复值信道均衡器的设计方法技术

本发明专利技术公开了一种复值信道均衡器的设计方法，包括：首先采用复值神经网络构建信道均衡器，所述复值信道均衡器应用在数字通信系统；从所述数字通信系统的非线性信道中采集相关的输入y(n)＝[y(n),y(n

【技术实现步骤摘要】
复值信道均衡器的设计方法


[0001]本专利技术涉及通信、人工智能领域，具体涉及一种复值信道均衡器的设计方法。

技术介绍

[0002]在信号处理领域中，高速通信信道常常会因为码间串扰和外部噪声而发生损坏。信道均衡是一种有效解决这一问题的抗衰弱措施。信道均衡器通过从观测信道输出的信号来重新恢复信道发送的数据，从而消除码间串扰和噪声干扰。它主要是为了消除宽带通信时的多径时延带来的码间串扰问题，其基本原理是对信道或这个传输系统的特性进行补偿。

技术实现思路

[0003]本专利技术要解决的技术问题是提供一种复值信道均衡器的设计方法，使用多层前向复值神经网络构建一种复值信道均衡器，并设计自适应复值L-BFGS算法用于实现复值神经网络的高效学习，最终实现信道均衡的目的。
[0004]为了解决上述技术问题，本专利技术提供了一种复值信道均衡器的设计方法，包括：
[0005]首先采用复值神经网络构建复值信道均衡器，所述复值信道均衡器应用在数字通信系统；从所述数字通信系统的非线性信道中采集相关的输入y(n)＝[y(n),y(n-1),
…
,y(n-m+1)]T
作为复值神经网络的输入，s(n-τ)作为期望输出，通过均方误差构建损失函数J(z,z
*
)；对损失函数J(z,z
*
)进行优化，从而得到合适的复值神经网络模型，最终使用该复值神经网络实现信道均衡。
[0006]在其中一个实施例中，所述数字通信系统中，复数值数字序列为s(n)，信道阶数为h，信道映射为f(
·
)，无噪声时信道输出为加性噪声为v(n)，实际信道输出y(n)为无噪声时信道输出和加性噪声的叠加结果，同时也为均衡器的输入数据，均衡器的阶数为m，均衡器的决策延迟时间为τ；信道的状态ns为有限字符集经过信道传输后产生的数据集，其大小由均衡器阶数和信道阶数决定；发送信号的调制阶数为M；信道的传输函数为
[0007][0008]则信道状态数ns由下式确定：
[0009]ns＝M
h+m
[0010]那么，输入序列s(n)＝[s(n),
…
,s(n-m+1-h)]T
就有ns个状态，经过无噪信道传输后，期望的信道输出也是ns个状态；
[0011]均衡器是根据加入噪声后的信道输出观测向量y(n)＝[y(n),y(n-1),
…
,y(n-m+1)]T
来重新构建发送端传输的序列，这里y(n)＝[y(n),y(n-1),
…
,y(n-m+1)]T
是畸变信号的m个延迟，m为均衡器的阶数。
[0012]在其中一个实施例中，“对损失函数J(z,z
*
)进行优化”，具体方法如下：使用复值L-BFGS算法对损失函数J(z,z
*
)进行优化，通过计算和比较沿特定方向的拟牛顿矩阵的逆
矩阵与真实海塞矩阵的逆矩阵之间的近似程度，从中选择近似程度最好时所对应的记忆尺度值为当前迭代的最优记忆尺度。
[0013]在其中一个实施例中，“在复值L-BFGS算法中，通过计算和比较沿特定方向的拟牛顿矩阵的逆矩阵与真实海塞矩阵的逆矩阵之间的近似程度，从中选择近似程度最好时所对应的记忆尺度值为当前迭代的最优记忆尺度”，具体实现过程如下：
[0014]根据损失函数J(z,z
*
)，分别计算)，分别计算和其中
[0015]利用和分别计算多步拟牛顿公式中的
[0016]根据公式
[0017][0018]计算矩阵该矩阵将被用于刻画拟牛顿矩阵的逆矩阵与海塞矩阵的逆矩阵之间的近似程度；这里，上标
H
表示共轭转置，
[0019][0020][0021][0022]给定一个上界M，根据公式分别计算m＝1,2,
…
,M时与真实海塞矩阵的逆矩阵之间的近似程度；
[0023]根据上述计算的e
m
，选择使得e
m
最小时相对应的m值作为复值L-BFGS算法的最优记忆尺度m
*
；
[0024]当最优记忆尺度确定后，计算当前迭代时的搜索方向，具体通过
[0025][0026]计算搜索方向然后，根据线性搜索条件
[0027][0028][0029]计算步长，其中，常数k1在(0,0.5)之间取值，k2在(k1,1)之间取值；从而得到参数更新公式
[0030]在其中一个实施例中，“根据前几步迭代过程中最优记忆尺度的变化趋势，合理地改变M的值”，具体过程为：
[0031]给定窗口大小W，根据公式计算当前迭代时记忆尺度的预测值其中表示t时刻的最优记忆尺度；
[0032]给定常数c1和c2，如果则M＝M-1；如果则M＝M+1；否则，M保持不变。
[0033]在其中一个实施例中，在多个方向进行叠加的形式设计新的搜索方向，在第t次迭代时，选择多个记忆尺度，从而通过计算得到多个方向，然后将这些方向进行叠加得到当前迭代时的搜索方向。
[0034]在其中一个实施例中，“在多个方向进行叠加的形式设计新的搜索方向，在第t次迭代时，选择多个记忆尺度，从而通过计算得到多个方向，然后将这些方向进行叠加得到当前迭代时的搜索方向”，具体过程为：
[0035]给定正整数K，根据第w次迭代中选择的K个记忆尺度计算其平均记忆尺度
[0036]利用前W次迭代中记忆尺度的平均值计算当前迭代记忆尺度的预测值
[0037][0038]根据预测值，利用前述的自适应调整方法修正M；
[0039]根据修正的M，计算得到第t次迭代的K个记忆尺度，从而得到K个方向，将这些方向进行叠加得到当前迭代时的搜索方向。
[0040]基于同样的专利技术构思，本申请还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述方法的步骤。
[0041]基于同样的专利技术构思，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项所述方法的步骤。
[0042]基于同样的专利技术构思，本申请还提供一种处理器，所述处理器用于运行程序，其
中，所述程序运行时执行任一项所述的方法。
[0043]本专利技术的有益效果：
[0044]本专利技术提出使用多层前向复值神经网络构建一种复值信道均衡器，并设计自适应复值L-BFGS算法用于实现复值神经网络的高效学习，最终实现信道均衡的目的。对于设计的前向复值神经网络，首先通过前向传播和反向传播计算和采用前述方法计算得到合理的M和最优的记忆尺度m
*
，利用Wirtinger微分计算前向复值神经网络的权值和偏置的调整量，利用线性搜索方法得到步长，最后实现多层前向复值神经网络的高效学习，形成最终的信道均衡器。
附图说明
[0045]图1是本专利技术复本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复值信道均衡器的设计方法，其特征在于，包括：首先采用复值神经网络构建复值信道均衡器，所述复值信道均衡器应用在数字通信系统；从所述数字通信系统的非线性信道中采集相关的输入y(n)＝[y(n),y(n-1),
…
,y(n-m+1)]
T
作为复值神经网络的输入，s(n-τ)作为期望输出，通过均方误差构建损失函数J(z,z
*
)；对损失函数J(z,z
*
)进行优化，从而得到合适的复值神经网络模型，最终使用该复值神经网络实现信道均衡。2.如权利要求1所述的复值信道均衡器的设计方法，其特征在于，所述数字通信系统中，复数值数字序列为s(n)，信道阶数为h，信道映射为f(
·
)，无噪声时信道输出为加性噪声为v(n)，实际信道输出y(n)为无噪声时信道输出和加性噪声的叠加结果，同时也为均衡器的输入数据，均衡器的阶数为m，均衡器的决策延迟时间为τ；信道的状态ns为有限字符集经过信道传输后产生的数据集，其大小由均衡器阶数和信道阶数决定；发送信号的调制阶数为M；信道的传输函数为则信道状态数ns由下式确定：ns＝M
h+m
那么，输入序列s(n)＝[s(n),
…
,s(n-m+1-h)]
T
就有ns个状态，经过无噪信道传输后，期望的信道输出也是ns个状态；均衡器是根据加入噪声后的信道输出观测向量y(n)＝[y(n),y(n-1),
…
,y(n-m+1)]
T
来重新构建发送端传输的序列，这里y(n)＝[y(n),y(n-1),
…
,y(n-m+1)]
T
是畸变信号的m个延迟，m为均衡器的阶数。3.如权利要求1所述的复值信道均衡器的设计方法，其特征在于，“对损失函数J(z,z
*
)进行优化”，具体方法如下：使用复值L-BFGS算法对损失函数J(z,z
*
)进行优化，在复值L-BFGS算法中，通过计算和比较沿特定方向的拟牛顿矩阵的逆矩阵与真实海塞矩阵的逆矩阵之间的近似程度，从中选择近似程度最好时所对应的记忆尺度值为当前迭代的最优记忆尺度。4.如权利要求3所述的复值信道均衡器的设计方法，其特征在于，“在复值L-BFGS算法中，通过计算和比较沿特定方向的拟牛顿矩阵的逆矩阵与真实海塞矩阵的逆矩阵之间的近似程度，从中选择近似程度最好时所对应的记忆尺度值为当前迭代的最优记忆尺度”，具体实现过...

【专利技术属性】
技术研发人员：黄鹤，张永亮，沈纲祥，
申请(专利权)人：苏州大学，
类型：发明
国别省市：