基于神经网络的自适应均衡器设计.pdfVIP

摘要 摘要 通信技术在现代科学技术中的重要性不断增加。自适应均衡作为一种能够显著提升通信质量的 技术，在数字通信技术中占有十分重要的地位。因此设计一种高效且性能优异的自适应均衡器具有 十分重要的意义。 本论文以神经网络与机器学习技术为基础，研究了多种基于传统结构的神经网络自适应均衡器， 采用了具有判决反馈结构的神经网络作为自适应均衡器的基本结构。判决反馈结构的均衡器性能要 优于传统的基于前馈神经网络结构的自适应均衡器。相比较递归神经网络又具有较低的计算复杂度， 适合于无线通信系统。本论文还从算法与结构的两个角度对自适应均衡器进行了改进。针对传统的 神经网络训练算法，设计了一种基于梯度下降法的改进算法。相比较于其他传统的一阶训练算法， 该改进算法收敛时的迭代次数减少50% 以上，并且相较其他一阶训练算法具有更低的稳态均方误差， 十分适合于神经网络自适应均衡器的训练。本论文还将机器学习中的集成学习方法与判决反馈神经 网络自适应均衡器相结合，设计了一种集成型判决反馈神经网络自适应均衡器。该结构的均衡器具 有更强的泛化性能与更低的均方误差，相比单一结构的均衡器，集成型结构的均衡器能够使均方误 差降低2.0dB 。 本论文对集成型判决反馈神经网络自适应均衡器进行了逻辑设计，Modelsim 仿真以及FPGA 验 证。在进行逻辑设计时，采用了合适数量基学习器的集成型判决反馈神经网络自适应均衡器。仿真 结果表明，尽管精度存在一定损失，集成型判决反馈神经网络自适应均衡器的均方误差相比单一结 构的判决反馈神经网络自适应均衡器的均方误差仍能下降约1.7dB左右。由于基学习器的数量较少， 因此硬件使用资源较少，且在均衡性能与硬件消耗上能够取得较好的平衡。 关键词：自适应均衡，判决反馈，神经网络，梯度下降算法，集成学习 I Abstract Abstract The importance of communication technology in modern science and technology continues to increase. As a kind of technology which is capable of improve communication quality apparently, adaptive equalization occupies a very important position in digital communication technology. It is quite meaningful to design a kind of adaptive equalizer which has high performance and efficiency. In this thesis, based on neural network and machine learning technology, many kinds of neural network adaptive equalizers based on traditional structure are researched, neural network with decision feedback structure is adopted as the basic structure of adaptive equalizer. The performance of the equalizer is superior to traditional adaptive equalizer based on forward neural network structure. This kind of equalizer has less computational complexity compared to recurrent neural network