基于免疫二次应答原理的径向基网络在动态问题中的应用

• 作 者: 陶荟亮
• 机 构: 上海交通大学
• 出 处: 上海交通大学
• 发表日期: 2008年期
• 关键词: 免疫算法 径向基函数 二次应答 动态系统 多用户检测 信道均衡

径向基函数神经网络是一种具有局部逼近能力的前向神经网络,其各节点具有局部逼近、分布式处理以及训练灵活的特点,适用于复杂的非线性系统的问题中。然而,目前的RBF网络训练算法通常以静态训练为主,不适合于动态追踪环境下的应用;同时这些训练算法也存在收敛速度慢的不足。本文针对这些问题展开了系列研究,主要工作包括:首先,提出了基于免疫二次应答的RBF网络训练算法。该算法有两个创新点:一.借鉴免疫原理,特别是免疫记忆机制和二次应答机制,利用RBF网络训练过程中保留的相关信息构建疫苗库、设计免疫算子。免疫算子的操作优化了RBF网络的训练效率,疫苗库的存在使得算法能够迅速应对曾经出现过的问题,极大提升了训练速度。二.分两阶段训练RBF网络。指出不同宽度的节点在网络训练中的不同作用,针对动态问题中的稳定部分和突变部分作不同强度的训练,从而极大地提升了训练效率,降低了算法整体的计算复杂度。其次,研究基于免疫二次应答的动态RBF网络训练算法在CDMA多用户检测中的应用。该多用户检测器平衡了收敛速度和计算复杂度之间的关系,以较小的代价获得较高的检测性能,克服了目前基于RBF网络算法的多用户检测器普遍存在的解决动态问题能力不强的不足,初步证明在解决动态多用户检测问题中表现出了优异的性能。最后,研究基于免疫二次应答的动态RBF网络训练算法在OFDM信道均衡中的应用。OFDM通过采用允许子信道频谱重叠,但又互不影响的频分复用的方法来并行传送数据,能得到较高的频谱利用率及较强地抗多径选择衰落的能力。该均衡器平衡了收敛速度和计算复杂度之间的关系,在实时变化的信道环境下,仍能以较快地速度完成RBF网络的训练,得到性能优秀的OFDM信道均衡器。