基于SCFNN之PAM非线性信道均衡器成效研究

来源：计算机测量与控制杂志2017年第3期北京时间：

作者：李庆海,林瑞昌

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。

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