董玉华，张俊星

(大连民族学院信息与通信工程学院，辽宁大连 116605)

修正的解相关前馈神经网络盲均衡算法研究

董玉华，张俊星

(大连民族学院信息与通信工程学院，辽宁大连 116605)

针对基于传统梯度下降算法的前馈神经网络盲均衡在输入线性相关条件下收敛速度慢的问题，提出了一种修正解相关前馈神经网络盲均衡改进算法。对接收观测数据进行解相关处理，使梯度方向保持正交，同时，设定判断阈值，如果前馈神经网络输入相关系数大于阈值，说明输入向量强相关，保持梯度更新大小和方向不变，以克服强相关输入条件下解相关算法收敛停滞的问题。计算机仿真结果表明，文中提出的算法与基于直接梯度下降算法和传统解相关前馈神经网络盲均衡算法相比具有更快的收敛速度，有效提高了均衡性能。

前馈神经网络;盲均衡;解相关;梯度下降算法

盲均衡具有不需要训练序列即可实现对信道的跟踪和补偿，消除由于信道多径时变特性在接收端引起的码间干扰的优点［1］，并可防止均衡器失锁，近年来得到了众多专家和学者的关注，在理论和算法研究上取得了大量成果。而以神经网络盲均衡为代表的非线性信道盲均衡算法，可有效解决最小相位信道、非最小相位信道包括非线性信道的均衡问题，具有更好的理论研究意义和工程实用价值。前馈神经网络盲均衡算法中网络权值更新一般以梯度下降算法作为……