技術(shù)特征：

1.一種Alpha穩(wěn)定分布噪聲環(huán)境下的非線性信道均衡方法，其特征在于：

該方法包括以下步驟：

步驟一：構(gòu)造Alpha穩(wěn)定分布噪聲環(huán)境下基于核方法的非線性信道均衡的代價函數(shù)J＝E(|e(n)|^p)；

步驟二：通過核函數(shù)將接收信號映射到高維特征空間，推導高維特征空間中均衡器抽頭系數(shù)的更新公式：

和均衡器輸出迭代公式：

步驟三：對均衡器進行初始化，按照步驟二中所推導出的均衡器抽頭系數(shù)更新公式對均衡器系數(shù)進行迭代更新并計算均衡器輸出信號，直至對訓練序列處理完畢。

2.根據(jù)權(quán)利要求1所述的Alpha穩(wěn)定分布噪聲環(huán)境下的非線性信道均衡方法，其特征在于：所述步驟一的具體方法為：依據(jù)最小均方誤差準則，構(gòu)造Alpha穩(wěn)定分布噪聲環(huán)境下基于核方法的非線性信道均衡的代價函數(shù)：J＝E(|e(n)|^p)，其中，誤差信號e(n)＝d(n)-y(n)，E(|e(n)|^p)表示隨機變量e(n)的p階矩。

3.根據(jù)權(quán)利要求1所述的Alpha穩(wěn)定分布噪聲環(huán)境下的非線性信道均衡方法，其特征在于：所述步驟二的具體步驟為：

步驟201：通過核函數(shù)將接收信號映射到高維特征空間，所述核函數(shù)為高 斯核函數(shù)其中，x、y為樣本空間中的向量，σ為核參數(shù)，樣本空間中的向量t到高維特征空間的映射可表示為Φ：t→Φ(t)。

步驟202：推導高維特征空間中均衡器抽頭系數(shù)的更新公式。首先，求得代價函數(shù)J＝E(|e(n)|^p)相對于高維空間中均衡器的抽頭系數(shù)向量w的梯度為：

其中，sgn為符號函數(shù)，定義為

然后，用瞬時梯度代替真實梯度得：

最后，由最速下降法得高維特征空間中均衡器抽頭系數(shù)的更新公式為：

步驟203：推導高維特征空間中均衡器輸出迭代公式。令w(0)＝0得：

因此

又因為κ(x,y)＝<Φ(x),Φ(y)>，故均衡器輸出迭代公式為：

。

4.根據(jù)權(quán)利要求1所述的Alpha穩(wěn)定分布噪聲環(huán)境下的非線性信道均衡方法，其特征在于：所述步驟三的具體步驟為：

步驟301：對高維空間中的均衡器進行初始化，n＝0時，設(shè)置：步長μ∈[0.01,0.3]、核參數(shù)σ∈[1,12]、w(0)＝0，均衡器長度其中 為信道階數(shù)的估計值，符號速率R_s可通過功率譜估計等方法得到，最大多徑時延τ可由先驗知識獲得；計算可得y(0)＝w^T(0)Φ(r(0))＝0，e(0)＝d(0)-y(0)＝d(0)。

步驟302：按照步驟二所推導出的均衡器抽頭系數(shù)更新公式對均衡器系數(shù)進行迭代更新并計算均衡器輸出信號，直至對訓練序列處理完畢；當n≥1時，按照步驟二所推導出的均衡器抽頭系數(shù)更新公式對均衡器系數(shù)進行迭代更新并計算均衡器輸出信號：

步驟303：以訓練次數(shù)為判決量，判斷對訓練序列是否處理完畢。若n>N,則認為對訓練序列處理完畢；否則，n＝n+1，繼續(xù)步驟302的處理方法。