寬帶通信中神經(jīng)網(wǎng)絡盲均衡算法的研究

張滿毅

(中國移動通信集團山西有限公司朔州分公司，山西 朔州 036002)

隨著數(shù)字通信技術的發(fā)展，高頻、寬帶、快速成為發(fā)展趨勢，但因此而產(chǎn)生的碼間串擾成為影響通信質(zhì)量的主要因素之一。消除碼間串擾的主要方法是采用自適應均衡技術。但在傳統(tǒng)自適應均衡算法中，由于訓練序列的存在，導致信息傳輸速率降低，傳輸容量減小。如全球移動通信(GSM)系統(tǒng)中，每148 個符號中就有26 個供訓練用的符號，導致18%的容量損失［1］。所以，盲均衡技術由此而生，它是一種不需要發(fā)送端發(fā)送訓練信號，而僅僅是利用接收端接收信號自身的先驗信息來進行通信信道的均衡，使信道輸出的信號盡量逼近發(fā)送信號的新興自適應均衡技術［2］。盲均衡技術能夠有效地減小碼間串擾的影響，提高通信系統(tǒng)的質(zhì)量，是目前寬帶數(shù)字通信系統(tǒng)的核心技術之一。

神經(jīng)網(wǎng)絡作為一種新興的優(yōu)化算法，具有大規(guī)模并行、分布式存儲與處理、自組織、自適應、自學習和高度的容錯能力等特點，與盲均衡算法相結合，可以提高收斂性能，改善均衡效果。

1 神經(jīng)網(wǎng)絡盲均衡的基本原理

將神經(jīng)網(wǎng)絡應用于盲均衡算法中，能夠得到多種神經(jīng)網(wǎng)絡盲均衡算法。目前常見的結合機理有兩種:一種是將神經(jīng)網(wǎng)絡構造成濾波器、控制器和分類器，然后用于盲均衡算法，得到基于神經(jīng)網(wǎng)絡濾波器、控制器和分類器的盲均衡算法［3］;另一種是基于傳統(tǒng)代價函數(shù)的神經(jīng)網(wǎng)絡盲均衡算法和基于網(wǎng)絡能量函數(shù)的神經(jīng)網(wǎng)絡盲均衡算法。

1.1 基于神經(jīng)網(wǎng)絡濾波器的盲均衡算法

基于神經(jīng)網(wǎng)絡濾波器的盲均衡算法是在傳統(tǒng)盲均衡算法的基礎上，采用神經(jīng)網(wǎng)絡代替橫向濾波器，充分利用神經(jīng)網(wǎng)絡輸入層與隱層、隱層與輸出層間的權值調(diào)整以及非線性激活函數(shù)的選取來逼近傳輸信道，以補償信道的非線性，達到均衡的目的。其原理框圖如圖1 所示。

圖1 基于神經(jīng)網(wǎng)絡濾波器的盲均衡算法原理圖

圖中，s(n)為通信系統(tǒng)的發(fā)送信號;h(n)為離散時間傳輸信道的沖激響應;w(n)為神經(jīng)網(wǎng)絡的連接權值，包括輸入層和隱層連接權值;y(n)為經(jīng)過信道傳輸后的系統(tǒng)接收信號，同時它也是盲均衡器的輸入信號;n(n)為傳輸信道上迭加的噪聲;x(n)為經(jīng)過盲均衡器后的輸出信號為判決后的恢復信號。

1.2 基于神經(jīng)網(wǎng)絡控制器的盲均衡算法

基于神經(jīng)網(wǎng)絡控制器的盲均衡算法是將神經(jīng)網(wǎng)絡設計成控制器，用于控制傳統(tǒng)恒模盲均衡算法中的相關參數(shù)，如算法的迭代步長、神經(jīng)網(wǎng)絡盲均衡算法動量因子等參數(shù)，以改善收斂性能，提高傳輸質(zhì)量。其原理框圖如圖2 所示。

圖2 基于神經(jīng)網(wǎng)絡控制器的盲均衡算法原理圖

1.3 基于神經(jīng)網(wǎng)絡分類器的盲均衡算法

基于神經(jīng)網(wǎng)絡分類器的盲均衡算法是將神經(jīng)網(wǎng)絡設計成分類器，代替固定判決門限的判決器，用以消除固定判決門限的缺陷。其原理框圖如圖3 所示。

圖3 基于神經(jīng)網(wǎng)絡分類器的盲均衡算法原理圖

1.4 基于傳統(tǒng)代價函數(shù)的神經(jīng)網(wǎng)絡盲均衡算法

基于傳統(tǒng)代價函數(shù)的神經(jīng)網(wǎng)絡盲均衡算法原理框圖如圖1 所示。其基本原理是首先選擇一個神經(jīng)網(wǎng)絡的結構形式，然后根據(jù)所選的神經(jīng)網(wǎng)絡結構設計目標函數(shù)，并依據(jù)目標函數(shù)推導出神經(jīng)網(wǎng)絡連接權值的遞推方程，最后通過最小化目標函數(shù)來達到調(diào)整連接權值的目的。

1.5 基于網(wǎng)絡能量函數(shù)的神經(jīng)網(wǎng)絡盲均衡算法

基于網(wǎng)絡能量函數(shù)的神經(jīng)網(wǎng)絡盲均衡算法原理框圖也如圖1 所示。是將傳統(tǒng)盲均衡算法的目標函數(shù)與神經(jīng)網(wǎng)絡的能量函數(shù)進行比較，并將目標函數(shù)改造為神經(jīng)網(wǎng)絡的能量函數(shù)，再利用新的能量函數(shù)設計神經(jīng)網(wǎng)絡的狀態(tài)方程，這樣就將原有的神經(jīng)網(wǎng)絡進行了改造，能夠達到均衡的目的。

2 神經(jīng)網(wǎng)絡盲均衡的發(fā)展動態(tài)

自1991 年，Benvenuto 等［4］首次提出復值多層前饋神經(jīng)網(wǎng)絡盲均衡器以來，神經(jīng)網(wǎng)絡盲均衡算法就引起眾多學者的關注，目前已初步形成前饋神經(jīng)網(wǎng)絡盲均衡、遞歸神經(jīng)網(wǎng)絡盲均衡、小波神經(jīng)網(wǎng)絡盲均衡、進化神經(jīng)網(wǎng)絡盲均衡、模糊神經(jīng)網(wǎng)絡盲均衡等多種算法。

2.1 前饋神經(jīng)網(wǎng)絡盲均衡算法

前饋神經(jīng)網(wǎng)絡是一種由輸入層、輸出層和隱層組成的單向神經(jīng)網(wǎng)絡結構，具有結構簡單、計算量小等優(yōu)點。近年來，在傳統(tǒng)前饋神經(jīng)網(wǎng)絡盲均衡算法的基礎上，主要針對BP 算法收斂速度較慢、容易陷入局部極小點的缺陷進行改進，研究了時變步長、動量項、時變動量項等神經(jīng)網(wǎng)絡盲均衡算法［5-7］以及多隱層神經(jīng)網(wǎng)絡盲均衡算法［8］。

2.2 遞歸神經(jīng)網(wǎng)絡盲均衡算法

遞歸神經(jīng)網(wǎng)絡是一個非線性動力系統(tǒng)，具有規(guī)模小、收斂快等特點。自1994 年G.Kechriotis 等［9］成功將遞歸神經(jīng)網(wǎng)絡用于盲均衡以后，又陸續(xù)提出了其他遞歸結構神經(jīng)網(wǎng)絡盲均衡算法及其改進算法，如雙線性反饋神經(jīng)網(wǎng)絡、對角遞歸神經(jīng)網(wǎng)絡和準對角遞歸神經(jīng)網(wǎng)絡盲均衡算法等［10-12］。

2.3 小波神經(jīng)網(wǎng)絡盲均衡算法

小波神經(jīng)網(wǎng)絡是將小波理論與神經(jīng)網(wǎng)絡理論相結合的一種神經(jīng)網(wǎng)絡結構，具有較強的逼近能力和容錯能力。自1997 年Shichun He 和Zhenya He［13］將反饋小波神經(jīng)網(wǎng)絡用于非線性通信信道盲均衡以后，又將正交小波變換、正交小波包變換理論等引入神經(jīng)網(wǎng)絡盲均衡算法中［14-16］。

2.4 進化神經(jīng)網(wǎng)絡盲均衡算法

進化神經(jīng)網(wǎng)絡是進化算法與神經(jīng)網(wǎng)絡互補而成的一種新型神經(jīng)網(wǎng)絡模型，具有很強的魯棒性和適應性。2003 年，陳金召等［17］首次將遺傳算法引入盲均衡，之后，劉永［18］采用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的權值和結構，分別得到了遺傳算法優(yōu)化神經(jīng)網(wǎng)絡權值盲均衡算法和遺傳算法優(yōu)化神經(jīng)網(wǎng)絡結構的盲均衡算法。

2.5 模糊神經(jīng)網(wǎng)絡盲均衡算法

模糊神經(jīng)網(wǎng)絡是模糊信息處理技術和人工神經(jīng)網(wǎng)絡技術有機結合的一種新型神經(jīng)網(wǎng)絡模型，具有集學習、聯(lián)想、識別、自適應和模糊信息處理于一體的特點。模糊神經(jīng)網(wǎng)絡盲均衡算法主要是在傳統(tǒng)自適應模糊均衡器的基礎上，將模糊神經(jīng)網(wǎng)絡構造為濾波器、控制器和分類器，形成了三種新的模糊神經(jīng)網(wǎng)絡盲均衡算法等［19］。

3 神經(jīng)網(wǎng)絡盲均衡的研究方向

基于上述分析，神經(jīng)網(wǎng)絡盲均衡算法目前已引起廣泛關注，并取得可喜的研究進展。今后應在以下幾方面進行深入研究。

1)針對不同的神經(jīng)網(wǎng)絡結構，研究其代價函數(shù)和網(wǎng)絡激活函數(shù)的選取，以獲得運算量更小、收斂性能更好的神經(jīng)網(wǎng)絡盲均衡算法。

2)針對目前層出不窮的新興優(yōu)化算法，如粒子群算法、蟻群算法、蜂群算法等群智能算法，將其應用于神經(jīng)網(wǎng)絡的訓練之中，以優(yōu)化神經(jīng)網(wǎng)絡的初始權值和結構，提高算法收斂性能。

3)針對不同的應用背景和應用條件，研究實用的神經(jīng)網(wǎng)絡盲均衡算法。

［1］徐異凌.基于二階統(tǒng)計的盲信道辨識算法的仿真及性能比較［D］.成都:電子科技大學，2002.

［2］張立毅，白煜，李鏘，等.復數(shù)系統(tǒng)中五、二階歸一化累積量盲均衡算法的研究［J］.通信學報，2008，29(8):136－140.

［3］張立毅.神經(jīng)網(wǎng)絡盲均衡理論、算法與應用［M］.北京:清華大學出版社，2013.

［4］Benvenuto N，Mar.esi M.Nonlinear Satellite Radio Links Equalized Using Blind Neural Network［C］.Proc IEEE ICASSP Toronto，1991:1521－1524.

［5］梁啟聯(lián)，周正.基于多層神經(jīng)網(wǎng)絡的盲均衡算法［J］.北京郵電大學學報，1996，19(3):27－32.

［6］肖瑛，李振興，劉國枝，等.水聲通信中變步長神經(jīng)網(wǎng)絡盲均衡算法研究［J］.聲學技術，2005，24(3).

［7］程海青.動量項前饋神經(jīng)網(wǎng)絡恒模盲均衡算法的研究［D］.太原:太原理工大學，2006.

［8］康艷旗.基于多層前饋神經(jīng)網(wǎng)絡盲均衡算法研究［D］.太原，太原理工大學，2007.

［9］Kechriotis G，Zervas E.Using Recurrent Neural Network for Adaptive Communication Channel Equalization［J］.IEEE Transaction on Neural Network，1994，5:267－278.

［10］魯瑞.基于神經(jīng)網(wǎng)絡盲均衡算法的研究［D］.太原:太原理工大學，2003.

［11］賈楓美，程海青，張立毅.基于對角遞歸神經(jīng)網(wǎng)絡盲均衡算法的研究［J］.太原理工大學學報，2006，37(S1):33－35.

［12］賈楓美，程海青，張立毅.基于準對角遞歸神經(jīng)網(wǎng)絡盲均衡算法的研究［J］.太原理工大學學報，2007，8(4):135－137.

［13］He Shichun，He Zhenya.Blind Equalization of Nonlinear Communication Channels Using Recurrent Wavelet Neural Networks［J］.IEEE International Conference on Acousties，Speech，and Signal Processing，Munich Germany，1997，4:3305－3308.

［14］高敏，郭業(yè)才，楊超.基于正交小波變換的前饋神經(jīng)網(wǎng)絡盲均衡算法［J］.信息與電子工程，2010，8(4):401－406.

［15］郭業(yè)才，高敏，張艷萍.基于正交小波包變換的前饋神經(jīng)網(wǎng)絡盲均衡算法［J］.電子測量與儀器學報，2009，23(11):59－65.

［16］高敏，郭業(yè)才，劉振興.基于正交小波變換分數(shù)間隔的神經(jīng)網(wǎng)絡盲均衡算法［J］.數(shù)據(jù)采集與處理，2011，26(2):128－135.

［17］陳金召，鄭鵬，尤春艷.用遺傳算法求解基于高階累積量的盲均衡問題［J］.現(xiàn)代電子技術，2003，24:64－66.

［18］劉永.遺傳前饋神經(jīng)網(wǎng)絡盲均衡算法的研究［D］.太原:太原理工大學，2007.

［19］張曉琴.基于模糊神經(jīng)網(wǎng)絡盲均衡算法的研究［D］.太原:太原理工大學博士學位論文，2009.