[發明專利]一種基于NARX神經網絡與塊狀反饋的信道均衡方法

有效

• 申請號: 201910029487.9
• 申請日: 2019-01-13
• 公開（公告）號: CN109905337B
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 聞旭;鐘杰
• 申請（專利權）人: 浙江大學
• 主分類號: H04L25/03
• 分類號: H04L25/03;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 劉靜;邱啟旺

1.一種基于NARX神經網絡與塊狀反饋的信道均衡方法，其特征在于，該方法包括以下步驟：

(1)構建實值NARX神經網絡-判決反饋均衡器(RVNARX-DFE)，具體如下：

構建一個具有輸入層、隱藏層、輸出層及延時結構TDL和輸出反饋結構的實值NARX神經網絡，該網絡的第一層為輸入層，最后一層為輸出層，輸入輸出層之間由一個或多個隱藏層連接而成，隱藏層為全連接方式；該實值NARX神經網絡實現以下操作：

(I_out(n),Q_out(n))＝f_equalizer(I_in(n),I_in(n-1),...,I_in(n-m),Q_in(n),Q_in(n-1),...,Q_in(n-m),I_out(n-1),I_out(n-2),...,I_out(n-k),Q_out(n-1),Q_out(n-2),...,Q_out(n-k))

其中，I_in,Q_in分別為通信系統接收端接收信號的實部和虛部，I_out,Q_out分別為均衡器輸出的實部和虛部；m為輸入的抽頭延遲線(Tapped Delay Line,TDL)的最大記憶深度，k為輸出反饋的TDL的最大記憶深度；

任意隱藏層和輸出層的任一神經元的輸出表示為：

其中，為第l層的第j個神經元的輸出，q為第l層的第j個神經元總輸入個數，為該神經元的第i個輸入的權值，為該神經元的第i個輸入值，為該神經元的偏置；函數f為第l層神經元使用的激活函數；

在實值NARX神經網絡的輸出部分增加判決器，判決器輸出的實部和虛部分別延遲反饋回實值NARX神經網絡的輸入，構成完整的實值NARX神經網絡-判決反饋均衡器(RVNARX-DFE)；

(2)對步驟(1)構建好的RVNARX-DFE進行訓練，得到針對訓練集數據的最優的網絡參數；訓練過程中采用帶誤差權重的均方誤差函數MSE_ew作為損失函數：

其中，I_out(i),Q_out(i)分別為訓練集中第i個訓練符號的實部和虛部，分別為訓練過程中RVNARX-DFE實際輸出的第i個符號的實部和虛部，為訓練集中第i個訓練符號的誤差權重，N為訓練集的大小；

訓練過程中采用斷開輸出延遲反饋的開環網絡結構進行訓練，將訓練集中的目標輸出結果直接給到輸入；

(3)利用訓練好的RVNARX-DFE對新的接收數據進行均衡。

2.根據權利要求1所述的一種基于NARX神經網絡與塊狀反饋的信道均衡方法，其特征在于，實值NARX神經網絡的隱藏層的神經元采用的激活函數為雙曲正切S形函數，記為tansig函數：

該激活函數將輸入非線性地映射在[-1,1]的區間內，使得神經網絡可以任意逼近任何非線性函數。

3.根據權利要求1所述的一種基于NARX神經網絡與塊狀反饋的信道均衡方法，其特征在于，實值NARX神經網絡的輸出層的神經元采用的激活函數為線性激活函數purelin激活函數，該激活函數對輸入相加，并將結果線性映射到輸出。

4.根據權利要求1所述的一種基于NARX神經網絡與塊狀反饋的信道均衡方法，其特征在于，步驟(1)中，在對接收數據進行均衡時，將判決器輸出結果作為新的訓練集對RVNARX-DFE進行再訓練，更新網絡的參數來應對信道的變化，再訓練的訓練集使用塊狀的判決反饋數據。