[发明专利]引入小波神经网络的T/2分数间隔盲均衡方法

说明书

技术领域

发明涉及一种引入小波神经网络的T/2分数间隔盲均衡方法，属于克服水声信道多径衰落引起的码间干扰(Inter-Symbol Interference，ISI)的盲均衡技术领域。

背景技术

水下通信系统中，多径衰落和信道失真引起的码间干扰(Inter-SymbolInterference，ISI)，严重影响通信质量。减少码间干扰的有效手段就是采用均衡技术。与自适应均衡技术相比，盲均衡技术不需要周期性地发送训练序列，能节省带宽，有效地提高通信效率。均衡器参数调整的过程是一个求逆系统的过程，是一个非线性逼近问题(见文献：[1]王军锋.小波和神经网络在自适应均衡中的算法研究[D].西安：西安电子科技大学，2003)，而小波神经网络具有较强的非线性逼近能力，因此用小波神经网络设计均衡器是值得研究的课题(见文献：[2]牛晓薇，张立毅.基于PAM系统的小波神经网络盲均衡算法.太原理工大学学报，2004，30(3)：21-24)，将小波神经网络应用到盲均衡技术中，所得小波神经网络盲均衡算法(wavelet neural network blind equalization algorithm，WNN)，结构简单、易于实现，但收敛速度慢、稳态误差较大，且只适应PAM系统(见文献：[3]基于分数间隔的水声信道盲均衡算法研究[J].声学与电子工程，2005，78(2)：21-23)，实验表明分数间隔因对信道输出的过采样能够为信道均衡提供足够的分集，避免了因欠采样引起的频谱混叠，使得接收信号中含有更详细的传输信道信息，可以更有效地对失真信道进行补偿，从而提高了盲均衡算法收敛速度并降低了稳态误差。

发明内容

本发明所要解决的技术问题是针对现有技术存在的缺陷提供一种引入小波神经网络的T/2分数间隔盲均衡方法。

本发明为实现上述目的，采用如下技术方案：

本发明种引入小波神经网络的T/2分数间隔盲均衡方法，其特征在于包括如下步骤：

第一步：将以符号长度T为周期的发射信号序列a(k)经过第d个子信道得到第d个子信道的输出信号为：y(d)(k)=Σm=0Nc-1a(m)c(d)(k-m)+w(d)(k),]]>其中N_c表示波特间隔抽样的信道冲激响应长度，w(d)(k)为第d个子信道噪声，c^(d)(k)为第d个子信道冲击响应，d＝1，2，两个子信道结构相同，k为时间序列，m为自然数；

第二步：将第一步所述的第d个子信道输出信号y^(d)(k)经过第d个子小波神经网络均衡器得到第d个子小波神经网络均衡器输出信号z^(d)(k)，d＝1，2，两个子信道结构相同；

第三步：将第二步所述的二个子小波神经网络均衡器输出信号送入组合器，进行合并处理得到输出信号z(k)。

所述的引入小波神经网络的T/2分数间隔盲均衡方法，其特征在于所述小波神经网络均衡器采用嵌入式三层小波神经网络WNN，依次为输入层、隐含层和输出层，小波神经网络均衡器构成方法具体如下：