本文選題：變換域通信系統(tǒng) + 基函數(shù)�。� 參考：《華中科技大學學報(自然科學版)》2014年02期

【摘要】：提出了一種不須要估計本地基函數(shù)的變換域通信系統(tǒng)接收機接收方法.詳細分析了接收機的接收原理,以相關解調信號能量最大化為目標構建了接收機最優(yōu)化接收模型,通過對模型求解得到了接收數(shù)據(jù)自協(xié)方差矩陣的最大特征值向量,此向量可作為接收端基函數(shù)實現(xiàn)最佳接收,從而引入基于Hebbian學習訓練的神經(jīng)網(wǎng)絡完成最大特征值向量的自適應估計與數(shù)據(jù)接收.仿真結果表明:當算法收斂時,作為基函數(shù)估計的網(wǎng)絡連接強度矢量與發(fā)送端基函數(shù)基本一致,并且當發(fā)送端改變基函數(shù)時,算法依然能夠實現(xiàn)準確跟蹤.系統(tǒng)的接收性能與收發(fā)兩端基函數(shù)一致條件下的接收性能基本一致,當算法迭代次數(shù)為300,誤碼率為1×10-4時,系統(tǒng)的信噪比損失可小于1dB.
[Abstract]:In this paper, a receiver receiving method for a transform domain communication system without estimating the local basis function is proposed. The receiving principle of the receiver is analyzed in detail, and the optimal receiver receiving model is constructed with the aim of maximizing the energy of the correlated demodulation signal. The maximum eigenvalue vector of the self-covariance matrix of the received data is obtained by solving the model. This vector can be used as the basis function of the receiver to realize the optimal reception, and then the neural network based on Hebbian learning training is introduced to realize the adaptive estimation and data reception of the maximum eigenvalue vector. The simulation results show that: when the algorithm converges, the network connection strength vector estimated as the basis function is basically the same as the transmission terminal basis function, and when the transmitter changes the basis function, the algorithm can still achieve accurate tracking. The receiver performance of the system is basically the same as that under the condition of consistent transceiver and transceiver basis functions. When the iterative number of the algorithm is 300 and the bit error rate is 1 脳 10 ~ (-4), the SNR loss of the system can be less than 1 dB.
【作者單位】： 空軍工程大學信息與導航學院;中國人民解放94900部隊;
【基金】：國家自然科學基金資助項目(60972042,61271250) 空軍工程大學信息與導航學院研究生論文創(chuàng)新基金項目(2011004)
【分類號】：TN92;TP183

【相似文獻】

相關期刊論文 前10條

1 王傳丹;張忠培;李少謙;;變換域通信系統(tǒng)中干擾信號的逐次消除[J];電子與信息學報;2008年10期

2 楊蕾;;變換域通信技術及關鍵技術[J];黑龍江科技信息;2010年34期

3 李聰;黃高明;李敬輝;;基于模糊神經(jīng)網(wǎng)絡的欺騙性干擾效果評估[J];電子信息對抗技術;2007年01期

4 毛永毅;李明遠;張寶軍;;基于RBF神經(jīng)網(wǎng)絡的AOA定位算法[J];計算機應用;2008年01期

5 張友益;用于低角雷達跟蹤的徑向基函數(shù)神經(jīng)網(wǎng)絡[J];艦船電子對抗;1995年03期

6 尚麗;杜吉祥;翟傳敏;;稀疏編碼算法概述[J];蘇州市職業(yè)大學學報;2009年01期

7 曾黃麟;;一類新的模式識別聯(lián)想神經(jīng)網(wǎng)絡[J];電訊技術;1992年01期

8 陳在;;神經(jīng)網(wǎng)絡:一種全新的多媒體技術[J];重慶郵電學院學報(自然科學版);1993年01期

9 王衛(wèi)，蔡德鈞，萬發(fā)貫;神經(jīng)網(wǎng)絡在圖像編碼中的應用[J];電子學報;1995年07期

10 何振亞;計算智能信息處理[J];數(shù)據(jù)采集與處理;1996年02期

相關會議論文 前10條

1 侯艷芳;馮紅梅;;基于神經(jīng)網(wǎng)絡的調制識別算法的研究[A];武漢(南方九省)電工理論學會第22屆學術年會、河南省電工技術學會年會論文集[C];2010年

2 姚志紅;韓兵;;雷達導引頭角跟蹤系統(tǒng)的神經(jīng)網(wǎng)絡辨識[A];1995中國控制與決策學術年會論文集[C];1995年

3 李福平;李權;;基于Lagrange神經(jīng)網(wǎng)絡的盲多用戶檢測[A];中國通信集成電路技術與應用研討會文集[C];2006年

4 劉華章;王新政;;在衰落移動信道中圖象傳輸?shù)纳窠?jīng)網(wǎng)絡譯碼方法[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 閆寶杰;高文;;一種使用非限定詞句的話者識別的系統(tǒng)[A];第三屆全國人機語音通訊學術會議論文集[C];1994年

6 俞鐵城;周健來;宋巖濤;;基于神經(jīng)網(wǎng)絡／隱馬爾可夫模型的混合語音識別方法的研究現(xiàn)狀[A];第五屆全國人機語音通訊學術會議論文集[C];1998年

7 蔣新勝;馬光彥;王偉策;李華兵;;神經(jīng)網(wǎng)絡在智能地雷目標識別中的應用[A];2002中國控制與決策學術年會論文集[C];2002年

8 郝增榮;劉海軍;柳征;姜文利;;一種基于神經(jīng)網(wǎng)絡增量學習的輻射源識別算法[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

9 錢小聰;鄭寶玉;穆明鑫;;神經(jīng)網(wǎng)絡聯(lián)機手寫簽名驗證[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

10 于瑤;孫光民;于慧;;神經(jīng)網(wǎng)絡在測速雷達目標識別中的應用[A];通信理論與信號處理新進展——2005年通信理論與信號處理年會論文集[C];2005年

相關重要報紙文章 前1條

1 ;測量GSM用戶的接收情況[N];通信產業(yè)報;2001年

相關博士學位論文 前10條

1 張昀;基于復數(shù)Hopfield神經(jīng)網(wǎng)絡的盲信號檢測[D];南京郵電大學;2012年

2 萬敏;獨立分量分析的神經(jīng)網(wǎng)絡方法[D];電子科技大學;2011年

3 毛建旭;合成孔徑雷達干涉（INSAR）三維成像處理技術研究[D];湖南大學;2002年

4 龔劍揚;混沌保密通信關鍵技術研究[D];哈爾濱工程大學;2004年

5 陳立偉;基于HMM和ANN的漢語語音識別[D];哈爾濱工程大學;2005年

6 湯光華;基于一維距離像的雷達目標識別[D];南京理工大學;2007年

7 肖乾;多傳感器組合導航系統(tǒng)信息融合技術研究[D];哈爾濱工程大學;2005年

8 周衛(wèi)東;組合導航系統(tǒng)應用軟件可靠性研究[D];哈爾濱工程大學;2006年

9 李鳴;毫米波頻率步進雷達前端關鍵技術研究[D];南京理工大學;2007年

10 李衛(wèi)華;數(shù)字圖像預處理與融合方法研究[D];西北工業(yè)大學;2006年

相關碩士學位論文 前10條

1 高敏;小波嵌入神經(jīng)網(wǎng)絡盲均衡算法[D];安徽理工大學;2010年

2 唐玉潔;基于機器學習的認知無線電頻譜感知[D];哈爾濱工業(yè)大學;2010年

3 李s，

本文編號：1965339