基于神经网络的水声多径信道均衡仿真的研究.pdfVIP

基于神经网络的水声多径信道均衡仿真研究 张刚强童峰 (厦门大学水声通信与海洋信息技术教育部重点实验室，厦门，361005) channel ASimulationonunderwateracoustic study equalization networks basedonneural Zhanggangqiang，TongFeng MarineInformation ofUnderwaterAcousticCommunicationand Laboratory Technology Key ofEducation，Xiamen，China (XiamenUniversity)，Ministry 1前言 水声通信技术是利用海水介质作为数据传输信道，声波作为数据信息载体实现的。由于海水介质的非均 匀性，声传播信道中的海底、海面的反射以及海洋中各种各样的反射体和散射体的存在，水声传输信道中 必然存在时变多径现象。多径效应的作用可看成是对水声传输信号进行了不需要的“畸变”的滤波，可应用 自适应均衡技术对接收信号进行“逆滤波”，以消除多径效应造成的码间串扰。自适应均衡器一般可分为线 性和非线性两大类。线性均衡器利用一个线性横向滤波器来对信道中码间串扰进行补偿，为了补偿信道失真， 线性均衡器在频谱零点处形成大的增益，大大提高了接收信号的附加噪声。对于水声信道常使用非线性均衡 器，常见的非线性均衡器是判决反馈均衡器(DFE)。 由于自适应均衡问题可以描述为一在观察空间的判决区域划分问题。神经网络即具有完成从R”到 R”的非线性映射的能力，因此也可用人工神经网络的方法构造非线性均衡器，如多层感知器(MLP)均 衡器和径向基函数(RBF)均衡器。 是基于无线信道，水声信道下，多径将更加明显。 本文先介绍了MLP均衡器与RBF均衡器的结构，然后用水声信道模型进行仿真实验，比较了它们在 水声多径信道中的性能。 2径向基函数神经网络均衡器 RBF的优点在于其局部作用特性以及由它构成的均衡器对权系数来说具有整体极小值。其基本结构如 卫 ．。 ．． y(”)=∑wj伊(0z(H)一q11)· i=1 式中，a，l≤f≤N——径向基函数的中心矢量：ll·l——欧几里得范数 3多层前向神经网络均衡器 二层感知器网络(只含有一个隐层)可以在输入信号空间张成任意凸形域；三层感知器网络(含有 两个隐层)可以在输入信号空间形成任意复杂的判决区域。因此用二层感知器网络即可实现自适应神经网 络均衡。多层感知器构成的自适应均衡数据传输系统结构如图2所示，其中IVlLP均衡器的结构与RBF均 衡器的结构类似，只是隐层和输出层传输函数不同。 N i=l 巳=以一n，这个误差信号就成为均衡器的控制信号。自适应算法根据输入的误差信号巳，按照一定的 算法和准则(如BP算法)，去控制和调整各权值。 4仿真实验 厦门大学科技创新项目资助(No．0050-k70013) 483 图1RBF神经网络的结构 图2基于多层感知器的自适应均衡系统 为了比较水声多径信道中线性自适应均衡器和MLP自适应均衡器、RBF{*经网络自适应均衡器的均衡 性能，我们用MATLAB语言在计算机上进行了仿真，采用的水声多径信道模型的信道冲激响应为fo．800 0．34850 RBF输入层个数为7，输出层个数为1，扩展系数为4，晟大隐层个数为250； 针对上述提出的水声多径信