-
公开(公告)号：CN112036543B
公开(公告)日：2022-05-03
申请号：CN202010686983.4
申请日：2020-07-16
Applicant: 北京大学
Abstract: 本发明公开了一种神经网络均衡与线性均衡相结合的时域均衡器及均衡方法。本方法为：1)向时域均衡器的输入寄存模块输入一段长度为L1符号序列；2)将序列中的L2个符号构成向量XNN并传入神经网络均衡模块进行处理，得到输出结果3)将L1‑L2个符号构成向量XLN并传入线性均衡模块进行处理；4)将输入向量XLN进行加权求和作为输出值5)将线性均衡模块、神经网络均衡模块的输出进行加和，得到最终均衡输出符号
-
公开(公告)号：CN111988249A
公开(公告)日：2020-11-24
申请号：CN202010686240.7
申请日：2020-07-16
Applicant: 北京大学
Abstract: 本发明公开了一种基于自适应神经网络的接收端均衡方法及接收端。本方法为：1)在接收端的数字信号处理流程中嵌入一自适应神经网络，包括神经网络、判决单元和损失计算单元；2)将接收符号生成特征向量作为训练数据、对应的发送符号作为标签，训练神经网络；3)将训练好的神经网络的参数作为自适应神经网络的初始化参数；4)将待均衡的接收符号对应的特征向量输入自适应神经网络，得到对应的输出记为y并作为均衡后的符号输出；5)y经判决单元后得到伪标签6)损失计算单元计算y与之间的误差L，以及L对神经网络参数的梯度；7)计算平均梯度去更新神经网络参数，对后续待均衡的接收符号进行均衡处理后输出。
-
公开(公告)号：CN111988249B
公开(公告)日：2023-01-17
申请号：CN202010686240.7
申请日：2020-07-16
Applicant: 北京大学
Abstract: 本发明公开了一种基于自适应神经网络的接收端均衡方法及接收端。本方法为：1)在接收端的数字信号处理流程中嵌入一自适应神经网络，包括神经网络、判决单元和损失计算单元；2)将接收符号生成特征向量作为训练数据、对应的发送符号作为标签，训练神经网络；3)将训练好的神经网络的参数作为自适应神经网络的初始化参数；4)将待均衡的接收符号对应的特征向量输入自适应神经网络，得到对应的输出记为y并作为均衡后的符号输出；5)y经判决单元后得到伪标签6)损失计算单元计算y与之间的误差L，以及L对神经网络参数的梯度；7)计算平均梯度去更新神经网络参数，对后续待均衡的接收符号进行均衡处理后输出。
-
公开(公告)号：CN112036543A
公开(公告)日：2020-12-04
申请号：CN202010686983.4
申请日：2020-07-16
Applicant: 北京大学
Abstract: 本发明公开了一种神经网络均衡与线性均衡相结合的时域均衡器及均衡方法。本方法为：1)向时域均衡器的输入寄存模块输入一段长度为L1符号序列；2)将序列中的L2个符号构成向量XNN并传入神经网络均衡模块进行处理，得到输出结果 3)将L1-L2个符号构成向量XLN并传入线性均衡模块进行处理；4)将输入向量XLN进行加权求和作为输出值 5)将线性均衡模块、神经网络均衡模块的输出进行加和，得到最终均衡输出符号
-
-
-
Search Results
4
records
(took 0.013 seconds)
