门控递归单元神经网络坐标变换盲均衡算法

• 作者: 郭业才 魏海文
• 来源期刊: 微电子学与计算机
• 关键词: 盲均衡 门控递归单元 神经网络 代价函数 坐标变换 码间干扰
• 年，卷（期）: 2019,（9）
• 页码范围: 89-93,98
• 页数: 6页
• 分类号: TN911.7
• 语种: 中文

摘要

针对数字信号传输过程中的码间干扰问题,提出了门控递归单元神经网络坐标变换盲均衡算法(GRUNN-CT-CMA).首先,在递归神经网络基础上加入门控结构,使门控递归单元神经网络(GRUNN)对长时间跨度信息的感知能力更强、记忆力更持久.其次,在GRUNN中引入坐标变换得到的盲均衡算法,进一步降低了稳态误差、加快了代价函数收敛速度.结果表明,与常模盲均衡算法(CMA)和延迟单元递归神经网络盲均衡算法(BRNN-CMA)相比,GRUNN-CT-CMA在均衡高阶多模信号时,稳态误差最小、收敛速度最快、输出信号星座图最清晰.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭业才	南京信息工程大学江苏省气象探测与信息处理重点实验室	147	679	12.0	16.0
5	魏海文	南京信息工程大学江苏省气象探测与信息处理重点实验室	1	0	0.0	0.0