基于1996年的多层神经网络的盲均衡算法

提出了一种新的基于多层神经网络的盲均衡算法，神经网络的训练采用一种新的混合算法。该算法结合了Rosario算法与Solis和wets的随机优化方法的优点，具有全局收敛特性（经过一门限后）。模拟结果显示，该算法比常量模板算法（CMA）具有更快的收敛速度，性能优于线性均衡器和使用传统BP方法的神经网络均衡器。