基于神经网络盲均衡优化算法的研究

基于神经网络盲均衡优化算法的研究

ID:20858575

大小:4.60 MB

页数:58页

时间:2018-10-17

基于神经网络盲均衡优化算法的研究_第1页
基于神经网络盲均衡优化算法的研究_第2页
基于神经网络盲均衡优化算法的研究_第3页
基于神经网络盲均衡优化算法的研究_第4页
基于神经网络盲均衡优化算法的研究_第5页
资源描述:

《基于神经网络盲均衡优化算法的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、南京邮电大学硕士研究生学位论文第一章绪论第一章绪论人工神经网络(ArtificialNeuralNetwork,ANN),同时称为神经网络(NeuralNetwork,NN),是由大量的处理单元(Neurons)互连成的网络,人工神经网络是对人脑的抽象、简化和模拟,体现了人脑最基本的特征。人工神经网络是建立在众多学科基础上的技术,比如数学、物理学、计算机科学以及神经科学等等。人大脑的某些基本特征的计算结构是模拟生物进化过程来体现的,由于外界输入的刺激,网络的连接权值以及结构不间断的变化,使输出不断接近期望样本。人工神经网络的最大优点是自适应、自学习能力强,并行信息[1][2][3]处

2、理能力强,具有联想存储功能与良好的容错能力以及高度的非线性全局作用。多层感知器(MultipleLayerPerception,MLP)神经网络是一种多层前向神经网络,通常用来逼近任意非线性映射关系。一般情况下,两层结构的人工神经网络完全可以逼近任何非线性函数。由于多层感知器(MLP)大多采用误差反向传播(BackPropagation,BP)算法,多数场合我们所说的BP算法即为MLP网络。误差反传(BP)算法学习是对期望输出和实际输出之间的偏差通过反向传播到隐含层进行校正。训练算法简单易行,收敛快,泛化能力强,具有全局逼近能力等优点。因此BP神经网络广泛应用于信息处理、模式识别、故

3、障检测、智能控制、企业管理等领域。BP神经网络在无线通信中的应用具有很高的研究价值。1.1人工神经网络模型结构1.1.1生物神经元模型人脑是由最基本单元的神经元组成的,神经元能对外界的刺激进行接收并处理。生物神经元组成部分主要有树突、轴突和突触。生物神经元结构模型图如图1-1所示。图1-1生物神经元结构模型图对大脑构件功能简单说明如下:1南京邮电大学硕士研究生学位论文第一章绪论(1)突触是基本的处理信号的装置。突触把前端接收到的电信号转化为化学信号,然后传送到突触的后端。也能够将后端的化学信号转化成电信号到前端。信号的幅度大小通过突触参数(权值)进行修正,有加强兴奋和抑制作用。(2)

4、突触后端化学信号经汇总后沿着树突传送到神经元细胞体。细胞体产生的神经元的输出电信号,沿着轴突传送到其他神经元的突触末端。(3)一个神经元的激活频率与处于激励态的突触总数成正比,同时也受突触权值的影响。1.1.2人工神经网络模型[4][5]人工神经网络是一种非线性的信号处理器,它由相互连接的基本处理单元神经元所构成。单个神经元就是一个信号处理器件,具有p个输入和一个输出。一个人工神经元可以采用树状图、信号流图以及方框图表示,如图1-2所示。u1u2upw1jw2jwpjA(a)树状图u1w1ju2w2jAwupjp(b)信号流图uvAw(c)方框图图1-2人工神经元模型三种结

5、构pvjwuijibi(1-1)i12南京邮电大学硕士研究生学位论文第一章绪论Ajvj(1-2)其中uuu,,,u,u输入空间是p维的。第j个神经元的输入是u,u也可以是12pii第i个神经元的输出。可调整参数w(权值)可表示为突触强度,权值也可以用一个p维行向量表示,ww,w,,w。w是神经元j和前一层第i个神经元输出两者的连接权1j2jpjij值。如果权值w为正数,此突触接收到的为激励型信号;如果权值w为负值,突触接收到的为抑制型信号。有时在运算时需要加阈值或偏差b,b为神经元的门限值。第j个神经ii元的输出为A,同样也为下一层神经元的

6、输入。为激励函数,它对神经元输出有一定j的限制。输出信号被激励函数限定在许可的范围里,使输出信号为有限的值。可以选取不同的函数来作为激励函数,以下为几种常用的类型:(1)线性函数不含偏置的线性函数:Av(1-3)带有偏置的线性函数:Avb(1-4)这种线性激励函数也称为自适应线性函数,在研究线性系统理论中经常用到,并且在统计回归分析以及传统信号处理中比较常见。(2)分段线性函数分段线性函数如图1-3所示。1,v1Avv,1v1(1-5)1,v1图1-3分段线性函数分段线性函数可以近似作为非线性放大器。如果保持线性状态不使

7、神经元进入饱和状态,神经元可以看作线性组合器;当放大倍数变为无限大,则分段函数变为阶跃函数来使用。3南京邮电大学硕士研究生学位论文第一章绪论(3)阶跃函数①单极形式含偏置函数和不含偏置的单极阶跃函数如图1-4所示。1,v0不含偏置的阶跃函数:Av(1-6)0,v01,vb带有偏置的阶跃函数:Avb(1-7)0,vbb(a)不含偏置的单极型阶跃函数(b)带有偏置的单极型阶跃函数图1-4单极型阶跃函数②双极形式含

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。