基于径向基函数的模糊神经网络盲均衡方法技术

本发明专利技术公布了一种基于径向基函数（ＲＢＦ）的模糊神经网络盲均衡方法，通过分析均衡器输入信号与发射信号之间的关系，确定了ＲＢＦ均衡器的初始中心值，从而优化了盲均衡器的结构，加快了收敛速度，再采用模糊Ｃ－均值聚类算法将盲均衡器输入信号以不同的隶属度值划分到各个中心，对于隶属度值大的信号作出较大的响应，否则响应很小或不响应，从而减少了均方误差。

【技术实现步骤摘要】

【技术保护点】
一种基于径向基函数的模糊神经网络盲均衡方法，其特征在于如下步骤：　第一步：将独立、等概率取值为｛±１｝的发射信号ａ（ｎ）经过脉冲响应信道得到信道输出向量ｘ（ｎ），其中ｎ为正整数表示时间序列，下同；　第二步：采用信道噪声ｗ（ｎ）和 第一步所述的信道输出向量ｘ（ｎ）得到盲均衡器的输入序列：ｙ（ｎ）＝ｘ（ｎ）＋ｗ（ｎ）；　第三步：采用模糊Ｃ－均值聚类算法将第二步所述的盲均衡器的输入序列ｙ（ｎ）以不同的隶属度值划分到ＲＢＦ网络的各中心节点ｃ↓［ｉ］（ｎ），１≤ｉ≤Ｉ， Ｉ为ＲＢＦ网络隐含层节点的个数，ｃ↓［ｉ］（ｎ）表示ＲＢＦ网络的第ｉ个中心节点。　第四步：由第三步得到的ＲＢＦ网络中心节点ｃ↓［ｉ］（ｎ）和第二步的均衡器输入序列ｙ（ｎ），得到盲均衡器的输出信号：ｚ（ｎ）＝＊ｆ↓［ｉ］（ｎ）ｅｘｐ（－ ‖ｙ（ｎ）－ｃ↓［ｉ］（ｎ）‖↑［２］／２σ↑［２］），其中ｆ↓［ｉ］（ｎ）为ＲＢＦ网络输出层的第ｉ个权系数，σ为高斯函数的宽度，ｅｘｐ（.）为以ｅ为底的指数函数，‖.‖表示输入空间的欧氏范数，下同；　第五步：将第四步所述的盲均衡器输 出信号ｚ（ｎ）经过判决器得到发射信号ａ（ｎ）的估计＊（ｎ），其中＊（ｎ）＝ｓｉｇｎ（ｚ（ｎ）），ｓｉｇｎ（.）为符号函数，下同；　第三步所述的ＲＢＦ网络的中心节点ｃ↓［ｉ］（ｎ）的求取包括如下步骤：　１．）初始化聚类中心｛ｃ↓［ １］，…，ｃ↓［ｉ］，…，ｃ↓［ｌ］｝．　２．）根据步骤１．）的中心值计算隶属度矩阵Ｕ＝｛ｕ↓［ｉｊ］｝　ｕ↓［ｉｊ］＝１／＊（ｄ↓［ｉｊ］／ｄ↓［ｋｊ］）↑［２／（ｍ－１）］，　式中，ｄ↓［ｉｊ］＝‖ｘ↓［ｊ］－ｃ↓［ｉ ］‖表示第ｊ个数据点ｘ↓［ｊ］与第ｉ个中心ｃ↓［ｉ］之间的距离，１≤ｊ≤Ｎ，Ｎ为发送数据的个数，ｕ↓［ｉｊ］表示表示第ｊ个数据点ｘ↓［ｊ］属于第ｉ个中心ｃ↓［ｉ］的隶属度，ｍ∈［１，∞］为加权指数；　３．）根据步骤２．）的隶属度值ｕ↓ ［ｉｊ］更新中心向量ｃ↓［ｉ］：　ｃ↓［ｉ］＝＊ｕ↓［ｉｊ］↑［ｍ］ｘ↓［ｊ］／＊ｕ↓［ｉｊ］↑［ｍ］　返回到第二步；　第四步所述的ＲＢＦ网络输出层的权系数ｆ↓［ｉ］（ｎ）的求取包括如下步骤：　４．）结合第四步所述的 盲均衡器输出信号ｚ（ｎ）与发射信号ａ（ｎ）的常数模Ｒ设计误差信号：ｅ（ｎ）＝Ｒｓｉｇｎ（ｚ（ｎ））－ｚ（ｎ），其中Ｒ＝Ｅ［｜ａ（ｎ...

【技术特征摘要】

【专利技术属性】
技术研发人员：郭业才，刘振兴，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：84[中国|南京]