动态目标函数下的神经网络盲均衡仿真研究

盲均衡算法中常数模(CMA)和判决引导(DD)模式适时切换可以有效提高算法收敛速度和均衡性能,但是切换时机难以选择,同时在信道突发干扰条件下无法保证算法的稳健性.为此结合CMA和DD算法代价函数构造了一种动态目标函数,目标函数随着均衡算法迭代次数进行调整,以前馈神经网络(FNN)作为盲均衡器实现信道均衡,并以移动窗剩余误差变化率为判据对目标函数进行适时重置克服信道可能的突发干扰.计算机仿真表明了算法的有效性.     

基于改进基函数的自适应动态模糊神经网络算法研究

在D-FNN算法基础上,提出了基于椭圆基函数(EBF)的广义动态模糊神经网络.该算法提出模糊ε-完备性作为高斯函数宽度的确定准则,避免初始化选择的随机性;同时,该算法不仅能对模糊规则而且能对输入变量的重要性作出评价,从而使得每个输入变量和模糊规则都可以根据误差减少率(ERR)来修正.其应用不仅可以用来建模,还可以用来抽取有意义的模糊规则以获取知识.通过与D-FNN以及其他方法的比较,可以看到GD-FNN在学习效率和性能方面具有突出的优势.最后针对实际案例进行了仿真分析,验证了该算法的有效性和高效性.     

动态T-S递归模糊神经网络及其应用

提出了动态T-S递归模糊神经网络(DTRFNN).该网络具有全局收敛特性的递归结构;采用BP算法进行网络权值的学习;并利用Lyapunov定理证明该模型具有全局收敛性,并在此基础上提出了克服局部极小的方法.最后以动态系统的辨识为例,进行实验研究,取得了很好的效果,表明DTRFNN动态模型能很好的对动态系统进行辨识.     

基于RLS-BP算法的复信道盲均衡技术

基于RLS-BP(Recursion Least Square-Back Propagation,简称RLS-BP)算法提出了一种新的应用于复信道的神经网络盲均衡算法.算法实现了对一个输入、输出和权值都为复数的网络的训练.网络的误差传递采用后向传播(Back Propagation,简称BP)结构,用RLS算法实现网络的训练,这样不仅加快了网络的收敛速度,而且使得均方误差也进一步减小.为了适应复信道,新算法采用常数模(Constant Modulus algorithm,称CMA)算法的代价函数实现算法对复信道的盲均衡.最后对线性复信道和非线性复信道的均衡进行了仿真,结果表明新算法有较快的收敛速度,且稳态均方误差较CMA算法和传统的神经网络盲均衡算法有大幅度的降低.     

单用户无线信道盲均衡算法综述

无线信道盲均衡是近年来通信信号处理领域的研究热点。简要介绍了单用户无线信道盲均衡的数学描述,综述了基于Bussgang技术、高阶统计量、二阶矩、神经网络理论、信息理论盲源分离等几种典型算法,介绍了盲均衡的发展历程、研究现状,最后提出了发展半盲均衡算法及将信息熵理应用于盲均衡算法等有价值的研究方向。     

基于神经网络的模糊综合评价方法

运用神经网络确定模糊综合评价中的权重值,使权重值更符合实际情况。采用改进的反向传播算法训练网络,逐步修正网络的连接权值,使模糊综合评价指标的权重值逐渐接近实际情况,得到较好的训练效率和效果。最后利用该方法对液压凿岩机进行性能评价,验证了该方法的正确性。     

基于模糊神经网络的动态非线性系统辨识研究

针对静态模糊神经网络对动态系统辨识精度低的特点,在5层静态模糊神经网络基础上进行了优化和改进,形成了可将暂态信息记忆于网络的动态回归层的动态模糊神经网络,来提高对动态系统的辨识能力。同时给出了参数的动态自适应学习算法。通过仿真实验,证明提出的动态模糊神经网络对动态非线性系统的辨识,可以取得较好的辨识精度,较快的网络收敛速度,为动态非线性系统的辨识提供新的思路。     

基于递归小波神经网络的非线性动态系统仿真

为提高动态递归神经网络的动态系统仿真能力，在Elman神经网络的基础上，提出动态递归小波神经网络（RWNN），给出了其动态梯度下降算法，并将其成功应用于非线性动态系统仿真．仿真算例表明，该网络具有收敛快，精度高等优点，仿真效果很好，同时具有较好的泛化性能，具有广阔的应用前景。     

一种模糊神经网络学习算法:移动小论域法

提出了一种T-s模糊神经网络在线学习算法：移动小论域法，解决非线性控制对象的在线辨识的精度和实时性问题。该算法是在前后件参数可分离的离线混合学习算法基础上，通过分析隶属函数类型及论域模糊子集划分稠必程度对辨识精度的影响后提出来的。不同于传统模糊化进程，此法使用了移动的小论域窗口在此窗口上划分较少的模糊子集技术产生网络前件模糊化参数，解决了模糊神经网络学习中精度和实时性相互制约的矛盾。仿真结果证实该算法精度高，实时性好。     

蚁群算法在盲均衡问题中的应用研究

蚁群算法是一种生物仿生算法,该算法具有正向反馈、并行计算等特点,可以有效地避免算法收敛到局部最优解。将蚁群算法用于求解盲均衡问题的恒模代价函数,提出一种基于蚁群算法的盲均衡算法,新算法加快了收敛速度,减少了码间干扰的影响,降低了误码率。计算机仿真验证了新算法的有效性。     

一种规则简化的模糊神经网络控制器

构造了一种实时模糊神经网络控制器，为解决模糊规则组合爆炸问题提供一个新方案。控制器基于T-S模糊模型，由前后件分离的网络结构实现。前件参数通过移动小论域法创建，每个变量仅在工作小论域上生成两个模糊子集，有效减少模糊规则，增强实时性；后件参数通过有ki,kp,kd修正因子的BP改进算法在线更改，控制意义明确，确保系统动态性能。仿真结果证实该控制器实时性好，控制性能优，鲁棒性强。     

BF及模糊神经网络在旋转机械故障诊断中的应用

本文对模糊神经网络用于故障诊断较传统BP(Back-Propagation)网络的优越性进行了分析,并提出了一种利用模糊神经网络进行旋转机械故障诊断的新方法。在这种方法中利用RBF(Radial Basis Function)神经网络获得隶属度函数,并简化了模糊神经网络的训练,使得新的故障诊断专家知识更易于扩充到现有的故障诊断网络中。仿真结果表明,本文方法所构建的故障诊断网络易于扩展且有良好的诊断效果。     

基于v-支持向量回归机的盲均衡算法

盲均衡可以看作模式分类问题,每一类由信源字符表的可能输出定义.由于支持向量回归机具有优良的泛化性能,提出了一种基于v-支持向量回归机的盲均衡算法,并且利用加权最小二乘方法求解v-支持向量回归机.计算机仿真结果表明提出的盲均衡算法具有计算复杂度低、适于实际应用的特点.     

基于可变分段误差函数的常数模盲均衡新算法

为了克服常数模算法（CMA）收敛速度慢,稳态误差大的缺点,提出了基于可变分段误差函数的常数模盲均衡新算法.该算法可通过调节分段点位置来改变误差函数特性,并得到适合信道均衡的具有奇对称性的误差函数,从而具有收敛速度快或稳态误差小的特点.用两径水声信道和负声速梯度水声信道对算法的性能进行仿真研究,结果表明：对于前一信道均衡,新算法的收敛速度明显快于CMA;对于后一信道均衡,新算法的稳态误差明显小于CMA.     

基于正交小波变换的奇对称误差函数盲均衡算法

针对常数模（Constant Modulus Algorithm,CMA）收敛速度慢、均方误差大的缺点,在分析基于正交小波变换的盲均衡器结构及奇对称误差函数的特性基础上,提出了一种基于正交小波变换的奇对称误差函数盲均衡算法（WT-OSE,orthogonal Wavelet Transform based Odd Symmetry Error function blind equalization algorithm）,该算法通过归一化正交小波变换来加速收敛速度,用误差函数的奇对称性以减小均方误差,利用变步长来进一步加快收敛速度。水声信道的仿真结果表明,该算法具有较快的收敛速度和较小的均方误差。

Abstract：

Aiming at the slow convergence rate and big mean square error of Constant Modulus Algorithm（CMA）,orthogonal wavelet transform based odd symmetry error function blind equalization algorithm blind equalization algorithm was proposed,on the basis of orthogonal wavelet transform based blind equalizer structure and characteristics of odd symmetry error function,the convergence rate of the proposed algorithm could be improved by normalized orthogonal wavelet transform and its mean square error could be reduced by odd symmetry of error function and the convergence rate was further improved via using the performance of variable step size.Simulation tests with underwater acoustic channel indicate that the proposed algorithm has not only faster convergence rate but also less mean square error.     

水下机器人的S型模糊神经网络控制

模糊神经网络控制已经成功应用于水下机器人运动控制中,但其运算过程和训练算法比较复杂,对嵌入式硬件要求也较高.根据带翼水下机器人的运动特性提出了S型模糊神经网络控制方法,并推导了网络权值学习算法,最后以XX水下机器人为研究对象进行了仿真实验.试验结果表明,与基于高斯型隶属函数的模糊神经网络控制器相比,在没有过多损失整体控制品质的情况下,其网络算法得到极大简化,运算速度得到了提高,反应能力增强,非常适用于对精确定位能力和运动速度要求不高,但要求高机动性的水下机器人.