【摘要】：超寬帶通信系統(tǒng)因其具有高數(shù)據(jù)率、低功率譜密度、短時間脈沖等優(yōu)點,被廣泛的應(yīng)用于民生、軍事等多個領(lǐng)域。超寬帶信號由于其帶寬較寬,同時室內(nèi)環(huán)境場景狹小、障礙物較多,故會呈現(xiàn)密集多徑信現(xiàn)象,為信道模型的識別與估計造成了困難。隨著機器學(xué)習(xí)和人工智能革命的興起,人工智能在無線通信領(lǐng)域的應(yīng)用越來越廣泛。本文提出了基于神經(jīng)網(wǎng)絡(luò)的信道模型識別與信噪比估計的方法,并將已識別出的信道模型和信噪比作為先驗知識,改進(jìn)了基于壓縮感知理論的信道估計算法的參數(shù)選擇,并基于估計結(jié)果設(shè)計了Rake接收機。本文在超寬帶室內(nèi)密集多徑信道方面主要研究了三個內(nèi)容,分別是信道模型識別、信噪比估計和信道參數(shù)估計。首先針對基于支持向量機的6種傳統(tǒng)信道特征參量對信道模型分類正確率較低的問題,本文提出了基于神經(jīng)網(wǎng)絡(luò)的信道模型識別方法,該方法依托于IEEE802.15.4a信道模型,利用Gegenbauer多項式構(gòu)造的正交脈沖作為發(fā)射信號,仿真生成接收信號作為訓(xùn)練測試集,分析了卷積神經(jīng)網(wǎng)絡(luò)在實現(xiàn)信道模型識別時應(yīng)選取的結(jié)構(gòu)和參數(shù),并對搭建好的網(wǎng)絡(luò)進(jìn)行訓(xùn)練測試,得到了較高的分類準(zhǔn)確率。其次提出了基于神經(jīng)網(wǎng)絡(luò)的信噪比估計的方法,構(gòu)建了卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò),分析對比了兩者在信噪比估計方面的性能優(yōu)劣,仿真實驗結(jié)果表明,循環(huán)神經(jīng)網(wǎng)絡(luò)在信噪比估計方面性能較好。將已識別出的信道模型作為先驗知識應(yīng)用于神經(jīng)網(wǎng)絡(luò),對比測試了在是否已知信道模型情況下信噪比估計的準(zhǔn)確度,證明了已知信道模型對提高信噪比估計準(zhǔn)確率有所幫助。再次改進(jìn)了基于壓縮感知理論的信道參數(shù)估計方法。將已知的信道模型和信噪比應(yīng)用于信道參數(shù)估計,分析了導(dǎo)頻數(shù)在不同信道模型不同信噪比情況下對估計誤差的影響,實現(xiàn)了參數(shù)自適應(yīng)的信道估計方法,提高了信道參數(shù)估計的效率。將信道參數(shù)估計的結(jié)果應(yīng)用于Rake接收機的設(shè)計,得到了較低的誤碼率。本文提出的超寬帶通信系統(tǒng)室內(nèi)密集多徑信道模型識別與參數(shù)估計方法,分別基于神經(jīng)網(wǎng)絡(luò)和壓縮感知算法,逐級應(yīng)用已獲得的結(jié)論作為先驗知識,相比較傳統(tǒng)方法而言,減少了人工干預(yù)因素,取得了較好的結(jié)果。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN925
【圖文】：

c）CM3 沖激響應(yīng) d）CM4 沖激響應(yīng)圖 2-1 IEEE802.15.4a 信道 4 種場景沖激響應(yīng)仿真3 基于支持向量機的超寬帶室內(nèi)密集多徑信道模型識別支持向量機是最流行和最廣泛使用的二進(jìn)制分類器之一。該方法由 V.

圖 2-2 各信道測試分類準(zhǔn)確率混淆矩陣圖陣縱軸為測試集樣本的真實信道標(biāo)簽，橫軸為經(jīng)過卷積神經(jīng)網(wǎng)的信道模型類別，每個方格中的數(shù)字為其所占的百分比，為確確，該矩陣中保留小數(shù)點后三位。通過圖 2-2 可以看出，CM最高，為 82.2%，CM1 的分類準(zhǔn)確率最低，為 67.2%，同時我

當(dāng)學(xué)習(xí)率為 0.01 時，迭代次數(shù)的實驗結(jié)果如圖2-4 所示。當(dāng)?shù)螖?shù)為 3 次時，其訓(xùn)練準(zhǔn)確率已經(jīng)可以穩(wěn)定在 90%以上，說明該卷積神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時收斂較快，得到的正確率比較高，網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計和參數(shù)選取得比較合理。圖 2-4 迭代次數(shù)與卷積神經(jīng)網(wǎng)絡(luò)特征提取識別準(zhǔn)確率的關(guān)系

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 劉志剛,李德仁,秦前清,史文中;支持向量機在多類分類問題中的推廣[J];計算機工程與應(yīng)用;2004年07期

相關(guān)碩士學(xué)位論文 前3條

1 姚碧圓;基于圖論算法的無線信道特征提取與場景識別研究[D];海南大學(xué);2017年

2 吳明陽;波分多址超寬帶脈沖波形設(shè)計和多用戶檢測技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

3 張子萍;無線通信中信噪比估計算法研究和實現(xiàn)[D];北京郵電大學(xué);2016年

本文編號：2754162