본 논문에서는 개선된 퍼지 클러스터(Modified Fuzzy C-Means: MFCM) 알고리즘을 이용하여 블라인드 비선형 채널등화기를 구현하였다. 이를 위해 제안된 MFCM은 기존의 유클리디언 거리 값 대신 Bayesian Likelihood 목적함수(fitness function)를 이용하여 채널의 출력으로 수신된 데이터들로부터 비선형 채널의 최적의 채널 출력 상태 값(optimal channel output states)을 추정한다. 이렇게 구해진 채널 출력 상태 값들로 비선형 채널의 이상적 채널 상태(desired channel states) 벡터를 구성하고 이를 Radial Basis Function(RBF) 등화기의 중심(center)으로 활용하여 송신된 데이터 심볼을 찾아낸다. 실험에서는 무작위 이진 신호에 가우스 잡음을 추가한 데이터를 사용하여 하이브리드 유전자 알고리즘 (genetic algorithm(GA) merged with simulated annealing (SA): GASA)과 그 성능을 비교하였으며, 제안된 MFCM을 이용한 등화기가 GASA를 사용한 것 보다 상대적으로 정확도와 속도 면에서 우수함을 보였다.
In this paper, a blind nonlinear channel equalization is implemented by using a Modified Fuzzy C-Means (MFCM) algorithm. 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.
