[发明专利]模糊控制的动态小波神经网络反馈盲均衡方法

权利要求书

1.一种模糊控制的动态小波神经网络反馈盲均衡方法，包括如下步骤：

a.)将发送信号序列x(n)经过未知信道h(n)后与高斯白噪声N(n)相叠加得到观测序列y(n)，其中n为时间序列，下同；

其特在于，还包括如下步骤：

b.)将误差信号e(n)经过常数模算法CMA得到动态小波神经网络中横向滤波器构成的线性部分的抽头系数c(n)；

c.)将模糊神经网络控制器输入量偏差E(n)和偏差变化ΔE(n)经过模糊神经网络控制器得到动态小波神经网络中小波神经网络构成的非线性部分中小波函数的伸缩因子和平移因子的迭代步长变化值Δμ；

d.)将步骤a.)所述观测序列y(n)依次经过动态小波神经网络和判决器得到输出信号

2.根据权利要求1所述的模糊控制的动态小波神经网络反馈盲均衡方法，其特征在于所述模糊神经网络控制器包括输入层、模糊化层、规则层、归一化层和解模糊化层；输入层的控制方法如下：

输入量偏差E(n)和偏差变化ΔE(n)做为步长的控制量输入，

I1(1)(n)=ΔE(n)=MSE(n)-MSE(n-1)]]>

I2(1)(n)=E(n)=MSE(n)]]>

Oij(1)(n)=Ii(1)(n)]]>

式中，i＝1，2为模糊神经网络的输入个数，j＝1，2，3为模糊域，分别表示模糊神经网络第t层的第i个神经元的输入与输出，表示模糊神经网络第t层中第i个输入中第j个模糊域的输出，t＝1，2，…，5，下同；

模糊化层的控制方法如下：

Iij(2)(n)=Oij(1)(n)]]>

Oij(2)(n)=exp[-(Iij(2)(n)-mij(2)(n)σij(2)(n))2]]]>

式中，和分别表示第2层中第i个输入中第j个模糊域的输入空间模糊域的期望与方差；

规则层的控制方法如下：

Iij(3)(n)=Oij(2)(n)]]>

O1(3)(n)=I11(3)(n)I21(3)(n),]]>O2(3)(n)=I11(3)(n)I22(3)(n),]]>O3(3)(n)=I11(3)(n)I23(3)(n),]]>

O4(3)(n)=I12(3)(n)I21(3)(n),]]>O5(3)(n)=I12(3)(n)I22(3)(n),]]>O6(3)(n)=I12(3)(n)I23(3)(n),]]>

O7(3)(n)=I13(3)(n)I21(3)(n),]]>O8(3)(n)=I13(3)(n)I22(3)(n),]]>O9(3)(n)=I13(3)(n)I23(3)(n);]]>

归一化层的控制方法如下：

I1(4)(n)=O1(3)(n),]]>I2(4)(n)=Σl=23Ol(3)(n),]]>I3(4)(n)=Σl=16Ol(3)(n)]]>

I4(4)(n)=Σl=78Ol(3)(n),]]>I5(4)(n)=O9(3)(n)]]>

Oh(4)(n)=min{1,Ih(4)(n)}]]>

式中，h＝1，2，…，5表示模糊规则的后件数；

解模糊层的控制方法如下：

Ih(5)(n)=Oh(4)(n)]]>

▿μ(n)=O(5)(n)=Σh=15δh(n)Ih(5)(n)E(n)]]>

式中，δ_h(n)为第5层的权值。