一种神经网络均衡器的优化训练方法

摘要

本发明提供一种神经网络均衡器的优化训练方法，首先记录神经网络均衡器在典型信道条件下的训练时间开销；利用所得的训练时间开销，计算神经网络均衡器的优化重起点；将优化重起点作为训练过程的控制参数，利用发送端传送的训练序列训练神经网络均衡器，如果训练开销超过优化重起点所对应的期望开销，则随机化神经网络的权值参数和偏移参数，重起训练过程；神经网络均衡器训练收敛后，其输出补偿失真的无线信号。本发明可以有效降低典型的前馈神经网络的训练时间开销，从而在保留神经网络均衡器的自适应性和非线性建模能力的情况下，显著提高可用性。

主权项

1、一种神经网络均衡器的优化训练方法，其特征在于，包括以下步骤：一、记录神经网络均衡器在典型信道条件下的训练时间开销；二、利用步骤一的训练时间开销，计算神经网络均衡器的优化重起点及对应的期望开销；三、将优化重起点作为训练过程的控制参数，利用发送端传送的训练序列训练神经网络均衡器，如果训练开销超过优化重起点所对应的期望开销，则随机化神经网络的权值参数和偏移参数，重起训练过程；四、神经网络均衡器训练收敛后，其输出补偿失真的无线信号。