作為一種新型的遞歸神經(jīng)網(wǎng)絡(luò),回聲狀態(tài)網(wǎng)絡(luò)（Echo State Network,ESN）因其獨(dú)特的動(dòng)態(tài)儲(chǔ)備池結(jié)構(gòu)以及簡(jiǎn)單的訓(xùn)練方式被廣泛應(yīng)用于非線性動(dòng)態(tài)系統(tǒng)建模、時(shí)間序列預(yù)測(cè)和信道均衡等領(lǐng)域。在衛(wèi)星通信系統(tǒng)中,信道的非線性和群時(shí)延特性會(huì)使得發(fā)送信號(hào)在接收端產(chǎn)生嚴(yán)重的失真。盲均衡技術(shù)能夠在信道先驗(yàn)信息未知的情況下,僅利用發(fā)送信號(hào)的統(tǒng)計(jì)信息近似無(wú)失真的恢復(fù)出原始發(fā)送信號(hào),在充分利用衛(wèi)星信道頻帶資源的同時(shí),克服因信道非理想特性產(chǎn)生的信號(hào)畸變。本文主要針對(duì)衛(wèi)星信道研究回聲狀態(tài)網(wǎng)絡(luò)的在線盲均衡算法。主要貢獻(xiàn)如下:（1）在深入研究回聲狀態(tài)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和訓(xùn)練算法的基礎(chǔ)上,針對(duì)衛(wèi)星信道盲均衡問(wèn)題,提出了基于回聲狀態(tài)網(wǎng)絡(luò)的遞歸最小二乘常模算法（ESN-RLS-CMA）。該算法以回聲狀態(tài)網(wǎng)絡(luò)為基本框架,利用發(fā)送信號(hào)的先驗(yàn)統(tǒng)計(jì)信息構(gòu)造盲均衡代價(jià)函數(shù),采用遞歸最小二乘（Recursive Least Squares,RLS）算法在線迭代更新ESN的輸出權(quán)值,以獲得網(wǎng)絡(luò)代價(jià)函數(shù)的最小值。仿真實(shí)驗(yàn)表明:在Volterra級(jí)數(shù)建模的衛(wèi)星信道下,針對(duì)常模QPSK信號(hào),相較于傳統(tǒng)的在線算法,本文提出的ESN-RLS-... 

【文章來(lái)源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１衛(wèi)星通信系統(tǒng)示意圖??由于；ａ墾的功率限制因素以及對(duì)禽速數(shù)據(jù)傳輸需求的不斷增長(zhǎng)，功率和寬帶??

ａｅｇｅｒ于２００１?１年提出，羼于儲(chǔ)備池計(jì)算（ｒｅｓｅｒｖｏｉｒ??ｃｏｍｐｕｔｉｎｇ，?ＲＣ）范疇［５３＿５５］的新型遞Ｊｌ３神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。它使用一個(gè)被稱為動(dòng)態(tài)儲(chǔ)備??池的處理神經(jīng)元相互連接的遞．歸網(wǎng)絡(luò)來(lái)代替ＲＮＮ的隱藏層。相對(duì)于傳統(tǒng)的ＲＮＮ，??ＥＳＮ的優(yōu)點(diǎn)是只需要訓(xùn)練網(wǎng)絡(luò)的輸出權(quán)值，而儲(chǔ)備池連接權(quán)值和輸入權(quán)值通常??是隨機(jī)給定的。因此，ＥＳＮ不僅具有簡(jiǎn)單有效的學(xué)習(xí)方式，而且可以獲得更高??精度的學(xué)習(xí)結(jié)果［５６］。??３．１．１回聲狀態(tài)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)??標(biāo)準(zhǔn)ＥＳＮ的拓?fù)浣Y(jié)構(gòu)如圖３－１所示，網(wǎng)絡(luò)由輸入層、動(dòng)態(tài)儲(chǔ)備池和輸出層式??部分組成。中間的動(dòng)態(tài)儲(chǔ)備池仿照了動(dòng)物大腦的思考機(jī)制，由大量神經(jīng)元稀疏連??接形成網(wǎng)絡(luò)，通過(guò)動(dòng)態(tài)更新儲(chǔ)備池的內(nèi)部狀態(tài)實(shí)現(xiàn)短期記憶功能，而旦能夠表現(xiàn)??出良好的非線性逼近能力。輸出層包含從輸出到儲(chǔ)備池的反饋連接（如圖中虛線??所示），為了簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)，也可以忽略此連接。??輸入層?動(dòng)態(tài)儲(chǔ)備池?輸出層??圖３－１回聲狀態(tài)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)??１６??

數(shù)為／（〇?＝丨３１１１１（〇，讀出函數(shù)／。１１［（＿）?＝?１，儲(chǔ)備池譜半徑／？（＼＾）?＝?０．９，稀疏??度ＳＤ＝０．２。本實(shí)驗(yàn)采用均方誤差（ＭＳＥ）作為三種算法的性能評(píng)價(jià)標(biāo)準(zhǔn)，計(jì)算公式??如下：??ＭＳＥ＝ｙＪ（ｙ（？）－Ｊ（？ｉ））２?（３．２９）??＾?ｎ＝ｌ??其中，Ｌ為數(shù)據(jù)長(zhǎng)度。??３．３．２實(shí)驗(yàn)結(jié)果分析??針對(duì)ＥＳＮ的經(jīng)典訓(xùn)練算法，用５０００個(gè)數(shù)據(jù)樣本作為訓(xùn)練樣本，剩余數(shù)據(jù)作??為測(cè)試樣本，采用嶺＠＿的方式訓(xùn)練ＥＳＮ的輸出權(quán)值，其中正則化系數(shù)２＝１０＿８。??圖３－２和圖３－３分別是ＥＳＮ的儲(chǔ)備池規(guī)模為ｉＶ＝４００時(shí)的預(yù)測(cè)結(jié)果和預(yù)測(cè)誤差??曲線（取前２０００個(gè)預(yù)測(cè)值）。從圖中可以著出，ＥＳＮ對(duì)非線性時(shí)間序列有著良??好的逼近能力，對(duì)于前８００個(gè)數(shù)據(jù)，預(yù)測(cè)值跟ｇ標(biāo)值幾乎全部吻合。但隨著時(shí)間??的推移，預(yù)測(cè)誤叢逐漸變大。??２００?４００?６００?８００?１０００?１２００?１４００?１６００?１８００?２０００??圖３＿２?ＥＳＮ時(shí)間序列預(yù)測(cè)結(jié)果（Ａ／＝４００）??ＥＳＮ預(yù)測(cè)誤差??°－８［?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??０．６?－?ＩＩ?—??Ｉ；；：???－０．４－?ｆ?｜?Ｉ?－??－０．６?－?｜?—??＿〇８ｌ?１?１?１?１?１?１?１?１?１???０?２００?４００?６００?８００?１０００?１２００?１４００?１６００?１８００?２０００??測(cè)試集樣本編號(hào)??圖３－３?ＥＳＮ時(shí)間序列預(yù)測(cè)誤差（Ａ／＝４００）??圖３＿４和圖３－５是當(dāng)儲(chǔ)備池規(guī)模ＡＴ＝２００時(shí)的預(yù)測(cè)結(jié)果和預(yù)測(cè)

【參考文獻(xiàn)】：
期刊論文
[1]專題:衛(wèi)星通信系統(tǒng)與技術(shù)[J].   無(wú)線電通信技術(shù). 2019(06)
[2]快速Q(mào)AM信號(hào)多模盲均衡算法[J]. 李進(jìn),馮大政,劉文娟.  電子與信息學(xué)報(bào). 2013(02)
[3]基于遞歸神經(jīng)網(wǎng)絡(luò)的盲均衡算法的改進(jìn)[J]. 梁?jiǎn)⒙?lián),周正,劉澤民.  北京郵電大學(xué)學(xué)報(bào). 1997(04)
[4]基于多層神經(jīng)網(wǎng)絡(luò)的盲均衡算法[J]. 梁?jiǎn)⒙?lián),周正.  北京郵電大學(xué)學(xué)報(bào). 1996(03)

碩士論文
[1]基于極限學(xué)習(xí)機(jī)的衛(wèi)星信道盲均衡算法研究[D]. 楊蓉.蘭州大學(xué) 2019
[2]基于粒子濾波的非線性衛(wèi)星信道盲均衡方法研究[D]. 孫海飛.解放軍信息工程大學(xué) 2015
[3]基于小波神經(jīng)網(wǎng)絡(luò)理論盲均衡算法的研究[D]. 牛曉薇.太原理工大學(xué) 2004



本文編號(hào)：3429131