[發明專利]基于復數值前向神經網絡的復信道均衡器設計方法

在審

• 申請號: 202011495746.6
• 申請日: 2020-12-17
• 公開（公告）號: CN112598106A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 黃鶴;董忠鎣
• 申請（專利權）人: 蘇州大學
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06N3/08
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 郭磊

1.一種基于復數值前向神經網絡的復信道均衡器設計方法，其特征在于，包括：采用一種可選擇搜索方向的訓練方法訓練復數值前向神經網絡，在復數值前向神經網絡訓練過程中，引入方向因子，構建出多個搜索方向，采用強Wolfe線性搜索策略確定對應搜索方向上的學習步長，并采用寬度優先搜索策略選擇合適的搜索方向和學習步長作為實際搜索方向和學習步長，從而使目標函數E(ψ)的值盡可能減少；

將訓練好的所述復數值前向神經網絡作為信道均衡器，并用于數字通信系統中，其中，所述復數值前向神經網絡的輸入為所述數字通信系統含噪聲信號v(n)的非線性信道輸出o(n)＝[o(n),o(n-1),…,o(n-k+1)]^T，所述復數值前向神經網絡的期望輸出為x(n-τ)，其中，τ為延遲單元，k為均衡器的階數。

2.如權利要求1所述的基于復數值前向神經網絡的復信道均衡器設計方法，其特征在于，具體流程為：

S1.采集用于復信道均衡器設計的復數值前向神經網絡的訓練數據；將數字通信系統中含噪聲信號v(n)的非線性信道的輸出向量o(n)＝[o(n),o(n-1),…,o(n-k+1)]^T和τ個延遲單元的非線性信道輸入x(n-τ)構建為訓練樣本對，其中k為均衡器的階數；

S2.構建一個復數值前向神經網絡，并初始化由權值和偏置構成的參數向量ψ；

S3.通過可選擇搜索方向的訓練方法訓練用于復信道均衡器設計的復數值前向神經網絡；

S4.判斷訓練方法是否滿足訓練停止條件；如果不滿足，繼續訓練；如果滿足，得到已訓練好的復數值前向神經網絡，實現復信道均衡器的設計。

3.如權利要求1所述的基于復數值前向神經網絡的復信道均衡器設計方法，其特征在于，步驟S3的具體流程為：

S3-1.為了使目標函數E(ψ)的值在每一次訓練后盡可能地減少，引入一組方向因子α_g(g＝1,2,...,G)，從而構建出多個搜索方向，并根據最優性條件，刪除使目標函數值上升的搜索方向；

S3-2.在構建搜索方向后，采用強Wolfe線性搜索策略確定搜索方向對應的學習步長。

4.如權利要求1所述的基于復數值前向神經網絡的復信道均衡器設計方法，其特征在于，在步驟S3-1中，引入一組方向因子α_g(g＝1,2,...,G)，從而構建出多個搜索方向，并根據最優性條件，刪除使目標函數值上升的搜索方向，具體實現過程如下：

假設目標函數為E(ψ)，引入方向因子α_g，則在第m次迭代時，潛在的搜索方向可以通過下式計算：

其中是在第(m-1)次迭代時保留下來的第f個搜索方向(f＝1,2,...,F)，α_g表示引入的第g個方向因子(g＝1,2,...,G)，表示利用第(m-1)次迭代時保存的第f個搜索方向計算得到的共軛系數，即

對所有的f和g，根據是否小于0，決定是否刪除搜索方向如果小于0，則刪除該搜索方向，并在后續的學習中不再保留。

5.如權利要求1所述的基于復數值前向神經網絡的復信道均衡器設計方法，其特征在于，在步驟S3-2中，采用強Wolfe線性搜索策略確定搜索方向對應的學習步長，具體實現過程如下：

確定搜索方向后，根據

和

計算搜索方向對應的學習步長；這里l₁和l₂為給定的參數。

6.如權利要求2所述的基于復數值前向神經網絡的復信道均衡器設計方法，其特征在于，步驟S3還包括S3-3.在構建的多個搜索方向和學習步長中，采用寬度優先搜索策略選擇一組使目標函數值最小的搜索方向和學習步長作為本次迭代的搜索方向和學習步長，更新復數值前向神經網絡參數向量ψ^(m)，獲得新的權值和偏置ψ^(m+1)。