论文部分内容阅读
在数字通信系统中,由于信道的非理想特性而引起的码间干扰(ISI)是影响通信质量的一个主要因素。为了克服码间干扰就必须在接收端加均衡器,以补偿信道特性,正确恢复发送序列。传统的自适应均衡器需要发送训练序列,但会影响通信效率。盲均衡就是不借助训练序列,而仅仅利用接收序列本身的统计特性对信道进行均衡的一种新兴的自适应均衡技术。 本文所做的主要工作有: (1)对基于神经网络盲均衡算法的基本原理及发展进行了系统地阐述,并对目前将模糊技术与神经网络相结合的均衡算法进行了分析,提出了模糊神经网络应用于盲均衡算法中的三种方式及其原理,然后将两种不同结构的模糊神经网络应用于盲均衡算法。 (2)将两种不同结构的动态递归型模糊神经网络用于盲均衡算法,用其来代替传统的均衡器,并推导出这两种算法的迭代公式,并将这两种网络结构都扩展到了复数域内。 (3)通过计算机仿真验证,这两种新算法的收敛性能与稳态剩余误差都有了不同程度的改进。