| 【中文题名】 | 基于递归模糊神经网络理论盲均衡算法的研究 |
| 【英文题名】 | The Study of Blind Equalization Algorithm Based on Recursive Fuzzy Neural Network |
| 【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,动态递归,模糊神经网络,隶属函数,代价函数, |
| 【英关键词】 | Blind Equalization,Dynastic Recurrent,Fuzzy Neural Network,Member-ship Function,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。盲均衡就是不借助训练序列，而仅仅利用接收序列本身的统计特性对信道进行均衡的一种新兴的自适应均衡技术。
本文所做的主要工作有：
(1)对基于神经网络盲均衡算法的基本原理及发展进行了系统地阐述，并对目前将模糊技术与神经网络相结合的均衡算法进行了分析，提出了模糊神经网络应用于盲均衡算法中的三种方式及其原理，然后将两种不同结构的模糊神经网络应用于盲均衡算法。
(2)将两种不同结构的动态递归型模糊神经网络用于盲均衡算法，用其来代替传统的均衡器，并推导出这两种算法的迭代公式，并将这两种网络结构都扩展到了复数域内。
(3)通过计算机仿真验证，这两种新算法的收敛性能与稳态剩余误差都有了不同程度的改进。 |
| 【论文题纲】 |
|
摘要 |
3-5 |
|
ABSTRACT |
5-9 |
|
第一章 绪论 |
9-18 |
|
1.1 通信均衡技术的发展 |
9-10 |
|
1.2 盲均衡技术及其发展 |
10-13 |
|
1.3 神经网络盲均衡算法国内外研究动态 |
13-15 |
|
1.4 模糊神经网络均衡算法国内外研究动态 |
15-16 |
|
1.5 本文的章节安排 |
16-18 |
|
第二章 模糊神经网络盲均衡的基础知识 |
18-40 |
|
2.1 模糊理论的基础知识 |
18-22 |
|
2.1.1 模糊理论的发展 |
18 |
|
2.1.2 模糊理论的原理 |
18-22 |
|
2.2 神经网络的基础知识 |
22-23 |
|
2.3 模糊神经网络的基本原理 |
23-32 |
|
2.3.1 模糊神经网络的特点 |
24 |
|
2.3.2 模糊神经网络的结构 |
24-32 |
|
2.4 盲均衡技术的基本原理 |
32-37 |
|
2.5 基于模糊神经网络盲均衡算法的实现 |
37-40 |
|
2.5.1 基于模糊神经网络控制器的盲均衡算法 |
37-38 |
|
2.5.2 基于模糊神经网络分类器的盲均衡算法 |
38-39 |
|
2.5.3 基于模糊神经网络均衡器的盲均衡算法 |
39-40 |
|
第三章 递归模糊神经网络的盲均衡算法 |
40-53 |
|
3.1 神经网络理论盲均衡算法的基本原理 |
41 |
|
3.2 递归型模糊神经网络的结构及状态方程 |
41-42 |
|
3.3 基于模糊神经网络的盲均衡算法 |
42-52 |
|
3.3.1 实数系统下模糊神经网络盲均衡算法 |
43-47 |
|
3.3.2 复数状态下模糊神经网络盲均衡算法 |
47-52 |
|
3.4 小结 |
52-53 |
|
第四章 新的动态模糊神经网络盲均衡算法 |
53-65 |
|
4.1 模糊神经网络理论盲均衡算法的基本原理 |
54 |
|
4.2 递归型模糊神经网络的结构及状态方程 |
54-56 |
|
4.3 基于递归模糊神经网络的盲均衡算法 |
56-64 |
|
4.3.1 实数系统下模糊神经网络盲均衡算法 |
56-60 |
|
4.3.2 复数状态下模糊神经网络盲均衡算法 |
60-64 |
|
4.4 小结 |
64-65 |
|
第五章 结论与展望 |
65-67 |
|
参考文献 |
67-73 |
|
附录 |
73-98 |
|
致谢 |
98-99 |
|
攻读硕士期间发表的文章 |
99 |
|
| 【DOI】 | LunWen.ID:2.2008.388006 |
