內容簡介
隨著技術水平的發展,在現代通信系統中,數字通信取得模擬通信的趨勢日益明顯。數字通信系統具有許多優點,如抗干擾能力強、系統穩定性強等,但也存在著一些問題,如由於信道傳遞函式的非理想性、時變性和傳輸碼元之間存在互相干擾等原因,使得信道接收端抽樣值總是存在碼間串擾,導致系統誤差率高,判別能力下降等。為解決這些難題,提高數字通信通信系統性能,業界提出了信道均衡技術,用以克服數字通信系統中的碼間串擾,其中自適應均衡技術,又稱盲均衡技術,具有自適應能力強,不需要訓練序列,信帶利用率高等優點,成為通信技術研究的熱點,在通信系統中具有重要的作用。本書首先探索了盲均衡器設計的原理、技術方法,並開展了數值仿真分析,驗證了常模盲均衡算法及幾種常見的改進算法的性能指標,從誤碼率、殘差等角度,分析了算法的實際套用價值。其次在常模盲均衡算法的研究基礎上,將模糊補償神經網路將模糊理論、補償算法引入到神經網路理論中,從而提高神經網路系統的適應性,容錯性和穩定性。主要研究基於模糊補償神經網路的盲均衡算法,並根據無線信道模型,對其仿真及套用進行分析和設計。主要介紹了基於神經網路的盲均衡算法基礎,對神經網路的發展、分類及學習規則等作以簡單描述,並簡單介紹了神經網路理論中主要的改進方法;對數字信道均衡技術進行了簡單描述,給出了均衡器的一般設計原理、分類並根據研究方向詳細介紹了盲均衡器的初步知識。在研究基礎理論的同時進行了盲均衡算法仿真平台的設計和框架結構的搭建,並通過對常模代價函式、方形輪廓線算法和復值神經網路的仿真分析,闡述了方形輪廓線算法及代價函式的改進算法在復值神經網路盲均衡器中的套用。著重介紹BP神經網路的盲均衡算法,分析了算法在實際套用中的性能,進行了算法性能的仿真,並給出實際套用過程中的注意事項。經過分析得出基於BP神經網路的盲均衡器收斂速度快、平均誤差小、適合在高信噪比條件下工作。並根據4QAM調製信號經無線信道模型傳輸後的輸出信號對其性能進行了仿真評估。與常模盲均衡算法相比,基於模糊補償神經網路的盲均衡算法能夠顯著地提高系統收斂速度,降低剩餘誤差和誤碼率。還詳細介紹了基於Sigmoid函式的變步長算法。運用Sigmoid函式控制步長,從而顯著提高了基於模糊補償神經網路的盲均衡算法的收斂速度。*後,本文針對當前工作對基於模糊補償神經網路的盲均衡算法研究提出了幾點意見。
圖書目錄
第1章緒論(1)
1.1信道盲均衡技術的背景和意義(3)
1.1.1基於高階統計量的算法(3)
1.1.2基於二階統計量的算法(4)
1.1.3基於二階統計量的盲算法(4)
1.2信道盲均衡技術國內外研究現狀(6)
1.2.1信道盲均衡技術國外研究情況簡介(6)
1.2.2信道盲均衡技術國內研究情況簡介(8)
1.3基於常模盲均衡算法研究現狀(8)
1.4神經網路盲均衡算法研究現狀(9)
1.5基於模糊理論的均衡算法研究現狀(10)
1.6模糊神經網路、模糊補償神經網路的提出與發展(10)
1.7主要研究工作(11)
第2章盲均衡與常模盲均衡理論(13)
2.1盲均衡基本理論(13)
2.1.1均衡器的基本原理(14)
2.1.2盲均衡器的均衡準則(15)
2.1.3盲均衡算法的性能評價指標(16)
2.2常模盲均衡器設計(16)
2.3常模盲均衡算法更新公式及代價函式(17)
2.3.1代價函式設計(18)
2.3.2更新公式(19)
2.4仿真信號源(19)
2.4.1QAM調製技術(19)
2.4.2Matlab軟體的信號仿真命令(20)
2.4.3基於Matlab的QAM信號仿真(21)
2.5常模盲均衡算法性能評估(22)
2.5.1常模盲均衡算法均方誤差性能仿真(23)
2.5.2步長對常模盲均衡器收斂速度的影響(23)
2.5.3常模盲均衡算法誤碼性能仿真(25)
2.6小結(26)
第3章變步長常模盲均衡算法(27)
3.1基於箕舌線函式的變步長算法(27)
3.2基於變步長的常模盲均衡算法性能仿真(28)
3.3小結(30)
第4章改進變步長常模盲均衡算法(31)
4.1常模盲均衡算法(31)
4.2變步長常模盲均衡算法改進算法(32)
4.2.1算法提出的原因(32)
4.2.2一維約束最佳化算法(32)
4.2.3基於*優控制步長的常模盲均衡算法(33)
4.3仿真分析與套用(33)
4.4小結(34)
第5章動量常模盲均衡算法(35)
5.1動量常模盲均衡算法基礎(35)
5.1.1動量*小均方誤差算法(35)
5.1.2動量常模盲均衡算法性能仿真(36)
5.2變動量因子常模盲均衡算法(37)
5.2.1變動量因子(37)
5.2.2算法性能仿真(38)
5.3基於統計動量因子的常模盲均衡算法(40)
5.3.1變動量因子算法(40)
5.3.2算法性能仿真(41)
5.4小結(42)
第6章變步長動量常模盲均衡算法(43)
6.1變步長動量常模盲均衡算法基礎(43)
6.2算法性能仿真(43)
6.3小結(46)
第7章基於神經網路的盲均衡基礎知識(48)
7.1神經網路基礎知識(48)
7.1.1神經網路的發展(48)
7.1.2神經網路的構成與基本屬性(49)
7.1.3神經網路改進算法(49)
7.1.4基於神經網路結構的改進算法(49)
7.1.5基於神經網路運算方式的改進(50)
7.2盲均衡技術的基本理論(51)
7.2.1信道均衡初步(51)
7.2.2均衡器提出原理(51)
7.2.3均衡器工作過程(52)
7.2.4均衡器均衡效果評價(53)
7.2.5均衡器分類(53)
7.2.6盲均衡算法分類(54)
7.2.7盲均衡器係數更新算法(54)
第8章基於CFNN的盲均衡算法(56)
8.1CFNN盲均衡算法的基本原理(56)
8.2CFNN盲均衡模型(56)
8.3CFNN盲均衡算法(58)
8.4基於常模盲均衡算法的盲均衡器設計(58)
8.4.1誤差信號(59)
8.4.2抽頭係數更新(60)
8.4.3基於CFNN的盲均衡器的實現(61)
8.5算法性能評價(65)
8.6小結(67)
第9章基於變步長CFNN盲均衡算法(68)
9.1基於sigmoid函式的變步長算法(68)
9.1.1算法性能分析(68)
9.1.2參數選擇(69)
9.2算法性能評價(70)
9.3小結(72)
第10章基於BP神經網路的盲均衡算法套用研究(73)
10.1基於BP神經網路的盲均衡算法基礎(73)
10.2性能仿真及套用研究(75)
10.3算法性能仿真(75)
10.4實際套用過程中的注意事項(76)
10.5小結(77)
第11章一種通信系統盲均衡算法仿真平台(78)
11.1通信系統盲均衡算法概述(78)
11.1.1常見盲均衡算法(78)
11.1.2盲均衡算法仿真研究一般化過程(79)
11.2盲均衡算法仿真平台設計與實現(80)
11.2.1功能設計(80)
11.2.2框架結構(80)
11.3小結(83)
第12章基於BP神經網路的盲均衡器設計(84)
12.1基於BP神經網路的盲均衡算法研究(84)
12.1.1基於BP神經網路的盲均衡算法複雜度(85)
12.1.2神經網路結構改進算法套用價值評估(86)
12.1.3BP神經網路算法改進(88)
12.2基於BP神經網路的盲均衡器設計基礎(89)
12.3小結(91)
第13章方形輪廓線算法在復值BP神經網路盲均衡器中的套用研究(92)
13.1基本理論與算法(92)
13.1.1常模代價函式(92)
13.1.2方形輪廓線算法(93)
13.1.3復值神經網路(93)
13.2算法性能仿真分析(95)
13.3小結(96)
第14章代價函式及其在盲均衡器設計中的套用(98)
14.1代價函式的性質與改進算法(98)
14.1.1代價函式的性質(99)
14.1.2幾種常見的代價函式(99)
14.1.3組合改進代價函式(100)
14.2基於BP神經網路的盲均衡器代價函式的選用(101)
14.2.1基於BP神經網路的盲均衡算法(101)
14.2.2常模盲均衡算法CMA(p,q)中p值的選用(102)
14.2.3組合改進型代價函式的選用(102)
14.3小結(105)
第15章基於可調激活函式的復值BP神經網路盲均衡技術研究(106)
15.1引言(106)
15.2新型盲均衡器的模型和算法(107)
15.3模擬和討論(111)
15.3.1仿真設定(111)
15.3.2結果與討論(112)
15.4小結(113)
第16章基於BP神經網路的代價函式及其在盲均衡器設計中的套用(114)
16.1引言(114)
16.2基本理論(114)
16.3代價函式的性質(114)
16.4一些代價函式(115)
16.4.1模擬和討論(116)
16.4.2以CMA(p,2)表示的p值(116)
16.4.3改進代價函式的模擬(116)
16.5小結(117)
第17章總結與展望(118)
17.1本研究所做的工作(118)
17.2進一步研究展望(120)
附錄A“通信系統盲均衡算法仿真平台”軟體開發說明文檔(121)
A.1軟體開發說明(121)
A.2通信系統盲均衡算法仿真平台框架(122)
A.3通信系統盲均衡算法仿真平台軟體擴展(132)
參考文獻(144)
致謝(158)