黄媛媛　欧鸥　干阳琳

摘要：随着计算机技术的迅速发展，我们对通信网络的性能和速度的要求也变得更高。由于其结构极其复杂、用户接入的随机性和信元交换的不可预测性，目前宽带网技术的难题在于满足用户的需要以及保证通讯服务质量的同时来如何充分利用网络资源。本文主要采用BP神经网络的梯度和牛顿法相结合的算法，利用其各自的优缺点互补的特性，再结合的盲均衡算法，解决信道间的相互干扰。

关键词：BP神经网络 牛顿法 盲均衡技术

中图分类号：U491.113 文献标识码：A 文章编号：1007-9416（2016）06-0025-01

Abstract：With the rapid development of computer technology，we have higher. Requirements about the performance and speed of the communication network .Because of its structure is extremely complex， unpredictability and randomness of user access cell switching， the current problem is that broadband technology to meet the needs of users and to ensure the quality of communication service ，at the same time how to make full use of network resources. This paper uses gradient and Newton Combination with BP neural network algorithm， the use of their respective advantages and disadvantages of complementary features， What is the use in blind equalization algorithm to solve the mutual interference between channels.

Key Words：Neural network；Newton method； blind equalization

目前，基于BP神经网络的盲均衡算法比其他的算法具有更低的误码率和信噪比。由于BP神经网络的训练时间长且有不确定性，因此不适宜单独应用于盲均衡技术中。牛顿法通过一种迭代求非线性方程的最优解得来，它在学习后期收敛快且有二阶收敛速度的优势，但牛顿法在网络学习初始阶段对学习初值较为敏感，也不适合单独应用，因此本文提出一种基于BP神经网络和牛顿法相结合的算法，利用BP神经网络算法在网络学习初级阶段函数调整速度快，学习后期，牛顿法的迭代算法复杂度较低，收敛较快，充分发挥两种算法各自的优点，从而解决信道的非理想特性引起的码间干扰，从而提高通信的质量。

前馈BP神经网络由多层非线性处理单元组成，相邻层之间通过突触权阵连接起来。由多个选定的发送信号作为一组数据构成原始样本集.经过剔除重复或冲突的样本等加工处理，得到最终样本集。……