学位论文 > 优秀研究生学位论文题录展示

小波嵌入神经网络盲均衡算法

作　者: 高敏
导　师: 郭业才
学　校: 安徽理工大学
专　业: 电路与系统
关键词: 盲均衡小波神经网络正交小波变换动量算法正交小波包变换空间分集分数间隔超指数迭代
分类号: TP183
类　型: 硕士论文
年　份: 2010年
下　载: 37次
引　用: 0次
阅　读: 论文下载

内容摘要

盲均衡技术无需发送训练序列就可跟踪信道变化,可有效提高数据的可靠性及传输速率。而水声通信中广泛存在的多径衰落和信道失真导致的码间干扰大大降低了水下数据的可靠性和传输速率,是高速水声通信的主要障碍。随着现代水声通信向高速、大容量的发展,针对水声通信盲均衡理论和算法进行分析和研究具有重要意义。本文以小波变换和神经网络为主要工具,对神经网络均衡器结构和盲均衡算法进行了深入的研究,主要的工作如下：1研究了前馈神经网络的盲均衡算法(1)提出基于动量项的前馈神经网络盲均衡算法。在分析水声信道特点和前馈神经网络盲均衡器的结构基础上,引入了动量算法,该算法改善传统前馈神经网络盲均衡算法的性能。(2)提出基于超指数迭代的前馈神经网络盲均衡算法。该算法充分利用SEI算法对数据白化作用的性能,加快了收敛速度,减小了均方误差,水声信道仿真结果验证了所提算法的有效性。2提出了基于正交小波变换的前馈神经网络联合盲均衡算法(1)提出基于正交小波变换的前馈神经网络盲均衡算法。该算法将正交小波变换引入神经网络均衡器,通过对输入信号进行正交小波变换和能量归一化,以降低神经网络输入信号的自相关,从而提高均衡效果,计算机仿真结果验证了该算法的良好性能。(2)提出基于正交小波变换分数间隔的神经网络盲均衡算法。该算法在分析过采样理论和分数间隔盲均衡算法的基础上,针对前馈神经网络盲均衡算法收敛速度慢、稳态误差大的缺点,充分利用两者的优点,将正交小波变换、分数间隔和神经网络相结合,能使算法的性能得到改善,水声信道仿真验证该算法的有效性。3提出了基于正交小波包变换的前馈神经网络盲均衡算法该算法利用前馈神经网络作为均衡器,对均衡器输入信号的尺度空间和小波空间进行了正交小波包分解,降低了信号的自相关性,因此将正交小波包变换与前馈神经网络盲均衡算法相结合,可以加快算法收敛速度、减小误差。与前馈神经网络盲均衡算法相比,该算法具有更快的收敛速度和更小的稳态误差,水声信道的仿真结果表明该算法的有效性。4提出了基于小波嵌入神经网络的联合盲均衡算法将神经网络的传递函数采用小波函数,利用小波的尺度因子和平移因子的迭代过程,从而调节神经网络均衡器输入层和输出层的权向量,进而优化算法的性能。(1)提出基于空间分集的小波神经网络盲均衡算法。该算法将空间分集引入小波神经网络中,利用空间分集来减少衰落的影响,从而加快算法的收敛速度的同时降低了稳态误差,稀疏水声信道仿真验证该算法的有效性。(2)提出引入小波神经网络的分数间隔盲均衡算法。该算法采用2路子信道系统模型,充分利用了小波神经网络有较强的逼近能力,以及分数间隔对均衡器接收信号具有过采样的优点,与T/2分数间隔前馈神经网络盲均衡(T/2-FSE-FNN)、小波神经网络盲均衡(WNN)两种算法相比,该算法性能最优,且针对QAM信号,该算法具有较强地载波恢复能力。

全文目录

摘要  5-7
Abstract  7-16
符号与缩写含义清单  16-17
引言  17-19
1 绪论  19-25
  1.1 背景及意义  19-20
  1.2 盲均衡技术的研究现状  20-22
  1.3 盲均衡算法性能指标  22-23
  1.4 论文结构及研究内容  23-25
2 小波神经网络与盲均衡理论基础  25-37
  2.1 小波神经网络基本理论  25-32
    2.1.1 小波变换的基本概念  25-27
    2.1.2 连续小波变换  27-29
    2.1.3 离散二进小波变换  29-30
    2.1.4 小波神经网络的发展和模型  30-32
  2.2 水声信道  32-33
  2.3 盲均衡系统的数学模型  33-35
  2.4 小结  35-37
3 基于前馈神经网络的盲均衡算法  37-51
  3.1 引入动量项的前馈神经网络盲均衡算法  37-43
    3.1.1 基于前馈神经网络的盲均衡算法  37-39
    3.1.2 加入动量项  39-40
    3.1.3 仿真试验  40-43
  3.2 基于前馈神经网络的超指数迭代盲均衡算法  43-48
    3.2.1 超指数迭代盲均衡算法  43-45
    3.2.2 基于超指数迭代的前馈神经网络盲均衡算法  45-46
    3.2.3 仿真试验  46-48
  3.3 小结  48-51
4 基于正交小波变换的前馈神经网络联合盲均衡算法  51-67
  4.1 基于正交小波变换的盲均衡结构  51-53
  4.2 基于正交小波变换的前馈神经网络盲均衡算法  53-58
    4.2.1 算法原理  53-55
    4.2.2 计算量分析  55-56
    4.2.3 仿真实验  56-58
  4.3 基于正交小波变换分数间隔的神经网络盲均衡算法  58-65
    4.3.1 分数间隔均衡器模型  58
    4.3.2 正交小波变换分数间隔的盲均衡结构  58-60
    4.3.3 正交小波变换分数间隔的神经网络盲均衡结构  60-62
    4.3.4 性能分析  62-63
    4.3.5 仿真实验  63-65
  4.4 小结  65-67
5 基于正交小波包变换的神经网络盲均衡算法  67-75
  5.1 基于正交小波包变换的前馈神经网络盲均衡结构  67-70
    5.1.1 正交小波包矩阵的矩阵表示  68-69
    5.1.2 算法描述  69-70
  5.2 计算量分析  70-71
  5.3 仿真试验  71-73
  5.4 小结  73-75
6 基于小波嵌入神经网络的盲均衡算法  75-93
  6.1 基于空间分集的小波神经网络盲均衡算法  76-83
    6.1.1 等增益空间分集均衡器  76-77
    6.1.2 小波神经网络均衡器结构  77
    6.1.3 小波神经网络引入至空间分集盲均衡算法  77-80
    6.1.4 仿真试验  80-83
  6.2 引入小波神经网络的分数间隔盲均衡算法  83-91
    6.2.1 T/2分数间隔均衡器  84-85
    6.2.2 将小波神经网络引入T/2分数间隔盲均衡算法  85-88
    6.2.3 性能分析  88
    6.2.4 仿真试验  88-91
  6.3 小结  91-93
7 结论  93-95
参考文献  95-101
致谢  101-103
作者简介及读研期间主要科研成果  103

小波嵌入神经网络盲均衡算法

内容摘要

全文目录

相似论文