基于神经网络理论盲均衡算法的研究

《基于神经网络理论盲均衡算法的研究》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、太原理工大学硕士学位论文基于神经网络理论盲均衡算法的研究姓名：鲁瑞申请学位级别：硕士专业：电路与系统指导教师：张立毅2003.5.1摘要Ys183l4现代通信系统中，由于信道的非理想特性而引起的码间干扰(ISI)是影响通信质量的一个主要因素。传统均衡器克服ISI的方法是发送训练序列，但是这会影响通信的效率。盲均衡就是不借助于训I练序列而仅仅利用接收序列就实现均衡的一种新兴的均衡技术。本文首先对基于神经网络的盲均衡技术原理及发展进行了阐述，分析了原有神经网络盲均衡算法的优缺点，然后对原有算法的缺陷进行改进，提出了两类新的神经网络盲均衡算法。第一类是基于前馈神经网

2、络(F洲)盲均衡算法，这种算法是将传统的cMA算法与神经网络相结合提出的，根据传统算法的均衡思想而重定义了代价函数，使其能用到神经网络当中。文中针对实数和复数系统的差异提出了两种不同的网络神经元结构，并且根据传输信号的差异设计了两种传输函数，弥补了原来算法应用范围小、参数不易选取的缺陷。第二类是基于反馈神经网络(RNN)的盲均衡算法，此类算法使用了一种新型的双线性反馈神经网络(BLRNN)，并将这种网络结构扩展到了复数域内，然后依据盲均衡的特点为网络设计了传输函数和代价函数。通过计算机仿真证明本文提出的两类新盲均衡算法在性能上都有了不同程度的改进。关键词：盲均

3、衡，神经网络，双线性反馈神经网络，CMA，传输函数，代价函数查矍篓三盔堂塑兰鲎壁篷兰一ABSTRACTInmodemcommunicationsystem、theinter-symbolinterfefence(ISt)causedbynon。idealcharacterofchannelisthemainfactorwhichaffectcommunicationquality．Theconventionalequalizerresorttoatrainingsequenceinordertoovercomeinter-symbolinterference．

4、Butthismethodvvouldinfluencecommunicationefficiency．Blindequalizationtechniquesrelyonsolelythereceivedchanneloutputsignaltoadjusttheequalizerweightswithoutaknowntrainingsequenceavailable．Thispaperformulizethefoundationalprincipleanddevelopmentofblindequalizationtechniquebasedonneura

5、lnetwork+Thetraditionalneuralnetworkblindequalizationalgorithmshavemanyadvantagesanddisadvantages。Throughanalysethesedisadvantage。twokindsofnewbli砖equalizationalgorithmbasedonneuralnetworkisproposed．Thefirstalgorithmbasedonfeed—forwardneuralnetwork，thisalgorithmisdevelop礤bythecombin

6、ationofconventionalCMAandfeed—forwardneuralnetwork。AccordingtotheCMAblindequalizationthought-way,anewcostfimctionisproposedsothatapplythefeed—forwardneuralnetworktoblindequalization．Becausethedifferenceofmal—valuedandcomplex-valuedsystem，thediffemntnettromimeisadoptindifferentsystem

7、，Inaddition，thispaperdesigntwokindsoftransmissionfunctiontodifferentinputsignal．Thenewalgorithmmakeuptheflawsuchassmallapplicationdomainanddifficultchoseofparameter．Thesecondisblindequalizationalgorithmbasedoilbilinearrecurrentneuralnetwork．Thisalgorithmadoptthebilinearrecurrentneur

8、alnetworkanddesigna