基于遺傳前饋神經網絡自適應均衡算法的研究.pdf

1、隨著科技不斷進步，現代通信系統的環(huán)境越來越趨于復雜多樣化，通信中往往受信道衰落、碼間串擾、信道間干擾、同頻及鄰頻干擾等可導致信道畸變因素的影響，致使通信質量嚴重下降。而自適應均衡技術是克服碼間干擾、提高通信質量、降低誤碼率的有效方法之一。它主要通過濾波裝置對經解調后的接收信號進行濾波，達到信道均衡的目的。在實際通信系統中不存在完全線性信道，大多數信道屬于非線性模式。神經網絡是典型的非線性處理系統，具有良好的自組織、自學習性能，可大規(guī)模并

2、行處理高度復雜的非線性問題。因此在信道中利用神經網絡系統來提高均衡器效果，通信質量定會得到顯著改善。然而神經網絡只對局部尋優(yōu)有突出優(yōu)勢，當存在多個極值時，較容易陷入局部極小，無法獲得全局最優(yōu)解。遺傳算法是基于生物進化和遺傳基礎上的一種仿生學算法，擁有較強的魯棒性和全局收斂性能，適用于全局隨機搜索。
　　 本文在總結上述算法局限性的基礎上，對神經網絡和遺傳算法的結合進行了分析，將遺傳算法引入神經網絡權重及結構的優(yōu)化問題中，指出將二

3、者融合所產生的新算法能更好地實現神經網絡自適應均衡效果，并通過大量仿真實驗來驗證算法的有效性。本文所做的主要工作包括：⑴在分析總結典型的三層前饋神經網絡自適應均衡算法的基礎上，針對其存在的不足，重點對遺傳算法與神經網絡的結合方式進行研究，指出用遺傳算法優(yōu)化神經網絡權值及結構的算法思路。⑵為更好的實現自適應信道均衡，結合遺傳算法優(yōu)點，提出基于遺傳神經網絡的自適應均衡新算法，利用代價函數重新構造遺傳算法的適應度函數，同時將新算法分別用于神經