王军锋[1]2003年在《小波和神经网络在自适应均衡中的算法研究》文中进行了进一步梳理自适应均衡器是现代数字通信系统中非常关键的组成部分，如何提高均衡器的收敛速度和误码性能是实际通信的必然要求，也是具有重要的理论意义和实用价值的研究课题。本文就围绕这一内容，针对存在加性噪声和信道具有线性与非线性失真等情况时，对小波分析和神经网络在自适应均衡中的应用进行了研究，主要的工作如下：1. 提出了一种小波变换域的非线性自适应均衡器，它是将小波变换融入到关联模型中构成的。由于信号经过小波变换后的自相关阵呈稀疏的带状结构，因此可以利用小波变换的这种去相关能力来提高该均衡器的收敛速度。在此基础上，给出了相应的自适应均衡算法并分析了其理论最优解，仿真结果表明该均衡器收敛速度较快，而计算量增加不多，易于实时实现。2. 提出了基于正交小波包变换的非线性信道自适应均衡算法，该算法的优点是利用了小波包对小波空间的进一步划分以及比小波变换更强的去相关能力来进一步提高自适应均衡算法的收敛速度，仿真结果表明了该算法的有效性。3. 针对严重线性失真和轻度非线性失真的数字信道，分别提出了用正交小波和小波包表示的非线性信道判决反馈均衡器并给出了自适应均衡算法。该算法在利用小波和小波包变换的去相关能力来提高自适应均衡算法收敛速度的同时，还利用判决反馈结构来提高均衡器的误码性能。4. 提出了用正交多小波来表示线性均衡器，利用经过多小波变换后信号自相关阵的边界效应较小的特点，给出了基于正交多小波变换的一种Newton-LMS类自适应均衡算法。该算法不仅收敛速度快，而且我们利用有预处理的共轭梯度法，将其计算复杂性进一步降低为。5. 在研究基于实数径向基函数(RBF)神经网络均衡器结构的基础上，提出了几种新的适用于QAM信号的复数RBF神经网络自适应均衡器结构，并给出了相应的自适应均衡算法，理论分析和计算机仿真结果都表明新的均衡器具有更好的收敛性能。6. 对几种典型的小波神经网络用于均衡做了研究比较，指出基于一维小波神经网络的均衡器性能较差；而对基于多维小波神经网络的均衡器提出了降低“维数灾”的方法和相应的均衡器结构；针对非线性失真较小的信道提出了一种正交小波网络均衡器及其自适应均衡算法，理论分析和计算机仿真结果都表明在高信噪比情况下，该算法具有较好的收敛性能。7. 利用多小波函数和多尺度函数的互补性，构造了一种具有分层、多分辨和<WP=5>局部学习特点的正交多小波神经网络。分析了该网络用于函数逼近时的性质，给出了调整网络权系数的算法，理论分析和计算机仿真都表明正交多小波神经网络的逼近性能优于正交单小波神经网络。
莫玮[2]2000年在《神经网络在自适应均衡中的应用研究》文中研究说明自适应均衡器是现代数据通信系统中的一个关键部分，研究这一问题具有重要的理论价值和实际意义。本文针对通信信道的非线性畸变、加性噪声以及突发干扰等，对神经网络自适应均衡技术进行了研究。首先阐述了自适应均衡技术的发展及神经网络在自适应均衡中的应用，介绍论文工作背景与内容安排。第二章用数学的观点将均衡问题表述为几何空间的区域划分判决问题，为神经网络的应用奠定基础。第三章提出递归神经网络自适应均衡器（RNNE），给出该均衡器串行和并行输出的具体实现，对该均衡器的特性进行了全面的分析。第四章将传统的线性信道判决反馈结构融入递归神经网络中，提出了两种判决反馈递归神经网络均衡器（DFRNNE），并探讨了两种学习步长自适应调节的方法。第五章对基于复数的递归神经网络自适应均衡器进行了研究，提出了判决反馈复数递归神经网络自适应均衡器（DFCRNNE），导出了适应于这种均衡器结构的改进复数RTRL算法。第六章针对短波信道的突发干扰对自适应均衡器有破坏作用，分析了突发干扰时判决反馈递归神经网络自适应均衡器的特性，提出了两种抗突发干扰算法。第七章提出判决反馈BP网络自适应均衡器（DFBPE），设计了多输入单输出和多输入多输出的DFBPE；对DFBPE的特性进行了全面的分析，并将DFBPE同DFRNNE的各项性能进行了系统全面的比较分析。第八章对判决反馈BP网络均衡器输出的激活函数及算法进行了改进，使算法能够有效地应用于多电平调制信号的自适应均衡。第九章则将神经网络自适应均衡技术的研究成果推广应用于自适应噪声对消技术，对其结构、算法和性能进行了研究。
李春光[3]2002年在《自适应信号处理的神经网络方法》文中研究说明人工神经网络由于具有并行计算、自组织、自学习的特性和全局逼近能力而受到人们的广泛关注，并已经被成功地应用到信号处理、控制、模式识别等很多领域。本论文为应用基础研究，主要讨论神经网络在信号处理领域中四个方面的应用，包括自适应滤波、信道均衡、系统辩识和射频(RF)功放自适应预失真线性化。 本论文的主要创新之处可概括如下： 1、提出一种复值赫布型学习算法 本论文提出一种复值Hebb型学习算法，该算法可以看成为反Hebb型实值学习算法的推广，在文中给出了该算法的详细的推导过程。并将其应用到了自适应IIR滤波中，计算机仿真结果表明了它具有良好的收敛特性和较快的收敛速度。 2、提出一种复神经网络的杂交学习算法并应用到信道均衡中 本论文提出一种用于复信道均衡的杂交算法，该方法有效地将监督和非监督算法有效地结合在一起来训练一个复值多层前馈神经网络，该方法利用了多层前馈神经网络的结构优势及监督和非监督算法各自的优点。通过将该算法用于自适应复信道均衡来说明了该算法的有效性。 3、提出了一种新的多层前馈神经网络快速训练方法 在本论文中提出了一种新的多层前馈神经网络快速训练方法。该算法是基于指数加权局部最小二乘(EWLLS)目标函数及欧几里得方向集(EDS)方法的，在训练过程中，通过估计局部期望输出，多层神经网络可以被分解成若干个自适应线性神经元(Adaline)，而Adaline是通过EDS方法进行训练的。该算法的性能是通过将其应用于系统辩识中加以说明的。 4、射频功放自适应预失真线性化的神经网络方法 本论文中提出一种在移动通信系统中射频功放自适应预失真线性化的新的方法，利用一个复值递归神经网络来构成预失真器，这样预失真器和功放构成的组合系统可以看成一种特殊的神经网络，而复神经网络的权值是通过CRTRL算法来进行调整的。利用该方法得到了比很多文献中报导的结果要好的性能。 摘 要 作者在硕士期间在该方向所做的工作还包括其它一些内容，在附录中列出 了在硕士期间的主要工作，由于篇幅所限，本论文只选取了其中的一部分内 容。
肖瑛[4]2006年在《基于水声信道的盲均衡算法研究》文中提出传统的自适应均衡技术由于需要重复发送训练序列，在水声通信中，必将占用本不富裕的水声通信带宽，降低通信效率，而盲均衡具有无需训练序列的优良特性，并且理论与实践均证明，盲均衡可以在某些传统自适应均衡技术无效的条件下依然能够很好实现均衡，在特定约束条件下，还能获得比传统自适应均衡技术更好的均衡性能。随着现代化水声通信向高速信息传输需求的发展，对水声通信盲均衡理论和算法进行分析和研究具有重要意义。 本文针对水声信道特性，对Bussgang类盲均衡算法和直接高阶统计量算法做了理论与算法上的研究和分析，并针对水声信道非线性特性，对前馈神经元网络盲均衡算法的实现进行了分析和改进。研究内容主要包括以下几个方面： 1、从数学上盲反卷积的角度对盲均衡实现的理论依据、均衡准则、约束条件进行了分析。根据BBR公式，说明了在信号满足非高斯分布前提下输入信号与输出信号之间统计特性的联系，并论证了盲均衡中需要借助高阶累积量这一工具的原因。 2、对Bussgang类盲均衡算法的特例CMA算法的理论基础和算法实现进行了研究，分析了CMA算法的代价函数局部极小值问题，并针对CMA算法收敛速度慢，收敛后剩余误差大的缺陷给出了改进算法：利用小样本重用方法初始化均衡器权重，定义了移动窗剩余误差，并根据移动窗剩余误差对算法学习步长进行自适应调整，由移动窗剩余误差确定切换门限，综合以上提出了一种双模式算法。仿真结果证明了改进算法在收敛速度及均衡性能上的有效性。 3、直接高阶累积量的盲均衡算法存在计算量庞大以及对累积量准确估计的问题。文中在对倒三谱盲均衡算法分析的基础上，提出了一种遗忘递推倒三谱盲均衡算法，通过数据块递推估计方法，减少了倒三谱盲均衡算法的计算量并保证了累积量估计的准确性。 4、鉴于水声信道存在非线性特性，分析了利用前馈神经网络作为盲均衡器的盲均衡方法，并针对直接BP算法的缺陷给出了利用代价函数调整学习步
任志勇[5]2007年在《基于小波变换的自适应均衡算法的研究》文中研究表明在无线数字通信系统中,由于信道不理想,会导致信号在传输过程中可能发生严重的时间弥散和相位偏移,从而造成符号间干扰(Intersymbol Interference,ISI),这是引起比特检测错误的主要原因之一。为了在接收机中准确恢复出原始信息,需要对接收信号进行处理,补偿由于信道特性导致的信号失真,降低误码率。消除码间干扰的有效方法就是自适应均衡。论文针对存在加性噪声和有严重码间干扰等线性与非线性失真情况下,对基于小波变换的自适应均衡算法进行研究,实现在复杂度增加不大的情况下有效提高均衡器的收敛速度、降低误码率。论文的主要工作和创新点有以下几方面:①为了有效抑制无线数字通信中由于信道频带受限而引起的码间干扰,对自适应均衡器的结构和算法进行了深入研究。在传统的判决反馈均衡的基础上,运用误差反馈方法改善均衡器的性能,使其更适合于多径衰落比较严重的信道环境。②分析和阐述小波均衡理论。摒弃以往单从时域角度来研究均衡算法的不足,从小波域的角度探讨自适应均衡算法。论述了在自适应均衡中应用的离散多分辨率分析思想。为了降低计算的复杂性和实现难度,探讨了离散小波变换的快速算法:Mallat塔式分解算法。③小波均衡器设计。在基于离散正交小波变换的基础上,结合传统的判决反馈自适应均衡算法,提出一种基于误差反馈的离散正交小波均衡器结构和算法。对前馈滤波器用一组规范正交小波及其对应的系数来表示,后馈滤波器包含了误差反馈和判决反馈。在此基础上,给出了自适应均衡算法。仿真结果表明该均衡器收敛速度大幅提高,利用误差反馈来减小误差信号之间的自相关性,在收敛阶段累积误比特率增加很小,跟踪阶段几乎无误比特数增加,而计算量增加不多,易于实时实现。④对一种小波神经网络均衡器及其自适应均衡算法进行改进,提出了一种适用于非线性时变信道的小波神经网络均衡器结构及算法。仿真结果表明,改进后的小波神经网络均衡器能更好地完成非线性映射。
马莉[6]2011年在《基于遗传前馈神经网络自适应均衡算法的研究》文中研究表明随着科技不断进步,现代通信系统的环境越来越趋于复杂多样化,通信中往往受信道衰落、码间串扰、信道间干扰、同频及邻频干扰等可导致信道畸变因素的影响,致使通信质量严重下降。而自适应均衡技术是克服码间干扰、提高通信质量、降低误码率的有效方法之一。它主要通过滤波装置对经解调后的接收信号进行滤波,达到信道均衡的目的。在实际通信系统中不存在完全线性信道,大多数信道属于非线性模式。神经网络是典型的非线性处理系统,具有良好的自组织、自学习性能,可大规模并行处理高度复杂的非线性问题。因此在信道中利用神经网络系统来提高均衡器效果,通信质量定会得到显著改善。然而神经网络只对局部寻优有突出优势,当存在多个极值时,较容易陷入局部极小,无法获得全局最优解。遗传算法是基于生物进化和遗传基础上的一种仿生学算法,拥有较强的鲁棒性和全局收敛性能,适用于全局随机搜索。本文在总结上述算法局限性的基础上,对神经网络和遗传算法的结合进行了分析,将遗传算法引入神经网络权重及结构的优化问题中,指出将二者融合所产生的新算法能更好地实现神经网络自适应均衡效果,并通过大量仿真实验来验证算法的有效性。本文所做的主要工作：(1)在分析总结典型的三层前馈神经网络自适应均衡算法的基础上,针对其存在的不足,重点对遗传算法与神经网络的结合方式进行研究,指出用遗传算法优化神经网络权值及结构的算法思路。(2)为更好的实现自适应信道均衡,结合遗传算法优点,提出基于遗传神经网络的自适应均衡新算法,利用代价函数重新构造遗传算法的适应度函数,同时将新算法分别用于神经网络自适应均衡器的权值及结构的优化。经不同信号仿真后,结果证明新均衡算法的收敛速率及稳态剩余误差性能均有明显改善。(3)归纳总结出标准遗传算法优化网络结构时存在时间长、存储量过大且遗传操作繁杂等问题,由采用精英紧凑遗传算法对神经网络结构进行了优化。经计算机仿真表明,在线性和非线性信道中,新的结构优化算法收敛速率明显更快且稳态剩余误差值更小。
康科[7]2009年在《基于动态模糊神经网络的信道盲均衡的研究》文中研究说明在现代数字通信系统中,由于信道的非理想特性而引起的码间干扰是影响通信质量的一个主要因素。为了克服码间干扰就需要在接收端加入均衡器,以补偿信道特性,正确恢复发送序列。传统的自适应均衡器需要发送训练序列,这样就会影响通信效率。盲均衡作为一种新兴的均衡技术,能够不借助训练序列,仅仅利用所接收到的信号序列本身的统计特性对信道进行均衡。目前已广泛应用于通信、雷达、地震和图像处理等领域。因此,此项研究具有重要的理论意义和使用价值。本文首先研究了盲均衡技术的基本原理及发展动态,并研究了基本的盲均衡算法,并通过仿真分析了其优缺点。其次,系统研究了模糊理论与神经网络各自的原理与特点,比较了两者运行机制的不同,分析了两者结合的必然性,进而研究了模糊神经网络的结构,其中重点研究了动态模糊神经网络,通过对网络的激活函数与隶属函数选取以及网络结构的分析,研究了动态模糊神经网络的特点,并通过仿真比较验证了动态模糊神经网络在非线性函数逼近方面良好的性能,为将动态模糊神经网络应用于信道盲均衡提供了理论依据。最后,将动态模糊神经网络应用于信道盲均衡中,利用动态模糊神经网络良好的网络结构与非线性逼近能力,通过对代价函数的改变,设计了基于动态模糊神经网络的盲均衡算法,给出了算法的推导公式,经计算机仿真表明了该方法的可行性。
韩迎鸽[8]2007年在《基于小波变换的盲均衡器设计与算法仿真研究》文中进行了进一步梳理目前,国内外有关将小波变换与盲均衡技术相结合,对信道进行盲均衡处理的研究成果报道很少。而以小波理论为工具,充分利用小波变换的优越性,对盲均衡技术进行研究是一个很有意义的课题,也是现代信号处理领域的前沿课题。因此,本文针对常数模盲均衡算法存在的问题,对基于小波变换的盲均衡理论、算法与仿真进行了深入的研究。主要的工作有:1.针对采用固定步长的常数模算法在收敛速度和剩余误差之间的矛盾,将变步长思想应用于常数模算法,提出了基于剩余误差指数函数变换的变步长常数模算法、基于瑞利分布的变步长常数模算法及一种修正常数模算法。仿真结果表明,这三种算法均能有效克服收敛速度和剩余误差之间的矛盾。2.在对基于小波变换的LMS自适应算法研究的基础上,提出了基于正交小波变换的常数模盲均衡算法。该算法将小波变换引入自适应盲均衡中,通过小波强去相关特性来提高收敛速度。仿真结果表明,该均衡器收敛速度快,而计算量增加不多,易于实时实现。3.提出了引入动量项的正交小波变换常数模盲均衡算法和基于正交小波变换的变步长常数模盲均衡算法。该算法将动量项和变步长分别与基于正交小波变换的常数模盲均衡算法相结合,通过引入动量项和变步长来进一步提高收敛速度。仿真结果验证了上述算法的有效性。4.针对高阶QAM信号,提出了基于正交小波变换的多模盲均衡算法。该算法具有小波强的去相关性和多模算法小的剩余误差特性,因而,收敛更快,误差更低。考虑到该算法没有充分利用输出信号数据,导致收敛相对较慢的缺点,进一步提出了基于正交小波变换的符号判决双模式盲均衡算法,该算法工作在基于正交小波变换的多模盲均衡算法和基于正交小波变换的常数模盲均衡算法两种模式下,并根据符号判决的方式在两种模式之间进行切换,因而性能更优。仿真结果与理论分析完全一致。
刘永[9]2007年在《遗传前馈神经网络盲均衡算法的研究》文中认为现代通信系统中，由于信道衰落、多径传播、同频及邻频干扰等因素的存在，使得信道产生严重畸变，从而导致码间干扰的产生，降低了系统性能。盲均衡技术的采用极大地抑制了码间干扰，提高了系统特性。盲均衡技术是指不借助训练序列，而仅利用接收序列本身的先验信息就能自动收敛的自适应均衡技术。它能有效地补偿信道的非理想特性，克服码间干扰，减小误码率，提高通信质量，已成为当前飞速发展的数字通信领域的一个研究热点。在高速数据传输环境下，由于完全的线性信道是不存在的，因而针对线性信道处理的算法就会失效。因此非线性信道的盲均衡技术就成为亟待解决的难题。多层人工神经网络形成一个静态网络，可以映射静态输入到静态输出，因而人们将目光逐渐转向基于神经网络非线性特性的盲均衡算法。传统的前馈神经网络盲均衡算法在解决盲均衡问题上取得一定的成绩，算法可用于线性或非线性信道，同时克服了信道阶次不确定性带来的影响，对加性噪声也具有一定的容错性。然而基于神经网络本身的特性，它们只对局部搜索有优势，对于有多个极值的情况，容易陷入局部极小。遗传算法是一种全局并行的随机搜索方法，具有较强的鲁棒性和全局收敛能力，本文在总结神经网络盲均衡算法缺陷和局限性的基础上，针对神经网络的结构以及网络权值的优化等方面将遗传算法引入神经网络盲均衡，并通过大量的仿真实验验证了提出的算法的有效性。论文的主要成果包括：(1)在分析总结神经网络盲均衡算法缺陷和局限性的基础上，针对神经网络的结构及网络权值的优化等方面提出新的方法和思路，确定了神经网络盲均衡算法与遗传算法的结合点。(2)针对传统遗传算法的弊端，文中提出了一种新型保持种群多样性的遗传算法，并分别将该算法用于神经网络盲均衡器的权值及其结构的优化，并先后对PAM及QAM信号进行仿真，结果证明了相对于神经网络盲均衡算法，两种改进算法在收敛速度及其剩余误差等性能指标方面均有所改善。(3)归纳和总结了传统遗传算法对神经网络结构优化的缺陷和局限性，而且为了避免传统遗传算法存贮量大、运行时间长和操作复杂的弊端，本文采用精英紧凑遗传算法来实现对网络结构的优化。仿真结果表明，该算法在线性和非线性信道不仅提高了收敛速度，而且获得更小的剩余误差。
张晓琴[10]2008年在《基于模糊神经网络盲均衡算法的研究》文中研究指明无线和数字通信系统中,由于信号在传输过程中会受到复杂传播机制的影响,从而产生码间干扰。为了消除码间干扰,要在接收端进行均衡,以补偿信道特性,正确恢复发送序列。传统的均衡器由于需要不断地发送训练序列,已经不能满足数字通信技术发展的要求。盲均衡技术不需要训练序列,仅利用接收序列的统计特性便能自适应地调节参数,也就是说,盲均衡技术本身完全不用训练序列,就可以自启动收敛并防止失锁情况,且能使滤波器的输出与要恢复的输入信号相近。盲均衡技术有效克服了传统均衡器的缺点,对于信道的经常性衰落、严重的非线性及时变特性、多径传播等的影响,以及接收机无法跟踪上信道特性而出现的通信中断,盲均衡器会自动调整参数,跟踪信道特性,完成对信号的最佳估计。目前已在通信、雷达,地震勘探,图像处理等领域中得到应用。本文所做的主要工作有:(1)系统分析了盲均衡算法原理以及盲均衡技术的发展现状,研究了模糊神经网络特点、结构及确定方法,分析了隶属函数的选取原则,阐述了模糊神经网络的学习算法,首次提出三种基于模糊神经网络的盲均衡算法,并分析其实现原理。(2)分析了传统固定步长恒模盲均衡算法,针对步长大小会影响算法的收敛效果,提出变步长盲均衡算法的设计思想。利用模糊神经网络的控制功能,提出基于模糊神经网络控制步长因子的盲均衡算法,以提高步长控制的精度。通过误差信号和误差信号的变化大小及相关的规则,控制步长的实时变化,使得在算法初期采用大步长提高算法的收敛速度,在算法收敛后采用小步长,提高算法的收敛精度,从而解决了收敛速度和精度之间的相互制约。(3)根据传统前馈神经网络盲均衡算法中非线性修正因子α对算法收敛性能的影响,提出利用模糊神经网络控制α因子,得到优化的神经网络盲均衡算法的设计思想。通过误差信号及其变化作为模糊神经网络的输入信号,经过模糊神经网络的控制算法,得到时变的非线性修正因子α值,使得α在算法开始阶段信号畸变较为严重时取值较大,加快信号盲均衡的收敛速度,在算法逐渐收敛的同时,α因子也逐渐减小,以降低收敛后的剩余误差,从而有效地改进算法。(4)分析研究了模糊聚类的原理、分类及特点应用,并基于模糊神经网络聚类的特点提出了利用模糊神经网络作为分类器的盲均衡算法思想。传统的盲均衡技术将均衡后的信号经过判决器直接判决归类,恢复发送信号,但判决器一般用阈值进行判决,属于硬划分。模糊神经网络分类器利用模糊算法对被分类的信号进行动态的归类,属于软判决,可以有效地提高信号分类的正确率。(5)认真研究了动态模糊神经网络的原理及分类,分析了无线通信系统中,信道的时变性和不确定性决定了盲均衡过程是一个动态的均衡过程,针对动态模糊神经网络可以利用系统的当前数据和历史数据,符合盲均衡过程中信道动态变化的特性,提出利用动态模糊神经网络取代横向滤波器,直接进行盲均衡的算法。
参考文献：
[1]. 小波和神经网络在自适应均衡中的算法研究[D]. 王军锋. 西安电子科技大学. 2003
[2]. 神经网络在自适应均衡中的应用研究[D]. 莫玮. 西安电子科技大学. 2000
[3]. 自适应信号处理的神经网络方法[D]. 李春光. 电子科技大学. 2002
[4]. 基于水声信道的盲均衡算法研究[D]. 肖瑛. 哈尔滨工程大学. 2006
[5]. 基于小波变换的自适应均衡算法的研究[D]. 任志勇. 重庆大学. 2007
[6]. 基于遗传前馈神经网络自适应均衡算法的研究[D]. 马莉. 太原理工大学. 2011
[7]. 基于动态模糊神经网络的信道盲均衡的研究[D]. 康科. 燕山大学. 2009
[8]. 基于小波变换的盲均衡器设计与算法仿真研究[D]. 韩迎鸽. 安徽理工大学. 2007
[9]. 遗传前馈神经网络盲均衡算法的研究[D]. 刘永. 太原理工大学. 2007
[10]. 基于模糊神经网络盲均衡算法的研究[D]. 张晓琴. 太原理工大学. 2008
标签：自动化技术论文; 自适应论文; 遗传算法论文; 均衡器论文; 小波变换论文; 神经网络模型论文; 自组织神经网络论文; 信道估计论文; 非线性误差论文; 信道带宽论文; 正交变换论文; 系统仿真论文; 误差分析论文; 非线性论文; bp神经网络算法论文;