Channel Equalization using Fuzzy-ARTMAP

퍼지-ARTMAP에 의한 채널 등화

In this paper, fuzzy-ARTMAP equalizer is developed mainly for overcoming the obstacles, such as complexity and long training, in implementing the previously developed neural-basis equalizers. The proposed fuzzy-ARTMAP equalizer is fast and easy to train and includes capabilities not found in other neural network approaches a small number of parameters, no requirements for the choice of initial weights, no risk of getting trapped in local minima, and capability of adding new data without retraining previously trained data. In simulation studies, binary signals were generated at random from linear channel with Gaussian noise. The performance of the proposed equalizer is compared with other neural net basis equalizers, such as MLP and RBF equalizers. The fuzzy ARTMAP equalizer combines relatively simple structure and fast processing speed; it gives accurate results for nonlinear problems that cannot be solved with a linear equalizer.

본 논문에서는 이전에 개발된 신경회로망 채널 등화기에서 볼 수 있었던 구조의 복잡성 및 많은 학습시간의 소요 등과 같은 단점을 극복하고자 퍼지-ARTMAP 신경망을 이용하여 채널 등화기를 구성하였다. 제안된 퍼지-ARTMAP 채널 등화기는 다른 형태의 신경망을 이용한 등화기에서는 찾아 볼 수 없는 빠르고 쉬운 학습 능력을 갖고 있다. 즉, 등화기 구성에 필요한 파라미터의 수가 적으며 지역적 최소값에 빠질 우려 없이 각 계층간의 초기 연결강도를 지정할 수 있을 뿐만 아니라 기존의 학습된 데이터를 재학습시킬 필요 없이 새로운 데이터를 단순히 추가 학습시킬 수 있는 장점 등을 가지고 있다. 본 연구의 시뮬레이션 과정에서는 선형채널에서 발생된 가우시안 잡음을 동반한 이진 신호를 대상으로 퍼지-ARTMAP 채널 등화기의 성능을 LMS 기반의 선형 등화기 및 MLP와 RBF 신경망 등화기와 비교하였으며 퍼지-ARTMAP 등화기가 상대적으로 간단한 구조와 빠른 처리속도를 가짐은 물론 선형등화기로 해결하지 못했던 비선형 문제들도 해결할 수 있음을 보였다.