模糊神經(jīng)網(wǎng)絡(luò)控制的混合小波神經(jīng)網(wǎng)絡(luò)第一頁(yè)，共十二頁(yè)，2022年，8月28日水聲通信系統(tǒng)中,信道的多徑衰落和畸變產(chǎn)生的碼間干擾(ISI),降低了系統(tǒng)的性能,影響著通信質(zhì)量.抑制碼間干擾的有效方法是采用不需訓(xùn)練序列的盲均衡技術(shù).1.引言第二頁(yè)，共十二頁(yè)，2022年，8月28日盲均衡技術(shù)的本質(zhì)是通過(guò)設(shè)計(jì)性能優(yōu)越的算法來(lái)調(diào)整均衡器參數(shù),是一個(gè)求逆系統(tǒng)的非線(xiàn)性逼近問(wèn)題。小波神經(jīng)網(wǎng)絡(luò)(WNN,WaveletNeuralNetwork)將神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能和小波的時(shí)頻局域化性質(zhì)結(jié)合起來(lái),具有自適應(yīng)分辨性和良好的容錯(cuò)能力.而采用傳統(tǒng)WNN的盲均衡算法,仍然存在收斂速度慢和容易陷入局部極小值的缺陷。第三頁(yè)，共十二頁(yè)，2022年，8月28日解決方法？第四頁(yè)，共十二頁(yè)，2022年，8月28日文中的解決方法：模糊神經(jīng)網(wǎng)絡(luò)(FNN,FuzzyNeuralNetwork)匯集了模糊理論與神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn),集學(xué)習(xí)、聯(lián)想、識(shí)別、自適應(yīng)及模糊信息處理于一體,具有計(jì)算簡(jiǎn)便、容錯(cuò)能力強(qiáng)、處理信息范圍大、學(xué)習(xí)速度快等優(yōu)點(diǎn)。第五頁(yè)，共十二頁(yè)，2022年，8月28日

因此,將FNN與WNN相結(jié)合應(yīng)用于盲均衡算法中，能較好的解決問(wèn)題。第六頁(yè)，共十二頁(yè)，2022年，8月28日2、模糊神經(jīng)網(wǎng)絡(luò)控制的小波神經(jīng)網(wǎng)絡(luò)盲均衡算法第七頁(yè)，共十二頁(yè)，2022年，8月28日2.1、改進(jìn)的混合小波神經(jīng)網(wǎng)絡(luò)盲均衡算法第八頁(yè)，共十二頁(yè)，2022年，8月28日2.2、

模糊神經(jīng)網(wǎng)絡(luò)控制器在模糊神經(jīng)網(wǎng)絡(luò)控制器中,具有一個(gè)輸入變量和一個(gè)輸出變量的控制器稱(chēng)為單變量模糊神經(jīng)網(wǎng)絡(luò)控制器,其輸入量個(gè)數(shù)稱(chēng)為模糊控制器的維數(shù).維數(shù)越高、控制越精細(xì)。

但維數(shù)過(guò)高,模糊控制規(guī)則就越復(fù)雜,控制器的實(shí)現(xiàn)就越困難。第九頁(yè)，共十二頁(yè)，2022年，8月28日本文采用單變量模糊控制器結(jié)構(gòu)中的二維模糊控制器,其輸入量是均方誤差E(n)=MSE(n)及其變化量ΔE(n)=MSE(n)-MSE(n-1)。

以步長(zhǎng)μ的變化值Δμ作為輸出量,它比一維控制器的控制效果好,且易于計(jì)算機(jī)實(shí)現(xiàn)。第十頁(yè)，共十二頁(yè)，2022年，8月28日模糊神經(jīng)網(wǎng)絡(luò)(FNN)的模糊規(guī)則設(shè)計(jì)為：規(guī)則1:如果ΔE(n)為正且E(n)大,則Δμ正大;規(guī)則2:如果ΔE(n)為正且E(n)中,則Δμ零;規(guī)則3:如果ΔE(n)為正且E(n)小,則Δμ負(fù)小;規(guī)則4:如果ΔE(n)為零且E(n)大,則Δμ正小;規(guī)則5:如果ΔE(n)為零且E(n)中,則Δμ零;規(guī)則6:如果ΔE(n)為零且E(n)小,則Δμ負(fù)小;規(guī)則7:如果ΔE(n)為負(fù)且E(n)大,則Δμ正小;規(guī)則8:如果ΔE(n)為負(fù)且E(n)中,則Δμ零;規(guī)則9:如果ΔE(