"宽带通信中神经网络盲均衡算法的研究"
本文主要研究宽带通信中神经网络盲均衡算法,目标是消除码间串扰,提高通信系统的质量。作者分析了神经网络与盲均衡算法的五种结合机理,并综述了前馈神经网络、递归神经网络、小波神经网络、进化神经网络和模糊神经网络等盲均衡算法的研究动态。
盲均衡技术是一种不需要发送端发送训练信号,而仅仅是利用接收端接收信号自身的先验信息来进行通信信道的均衡,使信道输出的信号尽量逼近发送信号的新兴自适应均衡技术。
神经网络作为一种新兴的优化算法,具有大规模并行、分布式存储与处理、自组织、自适应、自学习和高度的容错能力等特点,与盲均衡算法相结合,可以提高收敛性能,改善均衡效果。
本文还对五种神经网络盲均衡算法进行了详细的分析和比较,包括基于神经网络滤波器的盲均衡算法、基于神经网络控制器的盲均衡算法、基于神经网络分类器的盲均衡算法、基于传统代价函数的神经网络盲均衡算法和基于网络能量函数的神经网络盲均衡算法等。
基于神经网络滤波器的盲均衡算法是在传统盲均衡算法的基础上,采用神经网络代替横向滤波器,充分利用神经网络输入层与隐层、隐层与输出层间的权值调整以及非线性激活函数的选取来逼近传输信道,以补偿信道的非线性,达到均衡的目的。
基于神经网络控制器的盲均衡算法是将神经网络设 计成控制器,用以控制传统恒模盲均衡算法中的相关参数,如算法的迭代步长、神经网络盲均衡算法动量因子等参数,以改 善收敛性能,提高传输质量。
基于神经网络分类器的盲均衡算法是将神经网络设 计成分类器,代替固定判决门限的判决器,用以消除固定判决门限的缺陷。
本文对宽带通信中神经网络盲均衡算法进行了深入的研究和分析,为宽带通信系统的发展提供了重要的理论依据和技术支持。