[發(fā)明專利]一種基于NARX神經(jīng)網(wǎng)絡(luò)與塊狀反饋的信道均衡方法有效
| 申請(qǐng)?zhí)枺?/td> | 201910029487.9 | 申請(qǐng)日: | 2019-01-13 |
| 公開(kāi)(公告)號(hào): | CN109905337B | 公開(kāi)(公告)日: | 2020-07-10 |
| 發(fā)明(設(shè)計(jì))人: | 聞旭;鐘杰 | 申請(qǐng)(專利權(quán))人: | 浙江大學(xué) |
| 主分類號(hào): | H04L25/03 | 分類號(hào): | H04L25/03;G06N3/04;G06N3/08 |
| 代理公司: | 杭州求是專利事務(wù)所有限公司 33200 | 代理人: | 劉靜;邱啟旺 |
| 地址: | 310058 浙江*** | 國(guó)省代碼: | 浙江;33 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 narx 神經(jīng)網(wǎng)絡(luò) 塊狀 反饋 信道 均衡 方法 | ||
本發(fā)明公開(kāi)了一種基于NARX神經(jīng)網(wǎng)絡(luò)與塊狀反饋的信道均衡方法,該方法基于時(shí)間序列的NARX神經(jīng)網(wǎng)絡(luò)和判決反饋結(jié)構(gòu),構(gòu)建了適用于存在碼間干擾及頻率選擇性衰落信道的均衡器,利用反向傳播算法訓(xùn)練得到最優(yōu)參數(shù);使用塊狀判決輸出作為訓(xùn)練集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行再訓(xùn)練,跟蹤信道的變化;對(duì)MSE損失函數(shù)添加誤差權(quán)重,減小錯(cuò)誤均衡輸出對(duì)神經(jīng)網(wǎng)絡(luò)再訓(xùn)練的影響。本發(fā)明具有自適應(yīng)性,適用的信道環(huán)境更廣,能夠提升神經(jīng)網(wǎng)絡(luò)在時(shí)變信道的均衡性能,并且具有較低復(fù)雜度。
技術(shù)領(lǐng)域
本發(fā)明涉及通信技術(shù)領(lǐng)域,尤其涉及一種數(shù)字通信系統(tǒng)中的基于NARX神經(jīng)網(wǎng)絡(luò)與塊狀判決反饋的信道均衡方法。
背景技術(shù)
信道均衡是指為了提高衰落信道中的通信系統(tǒng)的傳輸性能而采取的一種抗衰落措施。它主要是為了消除或者是減弱寬帶通信時(shí)的多徑時(shí)延帶來(lái)的碼間串?dāng)_(Inter-symbol Interference,ISI)問(wèn)題。其機(jī)理是對(duì)信道或整個(gè)傳輸系統(tǒng)特性進(jìn)行補(bǔ)償,針對(duì)信道恒參或變參特性,數(shù)據(jù)速率大小不同,均衡有多種結(jié)構(gòu)方式,大體上分為兩大類:線性與非線性均衡。
作為傳統(tǒng)信道均衡方法的有效補(bǔ)充,基于神經(jīng)網(wǎng)絡(luò)的信道均衡方案也越來(lái)越受到重視。神經(jīng)網(wǎng)絡(luò)(Neural Network,NN)是一門重要的機(jī)器學(xué)習(xí)(Machine Learning,ML)技術(shù)。神經(jīng)網(wǎng)絡(luò)是一種模擬人腦的神經(jīng)網(wǎng)絡(luò)以期能夠?qū)崿F(xiàn)類人工智能的機(jī)器學(xué)習(xí)技術(shù)。常用于對(duì)函數(shù)進(jìn)行估計(jì)或近似及模式學(xué)習(xí)。神經(jīng)網(wǎng)絡(luò)由大量的人工神經(jīng)元聯(lián)結(jié)進(jìn)行計(jì)算。大多數(shù)情況下人工神經(jīng)網(wǎng)絡(luò)能在外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu),是一種自適應(yīng)系統(tǒng),通俗的講就是具備學(xué)習(xí)功能。近些年來(lái),基于神經(jīng)網(wǎng)絡(luò)的圖像處理、自然語(yǔ)言處理、醫(yī)學(xué)數(shù)據(jù)處理等研究方向都取得了重大的突破和成果。由于神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí)能力和強(qiáng)大的函數(shù)擬合能力,在通信領(lǐng)域該技術(shù)也有重要的應(yīng)用空間。目前基于支持向量機(jī)、自編碼器等模型技術(shù)都在通信領(lǐng)域有較多的研究。帶有外部輸入的非線性自回歸神經(jīng)網(wǎng)絡(luò)(NonlinearAutoregressive Network with Exogenous Inputs,NARX)是一種動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò),它是帶有輸出時(shí)延反饋的多層神經(jīng)網(wǎng)絡(luò)。
通信系統(tǒng)主要分為發(fā)送端、信道和接收端,根據(jù)不同的應(yīng)用場(chǎng)景,通信信道具有不同的特性,并對(duì)通信信號(hào)的傳輸造成影響。瑞利信道是模擬無(wú)線通信信道中,電磁波經(jīng)過(guò)反射折射散射等多條路徑傳播到達(dá)接收機(jī),總信號(hào)的強(qiáng)度服從瑞利分布。同時(shí)由于接收機(jī)的移動(dòng)及其他原因,信號(hào)強(qiáng)度和相位等特性又在起伏變化,稱為瑞利衰落。且瑞利信道模型下接收到的信號(hào)中不存在發(fā)射機(jī)直射到接收機(jī)的信號(hào),只有經(jīng)過(guò)信道中的障礙物反射等路徑到達(dá)接收機(jī)的信號(hào)。如果收到的信號(hào)中除了經(jīng)反射折射散射等來(lái)的信號(hào)外,還有從發(fā)射機(jī)直接到達(dá)接收機(jī)如從衛(wèi)星直接到達(dá)地面接收機(jī)的信號(hào),那么總信號(hào)的強(qiáng)度服從萊斯分布,稱為萊斯衰落信道模型。
通信系統(tǒng)中的信道模型如圖1所示,發(fā)送端的信息比特流m經(jīng)過(guò)信道編碼器編碼形成碼字,然后經(jīng)過(guò)調(diào)制器生成發(fā)送符號(hào)x,在實(shí)際系統(tǒng)中還會(huì)經(jīng)過(guò)濾波器、功率放大器等之后經(jīng)由天線或其他發(fā)送端器件將信號(hào)發(fā)送至傳輸介質(zhì)即通信信道h。經(jīng)由信道傳輸后,在接收端接收到信號(hào)y,均衡器會(huì)根據(jù)信道特征對(duì)接收信號(hào)進(jìn)行處理,最大可能地恢復(fù)原始發(fā)送信號(hào),均衡器恢復(fù)的信號(hào)記為經(jīng)由解調(diào)器后的數(shù)據(jù)流進(jìn)入到譯碼器進(jìn)行譯碼,譯碼器會(huì)去掉附加的冗余信息,并實(shí)現(xiàn)糾錯(cuò)功能,恢復(fù)出的比特流記為
發(fā)明內(nèi)容
本發(fā)明的目的是區(qū)別于傳統(tǒng)的信道均衡技術(shù),提供一種基于具有輸出時(shí)延反饋的非線性自回歸神經(jīng)網(wǎng)絡(luò)(NARX)的判決反饋信道均衡方法,均衡使用塊狀訓(xùn)練序列訓(xùn)練和塊狀判決反饋再訓(xùn)練的方案。本發(fā)明能夠利用神經(jīng)網(wǎng)絡(luò)在多徑、頻率選擇性衰落信道等復(fù)雜信道下實(shí)現(xiàn)良好的均衡效果。
本發(fā)明的目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的:一種基于NARX神經(jīng)網(wǎng)絡(luò)與塊狀反饋的信道均衡方法,該方法包括以下步驟:
(1)構(gòu)建實(shí)值NARX神經(jīng)網(wǎng)絡(luò)-判決反饋均衡器(RVNARX-DFE),具體如下:
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于浙江大學(xué),未經(jīng)浙江大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910029487.9/2.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測(cè)方法
- 基于NARX神經(jīng)網(wǎng)絡(luò)的弓網(wǎng)接觸力預(yù)測(cè)方法
- 一種基于NARX神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè)方法及裝置
- 一種熱場(chǎng)溫度-硅單晶直徑非線性時(shí)滯系統(tǒng)智能辨識(shí)方法
- 一種基于NARX的中國(guó)北方草原地區(qū)生長(zhǎng)季降雨量的預(yù)測(cè)方法
- 一種基于改進(jìn)的NARX神經(jīng)網(wǎng)絡(luò)微氣象監(jiān)測(cè)系統(tǒng)及方法
- 一種基于NARX的短期電離層預(yù)報(bào)方法及裝置
- 基于PSO-NARX的渦軸發(fā)動(dòng)機(jī)穩(wěn)態(tài)模型辨識(shí)方法
- 一種折疊平臺(tái)控制系統(tǒng)
- 一種遮光控制系統(tǒng)
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計(jì)算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計(jì)算設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲(chǔ)介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





