動量項前饋神經網絡恒模盲均衡算法的研究.pdf

1、盲均衡技術是一種不需要訓練序列，能夠僅利用接收信號的統(tǒng)計特性對信道特性進行均衡的自適應均衡技術，克服了傳統(tǒng)自適應均衡技術的缺陷，成為目前數字通信和信號與信息處理領域的熱點研究課題之一。 人工神經網絡是理論化的大腦神經網絡的數學模型，是基于模仿大腦神經網絡結構和功能而建立的一種信息處理系統(tǒng)，能夠進行復雜的邏輯操作并實現非線性關系。用神經網絡設計均衡器具有重要的理論意義和實用價值。 本文所做的主要工作如下： (1)分

2、析了傳統(tǒng)BP算法的缺陷，討論了其改進形式，提出了基于動量項前饋神經網絡的盲均衡算法。通過計算機仿真表明，與BP算法相比，新算法的收斂速度有所提高。 (2)研究了動量項前饋神經網絡盲均衡算法中動量項及學習速率對算法性能的影響，提出了變動量項前饋神經網絡盲均衡算法和變學習速率動量項前饋神經網絡盲均衡算法。仿真結果表明，這兩種算法與動量項前饋神經網絡盲均衡算法相比，收斂性能明顯改善，收斂速度有所提高，穩(wěn)態(tài)剩余誤差和誤碼率減小。