Self Organizing RBF Neural Network Equalizer

This paper proposes a self organizing RBF neural network equalizer for the equalization of digital communications. It is the most important for the equalizer using the RBF neural network to estimate the RBF centers correctly and quickly, which are the desired channel states. However, the previous RBF equalizers are not used in the actual communication system because of some drawbacks that the number of channel states has to be known in advance and many centers are necessary. Self organizing neural network equalizer proposed in this paper can implement the equalization without prior information regarding the number of channel states because it selects RBF centers among the signals that are transmitted to the equalizer by the new addition and removal criteria. Furthermore, the proposed equalizer has a merit that is able to make a equalization with fewer centers than those of prior one by the course of the training using LMS and clustering algorithm. In the linear, nonlinear and standard telephone channel, the proposed equalizer is compared with the optimal Bayesian equalizer for the BER performance, the symbol decision boundary and the number of centers. As a result of the comparison, we can confirm that the proposed equalizer has almost similar performance with the Bavesian enualizer.

자력(自力) RBF 신경망 등화기

본 논문은 디지털 통신 채널의 등화를 위한 자력 RBF 신경망 등화기를 제안한다. RBF 신경망을 이용한 등화기에서, 이상적인 채널 상태인 RBF 센터를 정확하고 빠르게 추정하는 것이 가장 중요하다. 그러나, 기존의 RBF 등화기는 채널 상태의 개수를 사전에 알아야 하며, 많은 수의 센터가 필요하다는 단점을 지니므로 실제 통신 시스템에 이용되지 않는다. 본 논문에서 제안하는 자력 RBF 신경망 등화기는 등화에 필요한 RBF 센터를 새로운 추가 기준과 제거 기준에 의해 등화기로 입력되는 신호 중에서 스스로 선택하기 때문에 채널 상태의 개수에 대한 사전 정보 없이도 등화가 가능하다. 또한 제안된 등화기는 LMS 알고리즘과 클러스터링을 이용하는 훈련 과정을 통해 기존 RBF 등화기보다 적은 센터만으로도 등화가 가능한 장점을 갖는다. 선형 및 비선형 채널과 표준 전화 채널에서, 제안한 등화기와 최적 Bayesian 등화기의 BER 성능, 심볼결정 경계, 센터 수 등을 비교하였다. 그 결과 제안한 등화기는 Bayesian 등화기와 거의 동일한 성능을 나타냄을 알 수 있었다.