基于SCFNN之PAM非线性信道均衡器成效研究

• 作者: 李庆海 林瑞昌
• 来源期刊: 计算机测量与控制
• 关键词: 自组织型模糊类神经网络 均衡器 多层神经元 最陡坡降法
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 设计与应用
• 页码范围: 222-226
• 页数: 5页
• 分类号: TP911.5
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2017.03.060

摘要

自组织型模糊类神经网络(SCFNN)可依据一定的法则自我构建神经网络的组织结构,从而适用于当前控制对象;多层神经元是传统的类神经网络,广泛应用于各个领域;倒传递学习法与最陡坡降法相结合,可使以上两种类神经网络进行有效的融合;目前,信道均衡器上的系统架构种类非常多,各种类神经网络应用于信道均衡器也颇为普遍;在研究SCFNN的基础上,将其应用于通道均衡器确实可行,效果良好;比较了SCFNN与MLP在通道均衡器的成效;仿真表明,在相同通道环境下,SCFNN的训练收敛速度、位错误率与系统敏感度优于MLP,完成结构学习后SCFNN的结构也颇为精简.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李庆海	浙江工贸职业技术学院电子工程系	19	15	3.0	3.0
2	林瑞昌	浙江工贸职业技术学院电子工程系	3	0	0.0	0.0