[發明專利]基于徑向基函數的模糊神經網絡盲均衡方法

有效

• 申請號: 200910026611.2
• 申請日: 2009-05-05
• 公開（公告）號: CN101547172A
• 公開（公告）日: 2009-09-30
• 發明（設計）人: 郭業才;劉振興
• 申請（專利權）人: 南京信息工程大學
• 主分類號: H04L25/03
• 分類號: H04L25/03;H04L25/02
• 代理公司: 南京經緯專利商標代理有限公司
• 代理人: 許 方

1.一種基于徑向基函數的模糊神經網絡盲均衡方法，其特征在于如下步驟：

第一步：將獨立、等概率取值為{±1}的發射信號a(n)經過脈沖響應信道得到信道輸出向量x(n)，其中n為正整數表示時間序列，下同；

第二步：采用信道噪聲w(n)和第一步所述的信道輸出向量x(n)得到盲均衡器的輸入序列：y(n)＝x(n)+w(n)；

第三步：采用模糊C-均值聚類算法將第二步所述的盲均衡器的輸入序列y(n)以不同的隸屬度值劃分到徑向基函數RBF網絡的各中心節點c_i(n)，1≤i≤I，I為RBF網絡隱含層節點的個數，c_i(n)表示RBF網絡的第i個中心節點；

第四步：由第三步得到的RBF網絡中心節點c_i(n)和第二步的均衡器輸入序列y(n)，得到盲均衡器的輸出信號：其中f_i(n)為RBF網絡輸出層的第i個權系數，σ為高斯函數的寬度，exp(·)為以e為底的指數函數，||·||表示輸入空間的歐氏范數，下同；

第五步：將第四步所述的盲均衡器輸出信號z(n)經過判決器得到發射信號a(n)的估計?其中?sign(·)為符號函數，下同；

第三步所述的RBF網絡的中心節點c_i(n)的求取包括如下步驟：

1.)初始化聚類中心{c₁，…，c_i，…，c_I}；

2.)根據步驟1.)的初始化聚類中心值計算隸屬度矩陣U＝{u_ij}

式中，d_ij＝||x_j-c_i||表示第j個數據點x_j與第i個中心向量c_i之間的距離，1≤j≤N，N為發送數據的個數，u_ij表示第j個數據點x_j屬于第i個中心向量c_i的隸屬度，m∈[1，∞]為加權指數；

3.)根據步驟2.)的隸屬度值u_ij更新中心向量c_i：?

返回到步驟2.)；

第四步所述的RBF網絡輸出層的權系數f_i(n)的求取包括如下步驟：

4.)結合第四步所述的盲均衡器輸出信號z(n)與發射信號a(n)的常數模R設計誤差信號：e(n)＝Rsign(z(n))-z(n)，其中R＝E[|a(n)|²]/E[|a(n)|]；

5.)將步驟4.)所述的誤差信號e(n)的代價函數J(n)對RBF網絡輸出層權系數f_i(n)求梯度，得到f_i(n)的迭代公式：?其中μ_f為迭代步長。?