基于人工神经网络的均衡算法在通信系统中的应用

摘要

文中研究提出了基于人工神经网络技术的Widrow-Hoff学习算法，BP学习算法，LVQ学习算法以及联想学习算法在通信中的应用。在无线通信中必须对各种信号处理过程具有很强的鲁棒性。即能在多种无意或有意的信号处理过程后产生一定的失真的情况下，仍能保持信号的准确性。同时微波在传输过程中，难以避免会受到大气、海面、地面、高大建筑物、山峰的折射和绕射等影响，导致信号衰落和失真，甚至中断。研究微波传输的特点，掌握微波传输过程中的所受到的影响进而减少信号衰落和失真，是通信技术所面临的一个重要课题。文中从人工神经网络出发，克服微波传输过程中的一系列不利影响，避免传输信号中断，降低微波信号的衰落和失真，对非线性信道的自适应均衡，特别是对存在严重码间干扰及轻微非线性失真，BP等多种神经网络自适应均衡器极具成效。本文充分发挥神经网络各自的优势，结果显示人工神经网络有良好的性能。

目录

第一章概述

1.1影响通信信号传输的主要因素

1.1.1信号衰落

1.1.2信号失真

1.1.3高的工作频段的影响

1.2常用的几种抗衰落措施

1.2.1接收分集

1.2.2组成环路自愈网

1.2.3自适应均衡技术

1.2.4人工神经网络技术

1.3本文研究的主要内容和成果

第二章几种常用自适应均衡器的比较

2.1线性均衡器

2.2判决反馈自适应均衡器

第三章基于Widrow-Hoff学习算法的均衡器

3.1简介

3.2 ADALINE网络介绍

3.3自适应均衡中的应用

3.4算法小节

第四章基于BP神经网络的均衡器

4.1算法的目的

4.2BP神经网络基础

4.3计算机仿真

4.3.1自适应的二层神经网络均衡器结构

4.3.2神经网络结构

4.3.3均衡器的BP学习算法

4.3.4训练方法

4.3.5多层神经网络均衡器的BP算法设计

4.3.6算法总结

笫五章用模式识别网络来设计均衡器

5.1一个实例

5.2简单的多层网络

5.2.1多层网络设计

5.2.2小结

5.3学习向量量化(LVQ)网络

5.3.1理论基础

5.2.2网络仿真设计

5.2.3仿真结果讨论

5.4 Hopfield网络

5.4.1介绍

5.4.2网络设计方法

5.4.3均衡器设计

5.4.4仿真结果分析

第六章结论

参考文献

致谢

论文独创性声明及论文使用授权声明