基于RBF神经网络的盲均衡算法
在移动通信中，码间干扰始终是影响通信质量的主要因素之一。均衡技术是抑制码间干扰、增强系统抗干扰能力的有效方法。盲均衡则是一种不借助训练序列，仅利用接收序列和发送序列的先验知识来恢复原信号的方法。本文主要研究RBF神经网络作为盲均衡器，基于带约束的二次规划的盲均衡算法。
本研究分为五个部分：第一章概述了人工神经网络的基础知识，由多层感知器的不足引出RBF神经网络；第二章深入研究了RBF神经网络，推导了正则化RBF网络，并在大量样本点情况下为减小计算量给出广义RBF网络；详细阐述了RBF网络三种参数即数据中心、扩展系数、权值的学习算法；第三章介绍了盲均衡及其已有算法，比如基于高阶统计量的盲均衡算法，基于二阶统计量的盲均衡算法，基于有限字符集的盲均衡算法和基于神经网络的盲均衡算法；第四章是基于RBF的盲均衡算法，介绍了基于优化代价函数思想和非监督LMS算法的RBF盲均衡算法；第五章提出一种新的RBF盲均衡算法：与有限字符集先验知识的带约束的二次规划代价函数相结合的盲均衡算法，并应用于SIMO系统，对BPSK信号盲恢复，计算机仿真结果表现出较好的性能。
移动通信;码间干扰;盲均衡算法;RBF神经网络
南京邮电大学
硕士
电路与系统
张志涌
2009
中文
TN911.5;TP183
64
2010-05-31（万方平台首次上网日期，不代表论文的发表时间）