| 【中文题名】 | 基于模糊神经网络理论盲均衡算法的研究 |
| 【英文题名】 | The Study on the Fuzzy Neural Network Blind Equalization Algorithm |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-11-14 |
| 【中关键词】 | 盲均衡,模糊神经网络,隶属函数,CMA,代价函数, |
| 【英关键词】 | Blind Equalization,Fuzzy Neural Network,Member-ship Function,CMA,Cost Function, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 | 在数字通信系统中,由于信道的非理想特性而引起的码间干扰(ISI)是影响通信质量的一个主要因素。为了克服码间干扰就必须在接收端加均衡器,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,但会影响通信效率。盲均衡作为一种新兴的自适应均衡技术,能够不借助训练序列,而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,其研究具有重要的理论意义和实用价值。
本文所做的主要工作有:
(1)简要阐述了传统CMA盲均衡算法和基于神经网络盲均衡算法的基本原理及发展动态,并分析了其特点。
(2)针对传统CMA算法收敛速度和收敛精度之间存在的内在矛盾,提出了一利由模糊神经网络控制器控制步长因子的变步长算法。该算法将模糊神经网络构造成时变步长控制器, |
| 【论文题纲】 |
|
摘要 |
4-6 |
|
ABSTRACT |
6-10 |
|
第一章 绪论 |
10-22 |
|
1．1 通信均衡技术的发展 |
10-13 |
|
1．2 盲均衡技术及其发展 |
13-15 |
|
1．3 神经网络盲均衡算法国内外研究动态 |
15-17 |
|
1．4 模糊理论均衡算法国内外研究动态 |
17-20 |
|
1．5 论文章节安排 |
20-22 |
|
第二章 模糊神经网络盲均衡的基础知识 |
22-42 |
|
2．1 模糊理论的基础知识 |
22-27 |
|
2．1．1 模糊理论的发展 |
22-23 |
|
2．1．2 模糊理论的原理 |
23-27 |
|
2．2 神经网络的基础知识 |
27-28 |
|
2．3 模糊神经网络的基础知识 |
28-33 |
|
2．3．1 模糊神经网络的发展 |
29-30 |
|
2．3．2 模糊神经网络的结构 |
30-32 |
|
2．3．3 模糊神经网络的特点 |
32-33 |
|
2．4 盲均衡技术的基本原理 |
33-39 |
|
2．5 模糊神经网络盲均衡算法的实现 |
39-42 |
|
第三章 基于模糊神经网络控制的变步长CMA盲均衡算法 |
42-61 |
|
3．1 CMA算法的分析 |
42-48 |
|
3．1．1 Bussgang类盲均衡算法 |
42-45 |
|
3．1．2 CMA算法收敛性能的分析 |
45-47 |
|
3．1．3 变步长盲均衡算法思想的提出 |
47-48 |
|
3．2 CMA算法中的剩余误差 |
48-49 |
|
3．3 基于模糊神经网络控制的变步长CMA盲均衡算法 |
49-60 |
|
3．3．1 基于模糊神经网络控制的变步长盲均衡算法的基本原理 |
49-50 |
|
3．3．2 模糊神经网络的结构及状态方程 |
50-52 |
|
3．3．3 基于模糊神经网络控制的变步长盲均衡算法 |
52-55 |
|
3．3．4 变步长算法的表达形式 |
55-56 |
|
3．3．5 算法理论分析 |
56-57 |
|
3．3．6 改进算法与CMA算法性能的比较 |
57-60 |
|
3．4 小结 |
60-61 |
|
第四章 基于模糊神经网络盲均衡算法 |
61-86 |
|
4．1 神经网络盲均衡算法的基本原理 |
61-62 |
|
4．2 模糊神经网络的结构和状态方程 |
62-63 |
|
4．3 基于模糊神经网络盲均衡算法 |
63-85 |
|
4．3．1 实数系统下模糊神经网络盲均衡算法 |
65-70 |
|
4．3．2 复数状态下模糊神经网络盲均衡算法 |
70-85 |
|
4．4 小结 |
85-86 |
|
第五章 结论与展望 |
86-88 |
|
参考文献 |
88-95 |
|
附录 |
95-97 |
|
致谢 |
97-98 |
|
攻读硕士期间发表的文章 |
98 |
|
| 【DOI】 | LunWen.ID:2.2008.387579 |
