Page 86 - 《应用声学》2022年第1期

P. 86

82 2022 年 1 月

噪比逐渐增大时，信道造成的码间干扰对符号的影
4 结论
响占主导地位，神经网络方法采用多个横向输入使
得均衡过程不易陷入局部极小值，因此性能得到了本文提出了一种近似 L 0 范数约束的 BP 网络
一定的提升。均衡器，在输入端增加判决反馈项的同时，利用高斯
为验证所提算法在非线性信道下的性能，采用族函数的连续性对神经网络输入层到第二层权值
如下信道模型进行仿真 [13] ：的L 0 范数约束进行近似，然后根据不同神经元输出
2
3
y(n) = r(n) + 0.1r (n) + 0.05r (n), (14) 权值的 L 2 范数调整近似约束的大小。仿真结果显
示，本文算法较其他算法可以更快的收敛同时有更
其中，r(n)为经过线性信道后的基带接收符号。图 5
小的均方误差和更低的误码率，提升了神经网络均
为仿真结果，其中图 5(a) 为信噪比 15 dB 时，3 种算
衡器的在水声通信中的性能。
法的均方误差曲线，可以看到所提算法在收敛速度
及收敛后的稳态误差均优于传统算法；图5(b) 为不
同信噪比下的误码率曲线，可以看到在信道非线性参考文献
的影响下，相同信噪比情况时算法的性能均有所下
降，不同之处在于传统的判决反馈均衡器性能下降 [1] 罗亚松, 林景元, 胡玉铣, 等. 高阶 QAM 信号的前馈神经网
络相位修正水声信道盲均衡算法 [J]. 武汉理工大学学报 (交通
较为严重，由图中曲线可以看到，其误码率明显高于
科学与工程版), 2012, 36(6): 1221–1224.
所提算法，这也表明了神经网络均衡器在非线性信 Luo Yasong, Lin Jingyuan, Hu Yuxian, et al. Phase
道条件下的有效性。 self-amending blind equalization algorithm using feedfor-
ward neural network for high-order QAM signals in un-
1.0
derwater acoustic channels[J]. Journal of Wuhan Univer-
0.9 ͜ፒBPካข sity of Technology (Transportation Science & Engineer-
0.8 ѼхԦᯠBPካข ing), 2012, 36(6): 1221–1224.
వ஡ካข
0.7 [2] He S, He Z. Application of recurrent wavelet neural net-
0.6 works to the digital communications channel blind equal-
کவឨࣀ 0.5 ization[J]. Journal of China Institute of Communications,
1997, 18(3): 66–70.
0.4
[3] 郭业才, 郑梦含, 张珊, 等. 基于非线性 Volterra 信道的复数
0.3
神经多项式盲均衡算法 [J]. 数据采集与处理, 2017, 32(6):
0.2
1082–1088.
0.1
Guo Yecai, Zheng Menghan, Zhang Shan, et al. A non-
0
0 5000 10000 15000 linear volterra channel based complex‐valued neural poly-
ᤖ̽൓஝ nomial blind equalization algorithm[J]. Journal of Data
(a) کவឨࣀஆகజጳ
Acquisition and Processing, 2017, 32(6): 1082–1088.
10 0 [4] Chen S, Gibson G J, Cowan C F N, et al. Adaptive equal-
ization of ﬁnite non-linear channels using multilayer per-
ceptrons[J]. Signal Processing, 1990, 20(2): 107–119.
10 -1
[5] Mo S, Shafai B. Blind equalization using higher order cu-
mulants and neural network[J]. IEEE Transactions on Sig-
ឨᆊဋ 10 -2 [6] 陈敏华, 李杨, 张武雄. 基于卷积神经网络的信道均衡算法 [J].
nal Processing, 1994, 42(11): 3209–3217.
计算机应用与软件, 2017, 34(9): 257–261.
͜ፒBPካข
10 -3 ѼхԦᯠBPካข Chen Minhua, Li Yang, Zhang Wuxiong. Channel equal-
ѼхԦᯠکᛦ ization algorithm based on convolutional neural net-
వ஡ካข
work [J]. Computer Applications and Software, 2017,
10 -4
5 10 15 20 34(9): 257–261.
SNRb/dB [7] 肖瑛, 李振兴. 差异进化算法初始化的小波神经网络盲均
(b) ឨᆊဋజጳ 衡 [J]. 电路与系统学报, 2010, 15(4): 22–26.
Xiao Ying, Li Zhenxing. Blind equalization based on
图 5 非线性信道仿真结果
wavelet neural network initialized by diﬀerential evolu-
Fig. 5 Algorithm simulation results in nolinear tion algorithm[J]. Journal of Circuits and Systems, 2010,
channel 15(4): 22–26.

81 82 83 84 85 86 87 88 89 90 91