1 神經(jīng)網(wǎng)絡(luò)在自適應(yīng)信號(hào)處理中的應(yīng)用

1．1 自適應(yīng)濾波

利用神經(jīng)網(wǎng)絡(luò)的信號(hào)復(fù)原和特征抽取能力，可以做各種信號(hào)與信息的濾波檢測(cè)，特別是對(duì)非線性問題能很好地解決。其中，多層前饋神經(jīng)網(wǎng)絡(luò)可用來學(xué)習(xí)非線性信號(hào)形成過程中的輸入輸出之間變換的映射關(guān)系。自組織神經(jīng)網(wǎng)絡(luò)可以分類自回歸信號(hào)和圖像處理，。多層感知器神經(jīng)網(wǎng)絡(luò)自適應(yīng)非線性均衡器，對(duì)非線性信道的均衡性能遠(yuǎn)遠(yuǎn)超過常規(guī)線性判決反饋均衡器。將非線性神經(jīng)網(wǎng)絡(luò)應(yīng)用于射體軌道跟蹤系統(tǒng)、圖像復(fù)原、模式識(shí)別及模糊控制系統(tǒng)等，都能取得較優(yōu)和獨(dú)特的性能，甚至能解決常規(guī)信息處理方法所不能求解的問題。 國(guó)外已經(jīng)將神經(jīng)網(wǎng)絡(luò)用于非線性無記憶信道(如衛(wèi)星通信信道等)的建模，分析和仿真結(jié)果明確表明其性能優(yōu)于傳統(tǒng)信道建模方法。

1．2 自適應(yīng)盲均衡

基于神經(jīng)網(wǎng)絡(luò)的盲均衡目前有2種方法：一為利用過采樣技術(shù)和獨(dú)立分量分析(ICA)神經(jīng)網(wǎng)絡(luò)方法，這是基于累積量的盲信源分離思想，即互信息化的獨(dú)立分量分析方法；另一為利用回歸子波神經(jīng)網(wǎng)絡(luò)盲均衡方法。

事實(shí)上，已經(jīng)有許多文獻(xiàn)報(bào)道了應(yīng)用神經(jīng)網(wǎng)絡(luò)方法來進(jìn)行信道均衡。文獻(xiàn)中提出的神經(jīng)網(wǎng)絡(luò)方法都表現(xiàn)出了良好的性能，由于神經(jīng)網(wǎng)絡(luò)自身固有的特點(diǎn)，神經(jīng)網(wǎng)絡(luò)方法在處理非線性信道均衡問題時(shí)表現(xiàn)出的性能尤為突出。計(jì)算機(jī)仿真結(jié)果表明，神經(jīng)網(wǎng)絡(luò)均衡方法具有收斂速度快，誤碼率低等優(yōu)點(diǎn)，這為自適應(yīng)信道均衡提供了一種新的途徑。

1．3 自適應(yīng)盲信源分離

近年來，盲信源分離成為盲信號(hào)處理的研究熱點(diǎn)，其原因主要是由于盲信源分離技術(shù)在許多方面都有應(yīng)用。 利用神經(jīng)網(wǎng)絡(luò)進(jìn)行盲信源分離方法有：利用類神經(jīng)算法實(shí)現(xiàn)盲信源分離(Jutten Herault，1991)，基于信息理論判據(jù)的神經(jīng)網(wǎng)絡(luò)分離算法(Xu，Amari，1996)，化神經(jīng)網(wǎng)絡(luò)信息傳輸?shù)姆蛛x算法(Bell，Sejnowski，1995)，基于多變量密度估計(jì)的盲信源分類算法，基于累積量展開的神經(jīng)網(wǎng)絡(luò)盲信源分離方法等。

此外，神經(jīng)網(wǎng)絡(luò)還可應(yīng)用于自適應(yīng)多徑時(shí)延估計(jì)、自適應(yīng)噪聲和干擾對(duì)消、自適應(yīng)波束形成、自適應(yīng)波形選擇、自適應(yīng)模糊進(jìn)化計(jì)算、自適應(yīng)陣列信號(hào)處理和自適應(yīng)編碼等多種自適應(yīng)信號(hào)處理領(lǐng)域。

2 神經(jīng)網(wǎng)絡(luò)應(yīng)用于通信網(wǎng)絡(luò)控制

隨著計(jì)算機(jī)和通信技術(shù)的迅速發(fā)展，現(xiàn)代通信網(wǎng)絡(luò)也越來越龐大、越來越復(fù)雜。因其高度復(fù)雜性以至傳統(tǒng)的網(wǎng)絡(luò)控制并不能很好的工作，這樣的網(wǎng)絡(luò)需要在動(dòng)態(tài)發(fā)展的環(huán)境下自適應(yīng)、智能系統(tǒng)來提供高的網(wǎng)絡(luò)可靠性、的流量預(yù)測(cè)、高效的使用信道帶寬、并且能優(yōu)化網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)因其快速、靈活、自適應(yīng)和智能控制能夠完成這樣的工作。

2．1 自適應(yīng)呼叫允許控制

當(dāng)用戶提出一個(gè)呼叫或者連接請(qǐng)求時(shí)，呼叫允許控制就要依據(jù)現(xiàn)有的網(wǎng)絡(luò)資源使用情況決定是否允許這個(gè)新的呼叫連接到網(wǎng)絡(luò)上。神經(jīng)網(wǎng)絡(luò)能夠根據(jù)流量特性自學(xué)習(xí)地組成一個(gè)多輸入輸出的非線性函數(shù)，并且處理速度能夠非常迅速。

神經(jīng)網(wǎng)絡(luò)使用后向傳播(back propagation)來學(xué)習(xí)目前的傳輸特性和相應(yīng)的服務(wù)質(zhì)量之間的關(guān)系。神經(jīng)網(wǎng)絡(luò)通過對(duì)運(yùn)行的復(fù)用器行為的學(xué)習(xí)建立了一個(gè)判決函數(shù)。當(dāng)復(fù)用器的特性改變時(shí)，神經(jīng)網(wǎng)絡(luò)能夠通過他過去的經(jīng)驗(yàn)，正確調(diào)整他的非線性函數(shù)。仿真表明神經(jīng)網(wǎng)絡(luò)方法比基于傳統(tǒng)電信業(yè)務(wù)控制方法性能更好。后向傳播神經(jīng)網(wǎng)絡(luò)還能夠被應(yīng)用到通信網(wǎng)絡(luò)的其他許多相似問題，比如廣域網(wǎng)管理、流量預(yù)測(cè)和其他的自適應(yīng)控制問題。

2．2 路由選擇

目前在高速路由器和交換機(jī)等網(wǎng)絡(luò)互聯(lián)的設(shè)備中都采用了交叉開關(guān)機(jī)制(Crossbar)。這種交換結(jié)構(gòu)是路由器和交換機(jī)的模塊。交叉開關(guān)機(jī)制沒有自路由能力，一般需要一個(gè)中心路由控制器。在文獻(xiàn)中介紹了一個(gè)神經(jīng)網(wǎng)絡(luò)用于在交叉開關(guān)機(jī)制的路由控制器，其他文獻(xiàn)也能發(fā)現(xiàn)類似的方法。國(guó)外已經(jīng)用CMOSVI．SI實(shí)現(xiàn)了8X8神經(jīng)網(wǎng)絡(luò)來控制一個(gè)8X8交叉開關(guān)機(jī)制路由器，他的運(yùn)行速度為120ns，對(duì)于實(shí)時(shí)控制交換機(jī)來說這個(gè)速度已經(jīng)足夠了。神經(jīng)網(wǎng)絡(luò)還能用來作為網(wǎng)絡(luò)的流量控制、擁塞控制和網(wǎng)絡(luò)速率調(diào)整，其仿真結(jié)果均表明用神經(jīng)網(wǎng)絡(luò)的方法顯著優(yōu)于傳統(tǒng)的網(wǎng)絡(luò)控制方法。 另外，神經(jīng)網(wǎng)絡(luò)因其反應(yīng)速度快，善于在復(fù)雜的環(huán)境下解決非線性問題，還被廣泛用于語音圖像處理、雷達(dá)聲納的多目標(biāo)跟蹤與辨識(shí)、保密通信中。

3 結(jié) 語

神經(jīng)網(wǎng)絡(luò)在通信領(lǐng)域的應(yīng)用，已顯示出驚人的優(yōu)越性。神經(jīng)網(wǎng)絡(luò)運(yùn)用于通信中比傳統(tǒng)方法更簡(jiǎn)單、更可靠。并且可實(shí)現(xiàn)快捷、靈活、自適應(yīng)性、智能化實(shí)時(shí)管理。神經(jīng)網(wǎng)絡(luò)正在成功地解決通信領(lǐng)域一個(gè)又一個(gè)難題，迎接信息社會(huì)來自各個(gè)領(lǐng)域的挑戰(zhàn)。

由于神經(jīng)網(wǎng)絡(luò)本身還處于發(fā)展之中，還有不少問題需要進(jìn)一步深入研究。例如，神經(jīng)網(wǎng)絡(luò)在隱含層中應(yīng)當(dāng)怎樣選擇神經(jīng)元數(shù)目更合理、在反饋神經(jīng)網(wǎng)絡(luò)中怎樣無限接近值、神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)準(zhǔn)則研究以及神經(jīng)網(wǎng)絡(luò)怎樣與模糊推理、遺傳算法結(jié)合得更好，從而實(shí)現(xiàn)人類大腦的功能，這一切都還需要作很多工作。

當(dāng)然，神經(jīng)網(wǎng)絡(luò)前途廣闊，隨著本身問題的一個(gè)一個(gè)突破，他將像數(shù)字計(jì)算機(jī)一樣，滲透到社會(huì)每個(gè)領(lǐng)域，將會(huì)解決許多計(jì)算機(jī)也困惑的難題，迎來更加美好的明天。