遗传神经网络在水声通信盲均衡中的应用

研究在水声通信优化问题,水声信道具有空变、时变、高噪声等特性,对通信信号造成干扰。传统的神经网络算法具有良好的非线性处理能力,较适合于水声信道盲均衡处理,但存在收敛速度慢,易陷入局极小值等缺限,导致误码率较高。为了减小误码率,提高通信质量,提出一种采用遗传神经网络的水声通信盲均衡算法。首先利用遗传算法对BP神经网络的参数进行优化,解决了神经网络的缺陷,然后利用优化后的神经网络进行水声信号的盲均衡。仿真结果表明,与传统的盲均衡算法相比,遗传神经网络算法加快了水声通信盲均衡速度,降低了通信误码率,提高了水声通信质量。     

一种级联混合小波神经网络盲均衡算法

针对严重非线性失真信道,提出了一种级联混合小波神经网络自适应盲均衡器．这种均衡器在小波网 络输入层之前级联一个横向滤波器,横向滤波器的节点输出作为小波网络的输入．利用常数模代价函数分别获得横 向滤波器和小波网络的梯度信息,将两个梯度信息进行加权融合处理,可以得到混合小波网络参数调整的梯度信 息．级联混合小波网络盲均衡器实现了对非凸性误差性能曲面的线性和非线性寻优的组合．普通电话信道和非线性 信道条件下的仿真结果表明,级联混合小波网络盲均衡与前馈网络盲均衡以及传统小波网络盲均衡相比较,具有更 好的均衡性能．     

动态修正下的神经网络盲均衡算法

针对现有的神经网络算法收敛速度慢以及精确度低的问题,通过对传统的神经网络盲均衡算法以及前馈神经网络进行研究,提出一种具有自动修正效果的前馈神经网络盲均衡算法。该算法通过对算法中的代价函数以及迭代步长因子进行改进,来提高算法的收敛速度;通过对所获得的目标信号进行修正处理,来对所获取的信息进行修正。实验结果表明,该算法的实验结果与预期效果基本相符,具有可靠性强、收敛速度快的优势。     

基于模糊神经网络控制的变步长盲均衡算法

文章提出了一种新的模糊神经网络(FNN:FuzzyNeuralNetwork)控制的变步长盲均衡算法,利用模糊神经网络控制盲均衡算法的迭代步长,以得到更好的均衡性能。该文设计出模糊神经网络控制器的结构并给出状态方程,提出了新的代价函数,推导出控制器参数的迭代公式。计算机仿真表明,该算法与传统恒模(CMA:ConstantModulusAlgorithm)盲均衡算法相比,具有稳定性好的优点。     

基于模拟退火算法的盲均衡算法改进

码间干扰是水声信道通信中存在的一个主要问题,它的主要解决方法是在接收端采用盲均衡方法.HOS盲均衡算法是理论非常完备的一种盲均衡算法,由于直接使用了高阶统计量的性质,该算法抗码间干扰的能力很强,但是运算速度慢,收敛费时.为了解决这个问题,要在HOS盲均衡算法中引入模拟退火算法.模拟退火算法是一种全局优化算法,可以有效地避免算法收敛到局部解.两种算法的结合,最大程度的利用了两种算法的特性,通过对代价函数的有效求解,可以大大提高HOS盲均衡算法的收敛速度,减少码间干扰.最后经计算机仿真证明该算法在不破坏HOS盲均衡算法收敛效果的同时加快了算法的收敛速度.     

模糊神经网络分类器在盲均衡算法中的应用

提出一种基于模糊神经网络分类器的盲均衡算法,将盲信道估计与模糊神经网络分类器相结合,先对通信信道进行盲估计,然后利用卷积原理重建信号,用模糊神经网络替代原有的判决器,从而实现了盲均衡。通过仿真实验证明,该算法加快了收敛速度,减小了剩余误差,降低了误码率。     

模糊神经网络分类器在盲均衡算法中的应用

提出一种基于模糊神经网络分类器的盲均衡算法,将盲信道估计与模糊神经网络分类器相结合,先对通信信道进行盲估计,然后利用卷积原理重建信号,用模糊神经网络替代原有的判决器,从而实现了盲均衡。通过仿真实验证明,该算法加快了收敛速度,减小了剩余误差,降低了误码率。     

遗传算法优化神经网络权值盲均衡算法的研究

将遗传算法与神经网络盲均衡算法相结合,提出了两段式优化神经网络权值的方案。首先利用遗传算法全局搜索能力强的特点优化初始权值,然后发挥BP算法局部搜索速度快的特点得到最佳权值。经计算机仿真表明,该算法与传统BP神经网络盲均衡算法相比,收敛速度加快,稳态剩余误差减小,误码率降低。     

水声信道盲均衡优化仿真研究

研究水声信道盲均衡问题,由于水声受码间干扰,信号产生畸变,通信质量低.采用单一水声信道盲均衡算法寻优能力差,不能满足要求,并易获得局部最优解,导致信道盲均衡效果差.为解决上述问题,提出一种水声信道盲均衡组合算法(MPSO-ACO).首先初始化小波盲均衡器的权向量,然后采用动量粒子算法找到权向量次优解集;最后采用蚁群算法对次优解集进行局部搜索,找到小波盲均衡器的权向量最优解,从而实现水声信道盲均衡.仿真结果表明,相对于传统水声信道盲均衡算,MPSO-ACO算法不仅降低了误码率,而且加快了收敛速度,获得了更优水声信道盲均衡效果.     

一种改进的双模式遗传盲均衡算法

水声通信系统,为了消除由多径传播的码间干扰问题,主要采用常数模盲均衡算法(CMA),但存在收敛速度慢以及盲相的特点.为了克服常数模算法的缺点,提升水声通信的质量,在分析了常用的常数模盲均衡算法以及遗传盲均衡算法的优劣性后,利用指导性Cadzow定理解决了两种算法的融合问题,提出了一种改进的双模式遗传盲均衡算法.仿真结果表明该算法有效地结合了CMA算法以及遗传算法的优点,解决了CMA算法收敛速度慢的问题,提升了水声通信的质量.     

杂草算法优化神经网络盲均衡算法的研究

针对影响通信质量的码间干扰问题,提出利用杂草算法的随机性、鲁棒性、自适应性优化神经网络,为神经网络提供较好的初始权值,再与BP算法的指导性搜索思想结合起来,既能克服寻优中的盲目性进而避免局部收敛情况的发生,有效地加快收敛速度,减小剩余稳态误差,降低误码率,从而提高信道的盲均衡性能。通过计算机仿真,证明该算法具有较好的收敛性能。     

基于正交小波变换分数间隔的神经网络盲均衡算法

针对分数间隔盲均衡算法(T/4-FSE-CMA)收敛速度慢、稳态误差大的缺点,提出了一种基于正交小波变换分数间隔的神经网络盲均衡算法(T/4-FSE-WT-FNN).该算法采用四路子信道模型,以神经网络作为均衡器,同时,对均衡器的输入信号做正交小波变换并进行归一化,与基于正交小波变换的前馈神经网络盲均衡算法(WT-FN...     

基于人工免疫网络的盲均衡算法

针对传统常模盲均衡算法存在的收敛到局部极小值点问题,提出一种基于人工免疫网络的盲均衡算法,把均衡器系数向量作为抗体,经过一系列抗体克隆、变异和抑制等操作,搜索到适应度值最高的抗体,即均衡器的最优系数。仿真实验结果表明,该算法是有效的。     

遗传神经网络在动态称重中的应用

为提高称重传感器的稳态响应,加快称重速度,提出一种基于人工神经网络预测动态称重终值的方法,即在BP网络的基础上用遗传算法进行优化,通过动态在线建模预测系统稳态输出AD值,再通过加权移动平均法得出物重.试验结果表明,该方法能够改善系统动态性能,提高测量精度,解决称重速度与精度难以同时提高的矛盾.     

Legendre神经网络非线性信道均衡

在分析Chebyshev正交多项式神经网络非线性滤波器的基础上，利用Legendre正交多项式快速逼近的优良特性以及判决反馈均衡器的结构特点，提出了两种新型结构的非线性均衡器，并利用NLMS算法，推导出自适应算法．仿真表明，无论通信信道是线性还是非线性，Legendre神经网络自适应均衡器与Chebyshev神经网络均衡器的各项性能均接近，而Legendre神经网络判决反馈自适应均衡器能够更有效地消除码间干扰和非线性干扰，误码性能也得到较好的改善．     

基于非线性Volterra信道的复数神经多项式盲均衡算法

针对传统常模算法收敛速度慢、均方误差大以及传统神经网络参数多、复杂度高的问题,提出了基于非线性Volterra信道的复数神经多项式盲均衡算法(Fuzzy neural network-complex valued neural polynomial-constant modulus algorithm,FNN -CNP-CMA）。该算法包含单层神经网络和非线性处理器的复数神经多项式,模块结构简单、复杂度低。由模糊神经网络(Fuzzy neural network, FNN）设计的模糊规则控制器能有效提高步长的控制精度。仿真实验结果表明,该算法系统结构简单、复杂度低、收敛速度快且稳态误差小,较好地解决了收敛速度与均方误差之间存在的矛盾。