FPGA在神经网络盲均衡算法中的应用与研究

在现代数字通信系统中，由于信道衰落、多径传播等因素的存在，信道产生严重畸变，系统性能也随之降低。盲均衡技术可以抑制码间干扰，改善系统特性，提高通信质量。但在高速数据传输环境中，完全的线性信道是不存在的，这就使得针对线性信道处理的算法失效。而神经网络中的神经元具有简单的非线性输入输出关系，因此将神经网络与盲均衡技术相结合是目前通信信号处理领域的新兴研究课题。 随着集成电路技术的迅速发展、可编程逻辑器件的相继问世，均为实现神经网络盲均衡技术提供了支持和保证。本文研究了基于现场可编程门阵列(FPGA)的神经网络盲均衡算法的设计与实现。论文的主要工作在于: (1)在前人的研究基础上，从理论层面和具体实现层面分别对神经网络盲均衡算法进行了优化，提高了硬件实现效率。 (2)以浮点运算为基础，采用模块化的设计思想设计了神经网络各子模块及盲均衡器，使得各模块在功能上相互独立，更改设计只需改动相应模块即可，为今后的进一步研究提供了便利。 (3)以ALTERA公司的Cyclone系列的微处理器EP1C12Q240C8作为主芯片，设计并完成了核心实验板。 (4)设计了包括信号发生器、误码计数器和显示控制器在内的实验平台，并对神经网络盲均衡算法进行了验证。结果表明，所设计的神经网络盲均衡器在误码率、收敛速度、信道跟踪能力等方面均有较好的性能。

点击标签浏览更多相关技术资料资源：