多小波模糊神經(jīng)網(wǎng)絡(luò)盲均衡算法.pdf

1、目前，國(guó)內(nèi)外有關(guān)將多小波變換與盲均衡技術(shù)相結(jié)合，對(duì)信道進(jìn)行盲均衡處理的研究成果報(bào)道很少。而以多小波理論、神經(jīng)網(wǎng)絡(luò)和模糊理論為工具，充分利用三者的優(yōu)越性，對(duì)盲均衡技術(shù)進(jìn)行研究是一個(gè)很有意義的課題，也是現(xiàn)代信號(hào)處理領(lǐng)域的前沿課題。因此，本文針對(duì)傳統(tǒng)的常數(shù)模盲均衡算法(CMA)存在的收斂速度慢、穩(wěn)態(tài)誤差大的問題，對(duì)多小波模糊神經(jīng)網(wǎng)絡(luò)盲均衡算法進(jìn)行了深入的研究。主要的工作有：
　　 1．在推導(dǎo)了基于正交多小波變換的盲均衡器結(jié)構(gòu)和平衡正交

2、多小波變換矩陣的基礎(chǔ)上，提出了基于平衡正交多小波變換的盲均衡算法。該算法充分利用了多小波去相關(guān)性能力強(qiáng)的特點(diǎn)，加快了算法的收斂速度，同時(shí)多小波的平衡化處理克服了其在應(yīng)用時(shí)必須進(jìn)行預(yù)處理的缺陷，保留了多小波的性質(zhì)。為了進(jìn)一步提高算法的性能，將雙模式算法引入其中，提出了基于平衡正交多小波變換的雙模式盲均衡算法。該算法根據(jù)判決條件在兩種模式下自動(dòng)切換，有效的減小了算法的穩(wěn)態(tài)誤差。仿真結(jié)果表明了所提出算法的優(yōu)越性。
　　 2．將徑向基函

3、數(shù)(RBF)網(wǎng)絡(luò)作為均衡器，然后引入模糊C-均值聚類算法，提出了基于RBF的模糊神經(jīng)網(wǎng)絡(luò)盲均衡算法。該算法充分利用了徑向基函數(shù)結(jié)構(gòu)簡(jiǎn)單、收斂速度快的特點(diǎn)和模糊C-均值聚類算法的強(qiáng)劃分能力，顯著的提高了算法的性能；針對(duì)QAM復(fù)數(shù)信號(hào)，通過分析傳統(tǒng)的實(shí)部和虛部分開的方法，研究了一種信號(hào)變換的方法，然后將其引入神經(jīng)網(wǎng)絡(luò)盲均衡算法中，提出了基于信號(hào)變換的模糊神經(jīng)網(wǎng)絡(luò)盲均衡算法。仿真結(jié)果表明，所提出的算法具有較快的收斂速度、較小的均方誤差和較好的

4、抗噪聲性能。
　　 3．為了克服傳統(tǒng)恒模算法(CMA)由于采用固定步長(zhǎng)而造成的收斂速度與收斂精度之間的矛盾，提出了一種基于平衡正交多小波變換的模糊神經(jīng)網(wǎng)絡(luò)盲均衡算法。該算法一方面利用模糊神經(jīng)網(wǎng)絡(luò)控制器自動(dòng)調(diào)節(jié)算法的迭代步長(zhǎng)，較好的解決了收斂速度與收斂精度之間的矛盾；另一方面利用平衡正交多小波對(duì)均衡器輸入信號(hào)進(jìn)行去相關(guān)性處理，進(jìn)一步提高了算法的性能。理論分析和仿真結(jié)果表明，所提出的算法具有較快的收斂速度和較小的穩(wěn)態(tài)誤差，抗干擾性能