基于BP神經網絡、牛頓法的組合盲均衡技術

黃媛媛　歐鷗　干陽琳

摘要：隨著計算機技術的迅速發展，我們對通信網絡的性能和速度的要求也變得更高。由于其結構極其復雜、用戶接入的隨機性和信元交換的不可預測性，目前寬帶網技術的難題在于滿足用戶的需要以及保證通訊服務質量的同時來如何充分利用網絡資源。本文主要采用BP神經網絡的梯度和牛頓法相結合的算法，利用其各自的優缺點互補的特性，再結合的盲均衡算法，解決信道間的相互干擾。

關鍵詞：BP神經網絡 牛頓法 盲均衡技術

中圖分類號：U491.113 文獻標識碼：A 文章編號：1007-9416（2016）06-0025-01

Abstract：With the rapid development of computer technology，we have higher. Requirements about the performance and speed of the communication network .Because of its structure is extremely complex， unpredictability and randomness of user access cell switching， the current problem is that broadband technology to meet the needs of users and to ensure the quality of communication service ，at the same time how to make full use of network resources. This paper uses gradient and Newton Combination with BP neural network algorithm， the use of their respective advantages and disadvantages of complementary features， What is the use in blind equalization algorithm to solve the mutual interference between channels.

Key Words：Neural network；Newton method； blind equalization

目前，基于BP神經網絡的盲均衡算法比其他的算法具有更低的誤碼率和信噪比。由于BP神經網絡的訓練時間長且有不確定性，因此不適宜單獨應用于盲均衡技術中。牛頓法通過一種迭代求非線性方程的最優解得來，它在學習后期收斂快且有二階收斂速度的優勢，但牛頓法在網絡學習初始階段對學習初值較為敏感，也不適合單獨應用，因此本文提出一種基于BP神經網絡和牛頓法相結合的算法，利用BP神經網絡算法在網絡學習初級階段函數調整速度快，學習后期，牛頓法的迭代算法復雜度較低，收斂較快，充分發揮兩種算法各自的優點，從而解決信道的非理想特性引起的碼間干擾，從而提高通信的質量。

前饋BP神經網絡由多層非線性處理單元組成，相鄰層之間通過突觸權陣連接起來。由多個選定的發送信號作為一組數據構成原始樣本集.經過剔除重復或沖突的樣本等加工處理，得到最終樣本集。通過前饋BP神經網絡學習獲得網絡的學習模型.從而建立輸入到期望結果輸出的對應關系，人為的對權系數進行學習，使輸出的結果更大程度的趨近預期均衡值，從而很大成都提高信道的使用效率。

前饋BP神經網絡中前一層的輸出作為下一層的輸入，通過對權系數進行學習，從而調整輸出結果。設發送信號X（x），將X（x）作為網絡的輸入，經過信道t，由人給定相應場合下想要輸出的均衡信號為O（y），均衡器的長度為l，隱層的神經元的個數為n個，調節權值為d（x）；

因為后期BP神經網絡的收斂速度會比較慢，通過牛頓法進行相應的優化，可以提高算法的計算效率，當下對的的任務是將BP神經網絡算法作為優化目標函數f，求函數f的極大極小問題，可以轉化為求解函數f的導數f=0的問題，這樣求可以把優化問題看成方程求解問題（f=0）。即剩下的算法優化部分即是對牛頓法進行求解。這次為了求解f=0的根，把f（m）的泰勒展開，展開到2階形式：這個式子是成立的，當且僅當 Δx 無線趨近于0。此時上式等價與：求解：，得出相應迭代公式；牛頓法利用其曲線本身的信息，比梯度下降法更容易收斂（迭代更少次數），從而簡化算法的復雜度。

結論：盲均衡技術在通信發展史上具有舉足輕重的地位，它解決了自適應均衡技術對通信效率的影響，利用所接收到的信號序列對信道進行均衡。隨著通信性能的要求的不斷提高，盲均衡技術越來越受到學者們的關注。而BP神經網絡算法的應用是近年研究的重要技術之一，它具有魯棒性、學習性、非線性逼近等特性，為盲均衡技術的研究提供了嶄新的思路，但由于其本身還未完全被人們所掌握，目前仍存在訓練復雜度較高，時間較長等缺點，BP神經網絡本身仍有一系列問題等待解決。運用其他算法彌補該算法的部分缺點，將會大大改進算法的性能。BP神經網絡前途廣闊，隨著問題的各個擊破，他將滲透到生活中的每個領域，為生活的方方面面帶來便利。

參考文獻

[1]焦李成.神經網絡系統理論[M].西安：西安電子科技大學出版社，1990.

[2]郭業才.自適應盲均衡技術[M].合肥工業大學出版社，2007：1.

[3]馬曉宇，胡建偉.盲均衡技術的研究及發展[J].中國新通信，2009年19期.

[4]梁久禎，黃德雙，黃德雙.神經網絡的一種梯度牛頓耦合算法[J].大慶石油學院學報，2001.

[5]劉子通.基于前饋神經網絡的盲均衡算法研究[J].中北大學學報，2011.