Performance Improvement on Fuzzy C-Means Algorithm for Nonlinear Blind Channel Equalization

비선형 블라인드 채널등화를 위한 퍼지 클러스터 알고리즘의 성능개선

In this paper, a modified Fuzzy C-Means (MFCM) algorithm is presented for nonlinear blind channel equalization. The proposed MFCM searches the optimal channel output states of a nonlinear channel from the received symbols, based on the Bayesian likelihood fitness function instead of a conventional Euclidean distance measure. Next, the desired channel states of a nonlinear channel are constructed with the elements of estimated channel output states, and placed at the center of a Radial Basis Function (RBF) equalizer to reconstruct transmitted symbols. In the simulations, binary signals are generated at random with Gaussian noise. The performance of the proposed method is compared with that of a hybrid genetic algorithm (GA merged with simulated annealing (SA): GASA), and the relatively high accuracy and fast searching speed are achieved.

본 논문에서는 비선형 블라인드 채널등화기의 구현을 위하여 개선된 퍼지 클러스터(Modified Fuzzy C-Means: MFCM) 알고리즘을 제안한다. 제안된 MFCM은 기존의 유클리디언 거리 값 대신 Bayesian Likelihood 목적함수(fitness function)를 이용하여 비선형 채널의 출력으로 수신된 데이터들로부터 최적의 채널 출력 상태값(optimal channel output states)을 추정한다. 이렇게 추정된 채널 출력 상태 값들로 비선형 채널의 이상적인 채널 상태(desired channel states) 벡터들을 구성하고 이를 Radial Basis Function(RBF) 등화기의 중심(center)으로 활용함으로써 송신된 데이터 심볼을 찾아낸다. 실험에서는 무작위 이진 신호에 가우스 노이즈를 추가한 데이터를 사용하여 하이브리드 유전자 알고리즘 (GA merged with simulated annealing (SA): GASA)과 그 성능을 비교 하였으며, 제안된 MFCM을 이용한 등화기가 GASA를 활용한 것 보다 상대적으로 정확도와 속도 면에서 우수함을 보였다.