提高頻譜利用率、實(shí)現(xiàn)超大容量傳輸?shù)那疤崾蔷珳?zhǔn)掌握無線信道特性信息.研究了反饋神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network, BPNN）在無線信道多普勒功率譜仿真中的應(yīng)用.利用大量樣本訓(xùn)練BPNN實(shí)現(xiàn)對(duì)時(shí)變信道進(jìn)行預(yù)測(cè).仿真結(jié)果表明,與傳統(tǒng)方法對(duì)比,BPNN的仿真效果更接近理論值,誤差更小,具備很好的容錯(cuò)性,同時(shí)模型輸出結(jié)果的頻域呈U型譜,時(shí)域自相關(guān)函數(shù)滿足第一類貝塞爾函數(shù),很好地符合Jakes模型的時(shí)頻域條件.對(duì)3種方法的時(shí)間復(fù)雜度進(jìn)行比較,結(jié)果表明BPNN的時(shí)間復(fù)雜度最高,犧牲了時(shí)間復(fù)雜度但換取了高精度和低誤差.對(duì)3種誤差逆向傳播算法的仿真結(jié)果進(jìn)行對(duì)比,發(fā)現(xiàn)列文伯格-馬夸爾特（Levenberg-Marquardt, L-M）算法訓(xùn)練BPNN的均方誤差最低,效果最佳. 

【文章來源】：北京交通大學(xué)學(xué)報(bào). 2020年02期 第74-82頁 北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

Jakes正弦波疊加法仿真模型實(shí)現(xiàn)框圖

成型濾波法的仿真結(jié)構(gòu)如圖2所示,它是將高斯白噪聲輸入成型濾波器來產(chǎn)生指定形狀的多普勒功率譜,其中 S E (f) 為幅值.實(shí)部和虛部均是具有特定形狀多普勒功率譜的高斯有色噪聲,因此包絡(luò)服從瑞利分布[12].利用Matlab仿真基于正弦波疊加法和成型濾波法得到的功率譜和時(shí)域自相關(guān)函數(shù)如圖3所示,可以看到基于這兩種方法得到的功率譜均符合多普勒功率譜的特性,呈U型譜,由成型濾波法得到的功率譜曲線在曲線中部起伏較小,且曲線更貼近U型譜.圖3 基于兩種方法得到的功率譜和自相關(guān)函數(shù)

圖2 成型濾波法仿真模型實(shí)現(xiàn)框圖自相關(guān)函數(shù)也都基本符合第1類貝塞爾函數(shù),由正弦波疊加法得到的曲線的中部和尾部起伏較大,并不總是符合衰減特性,由此可說明成型濾波法的誤差小于正弦波疊加法.成型濾波法采用的是隨機(jī)噪聲,因而隨機(jī)性等各方面性能都比正弦疊加法更為理想.由于通常情況下通信系統(tǒng)的采樣速率非常高,最大多普勒頻率與采樣率相比很小,因此成型濾波器需要的帶寬很小,直接實(shí)現(xiàn)非常困難.

【參考文獻(xiàn)】：
期刊論文
[1]人工智能在移動(dòng)通信網(wǎng)絡(luò)中的應(yīng)用:基于機(jī)器學(xué)習(xí)理論的信道估計(jì)與信號(hào)檢測(cè)算法[J]. 朱玥,覃堯,董嵐,王公仆.  信息通信技術(shù). 2019(01)
[2]超寬帶濾波器的稀疏貝葉斯正則化逆向神經(jīng)網(wǎng)絡(luò)建模[J]. 南敬昌,王梓琦,高明明,王穎.  計(jì)算機(jī)應(yīng)用與軟件. 2018(10)
[3]求解無約束問題的修正PRP共軛梯度算法[J]. 李春念,袁功林.  西南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(09)
[4]基于神經(jīng)網(wǎng)絡(luò)的信道譯碼算法研究綜述[J]. 王玉環(huán),尹航,楊占昕.  中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[5]利用BP神經(jīng)網(wǎng)絡(luò)分析檢測(cè)網(wǎng)絡(luò)時(shí)序型隱信道[J]. 張宇飛,沈瑤,楊威,肖漢,黃劉生.  小型微型計(jì)算機(jī)系統(tǒng). 2018(05)
[6]基于BP神經(jīng)網(wǎng)絡(luò)的短波通信信道預(yù)測(cè)方法[J]. 張想,李明齊,王潮.  工業(yè)控制計(jì)算機(jī). 2017(10)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的信道均衡算法[J]. 陳敏華,李楊,張武雄.  計(jì)算機(jī)應(yīng)用與軟件. 2017(09)
[8]三維模型中的多普勒功率譜分析[J]. 米楊,張曉瀛,魏急波.  通信技術(shù). 2015(04)
[9]LM算法在神經(jīng)網(wǎng)絡(luò)語音識(shí)別中的應(yīng)用[J]. 孫峰,姚毅,李成剛.  科學(xué)技術(shù)與工程. 2011(09)
[10]基于Levenberg-Marquardt算法和最小二乘方法的小波網(wǎng)絡(luò)混合學(xué)習(xí)算法[J]. 魏榮,盧俊國(guó),王執(zhí)銓.  信息與控制. 2001(05)

博士論文
[1]通信信道建模的神經(jīng)網(wǎng)絡(luò)優(yōu)化技術(shù)研究[D]. 馬永濤.天津大學(xué) 2009



本文編號(hào)：2908578