牛晓薇[1]2004年在《基于小波神经网络理论盲均衡算法的研究》文中提出存数字通信系统中，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。
王丽华[2]2011年在《基于模糊控制的小波神经网络盲均衡算法》文中认为目前,高速水声通信的主要障碍就是广泛存在于水声通信中的多径衰落和信道失真导致的码间干扰,使数据的可靠性和传输速率大大降低了。因此,针对水声通信盲均衡理论和算法进行分析与研究具有重要意义。本文以小波变换、神经网络和模糊理论为工具,并充分利用叁者的优越性,针对传统的常数模盲均衡算法(CMA)存在的收敛速度慢、稳态误差大的问题,对基于模糊控制的小波神经网络盲均衡算法进行了深入的研究。主要的工作有：1基于模糊神经网络控制的变步长盲均衡算法的研究深入学习模糊理论的发展以及神经网络的发展基础知识,把两者的优点充分相结合后,提出了基于模糊神经网络控制的变步长盲均衡算法。仿真结果验证了所提算法的优越性：具有较快的收敛速度、较小的均方误差和较好的抗噪声性能。2模糊神经网络控制的混合小波神经网络盲均衡算法研究采用模糊神经网络作为步长参数控制器,利用人类的经验知识构造模糊规则,从MSE(Mean Square Error)信号中提取信息实现对步长的控制,在算法收敛初期采用大步长,以加快收敛速度,随着算法收敛,减小步长,以减小稳态剩余误差,从而解决了收敛速度和收敛精度之间的矛盾。3基于动态模糊小波神经网络的盲均衡算法研究在无线通信系统中,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,因此有必要对动态模糊小波神经网络的盲均衡算法进行研究。(1)基于模糊控制的动态小波神经网络盲均衡算法研究基于模糊控制的动态小波神经网络盲均衡算法是指把小波神经网络的输出做为下一时刻小波神经网络输入的一部分,使得网络具有记忆功能,从而表现出网络系统的动态特性。(2)基于动态递归模糊小波神经网络模型盲均衡算法研究基于动态递归模糊小波神经网络模型盲均衡算法的实质是利用动态小波神经网络反馈回来的信息,对模糊小波神经网络的各个参数进行调整,从而动态地调整小波神经网络,达到均衡的目的。图[35]表[3]参[84]
刘振兴[3]2010年在《多小波模糊神经网络盲均衡算法》文中进行了进一步梳理目前,国内外有关将多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。而以多小波理论、神经网络和模糊理论为工具,充分利用叁者的优越性,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,本文针对传统的常数模盲均衡算法(CMA)存在的收敛速度慢、稳态误差大的问题,对多小波模糊神经网络盲均衡算法进行了深入的研究。主要的工作有：1.在推导了基于正交多小波变换的盲均衡器结构和平衡正交多小波变换矩阵的基础上,提出了基于平衡正交多小波变换的盲均衡算法。该算法充分利用了多小波去相关性能力强的特点,加快了算法的收敛速度,同时多小波的平衡化处理克服了其在应用时必须进行预处理的缺陷,保留了多小波的性质。为了进一步提高算法的性能,将双模式算法引入其中,提出了基于平衡正交多小波变换的双模式盲均衡算法。该算法根据判决条件在两种模式下自动切换,有效的减小了算法的稳态误差。仿真结果表明了所提出算法的优越性。2.将径向基函数(RBF)网络作为均衡器,然后引入模糊C-均值聚类算法,提出了基于RBF的模糊神经网络盲均衡算法。该算法充分利用了径向基函数结构简单、收敛速度快的特点和模糊C-均值聚类算法的强划分能力,显着的提高了算法的性能；针对QAM复数信号,通过分析传统的实部和虚部分开的方法,研究了一种信号变换的方法,然后将其引入神经网络盲均衡算法中,提出了基于信号变换的模糊神经网络盲均衡算法。仿真结果表明,所提出的算法具有较快的收敛速度、较小的均方误差和较好的抗噪声性能。3.为了克服传统恒模算法(CMA)由于采用固定步长而造成的收敛速度与收敛精度之间的矛盾,提出了一种基于平衡正交多小波变换的模糊神经网络盲均衡算法。该算法一方面利用模糊神经网络控制器自动调节算法的迭代步长,较好的解决了收敛速度与收敛精度之间的矛盾；另一方面利用平衡正交多小波对均衡器输入信号进行去相关性处理,进一步提高了算法的性能。理论分析和仿真结果表明,所提出的算法具有较快的收敛速度和较小的稳态误差,抗干扰性能好。图[43]表[7]参[79]
高敏[4]2010年在《小波嵌入神经网络盲均衡算法》文中研究表明盲均衡技术无需发送训练序列就可跟踪信道变化,可有效提高数据的可靠性及传输速率。而水声通信中广泛存在的多径衰落和信道失真导致的码间干扰大大降低了水下数据的可靠性和传输速率,是高速水声通信的主要障碍。随着现代水声通信向高速、大容量的发展,针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。本文以小波变换和神经网络为主要工具,对神经网络均衡器结构和盲均衡算法进行了深入的研究,主要的工作如下：1研究了前馈神经网络的盲均衡算法(1)提出基于动量项的前馈神经网络盲均衡算法。在分析水声信道特点和前馈神经网络盲均衡器的结构基础上,引入了动量算法,该算法改善传统前馈神经网络盲均衡算法的性能。(2)提出基于超指数迭代的前馈神经网络盲均衡算法。该算法充分利用SEI算法对数据白化作用的性能,加快了收敛速度,减小了均方误差,水声信道仿真结果验证了所提算法的有效性。2提出了基于正交小波变换的前馈神经网络联合盲均衡算法(1)提出基于正交小波变换的前馈神经网络盲均衡算法。该算法将正交小波变换引入神经网络均衡器,通过对输入信号进行正交小波变换和能量归一化,以降低神经网络输入信号的自相关,从而提高均衡效果,计算机仿真结果验证了该算法的良好性能。(2)提出基于正交小波变换分数间隔的神经网络盲均衡算法。该算法在分析过采样理论和分数间隔盲均衡算法的基础上,针对前馈神经网络盲均衡算法收敛速度慢、稳态误差大的缺点,充分利用两者的优点,将正交小波变换、分数间隔和神经网络相结合,能使算法的性能得到改善,水声信道仿真验证该算法的有效性。3提出了基于正交小波包变换的前馈神经网络盲均衡算法该算法利用前馈神经网络作为均衡器,对均衡器输入信号的尺度空间和小波空间进行了正交小波包分解,降低了信号的自相关性,因此将正交小波包变换与前馈神经网络盲均衡算法相结合,可以加快算法收敛速度、减小误差。与前馈神经网络盲均衡算法相比,该算法具有更快的收敛速度和更小的稳态误差,水声信道的仿真结果表明该算法的有效性。4提出了基于小波嵌入神经网络的联合盲均衡算法将神经网络的传递函数采用小波函数,利用小波的尺度因子和平移因子的迭代过程,从而调节神经网络均衡器输入层和输出层的权向量,进而优化算法的性能。(1)提出基于空间分集的小波神经网络盲均衡算法。该算法将空间分集引入小波神经网络中,利用空间分集来减少衰落的影响,从而加快算法的收敛速度的同时降低了稳态误差,稀疏水声信道仿真验证该算法的有效性。(2)提出引入小波神经网络的分数间隔盲均衡算法。该算法采用2路子信道系统模型,充分利用了小波神经网络有较强的逼近能力,以及分数间隔对均衡器接收信号具有过采样的优点,与T/2分数间隔前馈神经网络盲均衡(T/2-FSE-FNN)、小波神经网络盲均衡(WNN)两种算法相比,该算法性能最优,且针对QAM信号,该算法具有较强地载波恢复能力。
吴珊[5]2014年在《果蝇优化小波盲均衡算法研究》文中认为目前,国内外对果蝇优化算法及其应用的研究成果较少,也还未发现有关于小波变换理论、果蝇优化算法和各类盲均衡算法相融合后应用于水声通信领域的研究报道。本文在深入地研究了果蝇优化算法的基础理论知识之后,将新颖的果蝇算法引入盲均衡技术之中来优化均衡器的性能,并且在分析了果蝇优化算法具有的优势和劣势的基础之上,结合当前热点新技术、新理论-模拟退火思想、小波变换理论和协同进化策略,对果蝇优化算法进行了改进,将改进后的新算法尝试应用于水声通信盲均衡技术中以达到进一步优化算法的均衡性能来实现提高水声信号传输效率的研究目的。本课题研究具体完成了以下工作：1.果蝇优化的小波盲均衡算法传统常数模盲均衡算法被广泛应用于水声通信领域,它是通过利用随机梯度下降的搜索方式来调整均衡器系数的,这种搜索方式不仅容易导致CMA陷入局部寻优,无法准确找到全局极值点而且还对均衡器的代价函数有连续、可导的要求。果蝇优化算法具有很强的全局搜索能力,将果蝇优化算法引入CMA中提出了果蝇优化小波盲均衡算法,可避免传统CMA搜索方法存在的缺陷,正交小波变换可抑制信号之间自相关性。2.果蝇优化的小波自适应软约束常模盲均衡算法均衡复杂的水声信道时传统常模盲均衡算法收敛速度很慢、稳态误差也比较大。自适应软约束常模盲均衡算法的均衡效果优于CMA,处理水声信号时收敛速度明显快于CMA、稳态误差也相对较小,但SCS-CMA搜索最优权向量的方式仍和常数盲均衡相同,都采用的随机梯度下降法,常易陷入局部收敛。果蝇优化小波自适应软约束常模盲均衡算法是在SCS-CMA中融入果蝇优化算法和小波变换理论,运用正交小波变换预处理均衡器的输入信号来达到去除噪声和降低输入信号自相关性的作用,运用果蝇优化算法求解均衡器的代价函数,并用SFOA迭代搜索所得的最优权向量初始化均衡器,该算法的均衡效果明显优于CMA。3.模拟退火-果蝇混合算法优化小波广义自适应多模盲均衡算法一般来说,我们在盲均衡技术中运用多模盲均衡算法来处理高阶QAM信号,而传统多模盲均衡算法的均衡效果越来越不能满足日益增长的实际应用的需求。针对MMA和果蝇算法存在的缺点,本文提出了模拟退火-果蝇混合算法优化小波广义自适应多模盲均衡算法。这种新的算法结合模拟退火这一新技术与果蝇算法两者的优势,利用局部搜索能力强的模拟退火技术解决果蝇优化算法搜索复杂的大规模空间时易陷入局部收敛的问题。模拟退火-果蝇混合优化算法能够精确快速地找到最优权向量,加快算法的稳定收敛速度,降低稳态误差。使用正交小波对均衡器的每路输入信号进行分解来除噪去信号的相关性,进一步改善了广义离散自适应多模盲均衡器的性能,新算法更能有效地均衡高阶QAM信号。4.小波盲均衡多果蝇群协同优化算法(1)多果蝇群协同优化算法果蝇优化算法的寻优精度不高,当寻优复杂搜索区域时,搜索性能较低,收敛速度较慢。针对果蝇优化算法存在的不足,在SFOA中引入协同进化思想,提出了多果蝇群协同优化算法。新算法利用并行拓扑的进化结构和正反反馈的信息共享方式来协同指导整个系统的进化。搜索时,将多个果蝇群作为独立进化的群体在同时进行搜索中也相互跟踪对方的全局最优解。通过共享对各个果蝇群各自的寻优结果进行评价所得的群体当前最优解来指导各个种群在独立进化的同时协同进化,直至获得最优解。(2)多果蝇群协同优化小波常模盲均衡算法应用多果蝇群协同优化算法至盲均衡算法中,在CMA的基础上融入多蝇协同的果蝇优化算法寻找最优权向量初始化均衡器,正交小波变换理论消噪、减小信号间存在的自相关性。该算法均衡信号的效果更好。(3)多果蝇群协同优化小波多模盲均衡算法针对CMA均衡信号时相位模糊、误差大、处理高阶QAM信号均衡效果差等不足和果蝇优化算法所存在的缺陷,分析了可有效纠正信号相位旋转、适用于高阶信号均衡的多模盲均衡算法的原理,将其与搜索能力强的多果蝇群协同优化算法和抑制信号相关性强的小波变换相结合,提出了一种新算法-多果蝇群协同优化小波多模盲均衡算法。
韩迎鸽[6]2007年在《基于小波变换的盲均衡器设计与算法仿真研究》文中研究说明目前,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,这叁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。
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》文中认为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。
陈佩佩[8]2011年在《基于蚁群优化的正交小波变换盲均衡算法》文中研究表明水声通信中广泛存在的多径衰落和信道失真导致的码间干扰大大降低了水下数据的可靠性和传输速率,是高速水声通信的主要障碍。盲均衡技术无需发送训练序列就可跟踪信道变化,可有效提高数据的可靠性及传输速率,利用接收信号的统计特性对信道进行均衡,降低或消除码间干扰,极大地提高了带宽的利用率,是目前水声通信的研究热点。小波变换理论的迅速发展,为变换域的盲均衡算法研究提供了一种新的思路。本文将蚁群算法引入到正交小波盲均衡算法中,充分利用蚁群算法的全局随机搜索和正反馈机制的特点,快速寻找到均衡器权向量的全局最优解,对均衡器的权向量进行初始化,并采用正交小波变换降低信号的自相关性。本文对蚁群优化小波盲均衡算法的实现进行了深入研究,研究内容主要包括以下几个方面。1提出了基于蚁群优化的盲均衡算法将蚁群算法引入到盲均衡算法中,充分利用蚁群算法的全局随机搜索和正反馈机制的特点,通过由候选解组成的群体进化过程快速寻求到全局最优解,对均衡器的权向量进行初始化,提出了蚁群优化的盲均衡算法。同时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,提出了基于蚁群优化的变步长盲均衡算法。仿真结果表明了所提算法的优越性。2研究了基于蚁群优化的正交小波盲均衡算法由分析影响盲均衡算法性能的因素可知,均衡器输入信号的自相关性是影响均衡算法的主要因素之一。信号经过正交小波变换之后,在小波变换域对其进行能量归一化,信号各分量之间的相关性会得到有效地降低,能够有效加快均衡器的收敛速度。通过蚁群优化算法快速寻找到均衡器权向量的全局最优解,并将这组权向量作为正交小波盲均衡算法的初始化权向量。又由于超指数迭代算法对输入信号起白化作用,因此,在分析基于正交小波变换的常数模盲均衡算法的基础上,提出了基于蚁群优化的正交小波变换盲均衡算法(ACO-WT)和基于蚁群优化的正交小波超指数迭代盲均衡算法(ACO-SEI-WT)。仿真结果表明所提出的算法具有较快的收敛速度、较小的均方误差和较好的抗噪声性能。3研究了基于蚁群优化的正交小波包盲均衡算法与正交小波变换相比,正交小波包变换因为对信号的尺度空间和小波空间均进行了分解,信号经过正交小波包变换之后,其自相关性进一步下降。因此,将正交小波包变换盲均衡算法与蚁群优化算法相结合,提出基于蚁群优化的正交小波包变换盲均衡算法(ACO-WPT),理论分析和仿真结果表明,所提出的算法具有较快的收敛速度和较小的稳态误差,抗干扰性能好。
贾枫美[9]2006年在《基于递归神经网络盲均衡算法的研究》文中提出均衡技术是数字通信系统中克服码间干扰的有效方法，其中盲均衡是均衡技术的最新发展，它不需要借助训练序列就能自适应调整均衡器的抽头系数，因此得到广泛应用。本文对神经网络盲均衡算法进行了深入研究，分析了其在收敛性能上存在的缺点，将两种简单的递归神经网络引入到盲均衡算法中，提出了两种改进算法，并通过计算机仿真对收敛性能进行了验证。本文所做的主要工作有：(1)对神经网络和神经网络盲均衡算法的原理及发展分别进行了阐述，分析了它们的优缺点。归纳了递归神经网络的结构，并分析了其结构及功能的异同。(2)将两种递归神经网络——对角递归神经网络和准对角递归神经网络应用于盲均衡算法中，利用其结构简单、计算量少，而又具有动态特性的优点，结合传统的恒模盲均衡算法重新构造了代价函数，提出了两种新算法。并用最速梯度下降法推导了其算法迭代公式。(3)对提出的新算法进行计算机仿真，结果证明新算法收敛速度快，稳态剩余误差小。
孙云山[10]2006年在《基于信号估计的模糊神经网络分类器盲均衡算法的研究》文中认为盲均衡是数字通信系统中消除码间干扰的关键技术，它能够不借助训练序列，而仅仅利用所接收到的信号序列的先验信息对信道进行均衡。传统盲均衡器中采用固定的判决电平，造成高的判决误差。模糊神经网络结合了神经网络和模糊理论各自的优点，模糊神经网络分类器可对不确定信息作出定量描述，具有很高的识别精度，可以有效降低判决误差。 本文所做的主要工作有： (1) 简要概述了现有基于神经网络盲均衡算法的各种实现方法及其发展动态，分析了其特点。同时，阐述了模糊神经神经网络在均衡器中的应用以及现有的盲信道估计的实现方法。提出了模糊神经网络在盲均衡算法中的几种可行的应用方式及其原理。 (2) 针对原有盲均衡器采用固定电平进行判决的特点，提出了一种由模糊神经网络分类器代替原有判决器的盲均衡算法。该算法将盲信道估计、反卷积和模糊神经网络分类器相联系。文中给出了高阶累积量盲信道估计的推导公式，利用反卷积获得输入信号的初步估计值，再利用模糊神经网络分类器进行判决。计算机仿真表明，新算法相对于前馈神经网络盲均衡算法在性能上有一定的提高与改善，不仅加快了收敛速度，而且减小了稳态剩余误差。 (3) 提出了一种模糊神经网络聚类盲均衡算法。该算法根据聚类
参考文献：
[1]. 基于小波神经网络理论盲均衡算法的研究[D]. 牛晓薇. 太原理工大学. 2004
[2]. 基于模糊控制的小波神经网络盲均衡算法[D]. 王丽华. 安徽理工大学. 2011
[3]. 多小波模糊神经网络盲均衡算法[D]. 刘振兴. 安徽理工大学. 2010
[4]. 小波嵌入神经网络盲均衡算法[D]. 高敏. 安徽理工大学. 2010
[5]. 果蝇优化小波盲均衡算法研究[D]. 吴珊. 安徽理工大学. 2014
[6]. 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
[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]. 基于蚁群优化的正交小波变换盲均衡算法[D]. 陈佩佩. 安徽理工大学. 2011
[9]. 基于递归神经网络盲均衡算法的研究[D]. 贾枫美. 太原理工大学. 2006
[10]. 基于信号估计的模糊神经网络分类器盲均衡算法的研究[D]. 孙云山. 太原理工大学. 2006
标签：自动化技术论文; 均衡器论文; 小波变换论文; 神经网络模型论文; 前馈神经网络论文; 信道估计论文; 模糊理论论文; 正交变换论文; 序列模式论文; 模糊算法论文; 信道带宽论文; 系统仿真论文; 误差分析论文;