黃媛媛　歐鷗　干陽琳

摘要：隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，我們對通信網(wǎng)絡(luò)的性能和速度的要求也變得更高。由于其結(jié)構(gòu)極其復(fù)雜、用戶接入的隨機(jī)性和信元交換的不可預(yù)測性，目前寬帶網(wǎng)技術(shù)的難題在于滿足用戶的需要以及保證通訊服務(wù)質(zhì)量的同時來如何充分利用網(wǎng)絡(luò)資源。本文主要采用BP神經(jīng)網(wǎng)絡(luò)的梯度和牛頓法相結(jié)合的算法，利用其各自的優(yōu)缺點(diǎn)互補(bǔ)的特性，再結(jié)合的盲均衡算法，解決信道間的相互干擾。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò) 牛頓法 盲均衡技術(shù)

中圖分類號：U491.113 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2016）06-0025-01

Abstract：With the rapid development of computer technology，we have higher. Requirements about the performance and speed of the communication network .Because of its structure is extremely complex， unpredictability and randomness of user access cell switching， the current problem is that broadband technology to meet the needs of users and to ensure the quality of communication service ，at the same time how to make full use of network resources. This paper uses gradient and Newton Combination with BP neural network algorithm， the use of their respective advantages and disadvantages of complementary features， What is the use in blind equalization algorithm to solve the mutual interference between channels.

Key Words：Neural network；Newton method； blind equalization

目前，基于BP神經(jīng)網(wǎng)絡(luò)的盲均衡算法比其他的算法具有更低的誤碼率和信噪比。由于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時間長且有不確定性，因此不適宜單獨(dú)應(yīng)用于盲均衡技術(shù)中。牛頓法通過一種迭代求非線性方程的最優(yōu)解得來，它在學(xué)習(xí)后期收斂快且有二階收斂速度的優(yōu)勢，但牛頓法在網(wǎng)絡(luò)學(xué)習(xí)初始階段對學(xué)習(xí)初值較為敏感，也不適合單獨(dú)應(yīng)用，因此本文提出一種基于BP神經(jīng)網(wǎng)絡(luò)和牛頓法相結(jié)合的算法，利用BP神經(jīng)網(wǎng)絡(luò)算法在網(wǎng)絡(luò)學(xué)習(xí)初級階段函數(shù)調(diào)整速度快，學(xué)習(xí)后期，牛頓法的迭代算法復(fù)雜度較低，收斂較快，充分發(fā)揮兩種算法各自的優(yōu)點(diǎn)，從而解決信道的非理想特性引起的碼間干擾，從而提高通信的質(zhì)量。

前饋BP神經(jīng)網(wǎng)絡(luò)由多層非線性處理單元組成，相鄰層之間通過突觸權(quán)陣連接起來。由多個選定的發(fā)送信號作為一組數(shù)據(jù)構(gòu)成原始樣本集.經(jīng)過剔除重復(fù)或沖突的樣本等加工處理，得到最終樣本集。通過前饋BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)獲得網(wǎng)絡(luò)的學(xué)習(xí)模型.從而建立輸入到期望結(jié)果輸出的對應(yīng)關(guān)系，人為的對權(quán)系數(shù)進(jìn)行學(xué)習(xí)，使輸出的結(jié)果更大程度的趨近預(yù)期均衡值，從而很大成都提高信道的使用效率。

前饋BP神經(jīng)網(wǎng)絡(luò)中前一層的輸出作為下一層的輸入，通過對權(quán)系數(shù)進(jìn)行學(xué)習(xí)，從而調(diào)整輸出結(jié)果。設(shè)發(fā)送信號X（x），將X（x）作為網(wǎng)絡(luò)的輸入，經(jīng)過信道t，由人給定相應(yīng)場合下想要輸出的均衡信號為O（y），均衡器的長度為l，隱層的神經(jīng)元的個數(shù)為n個，調(diào)節(jié)權(quán)值為d（x）；

因?yàn)楹笃贐P神經(jīng)網(wǎng)絡(luò)的收斂速度會比較慢，通過牛頓法進(jìn)行相應(yīng)的優(yōu)化，可以提高算法的計(jì)算效率，當(dāng)下對的的任務(wù)是將BP神經(jīng)網(wǎng)絡(luò)算法作為優(yōu)化目標(biāo)函數(shù)f，求函數(shù)f的極大極小問題，可以轉(zhuǎn)化為求解函數(shù)f的導(dǎo)數(shù)f=0的問題，這樣求可以把優(yōu)化問題看成方程求解問題（f=0）。即剩下的算法優(yōu)化部分即是對牛頓法進(jìn)行求解。這次為了求解f=0的根，把f（m）的泰勒展開，展開到2階形式：這個式子是成立的，當(dāng)且僅當(dāng) Δx 無線趨近于0。此時上式等價與：求解：，得出相應(yīng)迭代公式；牛頓法利用其曲線本身的信息，比梯度下降法更容易收斂（迭代更少次數(shù)），從而簡化算法的復(fù)雜度。

結(jié)論：盲均衡技術(shù)在通信發(fā)展史上具有舉足輕重的地位，它解決了自適應(yīng)均衡技術(shù)對通信效率的影響，利用所接收到的信號序列對信道進(jìn)行均衡。隨著通信性能的要求的不斷提高，盲均衡技術(shù)越來越受到學(xué)者們的關(guān)注。而BP神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用是近年研究的重要技術(shù)之一，它具有魯棒性、學(xué)習(xí)性、非線性逼近等特性，為盲均衡技術(shù)的研究提供了嶄新的思路，但由于其本身還未完全被人們所掌握，目前仍存在訓(xùn)練復(fù)雜度較高，時間較長等缺點(diǎn)，BP神經(jīng)網(wǎng)絡(luò)本身仍有一系列問題等待解決。運(yùn)用其他算法彌補(bǔ)該算法的部分缺點(diǎn)，將會大大改進(jìn)算法的性能。BP神經(jīng)網(wǎng)絡(luò)前途廣闊，隨著問題的各個擊破，他將滲透到生活中的每個領(lǐng)域，為生活的方方面面帶來便利。

參考文獻(xiàn)

[1]焦李成.神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論[M].西安：西安電子科技大學(xué)出版社，1990.

[2]郭業(yè)才.自適應(yīng)盲均衡技術(shù)[M].合肥工業(yè)大學(xué)出版社，2007：1.

[3]馬曉宇，胡建偉.盲均衡技術(shù)的研究及發(fā)展[J].中國新通信，2009年19期.

[4]梁久禎，黃德雙，黃德雙.神經(jīng)網(wǎng)絡(luò)的一種梯度牛頓耦合算法[J].大慶石油學(xué)院學(xué)報(bào)，2001.

[5]劉子通.基于前饋神經(jīng)網(wǎng)絡(luò)的盲均衡算法研究[J].中北大學(xué)學(xué)報(bào)，2011.