基于支持向量回歸機的盲均衡算法的研究.pdf

1、盲均衡技術(shù)是一種不借助于訓練序列，僅利用接收序列本身的先驗信息來均衡信道特性，使其輸出序列盡量逼近發(fā)送序列的新興自適應均衡技術(shù)。它是通信與信息系統(tǒng)、信號與信息處理、檢測理論等學科的一個重要前沿熱點研究課題，也是目前數(shù)字通信技術(shù)中的關(guān)鍵技術(shù)之一。盲均衡技術(shù)在通信，雷達，聲納，控制工程，地震勘探，生物醫(yī)學工程等領(lǐng)域均有非常重要的理論意義和實用價值。
　　 統(tǒng)計學習理論是一種專門研究小樣本情況下機器學習規(guī)律的理論，隨著其理論的不斷發(fā)展

2、和成熟，也由于神經(jīng)網(wǎng)絡在理論上缺乏實質(zhì)性進展，統(tǒng)計學習理論開始受到越來越廣泛的重視，它為解決有限樣本學習問題提供了一個統(tǒng)一的框架。
　　 本文所做的主要工作：
　　 (1)研究了盲均衡的基本理論，分析了目前常用的幾種盲均衡算法，包括基于Bussgang類的盲均衡算法、基于高階統(tǒng)計量的盲均衡算法、基于神經(jīng)網(wǎng)絡與模糊理論的盲均衡算法、基于小波變換的盲均衡算法和基于支持向量機的盲均衡算法。
　　 (2)綜述了支持向量機

3、的基本理論，它是在統(tǒng)計學習理論基礎(chǔ)上發(fā)展起來的一種新型機器學習方法，支持向量回歸機采用了結(jié)構(gòu)風險最小化準則，它既考慮了訓練樣本的擬合性，又考慮了訓練樣本的復雜性，具有很好的推廣性能。
　　 (3)總結(jié)了設(shè)計支持向量回歸機的模型選擇方面的進展，并通過一維回歸問題的計算機仿真闡述了RBF核函數(shù)的優(yōu)越性以及比較驗證了具有最優(yōu)特性的一組模型參數(shù)。模型選擇包括核函數(shù)的類型，模型正則化參數(shù)C，不敏感參數(shù)等。
　　 (4)基于支持向量