[发明专利]基于空间分集的小波神经网络盲均衡方法

权利要求书

1.一种基于空间分集的小波神经网络盲均衡方法，其特征在于包括如下步骤：

第一步：将发射信号序列s(k)分别经过第D重支路脉冲响应信道即c⁽¹⁾(k)至c^(D)(k)得 到D重支路信道输出向量即x⁽¹⁾(k)至x^(D)(k)，其中，k为时间序列，D为自然数表示分 集重数，下同；

第二步：采用D重支路信道噪声w⁽¹⁾(k)至w^(D)(k)和第一步所述的D重支路信道输出 向量得到D重支路均衡器输入信号：y⁽¹⁾(k)至y^(D)(k)；

第三步：将第二步所述的D重支路均衡器输入信号分别经过D重支路小波神经网络 均衡器即f⁽¹⁾(k)至f^(D)(k)得到D重支路小波神经网络均衡器输出信号即z⁽¹⁾(k)至 z^(D)(k)；

第四步：将第三步所述的D重支路小波神经网络输出信号经过组合器进行合并处理 得到组合器输出信号z(k)。

2.根据权利要求1所述的基于空间分集的小波神经网络盲均衡方法，其特征在于所 述小波神经网络采用三层前馈小波神经网络WNN，依次为输入层、隐含层和输出层，每 个支路小波神经网络方法都相同，其中第d支路的小波神经网络方法具体如下：

(a)将第二步所述的D重支路均衡器输入信号中第d支路均衡器输入信号y^(d)(k)经 过输入层得到隐含层输入信号：ul(d)(k)=Σi=1Ifil(d)(k)yi(d)(k),]]>i＝1，2，…I，I表示输入层神经元 个数，l＝1，2，…，L，L表示隐含层神经元个数，f_il^(d)(k)为第d支路输入层第i个神经元与 隐含层第l个神经元的连接权值，d＝1，2，3…，D，D为自然数表示分集重数；

(b)将步骤(a)所述的隐含层输入信号u_l^(d)(k)经过隐含层得到隐含层输出信号： vI(d)(k)=ψ(ul,R(d)(k))+jψ(ul,I(d)(k))]]>和输出层的输入信号up(d)(k)=Σl=1Lflp(d)(k)vI(d)(k),]]>ψ(·)为隐含层传递 函数采用Morlet母小波变换后的函数，u_l，R^(d)(k)，u_l，I^(d)(k)分别表示隐含层输入信号u_l^(d)(k)的 实部和虚部，f_lp^(d)(k)为隐含层第l个神经元与输出层第p个神经元连接权值，p＝1，2，…P， P表示输出层神经元个数；

(c)将步骤(b)所述的输出层的输入信号u_p^(d)(k)经过输出层得到小波神经网络均 衡器输出信号z(d)(k)=F(up,R(d)(k))+jF(up,I(d)(k)),]]>其中F(·)输出层传递函数，u_p，R^(d)(k)，u_p，I^(d)(k)分 别表示输出层的输入信号u_p^(d)(k)的实部和虚部。

3.根据权利要求2所述的基于空间分集的小波神经网络盲均衡方法，其特征在于将 所述组合器输出信号z(k)经过盲均衡器到第d支路输入层第i个神经元与隐含层第l个神 经元的连接权值f_il^(d)(k)和隐含层第l个神经元与输出层第p个神经元的连接权值f_lp^(d)(k)， 其中i＝1，2，…I，I表示输入层神经元个数，l＝1，2，…，L，L表示隐含层神经元个数， d＝1，2，3…，D，D为自然数表示分集重数，p＝1，2，…P，P表示输出层神经元个数；f_il^(d)(k)、 f_lp^(d)(k)及f^(d)(k)的求取包括如下步骤：

d)由组合器输出信号z(k)和发射信号序列s(k)，定义代价函数J(k)=12[|z(k)|2-R2]2;]]>

e)按最速下降法，对步骤d)所述的代价函数求梯度后，得到第d支路小波神经网络 输出层第l个神经元与隐含层第p个神经元的自适应权值f_lp^(d)(k)、第d支路小波神经网络 输入层第i个神经元与隐含层第l个神经元的自适应权值f_il^(d)(k)；得到第d支路小波神经 网络的小波函数中的自适应伸缩因子a^(d)(k)及尺度因子b^(d)(k)；

f)由步骤e)所述的第d支路小波神经网络输出层第p个神经元与隐含层第l个神经 元的自适应权值f_lp^(d)(k)及第d支路小波神经网络输入层第i个神经元与隐含层第l个神经 元的自适应权值f_il^(d)(k)得到第d支路小波神经网络盲均衡器权向量f^(d)(k)。