Chebyshev正交多项式神经网络判决反馈均衡器.pdf

赵海全1,2张家树1 1 西南交通大学信号与信息处理四川省重点实验室成都610031 2西南交通大学峨眉校区计算机系 四川 峨眉614202 摘要：本文在分析Cheb)fshev正交多项式神经网络非线性滤波器的基础之上，利用判决反 馈均衡器的结构特点，提出了一种Chebyshev正交多项式神经网络判决反馈均衡器，并给出了 对应的自适应NLMS算法。数值仿真结果表明：本文提出的均衡器结构能够更有效的消除码 间和非线性干扰，降低信号的误码率。 关键词：非线性信道，Chebyshev正交多项式，判决反馈，均衡器 1 序言 由于神经网络具有很强的自适应性、自组织性和鲁棒性等优点，在复杂非线性系统的建 模与预测、非线性信道均衡等领域得到了广泛应用【l叫】。但现有Sigmond类型的神经网络收敛 正交多项式替代了多层传感器中的Sigmond函数，因此具有如收敛速度快、所需观察样本少 无疑是增加了计算的复杂性，造成计算速度减慢H丑”1；而改进型Chebyshev神经网络即减少 了计算复杂性，又提高了计算速度，均衡器的拓扑结构也更加简单瓯6】，但它们消除非线性失 真的能力有限。为此，本文将传统的线性信道反馈结构【．7．8】融人改进的Chebyshev神经网络【5’6j 结构中，设计了一种新型的Chebyshev神经网络判决反馈均衡器，给出了新型结构的非线性 自适应NLMS均衡算法，仿真结果：本文的均衡器能够更有效地消除码问和非线性干扰，降 低信号的误码率。 2新型Chebyshev神经网络判决反馈自适应均衡器结构及自适应 算器法描述 2．1 新型Chebyshev神经网络判决反馈自适应均衡器结构 替换神经网结构中整个隐层各个神经元的的Sigmond函数，即简化了神经网络的结构， 制较严重的符号间干扰(ISI)，具有一定的非线性，能在一定程度上消除非线性干扰p·81。为了 ·101· 发挥反馈结构良好的特性以及Chebyshev神经网络具有较强的非线性映射的特点，结合文献 【5，6】给出的改进的Chebyshev神经网络和判决反馈均衡器的结构，设计了一种新型结构的非 线性判决反馈均衡器结构，如图1所示。 图l新型结构的非线性判决反馈自适应均衡器 设发送信号为ss(k)，信道输出为玎动，随机高斯噪声为删，非线性均衡器输出为．研删， 判决输出为y化)(其中，惫=1，2，…)。图中的反馈环表示：由自适应均衡算法控制均衡器的 抽头系数，使其能够随信道条件自适应地变化。 图I中的非线性均衡器的结构为改进型的Chebyshev三层前向神经网络如图2所示。 图2 Chebyshev三层前向神经网络 设均衡器长度为n，即网络的输入神经元个数为n；隐层神经元个数为m；输出神经元个 数为1，讲U为期望信号。 2．2新型Chebyshev神经网络判决反馈自适应均衡器自适应算器法描述 令均衡器输入信号为x向量 (1) 其中M、^，2分别为前馈和反馈部分的信号延迟长度，N／+N2=n为均衡器的记}乙长度。 输入层到隐层的抽头权值可以表示为矩阵形式： W00(七) W0(。一1)(七) Wlo(k)wl(Ⅲ一1)(k) W(k)= (2) w(^一1)o@)W(^一l胁一1)@) 抽头权值；矩阵的每一列向量表示输入到第j『个隐层神经元的所有抽头权值。 则隐层输入为： net(k)=W丁(k)X(k) (3) 、隐层到输出层的抽头权值矢量为：c(七)=[co(k)cl(k)…C。一l(七)】7 (4) 输出层的输出信号为： S(七)=c(七)rP(net(k))