摘" 要： 受到碼間干擾影響，無線通信網(wǎng)絡(luò)的通信傳輸過程不夠穩(wěn)定且存在一定風(fēng)險，而信道狀態(tài)的不確定性和時變性，增加了干擾抑制的實(shí)時性，由此，提出基于模糊集的無線通信網(wǎng)絡(luò)碼間干擾時序抑制算法。建立無線通信網(wǎng)絡(luò)通信信道模型并展開信道多徑特性測量，以分析無線通信網(wǎng)絡(luò)中信道的行為特性；基于該特性，采用基于貝葉斯濾波的信道估計(jì)方法實(shí)時跟蹤并準(zhǔn)確估計(jì)信道狀態(tài)，為碼間干擾抑制提供基礎(chǔ)；將估計(jì)結(jié)果作為輸入，選用基于模糊神經(jīng)網(wǎng)絡(luò)的盲均衡算法，通過模糊集理論和盲均衡器實(shí)現(xiàn)碼間干擾時序抑制，增強(qiáng)無線通信網(wǎng)絡(luò)性能。實(shí)驗(yàn)結(jié)果表明，所提方法可以有效降低碼間干擾的影響，為無線通信網(wǎng)絡(luò)的穩(wěn)定傳輸提供有力的保障。

關(guān)鍵詞： 信道模型； 多徑特性測量； 貝葉斯濾波； 信道估計(jì)； 模糊神經(jīng)網(wǎng)絡(luò)； 盲均衡器； 模糊集； 碼間干擾抑制

中圖分類號： TN911?34" " " " " " " " " " " " "文獻(xiàn)標(biāo)識碼： A" " " " " " " " " " " " " 文章編號： 1004?373X（2025）03?0013?06

A fuzzy set based algorithm for temporal suppression of inter symbol interference in wireless communication networks

TENG Yutong

（China Airborne Missile Academy， Luoyang 417009， China）

Abstract： Due to the influence of inter symbol interference， the communication transmission process of wireless communication networks is not stable enough and there are a certain risks. The uncertainty and time?varying of channel state requires higher real?time property of interference suppression. Therefore， a fuzzy set based algorithm for temporal suppression of inter symbol interference in wireless communication networks is proposed. A wireless communication network communication channel model is established and channel multipath characteristic measurements are conducted， so as to analyze the behavioral characteristics of channels in the wireless communication networks. On the basis of this characteristic， a channel estimation method based on Bayesian filtering is adopted to track and accurately estimate the channel state in real time， providing a foundation for inter symbol interference suppression. The estimation results are taken as the input. A blind equalization algorithm based on fuzzy neural networks is adopted to realize temporal suppression of inter symbol interference by the fuzzy set theory and blind equalizers， enhancing the performance of wireless communication networks. The experimental results show that the proposed method can reduce the impact of inter symbol interference effectively and provide strong guarantees for the stable transmission of wireless communication networks.

Keywords： channel model; measurement of multipath characteristics; Bayesian filtering; channel estimation; fuzzy neural network; blind equalizer; fuzzy set; inter symbol interference suppression

0" 引" 言

碼間干擾是由多徑傳播和信道可變性等因素引起的，導(dǎo)致符號前后的相互干擾。它不僅降低了信號的傳輸質(zhì)量，還可能導(dǎo)致誤碼率的嚴(yán)重增加和通信性能的下降[1]。

文獻(xiàn)[2]提出結(jié)合高階調(diào)制格式與時序控制技術(shù)的碼間干擾時序抑制方案QPS dual?PCTW。通過Optisystem和Matlab聯(lián)合模擬，建立16QAM和64QAM下的無線通信網(wǎng)絡(luò)模型，根據(jù)該模型利用QPS dual?PCTW展開碼間干擾的時序抑制，并對比有無該抑制方案的性能。方法結(jié)合了高階調(diào)制格式與時序控制技術(shù)，增加了計(jì)算復(fù)雜性和實(shí)現(xiàn)難度。

文獻(xiàn)[3]采用雙向并行的結(jié)構(gòu)，前向處理用于分析原始無線通信網(wǎng)絡(luò)信道信號，反向處理則分析信號的時序反轉(zhuǎn)形式。兩方向均通過預(yù)處理技術(shù)和后處理策略（碼間干擾抵消和均衡）展開優(yōu)化。最終合并兩個方向的處理結(jié)果，以獲取準(zhǔn)確的信道數(shù)據(jù)。由于需要同時處理正向和反向信號，并不利于實(shí)時性要求較高的通信系統(tǒng)。

文獻(xiàn)[4]通過檢測并定位無線通信網(wǎng)絡(luò)碼間干擾源，構(gòu)建時序域變換矩陣設(shè)計(jì)碼間干擾抑制策略，將干擾能量集中于信號中的特定點(diǎn)；通過置零操作去除這些干擾點(diǎn)，并采用預(yù)估計(jì)模塊快速定位干擾中心，進(jìn)而實(shí)現(xiàn)干擾抑制。該方法針對于干擾源的檢測和定位不夠穩(wěn)定準(zhǔn)確，對干擾抑制結(jié)果會產(chǎn)生一定影響。

文獻(xiàn)[5]提出基于最大相關(guān)熵準(zhǔn)則（MCC）的改進(jìn)算法，該方法利用無線通信網(wǎng)絡(luò)信號的恒模特性，計(jì)算發(fā)送信號與接收信號模值的碼間時序誤差，通過最大化誤差參量的相關(guān)熵，獲得迭代誤差調(diào)節(jié)項(xiàng)，以實(shí)現(xiàn)碼間干擾時序抑制。該方法的迭代收斂性會受到無線通信網(wǎng)絡(luò)信道特性的影響，導(dǎo)致無法快速收斂。

以往的研究成果，雖然在一定程度上能夠減輕干擾的影響，但在面對信道狀態(tài)的不確定性和時變性時，其抑制效果往往受限。為了更有效地應(yīng)對碼間干擾問題，需要探索更有效的碼間干擾時序抑制處理方法。對此，提出了基于模糊集的無線通信網(wǎng)絡(luò)碼間干擾時序抑制算法。

1" 信道模型建立及多徑特性測量

無線通信網(wǎng)絡(luò)通信信道是一個復(fù)雜且多變的系統(tǒng)[6]，其特性對信號的傳輸質(zhì)量和碼間干擾具有重要影響。為了理解并模擬這些信道特性，需要考慮復(fù)雜多徑結(jié)構(gòu)、傳輸頻率和空間增益等因素，建立相應(yīng)的信道模型，并進(jìn)行多徑特性測量，表示為沖激響應(yīng)的形式，直觀地展示信號在信道中的傳播和變化。

1.1" 信道模型建立

無線通信網(wǎng)絡(luò)信道受傳輸頻率以及空間增益的影響，具有復(fù)雜多徑結(jié)構(gòu)，存在擴(kuò)展和衰減損失[7]。在設(shè)計(jì)碼間干擾時序抑制前，需理解并模擬這些信道特性，建立相應(yīng)的信道模型。

給定平均傳播損失[TL=m?10lgr+αr]，[m]和[r]分別表示傳播因子、傳播衰減，給定第[m]條路徑的衰減損失[τmt]和沖擊響應(yīng)特性[smt]，建立無線通信網(wǎng)絡(luò)信道模型：

[vτ，t=msmte-j2πg(shù)vτm（t）δt-τmt] （1）

式中[gv]表示信道碼間干擾頻率。

由式（1）推出無線通信網(wǎng)絡(luò)信道脈沖響應(yīng)為：

[ht=i=1psipt-τivτ，t] （2）

式中：[si]和[τi]表示不同路徑的時間、頻率分辨率。經(jīng)正交幅度調(diào)制（QAM）[8]將無線通信信號分解為正、負(fù)信號，即[xk=x+k+x-k]，分別為[x+k=xk，" "xk≥00，" "xklt;0]和[x-k=xk，" "xklt;00，" "xk≥0]，以便后續(xù)分析。

1.2" 信道多徑特性測量

信道多徑特性測量是理解信道行為的關(guān)鍵步驟，主要通過測量不同路徑的傳播時間、傳播損失等參量實(shí)現(xiàn)。假設(shè)無線通信網(wǎng)絡(luò)信道多徑特征參量為[V0VM2=0，VM-m=V?m，m=0，1，2，…，M2-1]，其中[M]表示信號序列長度，[m]表示序列元素個數(shù)。

為了補(bǔ)償多徑效應(yīng)帶來的信號畸變，采用自適應(yīng)均衡濾波器展開信道的調(diào)制解調(diào)，將分解后的無線通信信號通過IFFT（快速傅里葉逆變換）[9]得到多徑特性下的信號。

[xk=m=0M-1Vm?ej2πkmM，" "k=0，1，2，…，M-1]" "（3）

式中[k]表示索引變量。

由于信號在傳輸過程中易受到波特率采樣混疊效應(yīng)導(dǎo)致的碼間干擾，為估計(jì)不同路徑的傳播時間，需對經(jīng)過多徑信道與噪聲干擾的擴(kuò)頻解調(diào)信號實(shí)施峰值檢測，若滿足條件[RVVυ1，υ2， β=RVυ1，tVυ2，t+β]，則可以估計(jì)出不同路徑的傳播時間。其中：[VV]表示處理后的信號；[υ1]、[υ2]表示不同路徑時延；[β]表示碼元速率。

假定無線通信網(wǎng)絡(luò)通信信號為線性調(diào)頻信號（LFM），通過拷貝相關(guān)得到自相關(guān)函數(shù)，以了解信號在不同時間點(diǎn)的相似性和相關(guān)性。

[Rt=WTWTsinπWT1-υ Tcos2πf0υ]" （4）

式中：[f0]表示信號中心頻率；[WT]表示處理增益。由式（5）獲取對應(yīng)路徑的傳播時間和傳播損失。

[f0RVVυ1，υ2，β=RtRVVυ1， βευ，t+βRVVυ1， β=RtEV?υ， βVυ，t+β] （5）

這些測量值不僅有助于更準(zhǔn)確地理解信道的特性，還為后續(xù)的信道估計(jì)和碼間干擾抑制提供了重要依據(jù)。

2" 無線通信網(wǎng)絡(luò)碼間干擾時序抑制

2.1" 信道估計(jì)

在多徑特性測量結(jié)果的初始化狀態(tài)空間中，信道估計(jì)是無線通信中的關(guān)鍵，需要利用多徑特性測量結(jié)果初始化相關(guān)參數(shù)，并引入狀態(tài)空間模型，預(yù)測和更新連續(xù)跟蹤信道狀態(tài)，而貝葉斯濾波方法可以利用先驗(yàn)信息和觀測數(shù)據(jù)實(shí)時更新信道狀態(tài)，以提高碼間干擾抑制實(shí)時性，以此進(jìn)行信道估計(jì)。

1） 狀態(tài)空間模型建立

為了描述信道狀態(tài)隨時間的變化，給定信道沖擊響應(yīng)基系數(shù)[bi]以及時域相關(guān)系數(shù)[Ei]，并通過提取[Ei]對角線元素向量[ei=vecEi]的方式建立模型，數(shù)學(xué)公式為：

[ei+1=ei+wibi+1=Eibi+htRtziyi=Sibi+li] （6）

式中：[Si]表示觀測矩陣，通過2.1節(jié)中提到的不同路徑的時間、頻率分辨率統(tǒng)一描述；[wi]表示[ei]的過程噪聲；[li]表示信道的加性復(fù)高斯白噪聲；[yi]表示狀態(tài)轉(zhuǎn)移函數(shù)，通過傳播損失[RVVυ1， β]調(diào)整，以反映信道中多徑傳播的影響。

在狀態(tài)轉(zhuǎn)移過程中，添加過程噪聲向量[ui]和新狀態(tài)變量[xi=eibiT]，將式（6）的狀態(tài)空間模型轉(zhuǎn)換為：

[xi+1=Tixi+uiyi=IQL012Ci12Ei]" "（7）

式中：[IQL]表示復(fù)數(shù)的實(shí)部和虛部[10]；[Ci=diagci]表示[i]時刻基系數(shù)的后驗(yàn)估計(jì)值[Ei]對應(yīng)的對角矩陣。

2） 狀態(tài)預(yù)測

在狀態(tài)預(yù)測階段，基于前一時刻狀態(tài)變量的后驗(yàn)估計(jì)（信道沖激響應(yīng)的基系數(shù)和時域相關(guān)系數(shù)等），根據(jù)式（7）推測下一時刻狀態(tài)變量的先驗(yàn)估計(jì)值和不確定性[Pii-1]。

[xii-1=Ti-1xi-1Pii-1=Ti-1Pi-1TTi-1+Qu]" " （8）

式中[TTi-1]表示[i]時刻狀態(tài)變量的先驗(yàn)協(xié)方差矩陣。

3） 狀態(tài)更新

當(dāng)新的觀測數(shù)據(jù)（即接收到的無線通信網(wǎng)絡(luò)通信信號）可用時，進(jìn)入狀態(tài)更新階段。在這個階段，使用觀測數(shù)據(jù)以及觀測方程來更新狀態(tài)變量的估計(jì)值。觀測方程描述了如何從接收到的信號中提取關(guān)于信道狀態(tài)的信息，狀態(tài)更新方程可表示為：

[Li=Pii-10AHi0AiPii-10AiT+Qz-1xi=xii-1+Liyi-0Aixii-1Pi=Pii-1-Li0AiPii-1] （9）

式中：[Li]表示貝葉斯濾波器增益[11?12]；[Qz]表示協(xié)方差矩陣。

利用卡爾曼增益計(jì)算貝葉斯濾波器增益，將觀測數(shù)據(jù)與先驗(yàn)估計(jì)值結(jié)合，以獲得更精確的后驗(yàn)估計(jì)[xi]。通過迭代貝葉斯濾波器的狀態(tài)預(yù)測和狀態(tài)更新步驟，連續(xù)追蹤和更新信道狀態(tài)，以便后續(xù)計(jì)算能夠?qū)崟r抑制突發(fā)的碼間干擾。

2.2" 碼間干擾時序抑制方法

無線通信網(wǎng)絡(luò)中的碼間干擾是由于信道的多徑效應(yīng)和時變性等因素引起的?；谀：窠?jīng)網(wǎng)絡(luò)的盲均衡算法通過引入模糊集理論來處理信道特性的不確定性，通過模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)并適應(yīng)信道狀態(tài)，以便設(shè)計(jì)合適的均衡器來抑制碼間干擾。整體算法步驟如下。

1） 信號接收

接收無線通信網(wǎng)絡(luò)中受到碼間干擾的信號，信號中含有信道疊加噪聲[xi]，即：[yn=xi?hn+nn]，其中，[hn]表示盲均衡器的期望輸出，在此基礎(chǔ)上將[yn]作為輸入展開后續(xù)計(jì)算。

2） 模糊神經(jīng)網(wǎng)絡(luò)處理

第一層：輸入層。包含[m+1]個神經(jīng)元，負(fù)責(zé)接收來自信道估計(jì)的輸出，并將其作為模糊神經(jīng)網(wǎng)絡(luò)盲均衡器的輸入傳遞給下一層。

第二層：隸屬函數(shù)層。包含[m+1]組神經(jīng)元，各組神經(jīng)元均與輸入層相連，且輸入層的第[j]個神經(jīng)元與第[i]組的第[j]個單元直接連接。

使用高斯隸屬函數(shù)[13]描述輸入信號與模糊集合之間的關(guān)系，反映信道對信號的時序影響。其中的隸屬度函數(shù)（高斯隸屬函數(shù)）初值為2.1節(jié)中的信道估計(jì)結(jié)果，且信道估計(jì)參數(shù)的平均值作為中心，方差作為寬度。

由此生成隸屬度值：

[o2ji=yn-1，" O2ji=go2ji，" i=1，2，…，k]" （10）

第三層：規(guī)則層。包含[k]個神經(jīng)元，其中第[j]個神經(jīng)元負(fù)責(zé)接收隸屬函數(shù)層第[j]組的輸入?；陔`屬度值和預(yù)設(shè)的模糊規(guī)則展開推理（模糊規(guī)則由模糊集合表示輸入和輸出的可能范圍或狀態(tài)），得到該層的輸出作為均衡器所需的調(diào)整信息。

[o3ji=gyn-i，" "O3ji=i=0mgyn-i]" （11）

第四層：輸出層。根據(jù)規(guī)則層的輸出，調(diào)整均衡器的參數(shù)，生成抑制碼間干擾后的輸出信號[kn]。

[o4ji=i=0mxigyn-ikn=O4ji=i=1kwji=0mxigyn-ii=1ki=0mgyn-i]" （12）

式中[wj]表示輸出層權(quán)值。

3） 代價函數(shù)計(jì)算

根據(jù)均衡器的輸出[kn]和期望的輸出信號[hn]計(jì)算代價函數(shù)，作為評估函數(shù)[14]。

[J=12kn2-R2R2=Ekn4Ekn2]" " " （13）

式中[R2]表示決定系數(shù)。

4） 最小均方（LMS）算法迭代

利用LMS算法[15]和最速下降法，根據(jù)代價函數(shù)的梯度信息更新模糊神經(jīng)網(wǎng)絡(luò)的權(quán)值和參數(shù)，以最小化代價函數(shù)。

[wjn+1=wjnR2-ηw?J?wjnmjin+1=mjinR2-ηm?J?mjiσjin+1=σjinR2-ηδ?J?σji]" " " （14）

式中：[wjn+1]、[mjin+1]分別表示無線通信網(wǎng)絡(luò)權(quán)值、高斯隸屬函數(shù)中心寬度；[η]表示學(xué)習(xí)步長。

5） 迭代優(yōu)化

持續(xù)迭代上述步驟，當(dāng)代價函數(shù)的最終值小于預(yù)設(shè)閾值后，停止迭代。

6） 判決與輸出

經(jīng)過模糊神經(jīng)網(wǎng)絡(luò)盲均衡器處理后，得到的輸出信號[kn]接近于原始發(fā)送信號，碼間干擾得到了抑制。

將均衡器的輸出[kn]送入判決器展開判決，得到最終的判決信號[kn]作為經(jīng)時序抑制碼間干擾后的無線通信網(wǎng)絡(luò)通信真實(shí)信號。

3" 實(shí)驗(yàn)與分析

選取某一占地約75.8萬m2的大學(xué)園作為實(shí)驗(yàn)場地，其無線通信系統(tǒng)的載波頻率為2.4 GHz，且完全覆蓋大學(xué)園內(nèi)的所有區(qū)域。由于大學(xué)園內(nèi)環(huán)境復(fù)雜，多徑效應(yīng)和信道動態(tài)性明顯，因此模擬多徑信道環(huán)境，并設(shè)定不同的時延擴(kuò)展、多普勒頻移等參數(shù)，如表1所示，以全面測試算法在不同信道條件下的性能。

在模擬信道環(huán)境中發(fā)射無線信號，在接收端捕獲并接收這些信號。過程中信噪比設(shè)定范圍為5～30 dB以覆蓋從較差到較好的信號質(zhì)量范圍，所提方法采用的貝葉斯濾波信道估計(jì)算法的初始參數(shù)設(shè)定如下。

1） 濾波器學(xué)習(xí)率為0.01，以確保算法能夠在穩(wěn)定性和響應(yīng)速度之間取得平衡。

2） 調(diào)制方式為QAM，調(diào)制階數(shù)為4階。

3） 濾波器超參數(shù)設(shè)置為0.01以防止過擬合；遺忘因子根據(jù)信道變化的快慢設(shè)定，通常為0.9～1之間。

表1" 多徑信道參數(shù)

[信道條件 信道特性 多徑時延參數(shù)/ms C1 延時差=網(wǎng)絡(luò)帶寬寬度 （0，1.3，2.4，，3.6，4.8） C2 延時差gt;網(wǎng)絡(luò)帶寬寬度 （1，1.3，2.4，3.6，6.2） C3 延時差lt;網(wǎng)絡(luò)帶寬寬度 （0.4，0.6，0.7，0.8，0.9） C4 延時差為混合狀態(tài) （0，0.4，1.5，3.2，3.3） ]

應(yīng)用貝葉斯濾波信道估計(jì)算法對接收到的信號展開處理。同時，記錄不同信噪比（SNR）和不同信道條件下所提方法的MSE性能，結(jié)果如圖1所示。

根據(jù)圖1可知，在不同信噪比和信道條件下，貝葉斯濾波信道估計(jì)算法均能夠較為準(zhǔn)確地估計(jì)出信道狀態(tài)，且整個過程中MSE隨著信噪比的增加而減小，說明本文方法具有較高的適應(yīng)能力。此外，還可以注意到在高信噪比下，本文方法的性能依然保持穩(wěn)定，能夠?yàn)楹罄m(xù)的碼間干擾時序抑制提供很好的數(shù)據(jù)支持。

為了驗(yàn)證本文方法采用的無線通信網(wǎng)絡(luò)碼間干擾時序抑制策略的有效性，假設(shè)無線通信網(wǎng)絡(luò)中通信信號的傳輸頻率為2.1 GHz，速率為10 Mb/s，在模擬的多徑環(huán)境中，設(shè)定主徑信號延遲為0，其他多徑信號模擬不同的延遲和衰減，并與主徑信號疊加產(chǎn)生碼間干擾。設(shè)定多徑信號與主徑信號之間的功率比為-5 dB，以及多徑信號的延遲為260 nm，由此得到的時域波形圖如圖2所示。

在此基礎(chǔ)上，引入文獻(xiàn)[3]方法和文獻(xiàn)[4]方法與本文方法展開對比，以證明本文方法的優(yōu)異性，經(jīng)這三種方法抑制后的波形圖變化如圖3所示。

根據(jù)圖3可知，本文方法能夠顯著減少碼間干擾的影響，使信號波形更加清晰和接近原始信號（見圖2），也表明本文方法能夠有效地抑制碼間干擾，提高信號質(zhì)量。與之相比，文獻(xiàn)[3]方法和文獻(xiàn)[4]方法在抑制碼間干擾方面表現(xiàn)較差。它們的抑制結(jié)果中仍存在較明顯的碼間干擾痕跡，信號波形不夠清晰。這可能是因?yàn)檫@兩種方法在處理多徑信號和碼間干擾時存在一定的局限性或不足。

以干擾抑制比[?]和信號失真度[ε]作為衡量上述三種方法性能的評估指標(biāo)，計(jì)算公式為：

[?=10lgσ2σ2ε=10lgσ0-σ2σ02]" "（15）

式中：[σ]、[σ]表示碼間干擾抑制前和抑制后的信號。

當(dāng)[?lt;]30 dB且[ε]低于-20 dB時，說明無線通信網(wǎng)絡(luò)的通信信道信號碼間干擾抑制效果已經(jīng)達(dá)到預(yù)期。

在不同信道環(huán)境下的結(jié)果如表2所示。

根據(jù)表2可知，在多種不同的信道環(huán)境下，本文方法無論是在多徑且低延遲的信道A，還是在多徑且高延遲的信道B，干擾抑制比均超過30 dB，且信號失真度低于-20 dB；相比之下，文獻(xiàn)[3]方法在相同的信道環(huán)境下的性能均不如本文方法，干擾抑制比較低，且信號失真度較高；文獻(xiàn)[4]方法的兩項(xiàng)指標(biāo)值波動較大，說明這兩種方法在抑制碼間干擾方面存在一定的局限性和不穩(wěn)定性。

4" 結(jié)" 語

為了保障無線通信網(wǎng)絡(luò)的穩(wěn)定高效傳輸，避免碼間干擾對網(wǎng)絡(luò)傳輸過程中產(chǎn)生的影響，本文方法通過建立信道模型、多徑特性測量以及信道估計(jì)，實(shí)時跟蹤和分析無線通信網(wǎng)絡(luò)通信信道的傳輸模式和行為狀態(tài)，根據(jù)分析結(jié)果引入基于模糊集的模糊神經(jīng)網(wǎng)絡(luò)盲均衡算法實(shí)現(xiàn)碼間干擾的時序抑制，降低了在抑制碼間干擾方面的局限性和不穩(wěn)定性，具有重要的實(shí)際應(yīng)用價值。

參考文獻(xiàn)

[1] 張?zhí)祢U，方竹，汪銳，等.窄帶干擾及動態(tài)環(huán)境BOC調(diào)制信號多通道并行捕獲[J].系統(tǒng)工程與電子技術(shù)，2023，45（4）：1222?1230.

[2] 繆濤，杜建新，王陳.一種基于正交脈沖整形雙相位共軛孿生波的非線性抑制方案[J].光通信技術(shù)，2021，45（6）：26?30.

[3] 孫琳，李海森，李羿萱.雙向干擾抑制的多用戶濾波多音水聲通信研究[J].華中科技大學(xué)學(xué)報（自然科學(xué)版），2023，51（9）：40?47.

[4] GUO Q， JIANG H Y， XIANG J H， et al. OTFS narrowband interference suppression based on energy concentration [J]. Digital signal processing， 2024， 149： 104489.

[5] 畢英杰，李森.基于最大相關(guān)熵準(zhǔn)則的恒模盲均衡算法[J].信號處理，2020，36（1）：118?124.

[6] 李萌，孫藝夫，安康，等.非理想信道狀態(tài)信息下RIS輔助的安全通信[J].電訊技術(shù)，2023，63（7）：1017?1027.

[7] 唐子翔，呂方旭，師劍軍，等.面向高信道衰減的低功耗112 Gibit/s Duo?binary PAM4 SerDes發(fā)射機(jī)設(shè)計(jì)[J].電光與控制，2022，29（11）：82?85.

[8] 趙林仙，趙峰，楊雄偉，等.靈活高階正交幅度調(diào)制矢量光信號的產(chǎn)生與傳輸分析[J].激光與光電子學(xué)進(jìn)展，2023，60（5）：94?101.

[9] 宗櫻，孫艷楠，馮強(qiáng)，等.分段Chirp傅里葉變換快速算法[J].揚(yáng)州大學(xué)學(xué)報（自然科學(xué)版），2023，26（3）：43?49.

[10] 云雙星，徐紅偉，付寧，等.基于傅里葉系數(shù)實(shí)部的脈沖流信號欠Nyquist采樣方法[J].電子與信息學(xué)報，2023，45（6）：2153?2161.

[11] 李新東，王娟，馮宗鑫，等.自適應(yīng)增益光電探測電路設(shè)計(jì)[J].紅外技術(shù)，2024，46（1）：12?19.

[12] 許召召，申德榮，聶鐵錚，等.融合信息增益比和遺傳算法的混合式特征選擇算法[J].軟件學(xué)報，2022，33（3）：1128?1140.

[13] 鄭天，李峰，羅印升，等.基于高斯核函數(shù)的Hammerstein非線性系統(tǒng)辨識[J].控制工程，2022，29（11）：2034?2041.

[14] 苗軼如，宋鵬云，呂銘晟，等.表貼式永磁同步電機(jī)預(yù)測轉(zhuǎn)矩控制的無權(quán)重代價函數(shù)設(shè)計(jì)方法[J].電工技術(shù)學(xué)報，2023，38（12）：3141?3150.

[15] 沈顯照，楊鵬程.一種頻域脈沖最小均方誤差雜波對消算法[J].雷達(dá)科學(xué)與技術(shù)，2023，21（2）：151?156.

[16] 馬煜.多鏈路即時通信干擾信號廣域監(jiān)測系統(tǒng)設(shè)計(jì)[J].電子設(shè)計(jì)工程，2023，31（11）：138?142.