[發明專利]模糊神經網絡控制的混合小波神經網絡盲均衡方法

有效

• 申請號: 201010267951.7
• 申請日: 2010-08-30
• 公開（公告）號: CN101924718A
• 公開（公告）日: 2010-12-22
• 發明（設計）人: 郭業才;王麗華
• 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;H04B13/02
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 許方

1.一種模糊神經網絡控制的混合小波神經網絡盲均衡方法，其特征在于包括如下步驟：

a.)將發射信號x(n)經過脈沖響應信道得到信道輸出向量b(n)，其中n為正整數，表示時間序列，下同；

b.)采用信道噪聲N(n)和步驟a所述的信道輸出向量b(n)得到盲均衡器的輸入序列：y(n)＝b(n)+N(n)；

c.)將步驟b所述的盲均衡器的輸入序列y(n)依次經過改進的混合小波神經網絡得到輸出信號

利用模糊神經網絡(FNN)來調整改進的混合小波神經網絡中神經元小波函數中平移因子和尺度因子的迭代步長，并以均方誤差E(n)＝MSE(n)與均方誤差的偏差ΔE(n)＝MSE(n)-MSE(n-1)作為模糊神經網絡控制器的輸入。

2.根據權利要求1所述的模糊神經網絡控制的混合小波神經網絡盲均衡方法，其特征在于所述改進的混合小波神經網絡的構建方法如下：

橫向濾波器構成了改進的混合小波神經網絡的線性部分，而小波神經網絡(WNN)構成了非線性部分；橫向濾波器第i個抽頭系數為c_i(n)，i＝1，2，…，m，m為小波神經網絡混合小波神經網絡(HWNN)輸入層神經元的個數，下同；改進的混合小波神經網絡輸入層第i個神經元的輸入為T_i(n)，隱層第k個神經元的輸入為u_k(n)，輸出為Q_k(n)，k＝1，2，…，p，p為HWNN隱層神經元的個數，下同；輸出層的輸入為g(n)，輸出為輸入層第i個神經元至隱層第k個神經元的連接權重為w_ik(n)，隱層第k個神經元至輸出層的連接權重為v_k(n)；

將網絡的信號、信道、權值等分解為實部和虛部兩部分，則網絡的狀態方程為

c_i(n)＝c_i，R(n)+jc_i，I(n)?????????????????????????????????????????????(1)

式中，c_i，R(n)為c_i(n)的實部，c_i，I(n)為c_i(n)的虛部，為虛數單位，下同；

????w_ik(n)＝w_ik，R(n)+jw_ik，I(n)????????????????????????????????????????????(2)

????v_k(n)＝v_k，R(n)+jv_k，I(n)???????????????????????????????????????????????(3)

????y(n)＝y_R(n)+jy_I(n)??????????????????????????????????????????????????????(4)

Ti(n)=Σt=1ict(n)y(n+1-t)=Σt=1i(ct,R(n)yR(n+1-t)-ct,I(n)yI(n+1-t))]]>

+jΣt=1i(ct,R(n)yI(n+1-t)+ci,I(n)yR(n+1-t))---(5)]]>

uk(n)=Σi=1mwik(n)Ti(n)=Σi=1m[wik,R(n)Ti,R(n)-wik,I(n)Ti,I(n)]]]>

+jΣi=1m[wik,R(n)Ti,I(n)-wik,I(n)Ti,R(n)]---(6)]]>

????Q_k(n)＝ψ_a，b(u_k，R(n))+jψ_a，b(u_k，I(n))???????????????????????????????(7)

式中，ψ_a，b(·)表示對隱層輸入信號進行小波變換，這里選擇Morlet小波母函數，則

ψa,b(uk,R(n))=|a|-12ψ(uk,R(n)-ba)=|a|-12(uk,R(n)-ba)e-12(uk,R(n)-ba)2---(8)]]>

式中，b為平移因子，a為尺度因子；將式(8)中u_k，R(n)換成u_k，I(n)就得到ψ_a，b(u_k，I(n))的表達式，小波神經網絡的輸出為：

x~2(n)=Σk=1p[vk,R(n)Qk,R(n)-vk,I(n)Qk,I(n)]+jΣk=1p[vk,R(n)Qk,I(n)+vk,I(n)Qk,R(n)]---(9)]]>

橫向濾波器的輸出為：

x~1(n)=ciT(n)y(n+1-i),i=1,2,···,m---(10)]]>

將和加權融合，得：

g(n)=αx~1(n)+βx~2(n)---(11)]]>

式中，0≤α，β≤1，為加權因子，并且滿足α+β＝1，改進的HWNN最終輸出為：

x~(n)=f(g(n))=g(n)+λsin(πg(n))---(12)]]>

式中，f(·)為輸出層的輸入和輸出之間的傳遞函數，其中λsin(πg(n))是以g(n)為自變量的非線性修正項，它使得在原信號中心點附近左右擺信號向原信號靠攏。