基于最小二乘支持向量机的非线性均衡

摘要：

从支持向量机(Support Vector Machine,SVM)学习理论出发,介绍了最小二乘支持向量机(Least Squares Support Vector Machie,LS-SVM)的原理[1],并详细描述了使用共轭梯度(Conjugate Gradient,CG)算法来实现LS-SVM.结合通信中常见的非线性均衡问题,讨论了在信道呈现非线性,色噪声干扰情况下,使用LS-SVM实现均衡任务,通过同最优贝叶斯均衡器性能的比较,证明了LS-SVM处理非线性均衡问题的有效性.在实际数字通信中,接收端可以在不知道信道状态的前提下,通过接收训练序列并对其进行学习,确定均衡器模型参数,从而对未知的发送信号进行预测.

关键词：最小二乘支持向量机、非线性均衡、高斯色噪声

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

在线出版日期：2007-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：92-95