張滿毅

(中國(guó)移動(dòng)通信集團(tuán)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(shù)的發(fā)展，高頻、寬帶、快速成為發(fā)展趨勢(shì)，但因此而產(chǎn)生的碼間串?dāng)_成為影響通信質(zhì)量的主要因素之一。消除碼間串?dāng)_的主要方法是采用自適應(yīng)均衡技術(shù)。但在傳統(tǒng)自適應(yīng)均衡算法中，由于訓(xùn)練序列的存在，導(dǎo)致信息傳輸速率降低，傳輸容量減小。如全球移動(dòng)通信(GSM)系統(tǒng)中，每148 個(gè)符號(hào)中就有26 個(gè)供訓(xùn)練用的符號(hào)，導(dǎo)致18%的容量損失［1］。所以，盲均衡技術(shù)由此而生，它是一種不需要發(fā)送端發(fā)送訓(xùn)練信號(hào)，而僅僅是利用接收端接收信號(hào)自身的先驗(yàn)信息來(lái)進(jìn)行通信信道的均衡，使信道輸出的信號(hào)盡量逼近發(fā)送信號(hào)的新興自適應(yīng)均衡技術(shù)［2］。盲均衡技術(shù)能夠有效地減小碼間串?dāng)_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(shù)之一。

神經(jīng)網(wǎng)絡(luò)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(chǔ)與處理、自組織、自適應(yīng)、自學(xué)習(xí)和高度的容錯(cuò)能力等特點(diǎn)，與盲均衡算法相結(jié)合，可以提高收斂性能，改善均衡效果。

1 神經(jīng)網(wǎng)絡(luò)盲均衡的基本原理

將神經(jīng)網(wǎng)絡(luò)應(yīng)用于盲均衡算法中，能夠得到多種神經(jīng)網(wǎng)絡(luò)盲均衡算法。目前常見的結(jié)合機(jī)理有兩種:一種是將神經(jīng)網(wǎng)絡(luò)構(gòu)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(luò)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(jià)函數(shù)的神經(jīng)網(wǎng)絡(luò)盲均衡算法和基于網(wǎng)絡(luò)能量函數(shù)的神經(jīng)網(wǎng)絡(luò)盲均衡算法。

1.1 基于神經(jīng)網(wǎng)絡(luò)濾波器的盲均衡算法

基于神經(jīng)網(wǎng)絡(luò)濾波器的盲均衡算法是在傳統(tǒng)盲均衡算法的基礎(chǔ)上，采用神經(jīng)網(wǎng)絡(luò)代替橫向?yàn)V波器，充分利用神經(jīng)網(wǎng)絡(luò)輸入層與隱層、隱層與輸出層間的權(quán)值調(diào)整以及非線性激活函數(shù)的選取來(lái)逼近傳輸信道，以補(bǔ)償信道的非線性，達(dá)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(luò)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(hào);h(n)為離散時(shí)間傳輸信道的沖激響應(yīng);w(n)為神經(jīng)網(wǎng)絡(luò)的連接權(quán)值，包括輸入層和隱層連接權(quán)值;y(n)為經(jīng)過(guò)信道傳輸后的系統(tǒng)接收信號(hào)，同時(shí)它也是盲均衡器的輸入信號(hào);n(n)為傳輸信道上迭加的噪聲;x(n)為經(jīng)過(guò)盲均衡器后的輸出信號(hào)為判決后的恢復(fù)信號(hào)。

1.2 基于神經(jīng)網(wǎng)絡(luò)控制器的盲均衡算法

基于神經(jīng)網(wǎng)絡(luò)控制器的盲均衡算法是將神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)成控制器，用于控制傳統(tǒng)恒模盲均衡算法中的相關(guān)參數(shù)，如算法的迭代步長(zhǎng)、神經(jīng)網(wǎng)絡(luò)盲均衡算法動(dòng)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(luò)控制器的盲均衡算法原理圖

1.3 基于神經(jīng)網(wǎng)絡(luò)分類器的盲均衡算法

基于神經(jīng)網(wǎng)絡(luò)分類器的盲均衡算法是將神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)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(luò)分類器的盲均衡算法原理圖

1.4 基于傳統(tǒng)代價(jià)函數(shù)的神經(jīng)網(wǎng)絡(luò)盲均衡算法

基于傳統(tǒng)代價(jià)函數(shù)的神經(jīng)網(wǎng)絡(luò)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(gè)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)形式，然后根據(jù)所選的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)目標(biāo)函數(shù)，并依據(jù)目標(biāo)函數(shù)推導(dǎo)出神經(jīng)網(wǎng)絡(luò)連接權(quán)值的遞推方程，最后通過(guò)最小化目標(biāo)函數(shù)來(lái)達(dá)到調(diào)整連接權(quán)值的目的。

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

基于網(wǎng)絡(luò)能量函數(shù)的神經(jīng)網(wǎng)絡(luò)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(biāo)函數(shù)與神經(jīng)網(wǎng)絡(luò)的能量函數(shù)進(jìn)行比較，并將目標(biāo)函數(shù)改造為神經(jīng)網(wǎng)絡(luò)的能量函數(shù)，再利用新的能量函數(shù)設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)的狀態(tài)方程，這樣就將原有的神經(jīng)網(wǎng)絡(luò)進(jìn)行了改造，能夠達(dá)到均衡的目的。

2 神經(jīng)網(wǎng)絡(luò)盲均衡的發(fā)展動(dòng)態(tài)

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

2.1 前饋神經(jīng)網(wǎng)絡(luò)盲均衡算法

前饋神經(jīng)網(wǎng)絡(luò)是一種由輸入層、輸出層和隱層組成的單向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，具有結(jié)構(gòu)簡(jiǎn)單、計(jì)算量小等優(yōu)點(diǎn)。近年來(lái)，在傳統(tǒng)前饋神經(jīng)網(wǎng)絡(luò)盲均衡算法的基礎(chǔ)上，主要針對(duì)BP 算法收斂速度較慢、容易陷入局部極小點(diǎn)的缺陷進(jìn)行改進(jìn)，研究了時(shí)變步長(zhǎng)、動(dòng)量項(xiàng)、時(shí)變動(dòng)量項(xiàng)等神經(jīng)網(wǎng)絡(luò)盲均衡算法［5-7］以及多隱層神經(jīng)網(wǎng)絡(luò)盲均衡算法［8］。

2.2 遞歸神經(jīng)網(wǎng)絡(luò)盲均衡算法

遞歸神經(jīng)網(wǎng)絡(luò)是一個(gè)非線性動(dòng)力系統(tǒng)，具有規(guī)模小、收斂快等特點(diǎn)。自1994 年G.Kechriotis 等［9］成功將遞歸神經(jīng)網(wǎng)絡(luò)用于盲均衡以后，又陸續(xù)提出了其他遞歸結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)盲均衡算法及其改進(jìn)算法，如雙線性反饋神經(jīng)網(wǎng)絡(luò)、對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)和準(zhǔn)對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)盲均衡算法等［10-12］。

2.3 小波神經(jīng)網(wǎng)絡(luò)盲均衡算法

小波神經(jīng)網(wǎng)絡(luò)是將小波理論與神經(jīng)網(wǎng)絡(luò)理論相結(jié)合的一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，具有較強(qiáng)的逼近能力和容錯(cuò)能力。自1997 年Shichun He 和Zhenya He［13］將反饋小波神經(jīng)網(wǎng)絡(luò)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(luò)盲均衡算法中［14-16］。

2.4 進(jìn)化神經(jīng)網(wǎng)絡(luò)盲均衡算法

進(jìn)化神經(jīng)網(wǎng)絡(luò)是進(jìn)化算法與神經(jīng)網(wǎng)絡(luò)互補(bǔ)而成的一種新型神經(jīng)網(wǎng)絡(luò)模型，具有很強(qiáng)的魯棒性和適應(yīng)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(luò)的權(quán)值和結(jié)構(gòu)，分別得到了遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值盲均衡算法和遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的盲均衡算法。

2.5 模糊神經(jīng)網(wǎng)絡(luò)盲均衡算法

模糊神經(jīng)網(wǎng)絡(luò)是模糊信息處理技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)有機(jī)結(jié)合的一種新型神經(jīng)網(wǎng)絡(luò)模型，具有集學(xué)習(xí)、聯(lián)想、識(shí)別、自適應(yīng)和模糊信息處理于一體的特點(diǎn)。模糊神經(jīng)網(wǎng)絡(luò)盲均衡算法主要是在傳統(tǒng)自適應(yīng)模糊均衡器的基礎(chǔ)上，將模糊神經(jīng)網(wǎng)絡(luò)構(gòu)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(luò)盲均衡算法等［19］。

3 神經(jīng)網(wǎng)絡(luò)盲均衡的研究方向

基于上述分析，神經(jīng)網(wǎng)絡(luò)盲均衡算法目前已引起廣泛關(guān)注，并取得可喜的研究進(jìn)展。今后應(yīng)在以下幾方面進(jìn)行深入研究。

1)針對(duì)不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，研究其代價(jià)函數(shù)和網(wǎng)絡(luò)激活函數(shù)的選取，以獲得運(yùn)算量更小、收斂性能更好的神經(jīng)網(wǎng)絡(luò)盲均衡算法。

2)針對(duì)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(yīng)用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練之中，以優(yōu)化神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和結(jié)構(gòu)，提高算法收斂性能。

3)針對(duì)不同的應(yīng)用背景和應(yīng)用條件，研究實(shí)用的神經(jīng)網(wǎng)絡(luò)盲均衡算法。

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

［2］張立毅，白煜，李鏘，等.復(fù)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(xué)報(bào)，2008，29(8):136－140.

［3］張立毅.神經(jīng)網(wǎng)絡(luò)盲均衡理論、算法與應(yīng)用［M］.北京:清華大學(xué)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?jiǎn)⒙?lián)，周正.基于多層神經(jīng)網(wǎng)絡(luò)的盲均衡算法［J］.北京郵電大學(xué)學(xué)報(bào)，1996，19(3):27－32.

［6］肖瑛，李振興，劉國(guó)枝，等.水聲通信中變步長(zhǎng)神經(jīng)網(wǎng)絡(luò)盲均衡算法研究［J］.聲學(xué)技術(shù)，2005，24(3).

［7］程海青.動(dòng)量項(xiàng)前饋神經(jīng)網(wǎng)絡(luò)恒模盲均衡算法的研究［D］.太原:太原理工大學(xué)，2006.

［8］康艷旗.基于多層前饋神經(jīng)網(wǎng)絡(luò)盲均衡算法研究［D］.太原，太原理工大學(xué)，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(luò)盲均衡算法的研究［D］.太原:太原理工大學(xué)，2003.

［11］賈楓美，程海青，張立毅.基于對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)盲均衡算法的研究［J］.太原理工大學(xué)學(xué)報(bào)，2006，37(S1):33－35.

［12］賈楓美，程海青，張立毅.基于準(zhǔn)對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)盲均衡算法的研究［J］.太原理工大學(xué)學(xué)報(bào)，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(luò)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(luò)盲均衡算法［J］.電子測(cè)量與儀器學(xué)報(bào)，2009，23(11):59－65.

［16］高敏，郭業(yè)才，劉振興.基于正交小波變換分?jǐn)?shù)間隔的神經(jīng)網(wǎng)絡(luò)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(wèn)題［J］.現(xiàn)代電子技術(shù)，2003，24:64－66.

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

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