门控递归单元神经网络坐标变换盲均衡算法

作者：魏海文; 郭业才

来源：微电子学与计算机, 2019, 36(09): 89-98.

DOI：10.19304/j.cnki.issn1000-7180.2019.09.017

• 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

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.

• 单位
  南京信息工程大学