张满毅
【摘 要】针对宽带通信中码间串扰的消除,分析了神经网络与盲均衡算法的五种结合机理,综述了前馈神经网络、递归神经网络、小波神经网络、进化神经网络和模糊神经网络等盲均衡算法的研究动态,指出了今后的研究重点.
【期刊名称】《山西电子技术》
【年(卷),期】2015(000)003
【总页数】3页(P47-49)
【关键词】宽带通信;神经网络;盲均衡算法
【作 者】张满毅
【作者单位】伐地考昔中国移动通信集团山西有限公司朔州分公司,山西朔州036002
【正文语种】中 文
【中图分类】TN915
随着数字通信技术的发展，高频、宽带、快速成为发展趋势，但因此而产生的码间串扰成为影响通信质量的主要因素之一。消除码间串扰的主要方法是采用自适应均衡技术。但在传统自适应均衡算法中，由于训练序列的存在，导致信息传输速率降低，传输容量减小。如全球移动通信(GSM)系统中，每148 个符号中就有26 个供训练用的符号，导致18%的容量损失［1］。所以，盲均衡技术由此而生，它是一种不需要发送端发送训练信号，而仅仅是利用接收端接收信号自身的先验信息来进行通信信道的均衡，使信道输出的信号尽量逼近发送信号的新兴自适应均衡技术［2］。盲均衡技术能够有效地减小码间串扰的影响，提高通信系统的质量，是目前宽带数字通信系统的核心技术之一。
神经网络作为一种新兴的优化算法，具有大规模并行、分布式存储与处理、自组织、自适应、自学习和高度的容错能力等特点，与盲均衡算法相结合，可以提高收敛性能，改善均衡效果。
1 神经网络盲均衡的基本原理
将神经网络应用于盲均衡算法中，能够得到多种神经网络盲均衡算法。目前常见的结合机理有两种:一种是将神经网络构造成滤波器、控制器和分类器，然后用于盲均衡算法，得到基于神经网络滤波器、控制器和分类器的盲均衡算法［3］;另一种是基于传统代价函数的神经网络盲均衡算法和基于网络能量函数的神经网络盲均衡算法。 1.1 基于神经网络滤波器的盲均衡算法
基于神经网络滤波器的盲均衡算法是在传统盲均衡算法的基础上，采用神经网络代替横向滤波器，充分利用神经网络输入层与隐层、隐层与输出层间的权值调整以及非线性激活函数的选取来逼近传输信道，以补偿信道的非线性，达到均衡的目的。其原理框图如图1 所示。
ct二次过电压保护器图1 基于神经网络滤波器的盲均衡算法原理图
图中，s(n)为通信系统的发送信号;h(n)为离散时间传输信道的冲激响应;w(n)为神经网络的连接权值，包括输入层和隐层连接权值;y(n)为经过信道传输后的系统接收信号，同时它也是盲均衡器的输入信号;n(n)为传输信道上迭加的噪声;x(n)为经过盲均衡器后的输出信号为判决后的恢复信号。
1.2 基于神经网络控制器的盲均衡算法
基于神经网络控制器的盲均衡算法是将神经网络设计成控制器，用于控制传统恒模盲均衡算法中的相关参数，如算法的迭代步长、神经网络盲均衡算法动量因子等参数，以改善收敛性能，提高传输质量。其原理框图如图2 所示。
图2 基于神经网络控制器的盲均衡算法原理图
1.3 基于神经网络分类器的盲均衡算法
基于神经网络分类器的盲均衡算法是将神经网络设计成分类器，代替固定判决门限的判决器，用以消除固定判决门限的缺陷。其原理框图如图3 所示。
图3 基于神经网络分类器的盲均衡算法原理图
1.4 基于传统代价函数的神经网络盲均衡算法
基于传统代价函数的神经网络盲均衡算法原理框图如图1 所示。其基本原理是首先选择一个神经网络的结构形式，然后根据所选的神经网络结构设计目标函数，并依据目标函数推
铜制品制作
导出神经网络连接权值的递推方程，最后通过最小化目标函数来达到调整连接权值的目的。
化石工艺品
顶网1.5 基于网络能量函数的神经网络盲均衡算法
电机智能监控器
基于网络能量函数的神经网络盲均衡算法原理框图也如图1 所示。是将传统盲均衡算法的目标函数与神经网络的能量函数进行比较，并将目标函数改造为神经网络的能量函数，再利用新的能量函数设计神经网络的状态方程，这样就将原有的神经网络进行了改造，能够达到均衡的目的。
2 神经网络盲均衡的发展动态
自1991 年，Benvenuto 等［4］首次提出复值多层前馈神经网络盲均衡器以来，神经网络盲均衡算法就引起众多学者的关注，目前已初步形成前馈神经网络盲均衡、递归神经网络盲均衡、小波神经网络盲均衡、进化神经网络盲均衡、模糊神经网络盲均衡等多种算法。
2.1 前馈神经网络盲均衡算法
前馈神经网络是一种由输入层、输出层和隐层组成的单向神经网络结构，具有结构简单、计算量小等优点。近年来，在传统前馈神经网络盲均衡算法的基础上，主要针对BP 算法收敛速度较慢、容易陷入局部极小点的缺陷进行改进，研究了时变步长、动量项、时变动量项等神经网络盲均衡算法［5-7］以及多隐层神经网络盲均衡算法［8］。
2.2 递归神经网络盲均衡算法
递归神经网络是一个非线性动力系统，具有规模小、收敛快等特点。自1994 年G.Kechriotis 等［9］成功将递归神经网络用于盲均衡以后，又陆续提出了其他递归结构神经网络盲均衡算法及其改进算法，如双线性反馈神经网络、对角递归神经网络和准对角递归神经网络盲均衡算法等［10-12］。
2.3 小波神经网络盲均衡算法
小波神经网络是将小波理论与神经网络理论相结合的一种神经网络结构，具有较强的逼近能力和容错能力。自1997 年Shichun He 和Zhenya He［13］将反馈小波神经网络用于非线性通信信道盲均衡以后，又将正交小波变换、正交小波包变换理论等引入神经网络盲均衡算法中［14-16］。
2.4 进化神经网络盲均衡算法
进化神经网络是进化算法与神经网络互补而成的一种新型神经网络模型，具有很强的鲁棒性和适应性。2003 年，陈金召等［17］首次将遗传算法引入盲均衡，之后，刘永［18］采用遗传算法优化神经网络的权值和结构，分别得到了遗传算法优化神经网络权值盲均衡算法和遗传算法优化神经网络结构的盲均衡算法。
2.5 模糊神经网络盲均衡算法
模糊神经网络是模糊信息处理技术和人工神经网络技术有机结合的一种新型神经网络模型，具有集学习、联想、识别、自适应和模糊信息处理于一体的特点。模糊神经网络盲均衡算法主要是在传统自适应模糊均衡器的基础上，将模糊神经网络构造为滤波器、控制器和分类器，形成了三种新的模糊神经网络盲均衡算法等［19］。
