡算法宁小玲;刘忠;罗亚松;龚立;付学志【摘要】An improved super-exponential iteration decision feedback blind equalization algorithm with the second order digital phase-locked loop (NMSEI-DFE-2DPLL) is proposed in order to overcome the problem of the ill convergence performance of the super-exponential iteration decision feedback algorithm in the underwater acoustic communication system. Based on the analysis of the modified super-exponential iteration error function, a new fast convergence error function is presented which increases carrier recovery ability; a second order digital phase-locked loop is introduced in decision feedback equalization to track and compensate phase rotation, carrying out the transmitted sequence recovery. Computer simulations of the new algorithm about convergence and carrier recovery ability are carried out respectively under two underwater acoustic channels, using two modulation signals. Simulation results demonstrate that the mean square error and convergence rate of the proposed algorithm have been improved to a large extent compared with the SEI-DFE algorithm in mixed phase channel environment, and the phase rotation has been compensated and carrier recovery ability has been improved greatly in channel environment with phase rotation.%针对超指数迭代判决反馈盲均衡算法在水声通信系统中表现出收敛性差的问题,提出了一种带二阶锁相环的改进超指数迭代判决反馈盲均衡算法.该算法基于对修正超指数迭代算法误差函数的分析,提出了一种新的、能够快速收敛的误差函数,并有效提高了载波恢复能力；在判决反馈均衡器中引入二阶数字锁相环,实现对相位旋转的跟踪和补偿,从而实现对原始发射信号的正确恢复.在两种水声信道条件下,采用两种调制信号分别对算法的收敛性能和载波恢复性能进行了计算机仿真,结果表明:在混合相位信道环境中,新算法相比超指数迭代判决反馈算法在均方误差、收敛速度上得到很大改善；在具有相位旋转的信道环境中,新算法实现了对相位旋转的有效补偿,改善了载波恢复性能.【期刊名称】《西安电子科技大学学报（自然科学版）》【年(卷),期】2012(039)001【总页数】6页(P151-156)【关键词】水声通信;盲均衡;超指数;判决反馈;相位旋转;数字锁相环【作者】宁小玲;刘忠;罗亚松;龚立;付学志【作者单位】海军工程大学电子工程学院,湖北武汉430033;海军工程大学电子工程学院,湖北武汉430033;海军工程大学电子工程学院,湖北武汉430033;海军工程大学电子工程学院,湖北武汉430033;海军工程大学电子工程学院,湖北武汉430033【正文语种】中文【中图分类】TN911.5海洋声信道在声传播过程中,由于海洋内波、湍流、温度梯度、密度分层以及其他一些引起声速局部扰动的相关现象造成了严重振幅和相位波动,以致在相干水声通信数据解调过程中造成均衡器输出信号的相位旋转[1].如何解决时变多途信道引起的相位旋转、提高收敛性能是提高水下通信质量亟待解决的问题[2].不需训练序列的盲均衡算法是一种克服多途效应的有效方法,适用于带宽资源受限的水声信道[3].其中,超指数迭代(SEI)算法因具有快速收敛性能而受到重视[4].然而,在高速水声通信系统中,采用信道利用率较高的非常模信号(如16QAM)时,超指数迭代算法会表现出收敛性差、误码率高的缺点.为了提高超指数迭代算法的收敛性能,克服相位旋转,文献[5]提出了一种修正的超指数迭代双模盲均衡算法(MSEI+DD),文献[6]提出了一种带有二阶数字锁相环的分数间隔超指数迭代盲均衡算法(FSSEI-DPLL2).这两种算法都从一定程度上改善了超指数迭代算法的收敛性能.为了进一步提高算法在复杂水声信道的载波恢复和收敛性能,笔者提出了一种带二阶锁相环的改进超指数迭代判决反馈盲均衡算法(NMSEI-DFE-2DPLL).1.1 判决反馈均衡器结构引进基于判决反馈的盲均衡算法有两个主要原因[7]:一是基于常模算法的线性均衡器在信道存在靠近单位圆的零点时,FIR均衡器会在相应的位置生成极点,以抵消零点,因此,会在该频点形成谱峰,从而放大了噪声;二是由于水声信道往往存在较严重的频率选择性衰落,而且,由于发射机和接收机的相对运动,以及海浪、湍流等的运动,使得水声信道响应随着时间变化.判决反馈均衡器可以克服第1个缺点,另一突出优点是具有良好的时变跟踪性能.超指数迭代判决反馈(SEI-DFE)算法的等效基带模型如图1所示,该结构是一个混合相位信道模型.图1中s(k)是信源发出的独立同分布信号序列;h(k)是基带水声信道冲激响应;n(k)是噪声序列.接收机收到的基带信号序列x(k)=h(k)⊗s(k)+n(k);Wi(k)=[wi(0),wi(1),…,wi(Ni-1)]T,Wb(k)=[wb(0),wb(1),…,wb(Nb-1)]T,分别表示k时刻前馈滤波器、反馈滤波器的权向量;z(k)= yi(k)-yb(k),^A(k)=[^a(k-1),^a(k-2),…,^a(k-Nb)]T,分别代表量化判决器的输入和输出.相应地,前馈滤波器、反馈滤波器的输出可表示为超指数迭代算法相比CMA算法多了一项计算均衡器输入信号自相关矩阵的逆矩阵Q的表达式.正是计算该矩阵,对数据起到了白化作用,从而使得算法收敛速度比CMA算法的快,且两种算法在充分迭代后的剩余均方误差相同.根据文献[8],超指数迭代判决反馈算法的权向量迭代方程为其中,μ1和μ2分别表示前向权和反馈权的迭代步长.Q矩阵因子的迭代方程为算法的误差项为式中,γ为该算法的模.1.2 改进的超指数迭代算法超指数迭代算法是在CMA算法上提出来的.由于CMA对相位是盲的,因此,超指数迭代对相位也是盲的.当存在载波相位残余时,剩余的相位起伏会使均衡器输出星座产生旋转.为了克服CMA算法的相位旋转以及收敛速度慢问题,文献[9]提出了一种改进型CMA算法(MCMA).文献[6]通过借鉴MCMA算法的误差函数,对均衡器输出的实部和虚部分别采用非线性变换,获得一种修正的超指数迭代算法(MSEI),加快了收敛速度,减小了剩余均方误差.其误差形式为式中,Re[]表示取实部运算,Im[]表示取虚部运算.文献[10]指出:MCMA算法定义的权值迭代函数当p≥4时,MCMA算法展现出很差的收敛性能.这是因为对于一个很小的z,式(5)的误差函数变得很小,接近于零,这时算法不能收敛.为此,笔者对上述算法进行了修改,定义一个新的误差函数:式中,当p=2时,式(6)是式(8)的特例.1.3 数字锁相环为了更好地跟踪时变信道带来的较大的多普勒起伏和频偏带来的相位变化,提高均衡算法对信道变化的稳健性以及对均衡输出信号的相位跟踪能力,笔者在判决反馈均衡器中使用了数字锁相环技术.引入锁相环可将信号均衡、载波相位偏差跟踪两项工作并行处理[11].带有锁相机制的修正超指数判决反馈盲均衡器结构如图2所示.这时,前馈滤波器输出和前馈滤波器权向量迭代方程变为二阶锁相环表达式为式(11)中的Kf为相位步长因子.式(11)相比文献[6]增加了一个过去相位θ(k-1)和过去误差e2(k-1)的信息量,更能准确地捕捉相位的变化,增强了算法的稳健性以及信号的相位跟踪能力.因此,该锁相环算法的性能更稳定、跟踪能力更强.2.1 混合相位系统各算法的均方误差性能比较为了检验各种算法在混合相位系统中的性能,将CMA、MCMA、CMA-DFE、SEI-DFE、MSEI-DFE、NMSEI-DFE(p=4和p=6)等算法进行了比较.利用文献[7]的深海信道模型进行仿真,基带水声信道冲激响应c1=[0.244 3,0.118 3,-0.045 5,-0.090 5,0.676 6,0.662 2,-0.116 3,0.075 6],该信道的零点分布如图3所示.由图3可见,该信道是一个混合相位系统,有一零点接近于单位圆,形成了很深的谱零点,因此,其均衡难度较大.在整个仿真过程中,判决反馈均衡器前向权采用中心抽头初始化,而对反馈权采用全零初始化.前馈滤波器权向量长为15,反馈滤波器权向量长为8.Q矩阵的初始值为均衡器一段输入数据的相关矩阵的逆,即Q(0)=R-1,矩阵的大小为512.各种算法的参数设置为: CMA算法和MCMA算法的μ=0.000 5,滤波器权向量长为23; CMA-DFE算法的μ1=0.001,μ2=0.001;SEI-DFE算法的μ=0.001,μ1=0.001,μ2=0.001;MSEI-DFE算法的μ=0.001, μ1=0.001,μ2=0.001.图4给出了在QPSK调制信号、高斯白噪声信噪比为20 d B的情况下,各种算法的均方误差曲线.从图4(a)可以看出,CMA-DFE和SEI-DFE算法相比CMA和MCMA算法增加了判决反馈均衡器,对严重的频率选择性衰落有较好的克服能力,均衡效果要好得多,收敛稳定时均方误差相差10 d B左右;而MCMA相比CMA增加了相位补偿功能,对于QPSK调制信号,均衡效果稍好一些;由于其Q矩阵对噪声的白化作用,SEI-DFE相比CMA-DFE均衡性能要稳健,且达到稳定时,收敛速度要快约3 000点.可见,SEI-DFE算法相比CMA、MCMA以及CMA-DFE算法具有稳健、收敛快的优势,但是均方误差在信噪比为20 dB的情况下最终只达到-5 d B,收敛性能较差,这种算法还有待改进.由于对相位的补偿作用,MSEI-DFE收敛快于SEI-DFE,且在收敛达到稳定时,均方误差性能要小6 d B.由此可见相位补偿在水声信道中的重要性.图4(b)比较了MSEI-DFE、NMSEI-DFE(p=4和p=6)两种算法的均方误差性能.从图4(b)可以看出,在收敛阶段,MSEI-DFE、NMSEI-DFE(p=4)以及NMSEI-DFE(p=6)的收敛速度依次增强;在收敛达到稳定时,NMSEI-DFE(p=6)比MSEI-DFE算法约快1 000点,均方误差基本相同,相比图4(a)中SEIDFE算法约快3 000点.NMSEI-DFE算法和MSEI-DFE算法的区别在于误差函数不同,比较式(6)和式(7)可以看出,NMSEI-DFE算法(p=4和p=6)的计算量与MSEI-DFE算法的相比,相差不大.所以,综合以上分析,NMSEI-DFE算法是一种有效的改进算法.在高速水声通信系统中,大多采用信道利用率较高的非常模信号.为此,在信道模型、滤波器权向量长度、Q矩阵大小、信噪比等仿真条件不变的情况下,采用16QAM 调制信号检验算法的性能.从图5可以看出,当收敛达到稳定时,NMSEI-DFE(p=6)比MSEI-DFE算法约快4 000点,均方误差基本相同.通过与图4(b)比较可知, NMSEI-DFE和MSEI-DFE算法在QPSK和16QAM两种调制方式下,收敛稳定时均方误差性能相当,可见这两种算法对非常模信号仍有很好的收敛性能.2.2 载波恢复性能比较为了检验NMSEI-DFE-2DPLL算法的载波恢复性能,以SEI-DFE、MSEI-DFE以及NMSEI-DFE为比较对象.信道2为具有相位旋转的两径水声信道:式中,e-0.7j表示直达路径,其幅度为1,相移为0.7 rad;0.3e-1.8j是幅度为0.3,相移为1.8 rad的多径.分别采用16QAM和QPSK调制信号来检验各算法的载波恢复性能.对于16QAM调制信号,NMSEI-DFE-2DPLL算法的仿真参数为:μ=0.001,μ1=0.001,μ2=0.001,Kf=0.000 8;对于QPSK调制信号,NMSEI-DFE-2DPLL算法的仿真参数为:μ=0.001,μ1=0.001,μ2=0.001,Kf=0.005.S EI-DFE、MSEI-DFE算法的仿真参数和图4相同.图6和图7分别为16QAM和QPSK调制信号各算法的星座图.从图6可以看出,图6(b)的SEI-DFE算法输出星座图具有约45°的相位旋转,这将造成判决器的严重误判,增大误码率.图6(c)的MSEI-DFE算法输出星座相比SEI-DFE 算法相位旋转缓和了相当大的角度(约41°),但无法纠正水声信道的相位旋转,且输出星座比较乱.图6(d)和图6(e)的NMSEI-DFE(p=4和p=6两种情况)算法对误差函数进行了改进,输出星座图相比MSEI-DFE紧凑集中,清晰很多,界限分明,且相位旋转角度进一步缓和(约3°),NMSEI-DFE算法在p=6时的输出星座图比p=4时更加清晰.因此,对于高阶QAM信号,NMSEI-DFE算法较MSEI-DFE算法的性能有明显提高,具有更好的载波恢复性能.图7中星座图的特点是:图7(b)的SEI-DFE算法输出星座图具有45°的相位旋转,图7(c)～图7(e)的MSEI-DFE算法和NMSEI-DFE算法输出星座图都很好地纠正了信道的相位旋转,且MSEI-DFE(p=2)、NMSEI-DFE(p=4)和NMSEI-DFE(p=6)的星座清晰程度依次增强.但是,不是所有的输出信号都落在星座的中心位置上.在两种调制方式下,通过在SEI-DFE算法的基础上引入修正的误差函数,使得输出星座图得到了很大改善,但是还存在一定的问题.为此,笔者在NMSEI-DFE算法的基础上引入了二阶锁相环以进一步纠正相位旋转.利用带有锁相机制的盲均衡算法的效果图分别如图6(f)和图7(f)所示.从两图可以看出,带有锁相机制的盲均衡算法可以对相位旋转和多普勒频移进行很好的补偿,相位旋转完全得到恢复,且均衡后的星座图更加紧密集中,眼图张开更加清晰,保证了整个均衡算法的正常运行.笔者提出了一种带二阶锁相环的改进超指数迭代判决反馈盲均衡算法,并通过混合相位信道水声信道模型和连续相位偏转水声信道模型进行了仿真,验证了该算法的有效性.新算法基于对修正超指数迭代算法(MSEI)误差函数的分析,得到一种新的、能够快速收敛的误差函数,使得均方误差性能相比SEI-DFE算法改善了约6 dB,收敛速度快3 000点以上.在此基础上,在判决反馈均衡器中引入二阶数字锁相环,使均衡器输出星座紧凑、集中、清晰,相位旋转完全得到恢复,大大改善了载波恢复性能.仿真结果证明,新算法具有快速收敛、更小稳态误差以及载波恢复等优势,可有效提高水声通信系统质量,具有一定的实用价值.【相关文献】[1]Stojanovic M.Recent Advance in High Speed Underwater AcousticCommunication[J].IEEE Journal of Oceanic Engineering,1996,21(2):125-136.[2]郭业才.自适应盲均衡技术[M].合肥:合肥工业大学出版社,2007:8-9.[3]Kilfoyle D B,Baggeroer A B.The State of the Art in Underwater Acoustic Telemeiry[J].IEEE Journal of Oceanic Engineering,2000,25(1):4-27.[4]Shalvi O,Weinstein E.Super-exponential Methods for Blind Equalization[J].IEEE Trans Information Theory,1993, 39(2):505-519.[5]孙丽君,孙超.基于修正超指数迭代算法的双模式盲均衡算法仿真研究[J].系统仿真学报,2005,17(11):2604-2605. Sun Lijun,Sun Chao.A New Dual-Mode Blind Equalization Approach Based on Modified Super-Exponential Iteration Algorithm[J].Journal of System Simulation,2005,17(11):2604-2605.[6]张银兵,赵俊渭,郭业才,等.一种能有效消除水声信道相位连续旋转的分数间隔盲均衡算法研究[J].声学学报, 2010,35(1):59-67. Zhang Yinbing,Zhao Junwei,Guo Yecai,et al.A Fractionally-spaced Blind Equalization Algorithm for Eliminating Continuous Phase Rotation of Underwater Acoustic Channel[J].Acta Acoustica,2010,35(1):59-67.[7]王峰.基于高阶统计量的水声信道盲均衡理论与算法[D].西安:西北工业大学,2003.[8]王峰,赵俊渭,陈华伟,等.超指数判决反馈水声信道盲均衡算法实验研究[J].声学学报,2004,29(5):414-418. Wang Feng,Zhao Junwei,Chen Huawei,et al.Experimental Study on Blind Decision Feedback Equalizer Using Superexponential Algorithm for Underwater Channel[J].Acta Acustica,2004,29(5):414-418.[9]王杰令,刘祖军,杨宏,等.多径衰落信道下系统的盲均衡算法[J].西安电子科技大学学报,2009,36(5):767-770. Wang Jieling,Liu Zujun,Yang Hong,et al.Blind Equalization Algorithm for the QOTDM System in Multi-path Fading Channels[J].Journal of Xidian University,2009,36(5):767-770.[10]Abrar S,Shah S I.New Multimodulus Blind Equalization Algorithm WithRelaxation[J].IEEE Signal Processing Letters,2006,13(7):425-428.[11]Singer A C,Nelson J K,Kozat S S.Signal Processing for Underwater Acoustic Communications[J].IEEE Communications Magazine,2009,47(1):90-96.。