【技术实现步骤摘要】
本专利技术涉及一种,属于多小波 模糊神经网络盲均衡方法的
技术介绍
在水声通信系统中,信道的多径衰落和畸变产生的码间干扰(ISI,Inter-Symbol Interference),降低了系统的性能,影响着通信质量。抑制码间干扰的有效方法是采用 不需训练序列的盲均衡技术。盲均衡技术的本质是通过设计性能优越的算法来调整均 衡器参数,是一个求逆系统的非线性逼近问题;而小波神经网络(WNN,Wavelet Neural Network)将神经网络的自学习功能和小波的时频局域化性质结合起来,具有自适应分辨性 和良好的容错能力(见文献[1] Zhang Q H, Benveniste A. Wavelet networks [J]. IEEE Transactions on Neural Networks, 1992,3(6) :889_898.)。而采用传统 WNN 的盲均衡 算法,仍然存在收敛速度慢和容易陷入局部极小值的缺陷(见文献[2] =Rahib H. Abiyev. Neuro-fuuzy system for equalization channel distortion[J].International Journal of Computati-onal Intelligence, 2005,Fall :229_232 ;文献[3]刘国军,唐 降龙,黄剑华,刘家峰。基于模糊小波的图像对比度增强算法[J].电子学报,2005,33 (4) 643-647;文献[4]桂延宁,焦李成,张福顺。基于小波和BP神经网络的无线电探测目标 识别技术[ ...
【技术保护点】
一种模糊神经网络控制的混合小波神经网络盲均衡方法,其特征在于包括如下步骤:a.)将发射信号x(n)经过脉冲响应信道得到信道输出向量b(n),其中n为正整数,表示时间序列,下同;b.)采用信道噪声N(n)和步骤a所述的信道输出向量b(n)得到盲均衡器的输入序列:y(n)=b(n)+N(n);c.)将步骤b所述的盲均衡器的输入序列y(n)依次经过改进的混合小波神经网络得到输出信号*(n);利用模糊神经网络(FNN)来调整改进的混合小波神经网络中神经元小波函数中平移因子和尺度因子的迭代步长,并以均方误差E(n)=MSE(n)与均方误差的偏差ΔE(n)=MSE(n)-MSE(n-1)作为模糊神经网络控制器的输入。
【技术特征摘要】
一种模糊神经网络控制的混合小波神经网络盲均衡方法,其特征在于包括如下步骤a.)将发射信号x(n)经过脉冲响应信道得到信道输出向量b(n),其中n为正整数,表示时间序列,下同;b.)采用信道噪声N(n)和步骤a所述的信道输出向量b(n)得到盲均衡器的输入序列y(n)=b(n)+N(n);c.)将步骤b所述的盲均衡器的输入序列y(n)依次经过改进的混合小波神经网络得到输出信号利用模糊神经网络(FNN)来调整改进的混合小波神经网络中神经元小波函数中平移因子和尺度因子的迭代步长,并以均方误差E(n)=MSE(n)与均方误差的偏差ΔE(n)=MSE(n) MSE(n 1)作为模糊神经网络控制器的输入。FSA00000250250600011.tif1.一种模糊神经网络控制的混合小波神经网络盲均衡方法,其特征在于包括如下步骤a.)将发射信号χ(η)经过脉冲响应信道得到信道输出向量b (η),其中η为正整数,表 示时间序列,下同;b.)采用信道噪声Ν(η)和步骤a所述的信道输出向量b(n)得到盲均衡器的输入序列 y(n) = b(n)+N(n);c.)将步骤b所述的盲均衡器的输入序列y(η)依次经过改进的混合小波神经网络得到 输出信号对《);利用模糊神经网络(FNN)来调整改进的混合小波神经网络中神经元小波函数中平移 因子和尺度因子的迭代步长,并以均方误差E(n) =MSE(η)与均方误差的偏差ΔΕ(η)= MSE (η) -MSE (η-1)作为模糊神经网络控制器的输入。2.根据权利要求1所述的模糊神经网络控制的混合小波神经网络盲均衡方法,其特征 在于所述改进的混合小波神经网络的构建方法如下横向滤波器构成了改进的混合小波神经网络的线性部分,而小波神经网络(WNN)构成 了非线性部分;横向滤波器第i个抽头系数为Ci(n),i = 1,2,…,m,m为小波神经网络混 合小波神经网络(HWNN)输入层神经元的个数,下同;改进的混合小波神经网络输入层第i 个神经元的输入为Ti(Ii),隐层第k个神经元的输入为uk(n),输出为Qk(n),k= 1,2,…, ρ,ρ为HWNN隐层神经元的个数,下同;输出层的输入为g(n),输出为;输入层第i个神 经元至隐层第k个神经元的连接权重为Wik(Il),隐层第k个神经元至输出层的连接权重为 vk(η);将网络的信号、信道、权值等分解为实部和虚部两部分,则网络的状态方程为 式中,b为平移因子,a为尺度因子;将式⑶中uk,K(n)换成uk, Jn)就得到Va,b(uk, !(η))的表达式,小波神经网络的输出为 横向滤波器的输出为 将马(《)和毛(《)加权融合,得 (11)式中,0≤α,β≤1,为加权因子,并且满足α+β = 1,改进的HWNN最终输出为 (12)式中,f(·)为输出层的输入和输出之间的传...
【专利技术属性】
技术研发人员:郭业才,王丽华,
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]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。