基于小波神经网络理论盲均衡算法的研究

【摘要】：存数字通信系统中，信道的畸变产生了码间干扰，降低了系统性能。传统的抑制方法是采用均衡技术，但自适应均衡算法由于需要发送训练序列，使得信息的有效传输率降低。因此，盲均衡技术成为研究热点。盲均衡技术是一种不借助于训练序列，仅利用接收序列本身的先验信息来均衡信道特性，使其输出序列尽量逼近发送序列的新兴自适应均衡技术。 小波神经网络是结合小波变换理论与人工神经网络思想而构造出来的一种新型的神经网络模型，融合了小波变换良好的时频局域化性质及神经网络的自学习功能，具有较强的逼近能力和容错能力，已经广泛应用于信号处理、数据压缩、模式识别和系统辨识等领域。 本文所做的主要工作： (1)对基于神经网络的盲均衡器的基本原理及发展进行了系统地阐述，分析了现有神经网络盲均衡算法的优缺点；然后结合小波变换时频分析的局部化特性和人工神经网络思想，提出了小波神经网络盲均衡算法。 (2)提出了基于前馈小波神经网络的盲均衡算法，该算法将传统的CMA算法与小波神经网络相结合，传统算法的均衡思想和代价函数在小波神经网络当中仍然适用。 (3)提出了基于反馈神经网络的盲均衡算法，此算法采用一种新型的双线性反馈神经网络，并将它与小波变换相结合，提出了一种双线性反馈小波神经网络(BLRWNN)。并将这两种网络结构都扩展到了复数域内。 (4)通过计算机仿真验证，本文提出的两种新的盲均衡算法在性能上都有了不同程度的改进。