盲均衡技术在通信系统中的仿真应用研究

　　随着技术水平的发展，在现代通信系统中，数字通信取得模拟通信的趋势日益明显。数字通信系统具有许多优点，如抗干扰能力强、系统稳定性强等，但也存在着一些问题，如由于信道传递函数的非理想性、时变性和传输码元之间存在互相干扰等原因，使得信道接收端抽样值总是存在码间串扰，导致系统误差率高，判别能力下降等。为解决这些难题，提高数字通信通信系统性能，业界提出了信道均衡技术，用以克服数字通信系统中的码间串扰，其中自适应均衡技术，又称盲均衡技术，具有自适应能力强，不需要训练序列，信带利用率高等优点，成为通信技术研究的热点，在通信系统中具有重要的作用。本书首先探索了盲均衡器设计的原理、技术方法，并开展了数值仿真分析，验证了常模盲均衡算法及几种常见的改进算法的性能指标，从误码率、残差等角度，分析了算法的实际应用价值。其次在常模盲均衡算法的研究基础上，将模糊补偿神经网络将模糊理论、补偿算法引入到神经网络理论中，从而提高神经网络系统的适应性，容错性和稳定性。主要研究基于模糊补偿神经网络的盲均衡算法，并根据无线信道模型，对其仿真及应用进行分析和设计。主要介绍了基于神经网络的盲均衡算法基础，对神经网络的发展、分类及学习规则等作以简单描述，并简单介绍了神经网络理论中主要的改进方法；对数字信道均衡技术进行了简单描述，给出了均衡器的一般设计原理、分类并根据研究方向详细介绍了盲均衡器的初步知识。在研究基础理论的同时进行了盲均衡算法仿真平台的设计和框架结构的搭建，并通过对常模代价函数、方形轮廓线算法和复值神经网络的仿真分析，阐述了方形轮廓线算法及代价函数的改进算法在复值神经网络盲均衡器中的应用。着重介绍BP神经网络的盲均衡算法，分析了算法在实际应用中的性能，进行了算法性能的仿真，并给出实际应用过程中的注意事项。经过分析得出基于BP神经网络的盲均衡器收敛速度快、平均误差小、适合在高信噪比条件下工作。并根据4QAM调制信号经无线信道模型传输后的输出信号对其性能进行了仿真评估。与常模盲均衡算法相比，基于模糊补偿神经网络的盲均衡算法能够显著地提高系统收敛速度，降低剩余误差和误码率。还详细介绍了基于Sigmoid函数的变步长算法。运用Sigmoid函数控制步长，从而显著提高了基于模糊补偿神经网络的盲均衡算法的收敛速度。*后，本文针对当前工作对基于模糊补偿神经网络的盲均衡算法研究提出了几点意见。

　　赵娟，女，副教授，荆楚理工学院电子与信息工程学院电子信息工程专业教师，积极响应、落实学校和学院的办学方针、政策，致力于物联网专业的长足发展和建设。一直将“学高为师，身正为范”作为自己的座右铭，诚恳待人，虚心学习。在工作中注重实干，乐于助人，强化实践性教学，加强校企合作的教育教学改革示范区建设。积极投身教学团队建设，作为参与人申报物联网工程专业教学团队、重点实验室建设和智慧农业科研基地等。积极投身于学校转型发展，作为参与人成功获批并建设教育部—中兴通讯ICT产教融合创新基地项目、湖北省荆楚卓越人才计划项目，为物联网专业的建设和发展奠定了较好的基础。作为专职教师，主要从事通信与信息技术、电子系统设计、物联网等方向的教学与科研工作。近年来主要承担《通信原理》、《信号与系统》、《数字信号处理》、《数字电子技术》等专业课的教学工作，主持或主研各类科研项目共8项；主持或主研各类教研项目共10项； 教学质量工程项目2项；以第一（通信）作者发表学术论文30余篇，其中SCI收录1篇、核心2篇、EI收录5篇、获得教育部中南地区高等学校电子电气基础课程教学研究会优秀论文一等奖、二等奖、三等奖各1篇；编写教材五本；获得发明专利2项、实用新型专利10项、外观专利5项；获得软件著作权12个。注重大学生课外创新创业能力的提高，指导各类大学生科技创新项目20项，指导在校大学生入驻创业园4个团队，指导学生参加创新创业竞赛获*三等奖1项、省级三等奖1项，获校优质课竞赛一等奖1次、二等奖2次。

第1章绪论(1)
1.1信道盲均衡技术的背景和意义(3)
1.1.1基于高阶统计量的算法(3)
1.1.2基于二阶统计量的算法(4)
1.1.3基于二阶统计量的盲算法(4)
1.2信道盲均衡技术国内外研究现状(6)
1.2.1信道盲均衡技术国外研究情况简介(6)
1.2.2信道盲均衡技术国内研究情况简介(8)
1.3基于常模盲均衡算法研究现状(8)
1.4神经网络盲均衡算法研究现状(9)
1.5基于模糊理论的均衡算法研究现状(10)
1.6模糊神经网络、模糊补偿神经网络的提出与发展(10)
1.7主要研究工作(11)
第2章盲均衡与常模盲均衡理论(13)
2.1盲均衡基本理论(13)
2.1.1均衡器的基本原理(14)
2.1.2盲均衡器的均衡准则(15)
2.1.3盲均衡算法的性能评价指标(16)
2.2常模盲均衡器设计(16)
2.3常模盲均衡算法更新公式及代价函数(17)
2.3.1代价函数设计(18)
2.3.2更新公式(19)
2.4仿真信号源(19)
2.4.1QAM调制技术(19)
2.4.2Matlab软件的信号仿真命令(20)
2.4.3基于Matlab的QAM信号仿真(21)
2.5常模盲均衡算法性能评估(22)
2.5.1常模盲均衡算法均方误差性能仿真(23)
2.5.2步长对常模盲均衡器收敛速度的影响(23)
2.5.3常模盲均衡算法误码性能仿真(25)
2.6小结(26)
第3章变步长常模盲均衡算法(27)
3.1基于箕舌线函数的变步长算法(27)
3.2基于变步长的常模盲均衡算法性能仿真(28)
3.3小结(30)
第4章改进变步长常模盲均衡算法(31)
4.1常模盲均衡算法(31)
4.2变步长常模盲均衡算法改进算法(32)
4.2.1算法提出的原因(32)
4.2.2一维约束优化算法(32)
4.2.3基于*优控制步长的常模盲均衡算法(33)
4.3仿真分析与应用(33)
4.4小结(34)
第5章动量常模盲均衡算法(35)
5.1动量常模盲均衡算法基础(35)
5.1.1动量*小均方误差算法(35)
5.1.2动量常模盲均衡算法性能仿真(36)
5.2变动量因子常模盲均衡算法(37)
5.2.1变动量因子(37)
5.2.2算法性能仿真(38)
5.3基于统计动量因子的常模盲均衡算法(40)
5.3.1变动量因子算法(40)
5.3.2算法性能仿真(41)
5.4小结(42)
第6章变步长动量常模盲均衡算法(43)
6.1变步长动量常模盲均衡算法基础(43)
6.2算法性能仿真(43)
6.3小结(46)
第7章基于神经网络的盲均衡基础知识(48)
7.1神经网络基础知识(48)
7.1.1神经网络的发展(48)
7.1.2神经网络的构成与基本属性(49)
7.1.3神经网络改进算法(49)
7.1.4基于神经网络结构的改进算法(49)
7.1.5基于神经网络运算方式的改进(50)
7.2盲均衡技术的基本理论(51)
7.2.1信道均衡初步(51)
7.2.2均衡器提出原理(51)
7.2.3均衡器工作过程(52)
7.2.4均衡器均衡效果评价(53)
7.2.5均衡器分类(53)
7.2.6盲均衡算法分类(54)
7.2.7盲均衡器系数更新算法(54)
第8章基于CFNN的盲均衡算法(56)
8.1CFNN盲均衡算法的基本原理(56)
8.2CFNN盲均衡模型(56)
8.3CFNN盲均衡算法(58)
8.4基于常模盲均衡算法的盲均衡器设计(58)
8.4.1误差信号(59)
8.4.2抽头系数更新(60)
8.4.3基于CFNN的盲均衡器的实现(61)
8.5算法性能评价(65)
8.6小结(67)
第9章基于变步长CFNN盲均衡算法(68)
9.1基于sigmoid函数的变步长算法(68)
9.1.1算法性能分析(68)
9.1.2参数选择(69)
9.2算法性能评价(70)
9.3小结(72)
第10章基于BP神经网络的盲均衡算法应用研究(73)
10.1基于BP神经网络的盲均衡算法基础(73)
10.2性能仿真及应用研究(75)
10.3算法性能仿真(75)
10.4实际应用过程中的注意事项(76)
10.5小结(77)
第11章一种通信系统盲均衡算法仿真平台(78)
11.1通信系统盲均衡算法概述(78)
11.1.1常见盲均衡算法(78)
11.1.2盲均衡算法仿真研究一般化过程(79)
11.2盲均衡算法仿真平台设计与实现(80)
11.2.1功能设计(80)
11.2.2框架结构(80)
11.3小结(83)
第12章基于BP神经网络的盲均衡器设计(84)
12.1基于BP神经网络的盲均衡算法研究(84)
12.1.1基于BP神经网络的盲均衡算法复杂度(85)
12.1.2神经网络结构改进算法应用价值评估(86)
12.1.3BP神经网络算法改进(88)
12.2基于BP神经网络的盲均衡器设计基础(89)
12.3小结(91)
第13章方形轮廓线算法在复值BP神经网络盲均衡器中的应用研究(92)
13.1基本理论与算法(92)
13.1.1常模代价函数(92)
13.1.2方形轮廓线算法(93)
13.1.3复值神经网络(93)
13.2算法性能仿真分析(95)
13.3小结(96)
第14章代价函数及其在盲均衡器设计中的应用(98)
14.1代价函数的性质与改进算法(98)
14.1.1代价函数的性质(99)
14.1.2几种常见的代价函数(99)
14.1.3组合改进代价函数(100)
14.2基于BP神经网络的盲均衡器代价函数的选用(101)
14.2.1基于BP神经网络的盲均衡算法(101)
14.2.2常模盲均衡算法CMA(p，q)中p值的选用(102)
14.2.3组合改进型代价函数的选用(102)
14.3小结(105)
第15章基于可调激活函数的复值BP神经网络盲均衡技术研究(106)
15.1引言(106)
15.2新型盲均衡器的模型和算法(107)
15.3模拟和讨论(111)
15.3.1仿真设置(111)
15.3.2结果与讨论(112)
15.4小结(113)
第16章基于BP神经网络的代价函数及其在盲均衡器设计中的应用(114)
16.1引言(114)
16.2基本理论(114)
16.3代价函数的性质(114)
16.4一些代价函数(115)
16.4.1模拟和讨论(116)
16.4.2以CMA(p，2)表示的p值(116)
16.4.3改进代价函数的模拟(116)
16.5小结(117)
第17章总结与展望(118)
17.1本研究所做的工作(118)
17.2进一步研究展望(120)
附录A“通信系统盲均衡算法仿真平台”软件开发说明文档(121)
A.1软件开发说明(121)
A.2通信系统盲均衡算法仿真平台框架(122)
A.3通信系统盲均衡算法仿真平台软件扩展(132)
参考文献(144)
致谢(158)