混沌通信系统中非线性信道的自适应神经Legendre正交多项式均衡

针对混沌通信系统中非线性信道干扰问题，基于混沌信号重构理论和Legendre正交多项式结构，提出了一种自适应神经Legendre正交多项式信道均衡器，并给出相应的归一化最小均方算法. 仿真研究表明：所提出的自适应神经Legendre正交多项式信道均衡器能有效地消除线性和非线性信道干扰，均衡器输出信号能反映出混沌信号的特性，具有良好的抗干扰性能.该均衡器的结构简单，权系数参数较少，收敛稳定性较好. 关键词： Legendre 正交多项式 信道均衡 混沌吸引子 神经网络     

一种自适应前向均衡与判决均衡组合结构及变步长改进算法

信号在超长线缆传输中, 线缆的线间串扰及温度梯度变化造成噪声干扰, 特别是线缆介电损耗和肌肤效应的影响, 导致接收端信号频率色散失真严重, 难以恢复原始信号, 限制了传输速度. 另外, 在页岩气、煤层气等资源勘探领域, 在用长缆传输数据时, 还要求传输高精度同步脉冲信号, 用于采集数据相位的标定. 线缆的传输效应及噪声干扰严重影响了接收端的信号同步, 造成采集数据相位失真. 本文针对信号在长缆传输中的非线性失真及衰减问题, 提出了一种新型均衡结构, 并针对新模型给出了最优系数组合. 在此基础上针对改进的结构提出了一种基于反正切函数的变步长算法, 该算法配合三误差因子, 形成收敛函数, 该函数具有收敛速度快, 稳态误差小的优点. 改进后的自适应组合均衡器计算复杂度低, 收敛快, 信道跟踪能力强, 加快了数据处理速度, 同时能较好地应对信道的时变性. 仿真结果表明, 基于新变步长算法的自适应组合均衡器, 性能上提高了50%, 并且消除了噪声干扰和码间干扰, 测试实验表明, 在无中继超长缆(7 km以上)传输中, 信号速度提高了一倍.     

用于混沌时间序列自适应预测的一种少参数二阶Volterra滤波器

研究了二阶Volterra滤波器的一种乘积耦合近似实现结构及其非线性NLMS自适应算法,并用这种少参数二阶Volterra滤波器(RPSOVF)研究了一些混沌信号的非线性自适应预测性能.仿真研究结果表明:所给出的非线性NLMS自适应算法能够保证这种RPSOVF的稳定性和收敛性,且RPSOVF用这种非线性NLMS自适应算法能够自适应预测一些混沌时间序列. 关键词： 混沌 非线性自适应预测 Volterra滤波器 非线性NLMS自适应算法     

基于Weiner模型超混沌lü系统的自适应辨识

为了能实时而有效地辨识参数不确定的超混沌lü系统,以便于对该系统进行控制或跟踪,本文提出了一种基于Wiener模型自适应分段线性(PWL)滤波器的超混沌系统辨识方法.Wiener模型的线性部分采用了线性横向滤波器,非线性部分用分段线性滤波器近似表示.根据最小均方误差准则导出了滤波器参数更新算法,并进一步推导出算法的收敛性条件.计算机仿真证实了该自适应滤波器辨识超混沌系统的有效性.该方法不仅克服了自适应线性滤波器难以辨识出这类强非线性系统,而且比其他非线性自适应滤波器的计算复杂性低得多.     

用一种少参数非线性自适应滤波器自适应预测低维混沌时间序列

基于混沌动力系统的相空间延迟坐标重构,利用混沌序列固有的确定性和非线性,提出了用 于混沌时间序列预测的一种少参数非线性自适应滤波预测模型.该预测模型在Volterra自适 应滤波器的基础上引入sigmoid函数来减少待定参数.实验研究表明,这种少参数非线性自适 应滤波预测器仅需用50个样本经20次预训练后,就能有效地预测一些低维混沌序列,且这种 少参数非线性自适应滤波预测器更便于工程实现. 关键词： 混沌 非线性自适应预测 少参数非线性自适应滤波器 自适应算法     

不确定分数阶时滞混沌系统自适应神经网络同步控制

针对带有完全未知的非线性不确定项和外界扰动的异结构分数阶时滞混沌系统的同步问题,基于Lyapunov稳定性理论,设计了自适应径向基函数(radial basis function,RBF)神经网络控制器以及整数阶的参数自适应律.该控制器结合了RBF神经网络和自适应控制技术,RBF神经网络用来逼近未知非线性函数,自适应律用于调整控制器中相应的参数.构造平方Lyapunov函数进行稳定性分析,基于Barbalat引理证明了同步误差渐近趋于零.数值仿真结果表明了该控制器的有效性.     

延迟-非线性反馈控制混沌

提出了基于稳定性准则的延迟非线性反馈控制混沌的方法，即SC延迟非线性反馈控制法. 通过对混沌系统的适当分离，得到一个特殊的非线性函数，并利用混沌输出信号与其延迟信号的非线性函数的差，构造了连续反馈输入干扰，以控制混沌轨到某一期望的不稳周期轨上. 该方法继承了延迟反馈控制方法的优点，实现了自-控制过程. 另外由于该方法基于线性系统的稳定性准则，保证了控制的有效性. 控制过程可随时开始，具有简便、灵活性. 给出耦合Duffing振子的例子，数值模拟结果显示了SC延迟反馈方法控制的有效性. 关键词： 稳定性准则 混沌控制 延迟反馈 干扰     

受扰统一混沌系统基于RBF网络的主动滑模控制

针对受外扰影响的统一混沌系统,提出一种基于径向基函数(RBF)神经网络的主动滑模自适应控制方法.将被控系统分解为受控子系统和自由子系统,利用主动控制思想,建立受控子系统在目标点处的状态误差的可控标准型,设计出一个结构简单的基于滑模趋近率在线参数整定的RBF函数神经网络控制器,并且基于Lyapunov稳定性理论分析了系统的稳定性.仿真结果表明该控制器对系统参数突变和外部干扰具有鲁棒性,同时抑制了抖振. 关键词： 统一混沌系统 主动控制 滑模控制 RBF网络     

半周期延迟-非线性反馈控制混沌

提出了基于稳定性准则的半周期延迟-非线性反馈控制混沌的方法，即SC(stability criterion)半周期延迟非线性反馈控制法.通过对混沌系统的适当分离，得到一个特殊的非线性函数，并利用混沌输出信号与其半周期延迟信号的非线性函数之和，构造了连续反馈输入干扰.该方法继承了延迟反馈控制方法及稳定性准则控制方法的优点，实现了有效的自控制过程；并克服了延迟反馈方法的限制，能将嵌入混沌吸引子中的自对称直接不稳周期轨稳定.控制过程可随时开始，具有简便、灵活性.数值模拟结果显示了SC半周期延迟-非线性反馈方法控制的有效性. 关键词： 稳定性准则 混沌控制 半周期延迟 非线性反馈     

水声信道相关均衡器仿真研究

提出了对信道可进行稳健均衡的相关均衡器,解决了由于信道传递函数的零点在单位圆外的分布引起的均衡结果发散问题。理论上相关均衡器对任意单位圆上无零点的信道都可进行稳健均衡;提出了非因果序列的双边展开理论,基于该理论和ＦＦＴ,导出了相关均衡器的横向滤波器结构和快速求解滤波器系数的算法;进行了仿真,结果令人满意．     

Application of functional link artificial neural network for mitigating nonlinear effects in coherent optical OFDM

Artificial Neural Networks are developed as an important technique for equalization and have been widely used to mitigate the nonlinear effects in coherent optical systems. For the compensation of nonlinearities in coherent optical orthogonal frequency division multiplexing technique, the most popular artificial neural network model is a multilayer perceptron (MLP), as it is able to perform complex mapping between input and output spaces with significant success. However due to the complexity of multilayer perceptron nonlinear equalizer (MLP-NLE) model training of neural network is difficult. To overcome computational complexity issues of MLP-NLE, a single neuron based functional link artificial neural network nonlinear equalizer (FLANN-NLE) has been developed in this paper. Better performance of an equalizer is attributed to the usage of aPSO-BP algorithm for training the FLANN-NLE. The proposed FLANN-NLE surpasses the existing works both in terms of Q-Factor and computational complexity. For a fiber length of 1000 km and at launch power of ?6 dBm, the improvement in Q-Factor is approximately equal to 3.3 and 1 dB in contrast to the previously reported values of approximately 3 and 0.7 dB at bit rate of 40 and 80 Gbps respectively.     

基于L-M算法的反向传播网络的湿度传感器输出误差补偿研究

针对湿度传感器的输出非线性问题,提出了基于L-M算法建立BP神经网络进行补偿校正,实现电阻湿度传感器的输入与输出非线性补偿,并与共轭梯度算法、拟牛顿算法所建立的神经网路模型进行对比,重点比较了模型误差性能、收敛速度。结果表明：基于L-M算法建立的神经网络模型,在收敛速度、误差性能等方面具有更高效的表现,更适合湿度传感器的非线性特性的补偿校正。     

一种递归神经网络空间分集均衡器

水声信道中的衰变多途特性常引起难以克服的码间干扰(ISI)。为了降低误码率、改善系统性能,本文提出了一种递归神经网络空间分集均衡器。它在传统的空间分集结构中融入了多层感知器,该结构能够充分利用训练信号的信息,在可调权数较少的情况下,能够得到较好的均衡效果;针对该结构,采取了初始设定权值的办法,从而使该均衡器的收敛速度得到大大提高。仿真与湖试试验结果表明,该均衡器结构合理,对空间分集均衡性能有一定的改善。     

自适应光学系统变形镜控制电压预测

在校正大气湍流畸变波前相差的自适应光学系统中,利用基于Levenberg-Marquardt学习算法的非线性反向传播神经网络技术（LMBP）对变形镜控制电压进行预测。以对受横向风影响的大气湍流畸变波前斜率数据为研究对象,通过数值仿真方法,研究了基于LMBP算法的自适应光学系统变形镜电压非线性预测控制算法。通过实验发现,预测电压和变形镜实际控制电压拟合效果良好。讨论了回溯帧数对预测效果的影响,并与基于递推最小二乘（RLS）算法的线性预测算法进行比较。对比结果表明,基于LMBP算法的非线性电压预测方法比基于递推最小二乘法的线性电压预测方法能更有效地降低系统由伺服延迟引起的误差。     

水声通信加权反馈双向Turb均衡器

为了提升自适应双向Turbo均衡器的收敛速度及降低误比特率,提出了采用加权反馈的双向Turbo均衡算法。首先在单个均衡器反馈输入中采用后验均值与先验均值混合的反馈方案,有效提升一轮迭代中均衡器输出的准确性;其次通过后验均值与先验均值的加权合并作为另一均衡器反馈的非因果项输入,在提升反馈输入准确性的同时提升了数据的利用率;最后在权值迭代中采用优化的比例归一化最小均方算法,提升训练阶段均衡器收敛速度。千岛湖试验中,在同样3.75 kbps通信速率的情况下,该方法误比特率仅为传统双向Turbo均衡器的1/3。仿真和试验数据表明,均衡器要达到同样的误比特率,本方法所需迭代轮数更少,在时变信道中系统稳定性更好,误比特率更低,提升了水声通信效率。      

Adaptive variable step-size neural controller for nonlinear feedback active noise control systems

Adaptive filter techniques and the filtered-x least mean square (FxLMS) algorithm have been used in Active Noise Control (ANC) systems. However, their effectiveness may degrade due to the nonlinearities and modeling errors in the system. In this paper, a new feedback ANC system with an adaptive neural controller and variable step-size learning parameters (VSSP) is proposed to improve the performance. A nonlinear adaptive controller with the FxLMS algorithm is first designed to replace the traditional adaptive FIR filter; then, a variable step-size learning method is developed for online updating the controller parameters. The proposed control is implemented without any offline learning phase, while faster convergence and better noise elimination can be achieved. The main contribution is that we show how to analyze the stability of the proposed closed-loop ANC systems, and prove the convergence of the presented adaptations. Moreover, the computational complexities of different methods are compared. Comparative simulation results demonstrate the validity of the proposed methods for attenuating different noise sources transferred via nonlinear paths, and show the improved performance over classical methods.     

水声通信近似L0范数约束的BP网络均衡器*

针对稀疏水声信道的长时延扩展及梯度下降的权值迭代方案导致的神经网络均衡器收敛速度慢的问题,提出了近似L₀范数约束的BP神经网络均衡器。首先在传统BP网络均衡器基础上增加判决反馈项,然后在代价函数中对均衡器输入层到隐含层的权值增加L₀范数约束,构造新的代价函数,利用高斯族函数近似L₀范数约束,并根据不同隐层神经元节点输出权值的L₂范数设定近似参数。仿真结果表明,稀疏信道条件下,本方法相比传统的BP网络均衡器收敛速度更快,误码率更低,可以有效提升神经网络均衡器的性能。     

Adaptive Fixed-Time Neural Network Tracking Control of Nonlinear Interconnected Systems

In this article, a novel adaptive fixed-time neural network tracking control scheme for nonlinear interconnected systems is proposed. An adaptive backstepping technique is used to address unknown system uncertainties in the fixed-time settings. Neural networks are used to identify the unknown uncertainties. The study shows that, under the proposed control scheme, each state in the system can converge into small regions near zero with fixed-time convergence time via Lyapunov stability analysis. Finally, the simulation example is presented to demonstrate the effectiveness of the proposed approach. A step-by-step procedure for engineers in industry process applications is proposed.     

太赫兹通信中的一种高速并行均衡算法及其FPGA实现

基于驰豫超前变换中的超前展开、求和近似和延时近似技术,提出了流水线并行自适应CMA盲均衡算法。利用基于迭代短卷积的并行FIR滤波算法分析了提出的并行自适应盲均衡算法的滤波部分的高效实现结构;再利用基于组合短卷积的并行自适应系数更新算法分析了提出的并行均衡算法的系数更新部分的高效实现结构,从而得到了基于短卷积的流水线并行自适应盲均衡的完整实现框图,并分析了各模块的流水线延时需满足的关系。最后对该并行自适应盲均衡算法进行了FPGA量化实现,并通过MATLAB仿真及实际FPGA实现结果的对比,验证了本并行均衡算法的正确性和有效性。