| 【中文题名】 | 基于信号估计的模糊神经网络分类器盲均衡算法的研究 |
| 【英文题名】 | Study on Fuzzy Neural Network Classifier Blind Equalization Algorithm Based on Channel Estimation |
| 【学科专业】 | 电路与系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-10-23 |
| 【中关键词】 | 盲均衡,模糊神经网络,分类器,信道估计,隶属函数, |
| 【英关键词】 | blind equalization,fuzzy neural network,classifier,channel estimation,membership 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】 | 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。
... |
| 【论文题纲】 |
|
摘要 |
3-5 |
|
ABSTRACT |
5-7 |
|
目录 |
7-9 |
|
第一章 绪论 |
9-20 |
|
1.1 盲均衡技术及其解决的关键问题 |
9-11 |
|
1.2 神经网络盲均衡技术 |
11-16 |
|
1.2.1 基于代价函数方法 |
11-14 |
|
1.2.2 基于能量函数方法 |
14-15 |
|
1.2.3 基于过采样的盲源分离方法 |
15-16 |
|
1.3 模糊自适应均衡与盲均衡的发展 |
16-18 |
|
1.4 论文结构安排 |
18-20 |
|
第二章 模糊神经网络分类器盲均衡的基础知识 |
20-36 |
|
2.1 模糊神经网络的基础知识 |
20-30 |
|
2.1.1 模糊的概念 |
20 |
|
2.1.2 模糊神经网络及其特点 |
20-21 |
|
2.1.3 模糊神经网络的结构 |
21-23 |
|
2.1.4 模糊隶属函数的构造方法和选取规则 |
23-27 |
|
2.1.5 模糊神经网络的学习算法 |
27-30 |
|
2.2 盲信道估计的基本原理 |
30-33 |
|
2.3 模糊神经网络与盲均衡算法的结合方式 |
33-36 |
|
2.3.1 基于模糊神经网络控制器的盲均衡算法 |
33 |
|
2.3.2 基于模糊神经网络滤波器的盲均衡算法 |
33-34 |
|
2.3.3 基于模糊神经网络分类器的盲均衡算法 |
34-36 |
|
第三章 基于模糊神经网络分类器的盲均衡算法 |
36-51 |
|
3.1 模糊神经网络分类器盲均衡算法的基本原理 |
36-37 |
|
3.2 信道盲估计器的设计 |
37-41 |
|
3.3 模糊神经网络分类器的设计 |
41-43 |
|
3.3.1 模糊神经网络分类器的结构 |
41-42 |
|
3.3.2 模糊推理与学习算法 |
42-43 |
|
3.4 算法仿真 |
43-49 |
|
3.4.1 PAM系统中的仿真结果 |
44-45 |
|
3.4.2 QAM系统中的仿真结果 |
45-49 |
|
3.5 小结 |
49-51 |
|
第四章 基于模糊神经网络聚类分类器的盲均衡算法 |
51-61 |
|
4.1 模糊聚类盲均衡算法的基本原理 |
51-52 |
|
4.2 模糊神经网络结构及状态方程 |
52-53 |
|
4.3 模糊聚类规则推理 |
53-54 |
|
4.4 模糊聚类分类器的盲均衡算法 |
54-59 |
|
4.4.1 PAM系统中的仿真结果 |
54-56 |
|
4.4.2 QAM系统中的仿真结果 |
56-59 |
|
4.5 小结 |
59-61 |
|
第五章 结论与展望 |
61-63 |
|
参考文献 |
63-69 |
|
致谢 |
69-70 |
|
在读期间发表的论文 |
70 |
|
| 【DOI】 | LunWen.ID:2.2008.388002 |
